多机器人编队问题是多智能体协作研究的重要问题,是机器人控制的一个重要分支,也是当前研究的热点,机器人编队已经应用在军事搜索,潜艇编队,无人机编队等复杂任务中,通过多个机器人相互协作进行编队能够完成多种复杂的任务,能提高工作效率,减少能源消耗成本,提高任务完成的成功率。本文以轮式移动机器人为研究对象,采用领导者-跟随者编队的编队模式,通过用滑模变结构控制来对该非线性系统进行控制,对多机器人编队控制进行深入研究,实现多个机器人稳定的保持有规律的队形移动。首先,为了准确的描述该机器人编队系统,通过分析轮式移动机器人的非完整约束,先对单个轮式机器人进行动力学分析,建立动力学模型的状态方程;同时对领导者机器人和跟随者机器人在二维坐标平面上建立相关的几何运动关系,建立对全局系统的状态方程,通过控制跟随者机器人的线加速度和角加速度来控制每个跟随者与领导者之间的相对距离和相对相角。而经典的领航跟随机器人编队系统是一种复杂的带有很多不确定性和扰动因素的多输入多输出系统。因此,领航跟随机器人编队系统对非线性控制器的鲁棒性和响应性能要求为苛刻,否则,在机器人运动的过程中容易出现机器人离队或者碰撞的现象。其次,对于控制多不确定性因素和不确定的扰动的非线性系统,变结构滑模控制有着良好的鲁棒性和抗干扰性能,把滑摸控制应用到领航跟随机器人编队系统中,可以更好的处理系统的不确定项,而传统的一阶和二阶滑模控制虽然鲁棒性好,但是其缺点是控制量会出现过高估计等效补偿控制的现象,导致系统输出出现抖振的现象。本次研究采用的滑模控制器是超螺旋滑模控制,是二阶滑模控制的一种,该方法源于适应性增益超螺旋滑模控制（ASTW）。而适应性增益超螺旋滑模控制通过改进趋近律的增益函数和补偿控制来抑制过补偿和加快系统响应。本文再次基础上对其进行改进,用平滑性更好的饱和函数作为切换函数,并将其从单输入单输出的应用扩展到多输入多输出系统领导跟随者编队系统中。再次,ASTW虽然引入了适应性增益函数能有效抑制过估计问题,但却不能有效反映系统不确定性和扰动的变化情况。因此,本文进一步对该方法进行改进,用可以估计扰动变化的极限学习机和非线性扰动观测器带替代增益函数的功能。其中一种是基于终极学习器的超螺旋滑模控制,其原理是单隐层神经网络控制,通过对终极学习机输入与不确定项和扰动相关的已知的状态量,训练神经网络的权重来对不确定项进行逼近估计;第二种方法是采用一种非线性状态扰动观测器,通过对系统反馈的状态进行观测器估计。这两种对不确定性进行估值的方法与传统的二阶滑模控制器设计相结合,能提高控制器对不确定项进行补偿控制的准确性,提高系统的稳定性,有效的抑制抖振现象的影响。最后,为了说明本次研究的三种方法能使得机器人编队系统能在有限时间内跟踪到期望的相对距离和相对相角,并保持稳定,还用李雅普诺夫稳定性定理对所提出的控制方法进行李雅普诺夫证明分析,说明机器人编队系统在适应性增益超螺旋滑模控制、基于终极估计器的超螺旋控制和基于非线性状态观测器的超螺旋控制器在机器人编队控制中是稳定可行的。另外,本次研究以MATLAB为平台,对适应性增益超螺旋滑模控制进行圆形直线编队仿真并与普通的二阶滑模控制进行比较来说明超螺旋滑模控制的控制效果,然后分别仿真带极限学习机的超螺旋滑模控制和带非线性扰动观测器的超螺旋滑模控制两种方法的编队,并将这两种方法与二阶滑模控制一起比较状态曲线和输出曲线来分析这两种新方法的优势。最后,考虑实际中用这两种方法对领导跟随者编队在各种复杂情况下的实用性,再仿真复杂的编队轨迹、变加速运动和变队形等情况来说明新方法的可行性。