随着机器人的应用领域不断扩展,人们对机器人的智能化和多功能化有了更高的需求,进而出现了很多带感知识别、决策规划等高级智能机器人。移动机器人在运行的过程中需频繁地与环境进行交互,当环境中存在多种影响机器人运动的因素,如多个障碍物、多个目标、机器人能源等,机器人不可避免的会同时处理多个行为。智能移动机器人在适应环境中无法预见的条件以及干扰的过程中,最关键也最具有挑战的一项就是如何协调控制机器人的这些根据环境而产生的行为,并且控制机器人维持在一个相对稳定的状态并且保持较高的运行效率。生物的神经系统、免疫系统,以及内分泌系统,在处理各式各样的信息方面具有强大的能力,这在人工智能系统中具有很好的借鉴意义。特别是基于内分泌系统的调节机制,具有较好的自适应和稳定性,已经在许多方面得到了成功的应用。应对机器人在运行过程中不同行为的选择问题,本论文基于内分泌系统,构建一系列由人工激素、行为控制器、激素感受器构成的人工内分泌系统,旨在根据不同的环境变化,对相应的机器人行为进行合理的选择,以提高整个机器人系统的工作效率,并维持系统的相对稳定。本篇论文的主要工作如下:(1)以移动机器人避障行为为例,对单机器人单行为进行控制。首先介绍了机器人避障过程中常用的人工势场法的基本思想以及其优缺点,在其缺点的基础上,设计了一个由一种人工激素、一个相应激素感受器与两个行为控制器组成的内分泌系统,通过激素刺激行为控制器进行避障与加速行为。并通过激素的激素浓度,从3个方面对传统人工势场法进行改进。通过仿真实验,验证了该算法可以实现对避障任务的要求。通过与传统人工势场法的对比实验,验证了该算法在场景复杂度较低的情况下具有较低的时间复杂度和较高的运行效率。(2)以机器人冲突行为为例,对单机器人多任务控制进行了研究。在复杂场景中运行时,可能存在一些相互冲突的行为,这些行为会导致机器人在运行时效率降低。针对机器人协调冲突行为的问题,提出了一种基于内分泌算法的行为调节机制。设计了机器人的三种相互冲突的行为,并通过建立两种激素,通过内分泌算法,实现了对这三种行为的调节。假定了一个机器人的运行场景,在场景中机器人需要完成多项任务,通过与pbs算法的对比,表明这种基于内分泌算法的行为调节机制具有更高的运行效率,和更强的适应能力(3)以多机器人在区域中共同完成任务时的任务分配问题为例,对多机器人控制进行了研究。针对多机器人在区域中能量消耗与任务处理速度的关系,提出一种基于内分泌算法的自适应任务分配系统。建立了一个由一对促进/抑制激素、一种激素和3个行为控制器的人工内分泌系统,来对机器人系统进行控制。通过与蚁群算法的对比,表明这种任务分配算法可以延长机器人系统的生命周期,并维持机器人较高的任务处理效率。最后,对全文进行了总结和展望,归纳了主要研究成果与实验结论,并提出了一些值得进一步拓展研究的方向与问题。