人工智能及机器人技术的发展,使自主移动机器人越来越受到各国研究者的重视,而如何实现移动机器人的安全自主避障成为研究的热点问题。本文在传统基于超声波传感器的机器人避障算法研究基础上,针对其存在的安全性和自主性等方面的问题,提出了一种基于改进模糊神经网络的具有高自主性和高安全性的避障控制算法。本文首先在建立并分析全向移动机器人运动模型及动力学模型的基础上,设计了结合改进模糊神经网络控制器的全向移动机器人自主学习算法的避障控制器。该改进后的避障模糊神经网络控制算法充分利用了神经网络的自主学习机制,大幅提高了全向移动机器人平台避障的自主性和安全性;同时,通过对算法复杂度的改进及神经网络结构的优化调整,给出了四层架构的模糊神经网络避障控制器,利用神经网络的自学习特点自主生成模糊控制规则,使算法能在保证控制精度的前提下,有效地提高算法运行的实时性,从而有利于算法在实际系统中进行实时控制应用。本文重点对所提出的改进模糊避障控制算法在Matlab环境下进行了仿真,建立了改进的模糊避障控制算法网络模型,同时实现了全向移动机器人在Webots软件平台上的实时静态动态避障仿真,并进一步将改进算法与常规避障算法的避障性能指标进行了对比,给出了相关性能指标的分析结论。仿真结果进一步验证了所提改进模糊神经网络避障算法的有效性和可行性。