根据上面的例子，我们可以得到我国目前在轮式移动机器人技术方面尽管已经取得了显著的成果，但是与国外先进国家在移动机器人研究领域的造诣相比，我国仍有很大的差距。我国应当从基本国情出发，推进高新技术的产业化，提高生产的机械化、自动化程度，从而提高人民生活水平。同时大力发展服务型移动机器人的任务也是刻不容缓，服务型机器人是与人们生活息息相关的，能相当程度的便捷人们生活[12]。

轮式移动机器人在各行各业都得到了广泛的应用，但这也表明它需要在各种未知、动态的环境中保持正常工作。如何设计可以克服复杂环境问题正常运行的移动机器人运动控制器待解决的难题。第一点，在实际运行中，轮式移动机器人系统难免会产生与地面之间的摩擦、间隙，从而产生一些非线性特性。第二点，轮式移动机器人实体的结构参数各不相同而且难以测量，譬如轮式移动机器人的总质量、左右轮的直径、总惯量、质心与几何中心的距离等。这类结构参数一般不能够实时准确获取。尤其在复杂的工作环境下，在运动过程中机器人可能会出现磨损、碰撞等问题，导致结构参数发生变化，使机器人控制律难以适用。第三点，轮式移动机器人传感器在测量过程中存在噪声，导致测量结果存在误差。这使得移动机器人的理想模型与实际系统模型存在偏差，基于理想模型设计的控制器在实际情况下难以达到期望的性能指标，甚至会引起系统的不稳定[13]。

1.2国内外研究现状及发展趋势

1.3轮式移动机器人轨迹跟踪控制律设计方法

为了解决存在误差的问题，国内外的各位研究学者设计了各种轨迹跟踪控制技术。目前，轮式移动机器人轨迹跟踪控制方法主要分为自适应控制，非线性状态反馈控制，神经网络控制，反步法控制，滑模控制和模糊控制等。本文采用滑模技术来实现轮式移动机器人的轨迹跟踪控制[20]。以下介绍几种轮式移动机器人轨迹跟踪控制方法及其优缺点：

(1)反演控制(BacksteppingControl)方法是近年来研究非线性系统反馈控制律的热门方法之一。反演控制方法的基本思想是逆向思维，首先构建Lyapunov函数，继而推导出系统的控制律的方法进行设计。通过反步法设计的移动机器人控制器可以有效地确保不确定性系统的稳定性。

但是反演法是针对系统模型的设计方法，也因此存在不可消除的缺点，那就是必须要确定系统的模型才能进一步设计控制律，而针对不确定性系统的设计可能并不适用，或者设计难度大幅提升。

(2)模糊控制(FuzzyControl)方法在移动机器人的轨迹跟踪研究领域中体现出的控制效果表现的更为优秀。模糊控制在实现轨迹跟踪时，也表现得更加稳定和精度也相对较高。模糊控制还有一个显著的特点，就是并不需要建立数学模型。而移动机器人系统是一个典型的时延、非线性系统，这就使得通过模糊控制设计的系统具有良好的鲁棒性。

(3)滑模控制(SlidingModeControl，简称SMC)是近年来兴起的一种非线性控制技术。这种算法的主要特点是模型参数的改变及未知扰动的存在对滑模控制器的设计没有影响。所以滑模控制能够迅速收敛，算法简单，对模型要求低等优点，所以在移动机器人控制律设计领域中被广泛采用该算法。在上世纪末期，综合滑模变结构控制、模糊控制、反演控制等算法，利用干扰补偿器构成的先进滑模控制系统的研究已经成为新的流行趋势。

(4)非线性状态反馈控制方法这种方法是用数学建模，利用非线性控制方法的思想来设计控制律，最终使系统实现闭环稳定。在轮式移动机器人轨迹跟踪控制律中，系统变量为实际轨迹和预先设定的参考轨迹之间的系统位姿误差和导向角误差。这种方法在控制律设计上相对来说较简单，但是这种算法存在着一个很大的缺点，那就是如何才能在有限的时间内使系统在平衡点达到稳定状态。