近几十年来移动机器人领域受到日益增多的重视,相关研究得到长足发展。现在机器人已经应用到各种领域中,如军事、工农业、日常生活等,来完成一些繁重及难以完成的工作,这也对控制方案的设计提出了更高的要求。非完整移动机器人是机器人领域中重要的部分,本文以其中比较典型的牵引拖车机器人为研究对象,前两章分别介绍了文中所涉及到的领域的背景、意义、研究现状以及稳定性理论及非完整系统的基础知识,在三四章中分别研究了理想状况及含时滞状况下牵引拖车机器人的轨迹跟踪控制,并在第五章做了总结和展望。本文的重点研究工作如下:1.针对理想状态下含n节拖车的牵引拖车系统运动学模型的轨迹跟踪问题,基于反步法设计了一类自适应神经网络控制器。首先,引入了其运动学链式模型并得出跟踪误差模型。其次,采用反步法设计了一种自适应神经网络控制器,其中使用神经网络来近似误差系统中的未知项。利用李雅普诺夫稳定性理论,设计了关于神经网络权重的自适应律。使得被控系统成功跟踪到参考的轨迹。2.针对含输入时滞状况下含n节拖车的牵引拖车系统的运动学轨迹跟踪控制问题,首先将其含时滞运动学模型通过计算推导为链式形式,然后得出跟踪误差模型。之后基于反步法设计了一类自适应神经网络滑模控制器,并利用Lyapunov-Krasovskii泛函处理了时滞问题,使得机器人在含时滞情况下依然可以跟踪到参考轨迹。3.分别对两种情况进行仿真实验,验证所提出控制方案的有效性。本文的主要创新点包括:利用神经网络的非线性映射能力逼近了被控系统中的未知项;考虑了含时滞状况的牵引拖车机器人并将其运动学模型进一步转化为链式形式,并针对误差系统设计了一类新的滑模面。