随着我国化工行业的快速发展,化工企业不断向园区集中,园区火灾事故所造成的危害日趋严重。若在事故发生前及时发现并消除安全隐患即可有效防止事故发生,如果在事故初期能及时采取有效措施亦可减少事故损失。安全巡检是隐患排查和发现初期事故的有效手段,可减少事故损失甚至防止火灾事故发生。针对目前常见巡检方式效率低且巡检路径不能根据火灾风险等级自主更新的缺点,本文将巡检位置的智能动态火灾风险评估与安全巡检机器人路径优化相结合,开展了基于化工园区火灾风险等级的安全巡检机器人路径优化研究。首先,以危险程度较高的储存区和生产区为例,选取甲类危险化学品库房和甲醇精馏工艺装置作为研究对象建立评估指标体系,并收集评估指标数据,建立相应数据库为后续开展实时风险评估提供数据支撑。之后,借助改进支持向量机建立动态智能火灾风险评估模型,以评估指标体系对应的指标数据作为评估模型的输入,以火灾风险等级为输出,验证了评估模型的有效性。最后,采用改进离散静电放电（IDESDA）算法结合各巡检位置火灾风险等级,实现了基于火灾风险等级的安全巡检机器人路径优化。最终主要得到以下3个结论:（1）将化工园区巡检位置分为库区和生产区,在两类巡检位置中分别选择了甲类危险化学品库房和甲醇精馏提纯工艺装置作为火灾风险评估对象进行研究。建立了甲类危险化学品库房评估指标和甲醇精馏提纯工艺装置火灾风险等级评估体系,为火灾风险评估模型建立奠定了基础。（2）针对传统支持向量机（SVM）参数优化算法的不足,引入静电放电算法（ESDA）,通过公开数据集验证了该算法对于SVM参数优化的有效性。对于RBF核函数全局能力差的缺点,引入NP核函数,保证了核函数兼具学习能力和泛化能力。以危险化学品甲类库样本集进行了实例研究验证,通过不同模型实验对比证明了本文提出的ESDA-NPSVM动态风险智能评估模型适用于火灾风险评估。（3）为更好的解决安全巡检机器人路径优化,本文首次提出离散静电放电法（DESDA）,针对算法收敛时间长,易陷入局部最优的缺点,提出IDESDA。算法性能比较表明,所提出的IDESDA在求解TSP时寻优精度和更好的稳定性。实验证明将该算法应用于基于火灾风险等级巡检机器人路径优化,效果良好,可以有效解决基于火灾风险等级的巡检机器人路径优化问题。