随着科学技术的不断发展,移动机器人已经在人们的生产和生活中得到了很大的应用,并且发挥着越来越重要的作用。因此对移动机器人几个关键技术的研究是十分必要的。本文针对视觉导航移动机器人路径跟踪的控制策略等关键技术进行了深入的研究。在移动机器人的视觉导航系统中,对视觉传感器得到的数据进行HSV模型变换、图像分割和细化等处理,并采用最小二乘法拟合路径的直线方程。对移动机器人的运动学模型和动力学模型进行了深入的分析并最终确定视觉导航移动机器人路径跟踪系统的数学模型。同时将移动机器人路径跟踪问题转化为无静差跟踪控制问题来解决。论文深入分析了无静差跟踪控制系统的结构形式及观测器设计理论存在的不足之处,并提出了一种全新的无静差跟踪控制系统的结构。该控制系统的镇定补偿器采用动态输出观测器反馈控制结构,具有很强的鲁棒稳定性。同时以减小特征向量矩阵的条件数为直接目的,提出以特征向量矩阵的条件数为适应度函数,采用粒子群算法进行优化。针对粒子群算法中存在的缺陷,对粒子浓度进行调节以保持粒子多样性,防止算法陷入局部极值。同时建立优秀粒子记忆库,克服粒子群算法后期收敛速度慢的缺点。最后通过实验验证了本文提出的无静差跟踪控制结构具有较强的鲁棒稳定性,即使在被控系统的参数发生很大变化的情况下,仍然能够保持较好的无静差跟踪能力。在对动态输出观测器反馈控制理论的研究中发现,当被控系统不满足两个充分条件时就不一定能保证系统一定能够实现动态输出观测器反馈控制。针对这一情况,提出稳定传输零点补偿器的概念,从理论上证明了稳定传输零点补偿器可以实现动态输出观测器反馈控制,从而使系统具有很高的鲁棒稳定性,并且进一步完善了动态输出观测器的理论体系,使之对绝大多数系统均适用。最后通过实验验证了基于稳定传输零点补偿器的系统能够实现动态输出观测器反馈控制,并具有很高的鲁棒稳定性。