近年来,越来越多的移动机器人已经应用到了物料传输,危险场合下的作业和服务业等方面。这些应用对移动机器人的各种能力,如导航、定位、路径规划和路径跟踪,都提出了严格的要求。而在移动机器人的这些功能中,路径跟踪又起着非常基础性的作用。不论是进行导航、定位还是路径规划,最后都会终结到需要移动机器人沿着某一指定好的路径进行行走。本文对移动机器人的路径跟踪进行了深入的研究。 本研究在经过简单介绍了对于移动机器人路径跟踪的研究历史与现状后,给出了本文进行路径跟踪所使用的方法：基于径向基神经网络的移动机器人反步自适应路径跟踪控制。以往的对于移动机器人路径跟踪的自适应控制,大部分都没有把移动机器人的驱动器的特性(直流电机)考虑在内,也很少考虑移动机器人所受到的扰动和摩擦力,而这些在实际应用中是应该重点考虑的。而以往对移动机器人路径跟踪的智能控制,有一部分是把移动机器人的模型当作一个黑匣,对它进行了神经网络建模；还有一部分基于公称的模型进行了研究,考虑到了驱动器的特性。本文设计出了移动机器人的自适应路径跟踪控制器,并在此基础上,更深入的设计出了自适应神经网络路径跟踪控制器,使得该控制方法具有驾驭更大摩擦力的能力。在我们的控制策略中,移动机器人的所有参数,比如它的质量、转动惯量和驱动器电机的参数,都假设为未知的。本文通过反步设计法(backstepping)与Lyapunov函数结合的方法设计出了估计这些参数所用的调节规律,从而使得控制器有了更大的适应性和鲁棒性。该控制策略也考虑到了系统所受到的扰动,在控制器中使用tanh函数抵消了扰动的影响,使得移动机器人的一定的范围内可以跟踪上参考轨迹。而摩擦力是该控制方案中重点研究的对象,我们用径向基神经网络对摩擦力项进行了重构,从而可以在控制器中加入该项来消除摩擦力对系统的影响。因此,该控制方案是适合在摩擦力大的路面上实施的。仿真结果验证了该控制方法的有效性。