近几年,随着计算机技术、电子工程、控制理论、人工智能理论、传感器等技术的不断成熟和发展,由多学科交叉而形成的机器人学研究也进入了一个崭新的阶段。从可编程的、示教再现型的工业机器人到具有一定传感和适应能力的机器人,再到配备多种先进传感器,具有较强的适应能力的智能机器人,机器人学的研究工作经历了一个从简单到复杂,从功能单一到功能多样,从工业制造领域到军事侦察、核工业、航空航天、服务业、医疗器械、基因工程等诸多领域的过程。可以预见,在不久的将来,机器人技术在各个领域的应用将会更加广泛和深入。而各种机器人系统在实际工作中的广泛应用又为机器人学提出了新的要求和新的研究课题。机器人系统的控制学研究就是在这些新的应用需求驱动下提出,并随着机器人学的不断发展而逐渐成为机器人学研究的一个重要分支。本文回顾了机器人的历史、现状,深入研究了移动机器人的分类,给出了机器人跟踪控制的有效方法。在本文中,首先详细介绍了设计的轮式移动机器人的硬件和软件体系结构,说明了如何组织和控制体系结构实现机器人所需完成的功能。然后,给出了具有广泛应用意义的非完整性轮式移动机器人的定义,并分析了和推导了机器人的运动学和动力学模型,之后将机器人的运动学模型转化为标准的链式系统及其乘方式结构。其后,结合机器人的运动学和动力学模型,设计了计算力矩的轨迹跟踪控制方法,介绍了系统的控制结构,分析了控制方法的全局收敛性,最后给出了仿真试验结果。然而此方法在机器人存在多种不确定性因素影响时,不能很好的实现控制效果,因此利用对系统模型不具有依赖性的模糊控制方法,能完成较好的控制效果,并且有效的克服了机器人的非线性和不确定性的影响。最后,针对模糊控制方案的不足,结合模糊控制,选择递归神经网络,使得神经网络具有了模糊和归纳能力,在分析了模糊神经网络控制方法结构之后,提出了一种基于递归模糊神经网络的机器人轨迹跟踪控制方法,证明了学习算法的收敛性,从而保证了系统的稳定性。本文中提出的各种控制方法均可被应用于移动机器人的轨迹跟踪控制中,以克服机器人控制系统中非线性、强耦合、不确定性等因素对控制性能的影响。结合首届智能汽车比赛的要求,设计了智能小车的硬件软件系统,并将本文研究的主要跟踪控制方法在智能小车上实现,比赛的结果很好的验证了算法的有效性。同时,该智能小车为我们提供一个很好的研发平台。