移动机器人技术自上世纪60年代以来,经历40多年的发展已经取得了长足的进步。而在污水处理厂,由于环境恶劣,某些工作不适合人工长期工作,这就对污水处理厂的自动化作业提出了很高的要求。污水处理厂巡检机器人的研究正是基于此背景提出的。移动机器人的路径规划是一种比较典型的优化问题,本身具有复杂性、约束性、非线性等特点。而污水处理厂自身的状况也很复杂,因此要想实现污水处理厂巡检机器人的自主行进,就需要采用一种高效的路径规划算法。由于污水处理厂大环境基本是不变的,所以本文主要研究全局机器人路径规划问题。首先对目前机器人路径规划的发展现状做了概述,总结各种算法的特点和发展趋势。经过对各种算法的比较研究后,决定采用基于蚁群算法的机器人路径规划。对蚁群算法基本原理,特征,几种评价指标以及收敛性进行了详细研究分析,在此基础上引入遗传算法,通过融合遗传算法来提高蚁群算法的效率,避免陷入局部最优,解决算法的收敛性问题。在具体设计时采用了最大-最小蚂蚁系统,同时设计相向并行搜索策略及相遇策略来提高蚁群初始种群生成速度,采用蚂蚁回退策略来防止蚂蚁落入“陷阱”,设计启发式概率搜索公式提高蚂蚁搜索速度,对最优路径进行平滑处理。在算法具体实现时,通过大量实验来对蚁群算法本身各个参数进行分析研究,最终选择最优的参数组合来进一步提高算法的效率。尽管机器人在污水处理厂的工作大环境基本是不变的,但是在实际条件下,其环境还是可能发生微小的变化,比如某些时候会有些车停在某个位置或者在跑动,真正的智能机器人需要能在环境发生变化时同样能做出正确的路径规划。所以本文最后研究了基于蚁群算法的局部路径规划,对动态避障蚁群预测算法及避障策略进行了探索研究。在研究蚁群算法的基础上,利用栅格法建立环境地图,编写了基于蚁群算法解决机器人路径规划的软件。通过该软件可以在环境地图已知的情况下,快速规划出一条最优路径。通过该软件对改进蚁群算法及传统蚁群算法路径规划进行了大量仿真实验,经过对实验数据的详细分析可以发现,改进蚁群算法综合性能指标有所提高,算法在执行的早期便能以较快的速度收敛,改进后的蚁群算法整体执行效率和收敛速度都得到了提高。