移动机器人是机器人研究领域的一个重要的分支,近年来得到了飞速的发展,在工业自动化、采矿、排险、军事、服务等领域得到了广泛应用。移动机器人路径规划是指在具有障碍物的环境中,按照一定的评价标准,寻找一条从起始状态到目标状态的无碰撞路径,是智能移动机器人中重点研究的方向之一。大学版智能机器人MT-UROBOT安装了五个红外传感器,可完成正前、左前、右前、左、右等方向障碍物的识别,对环境的探知能力强,因此本文以大学版智能机器人MT-UROBOT作为研究平台,针对路径规划问题开展研究。文中对MT-UROBOT的位姿表示方法和控制进行了分析和推导,采用网格的方法对周围环境建立数学模型,并提出了模糊神经网络的避障策略,通过模糊神经网络搜索下一个可行节点的方式实现了移动机器人实时避障的功能。针对模糊神经网络的参数优化问题,采用共轭梯度法和最小二乘法相结合的混合方法来优化模糊神经网络的各个参数,避免了因学习速率选择不当引起系统不稳定的情况,仿真结果验证了方法的有效性。对有障碍物和无障碍物的路径规划进行了仿真,仿真结果表明基于模糊神经网络的移动机器人路径规划实现了障碍代价和费用代价之和最小的性能指标。