人工智能飞速发展,机器人技术越发成熟。以定位、路径规划、路径追踪等导航技术为代表的研究领域成为机器人研究的热点问题,路径规划算法是其中的关键技术之一。人工势场法由于实时性好、计算简单,在移动机器人局部路径规划算法中得到了广泛应用。针对局部路径规划过程中传感器信息不全、机器人容易陷入局部极小点陷阱和在陷阱区域震荡徘徊等情况,本文基于人工势场法,与模糊控制和有限状态机等算法相结合,克服传统人工势场法中存在的问题,研究移动机器人如何在简单和复杂障碍物环境下均能规划出平滑、较短的路径。针对移动机器人采用人工势场法进行局部路径规划时存在的局部极小点问题,提出了两种设置虚拟目标点的局部极小点避障策略:VTP-90和VTP-120局部极小点避障策略。VTP-90局部极小点避障策略通过局部极小点环境检测和多U型障碍物环境检测,将虚拟目标点设置在斥力分量旋转90度方向的合适位置,引导机器人逃离局部极小点区域;VTP-120局部极小点避障策略是在局部极小点环境中,在斥力分量旋转120度方向的合适位置设置虚拟目标点,实现多种环境下的避障任务。在MATLAB平台上,对两种局部极小点避障策略进行仿真验证和比较。结果表明,VTP-120局部极小点避障策略更简单,适用的障碍物环境更全面。针对移动机器人采用VTP-120人工势场法逃离局部极小点区域时的规划路径过长问题,将其与模糊控制算法相结合,提出了模糊势场法。构造模糊控制器,对障碍物环境进行预测,在合适的位置设置虚拟目标点,以及时避障,解决机器人在复杂环境中规划路径过长问题;通过有限状态机判断障碍物环境的疏密状态,设置算法转换策略,根据障碍物环境选择合适的算法进行路径规划,从而使改进算法适用于多种障碍物环境。在MATLAB平台上对所设计算法进行仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短路径长度;算法不仅适用于简单、离散的环境,在传统人工势场法运行困难、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。