随着机器人学的不断发展，移动机器人的控制学逐渐成为机器人学的一个重要分支，移动机器人控制算法的研究也必将推动认知科学、模式识别、非线性控制等前沿学科的研究，具有重大的理论及实用价值。
　　本文针对移动机器人运动控制领域内的轨迹跟踪问题，以非完整移动机器人为研究对象，详细介绍了轨迹跟踪的各种控制算法，归纳了各个算法的优缺点。在深入分析跟轨迹特点和移动机器人数学模型基础上，针对移动机器人运行过程中的模型不确定性和抗干扰性，提出了两种控制算法，这些控制算法能够满足控制系统的要求，且能适应复杂的跟踪轨迹。
　　首先，在深入分析各个控制量对跟踪误差影响的基础上，设计两个模糊控制器对差动机器人进行轨迹跟踪控制。速度模糊控制器根据不同曲度确定跟踪速度，角速度模糊控制器根据横向偏差和偏差变化率对角速度进行控制。设计的控制器提高了跟踪速度，降低了跟踪误差，克服了移动机器人系统中的非线性、不确定性因素，解决了控制算法对被控对象数学模型的依赖性，对高斯噪声具有强抗干扰性且能适应复杂的跟踪环境，仿真实验也验证了算法的可行性与优越性。
　　其次，在深入分析跟踪路径结构特点的基础上，给出了一种基于BP神经网络的PD控制算法，该控制算法根据路径波动情况和拟和斜率对跟踪路径进行识别，并在线的调整PD控制器参数。基于BP神经网络的PD控制算法结构简单，实现方便，能适应复杂的跟踪路径，在满足系统误差要求的情况下，显著的提高了智能车的跟踪速度。智能小车的跟踪实验和第三届Freescale智能车比赛结果验证了基于BP神经网络算法的高速性和对跟踪路径的高适应性。
　　最后，设计智能小车的控制系统的硬件及相应的软件，采用MC9SDG128芯片作为主控芯片设计控制系统的硬件系统，用CMOS摄像头对环境信息进行检测。采用CW FOR HCS12 V4.6编写了控制软件。经过调试后，智能小车具有了速度快、精度高的轨迹跟踪功能。