随着机器人运动学,控制理论及计算机硬件技术的不断发展,关于机器人控制的研究越来越成为国内外广泛关注的热门研究课题。目前机器人在各个领域都有大量的应用,可以有效地解放生产力,在协助人类工作上展现出巨大的优越性。移动机器人的镇定、轨迹跟踪和编队控制是机器人控制的基本研究内容,就这些方面的探讨对机器人技术进一步发展和完善有着十分重要的指导意义。对于轮式移动机器人的控制研究,传统的控制方法未考虑到轮式移动机器人的约束影响,因此本文采用模型预测控制作为基础的控制方法,分别针对差分轮式移动机器人和全向轮式移动机器人,解决了约束问题,并在线求解模型预测控制转化的二次规划问题,迭代求解得到最优控制输入。本文首先从对单个差分轮式移动机器人镇定控制问题的研究开始,建立了镇定控制链式系统,运用模型预测控制实现机器人系统状态的镇定。进一步研究了差分轮式移动机器人的轨迹跟踪,建立了轨迹跟踪的运动学误差模型。针对一般的控制方法只考虑到运动学约束的问题,本文通过结合模型预测控制和自适应控制方法将机器人动力学约束也考虑进去;其次,由于实际控制系统中存在未知干扰,故本文在模型预测控制器的基础上设计状态反馈控制器,从而补偿了未知扰动;接着,将模型预测控制运用到全向轮式移动机器人上,提出了轨迹跟踪误差模型,在考虑到机器人的速度约束的前提下,实现了轨迹跟踪控制。最后在单个轮式移动机器人的基础上,建立了领导者-跟随者的机器人编队模型,在全向轮式移动机器人上实现编队控制,最终通过模型预测控制方法控制编队系统达到期望的机器人相对位置关系。针对模型预测控制转化而来的二次规划问题,本文提出了延迟神经网络进行处理,可以实时快速地求解带约束的二次规划问题得到最优解。同时也采用原对偶神经网络求解二次规划问题,并将两者与拉格朗日神经网络进行对比分析。本文通过采用模型预测控制方法,实现了轮式移动机器人运动控制,包括基于延迟神经网络的预测镇定控制,基于运动学和动力学的轨迹跟踪控制以及编队控制。最后通过仿真实验验证了模型预测控制在解决机器人镇定、轨迹跟踪和编队控制问题上的有效性。