二十一世纪以来,随着科学技术的迅猛发展,机器人的性能不断完善,单个移动机器人可具备很高的智能程度和良好的可靠性。但在实际应用中,许多工作都需要通过多个移动机器人的协作才能完成。与单移动机器人相比,多移动机器人系统有着更好的时间、空间分布性和鲁棒性,已成为当下机器人学的研究热点之一。其中,多移动机器人的运动规划需要综合考虑多机器人的队形约束、队中机器人的运动约束和环境中的障碍物约束,以及具备实时性和可行性,是多移动机器人系统应用急需解决的难点之一。在多移动机器人的任务协调中,许多场景需要多机器人形成指定的队形进行协同运动。本论文基于多移动机器人平台,研究与设计多移动机器人协同的运动规划算法。首先,通过调研国内外学者已提出的多机器人编队控制方法和移动机器人运动规划算法,确立本文的研究方法。对非完整移动机器人平台的运动约束及其底层执行器的输入限制进行了阐述,并推导了障碍物约束的处理方式。根据项目需求,分析采用虚拟结构的编队队形控制方法,完成了多移动机器人协同运动规划算法设计的定义。针对多移动机器人虚拟结构队形中虚拟移动机器人的路径规划问题,以实时性为考量,应用生成评估类的路径规划方法,并分析了该方法在控制空间采样和状态空间采样的特性。重点研究了在状态空间采样的路径规划算法,对应用过程中所发现的算法缺陷进行了详细分析,并据此提出了局部信息指引的路径搜索空间生成方式、考虑移动机器人非完整特性的路径评价函数和解析扩展等改进策略。理论分析和大量的仿真对比实验证明,改进的策略提高了算法的寻路鲁棒性、适用性和所生成路径的平滑程度。对于多移动机器人需要在时间上协同运动的问题,应用梯形速度规划方法将参考路径附上时间速度信息,得到参考轨迹;为实现轨迹规划和跟踪控制有较好的一致性,讨论确立了i LQR轨迹优化算法的研究。之后,重点阐述了i LQR轨迹优化算法原理及其工程应用的细节问题。并且,为了规划移动机器人执行可行的轨迹,针对机器人平台上执行器的输入限制,推导了控制限幅的i LQR轨迹优化算法。在仿真实验中,测试验证了控制限幅的i LQR轨迹优化算法对参考轨迹的局部优化过程和跟踪控制效果。最后,结合前文重点研究的改进的在状态空间采样的路径规划算法和控制限幅约束的轨迹优化算法,设计了多移动机器人协同的规划控制框架,在障碍物环境下为多移动机器人规划协同运动的行驶轨迹。在仿真实验和实物平台实验上,测试验证了所研究设计运动规划算法的有效性。