移动机器人是机器人研究领域的重要学术前沿之一，移动机器人的智能水平、环境感知能力以及基于此的行为规划、控制能力都是机器人研究中的关键。本课题针对当前神经网络研究领域的热点之一，第三代神经网络——Spiking神经网络的结构、编码、学习算法、计算模型等进行研究，并将Spiking神经网络的研究成果与现有的智能技术相结合，主要进行了：1）基于Spiking神经网络的移动机器人控制器的研究 ；2）移动机器人环境感知的研究；3）基于Spiking神经网络的机器人故障诊断技术的研究。取得了以下主要成果：1）提出基于Spiking神经网络的移动机器人避障、沿墙行走行为控制器，以及基于Spiking神经网络的目标点趋近的复合行为多脉冲导航控制器。与传统的神经网络控制器相比，所设计的基于Spiking神经网络的移动机器人行为控制器能同时融入时空信息，在结构和学习方法上更简单，更易于实施，并能实现非结构化环境下机器人的在线学习，方便机器人的实时控制。实验证实了所设计控制器的有效性；2）给出基于新型Spiking神经网络计算模型NeuCube的移动机器人环境感知算法。实验证明该算法较传统神经网络算法具有更高的识别准确率。取得基于计算机视觉以及其他智能计算方法的移动机器人环境感知的相关成果；3）提出一种多传感器信息融合方法，并将此方法与Spiking神经网络和SVM相结合，提出适于机器人手臂的故障诊断方法。实验证明该方法能成功地实现机器人手臂在向抓取物体靠近过程中的故障诊断。4）通过实验、仿真探究了基于Spiking神经网络的移动机器人感知和行为控制算法的有效性和相关技术问题。.本课题的研究可以使机器人能够快速、准确感知环境，并顺利完成给定任务。同时能提高移动机器人的智能水平、行为规划和控制能力，缩小我国机器人技术与国际上的差距，对实际生产、生活具有重要意义。.课题执行期间，课题组成员先后参加国际、国内学术会议十余人次。积极开展国际、国内学术交流，及时了解本研究领域的最新科技成果及国际前沿科学动态。项目组经过四年的努力，完成了课题任务书规定的内容，在国内、外刊物及国际会议发表学术论文32篇，发表期刊论文18篇，其中：SCI收录1篇，EI收录12篇；已出版专著1部，待出版著作1部；申请国家发明专利1项。培养在读博士研究生1人，已毕业硕士研究生4人，目前在读4人。