基于动态目标的多移动机器人围捕问题是当前多机器人控制领域的热点之一。本文基于预测-规划-执行的多机器人围捕算法思想,将围捕问题分解为基于动态目标运动状态的轨迹预估、基于围捕编队中心虚拟领航者与动态目标预估位置相对距离的路径规划和移动机器人轨迹跟踪控制器设计三个子问题进行分析。同时设计了网络化多移动机器人围捕系统平台,最终将围捕算法在该平台上进行了验证实现。本文主要研究工作可以分为以下四部分:一、搭建了网络化多移动机器人平台。本实验平台分为检测层、通信层和对象层,从而实现了移动机器人的定位、信息的传输和控制算法的应用对象,本文将对三部分的硬件实现和工作流程做一个详细的阐述。同时,作为一个典型的实时系统,本文将对本围捕实验平台的时钟控制机制进行分析阐述。二、移动目标的轨迹预估是整个围捕算法正确的前提,而移动目标的运动状态估计是轨迹预估问题的关键。本文通过分析移动机器人运动学模型和动力学模型,提出了基于扩展卡尔曼滤波的轨迹预估算法,通过对移动目标机器人的运动状态进行滤波估计,以此向后做多步轨迹预估。通过仿真实验,本文分析了本算法中影响多步预估精度的因素。最后,与基于匀速直线运动模型的预估算法做了仿真对比,在目标运动为变速运动情况下,基于扩展卡尔曼滤波的预估算法具有明显的优越性。三、本文提出了虚拟领航者模式的弧形编队策略。针对动态环境,采用基于规划周期的滚动式路径规划算法。围捕过程分为跟踪-收敛-捕获三个阶段,分别对应三种编队队形,根据虚拟领航者和目标预估位置的相对位置关系作为围捕阶段切换的依据。针对实际规划中出现的碰撞问题和移动目标具有逃避行为的情况,本文提出了解决的方法和策略。四、基于轮式移动机器人的位姿误差模型,通过坐标系转换建立了意义更加明确的轨迹跟踪误差模型,并对该非线性误差方程进行了线性化处理,在此基础上提出了线性二次型控制器LQR设计算法。同时,介绍了基于Lyapunov直接法设计的轨迹跟踪控制器。并将两者针对直线轨迹和圆轨迹进行了仿真分析。根据仿真比较的结果和围捕算法的特点,最终选用LQR控制器作为轨迹跟踪控制器。