未知环境下的移动机器人自主导航控制是智能机器人技术领域的一个重要研究课题。本文主要从自主导航控制的体系结构、局部环境认知、基本行为设计与优化、行为协调机制、局部路径规划等方面来研究未知环境下的移动机器人自主导航控制的相关技术。本文的主要研究成果包括以下几个方面： (1)根据未知环境下的移动机器人自主导航任务，提出了移动机器人自主导航系统结构的基本性能要求。将人脑的“感知觉+情感决定行为”的控制模式引入到基于行为的“感知-执行”反应式结构中，提出了基于“感知觉+情感决定行为”的混合控制体系结构以处理移动机器人的自主导航任务。该体系结构采用模块化设计，有机地将情感、感知、行为、学习和决策结合起来，能够为自主导航任务提供良好的系统框架，并具有较强的系统扩展能力。 (2)提出了动态障碍物环境下基于动力学系统方法的移动机器人行为设计的改进方法。在行为动力学模型中考虑了障碍物的运动速度和运动方向，用碰撞时间参数代替相对位置参数，并用碰撞时间和碰撞角度描述的碰撞区域作为对移动机器人运动的约束。所提出的方法有效解决了已有方法在动态环境下存在的“躲避不及”和“无谓避碰”两类问题。 (3)分析行为动力学模型中的行为参数对导航性能影响的基础上，提出了一种行为参数的多目标分层优化方法，避免了多目标优化实际唯一解的选择问题。根据移动机器人的导航任务将路径最优作为高优先级的优化目标，导航时间作为次优先级的优化目标，利用粒子群优化算法(PSO)对行为参数进行多目标分层优化方法。该方法提高了优化的效率，实现了决策的逐步求精，并为行为参数的选择提供了一个有效的方法。 (4)受人脑情感机理启发，将情感引入到基于行为的移动机器人导航控制系统中，提出了一种基于情感的行为协调机制。该行为协调机制能够根据当前的情感状态来确定采用合作型或竞争型的协调，从而可以克服竞争型和合作型机制的一些不足之处。为改善导航轨迹，将局部路径规划融入到所提出的基于情感的行为协调机制的导航控制系统中，构造了一个混合控制系统。所提出的混合控制系统在确保移动机器人对未知环境的快速反应性的基础上，同时赋予机器人局部环境的规划能力。 (5)在所提出的基于“感知觉+情感决定行为”的混合控制体系中，通过引入基于情感和认知的学习与决策模型，提出了基于情感和环境认各的自主导航控制方法。在该系统中利用ART2 网络实现对移动机器人连续的环境感知状态的分类，并将分类结果作为学习与决策算法中的环境认知状态。通过基于在线情感和环境认知的学习，形成合理的行为协调机制，使机器人实现自主导航任务。仿真结果表明将情感和环境认知引入到移动机器人系统中能明显地改善学习和决策过程效率，提高基于行为的移动机器人在未知的环境中自主导航的能力。 (6)提出了一种利用超声波传感器的移动机器人局部环境的时空信息认知模型，以使移动机器人更好地实现对所处局部环境的理解。由于移动机器人需通过感知和认知两个环节来理解环境信息，所以所提出的时空信息认知模型采用双层分类结构：第一层运用模糊规则方法将从传感器得到的点领域环境信息进行分类，获得移动机器人在该时刻的空间环境状态类别；第二层利用ART2神经网络对从模糊分类器得到的空间环境状态类别的时序信息进行分类。为解决局部环境时空信息的分类时的模式漂移现象和同相位不可分问题，通过增加幅值信息项并结合质心学习方法，提出了一种改进的ART2神经网络。提出了基于局部环境的时空信息认知模型的移动机器人自主导航方法，充分利用历史的感知信息和导航经验，提高了移动机器人在复杂未知环境下的导航能力，尤其可有效地解决自主导航中所面临的局部极小问题。