研究电动机轴承故障信号准确识别问题，有利于电机设备的安全稳定运行。由于采集的电机轴承故障信号中故障特征频率往往被噪声淹没难以准确识别，而传统小波去噪方法中小波基函数选择困难、阈值选取不确定。传统EMD去噪方法不能有效保留有用信息，提出一种基于果蝇算法优化阈值的EMD去噪方法，并为了进一步平衡其收敛速度和全局搜索能力，提出一种改进的自适应步长的果蝇算法。提出的方法参照小波阈值去噪方法。结合仿生学的全局优化参数选取算法．以信噪比为目标函数，可以快速搜索到最佳阈值，最终实现良好的去噪效果。对正弦信号、blocks信号以及电机轴承外圈故障模拟信号进行去噪，仿真结果表明。改进果蝇算法优化阈值的EMD去噪方法与其它方法相比效果更优。

为了克服人工势场法的缺陷、提高其路径规划性能，提出了改进的人工势场法。分析了人工势场法原理，针对其目标不可达问题，将机器人与目标点距离引入到斥力场函数，得到了改进的斥力场函数；针对局部最小值问题，引入逃逸力；为进一步提高算法性能，使用遗传算法优化参数设置，使得规划路径更加平滑；根据环境复杂度，提出了自适应步长调节算法。使用仿真实验对改进算法进行了验证，结果表明，改进算法可以克服传统算法目标不可达、局部最小值问题，而且改进算法路径更加平滑，自适应步长算法在路径规划中行走61步到达目标，固定步长法行走145步到达目标，充分说明了改进算法的优越性。