移动机器人路径规划一直是机器人研究中的关键技术,国内外学者已经提出许多移动机器人路径规划的方法。然而传统的路径规划方法,无论是全局规划法还是局部规划法都存在着各自的缺陷,智能规划方法的应用解决了一些路径规划中的问题,但智能规划方法在实际应用中仍存在许多局限性,如神经网络局限于环境的建模和认知、模糊逻辑应用于复杂未知动态环境中时,模糊规则较难提取,遗传算法存在早熟和规划效率低等问题。随着机器人工作环境越来越复杂,规划任务的要求越来越高,目前的规划算法已不能很好的满足规划任务的要求,研究未知、复杂、动态环境下的移动机器人路径规划问题具有重要的现实意义。针对这些问题,本论文首次全面采用人工免疫系统的方法,对复杂障碍物环境下的移动机器人路径规划问题展开了研究。 本文对人工免疫系统的原理、算法和模型进行了研究。分析了人工免疫系统与遗传算法、神经网络之间的相似点和不同点。总结了人工免疫系统中基于群体的和基于网络的两类免疫算法。重点对人工免疫网络模型从抗原、抗体、亲和力、刺激、抑制和克隆几个方面进行了分析和比较,为应用人工免疫网络模型的选择、设计和新模型的进一步开发提供了理论依据。 提出了基于克隆选择的移动机器人全局路径规划方法。该方法包括环境建模、抗体的设计、适应度函数的构建,选择策略和免疫算子的定义。在适应度函数构建时既考虑路径距离又考虑与障碍物的相交程度,根据机器人路径规划问题设计了变异算子、插入算子和删除算子。克隆选择中变异是高频变异,不同于遗传算法中的遗传变异,遗传变异是为了群体的多样性,高频变异是为了加速收敛。该方法与遗传算法相比规划时间更短、规划出的路径质量更高。利用MATLAB仿真验证了该方法的有效性。 提出了基于人工免疫网络的移动机器人局部路径规划方法。本方法把机器人前进的方向角看作抗体,把机器人与障碍物的距离、与目标的方向角构成的复合数据看作抗原。免疫网络方程中浓度最大的抗体对应机器人前进的方向角。引进模糊逻辑方法对传感器测到的距离进行了规范化处理,使得处理后的规范化距离更能反映机器人路径规划问题的实际。给出了机器人前进的方向角与目标方向角之差大于90度时,机器人可能进入局部极小点的判别条件,采用随机设定虚拟目标的方法使得机器人逃离局部极小点。该方法的最大特点是计算简单、仅需计算差分方程；对障碍物形状没有要求；在复杂环境下能有效的避开障碍物、避免陷入局部极小点,快速到达目标点。 研制了基于人工免疫网络的移动机器人实验平台,给出了机器人实验平台的执行机构、驱动系统、感知系统和控制系统的设计,采用Agent思想设计了机器人控制系统软件体系结构,利用Windows CE5.0实时操作系统,Windows visual studio.net 2005为工具开发了机器人控制系统软件,实验结果表明：在复杂和U型障碍物环境下,移动机器人都能快速逃离局部极小到达目标,进一步证实了提出的方法可有效性。 本研究成果可提高移动机器人的稳定性、实时性和避障能力,从而提高移动机器人完成复杂任务的自主性,为将来研究具有免疫功能的机器人打下了基础。