基于爬壁机器人对混凝土桥梁健康进行自动巡检是推动桥梁管养智能化的有效途径，而合理的路径规划对机器人全面获取检测数据尤为重要。针对爬壁机器人电源重量限制与巡检时能源补充困难这一工程实际问题，充分考虑主梁、高墩等桥梁构件巡检场景，将能量消耗指标作为性能评价优化目标函数并建立相应约束条件，进而提出全覆盖路径规划评价模型。针对传统灰狼优化（GWO）算法易陷入局部最优的不足，提出一种改进的灰狼优化（IGWO）算法。IGWO算法通过K-means聚类改善了灰狼初始种群在搜索空间难以保持相对均匀分布的特性；以非线性收敛因子提高算法局部开发能力和全局搜索性能；结合粒子群算法个体优越性的思想对位置更新公式进行改进，提升算法的模型求解能力。仿真对比实验结果表明，IGWO算法相较于GWO、差分进化（DE）与遗传算法（GA）等全局优化算法，稳定性更好，能耗降低了10.2%~16.7%，迭代次数与求解时间分别减少了19.3%~36.9%和12.8%~32.3%，路径重复率降低了0.23~1.91个百分点，同时路径长度缩短1.6%~11.0%。
