移动机器人系统是一类非线性、多约束、强耦合的多输入多输出系统,由于实际工况中模型参数时变特性及外部扰动等诸多不确定因素的存在,获取系统精确的数学模型十分困难。因此,采用常规控制策略一般难以使移动机器人达到期望的控制性能,亟需研究基于先进控制算法的机器人控制策略。模型预测控制凭借其在系统约束和多目标优化问题处理上的优势,在移动机器人控制领域获得了广泛的应用。首先,本文针对现有移动机器人预测控制算法需要占用大量在线计算量和通信资源的问题,开展了有界扰动下基于事件触发机制的移动机器人（轨迹跟踪）模型预测控制算法的研究,提出了基于阈值曲线和基于阈值带等两种更符合机器人控制系统特点的新型事件触发预测控制算法,并通过实验验证了所提出方法的有效性与正确性。其次,针对移动机器人预测控制算法使用连续时间控制信号时需要占用无限带宽的问题,开展带宽受限下基于事件触发机制的预测控制算法研究,提出一种采样-传输-重构的控制策略,设计相应的触发条件,且对优化问题使用状态收紧约束来提高控制系统的鲁棒性,并提出保证系统递归可行性和闭环稳定性的充分条件,同时进一步证明了该系统不存在芝诺（Zeno）现象,最后通过仿真验证了算法的正确性和有效性。最后,利用实际履带式移动机器人实验平台对轨迹跟踪预测控制算法进行实验验证分析。在ROS系统中设计了基于标准预测控制及所提出事件触发预测控制框架的移动机器人轨迹跟踪实验方案。实验结果表明,本文所提出的事件触发策略相较于传统时间触发策略,能够有效地节省计算和通信资源,并具备良好的控制效果。