随着机器人技术的不断发展,移动机器人在工业应用、家庭服务、危险救援、未知环境勘测等领域的应用日益广泛。基于Mecanum轮的全向移动机器人（Mecanum轮式移动机器人）是移动机器人中的一个重要分支。它可以零半径转弯、在不改变自身姿态的同时朝着任意方向移动,因此具有越来越广泛的应用前景,也备受研究人员和工程应用人员的关注。深入研究Mecanum轮式移动机器人的运动控制可以最大程度地挖掘其应用潜力,具有重要的研究价值与现实意义。本文在国内外现有研究工作的基础上,对Mecanum轮式移动机器人轨迹跟踪及编队控制中存在的一些问题进行了深入研究,主要研究内容如下。1.基于鲁棒模型预测控制算法的Mecanum轮式移动机器人轨迹跟踪控制研究。针对Mecanum轮式移动机器人系统中的速度耦合约束、运动学约束、输入输出约束等复杂多层约束条件下的轨迹跟踪难题,提出了基于鲁棒模型预测控制的机器人轨迹跟踪控制方法。首先,建立了带有速度耦合约束关系的机器人运动学模型,以此为基础进一步建立了包含约束关系的机器人运动学轨迹跟踪误差模型;然后,提出鲁棒模型预测控制方法将其转化为一个受约束的二次规划问题,进一步设计了延迟神经网络在线求解二次规划问题的最优解,并与拉格朗日神经网络求解二次规划问题进行了比较;最后通过李雅普诺夫函数（Lyapunov）证明了所设计控制器的稳定性。结果表明,使用的延迟神经网络相比于拉格朗日神经网络具有更快的求解速度。此外,在有界扰动存在的情况下,所提出的控制算法具有较好的鲁棒性,能够实现精准的轨迹跟踪,同时可以有效处理各种约束问题。2.基于滑模观测器和模型预测控制的Mecanum轮式移动机器人轨迹跟踪控制研究。针对Mecanum轮式移动机器人轨迹跟踪过程中存在轮子纵向打滑和其他扰动的控制难题,提出了基于滑模观测器的模型预测控制算法。首先,基于机器人的标称运动学模型,设计了考虑各种物理约束的模型预测控制器来产生机器人控制输入;然后,建立了考虑轮子打滑及其他扰动的机器人运动学模型,并在此基础上设计了一个改进的滑模观测器作为前馈补偿控制器来消除机器人实际运动过程中未知扰动的影响;通过Lyapunov稳定性判据证明所设计观测器具有渐近稳定性。最后对所提出的算法进行了两个对比仿真实验,结果表明,与传统的模型预测控制相比,所提出的控制算法在轮子纵向打滑和其他扰动存在的情况下,具有更高的轨迹跟踪精度,同时滑模观测器确保了系统约束不被破坏提高了系统的鲁棒性;此外,与传统滑模观测器相比,所提出的滑模观测器不仅提高了收敛速度还消除了抖动的影响。3.具有物理约束和模型不确定性的多个Mecanum轮式机器人编队控制研究。针对具有物理约束和模型不确定性的多个Mecanum轮式移动机器人的编队控制,提出了一种结合了模型预测控制和基于扩展状态观测器的自适应滑模控制的鲁棒控制策略。首先,提出了线性模型预测控制策略来处理机器人的运动学约束,并获得跟随机器人的最优控制速度;然后,为了处理动力学模型中的输入饱和约束、模型不确定性和未知干扰,提出了一个基于扩展状态观测器的自适应滑模控制器,并与现有的滑模控制器和鲁棒自适应终端滑模控制器进行了详细比较;对比仿真结果表明,提出的基于扩展状态观测器的自适应滑模控制比鲁棒自适应终端滑模控制和传统的滑模控制具有更好的控制效果;所提出的复合控制算法通过将运动学控制器获得的最优控制速度作为动力学控制器的给定期望速度,可以实现精确的编队控制,同时处理机器人的各种物理约束,并消除模型不确定性和未知干扰的影响。最后,对论文的工作做了总结,并对未来关于Mecanum轮式移动机器人的研究计划进行了展望。