随着星球探测活动的深入开展,星球车的任务目标日趋复杂,工作环境愈发苛刻。两轮驱动星球车是最基本的星球车构型,可以与多轮母车构成子母车系统,子车进而可以在母车的配合下完成复杂环境中的移动探测任务。任务和环境的复杂性导致两轮驱动星球车运动控制系统面临诸多非线性环节。因此,星球车控制系统的设计面临状态或输入约束、反馈信号时滞等非线性问题,为星球车移动控制算法设计提出了挑战,凸显了具有较强非线性补偿或抑制作用的自适应控制方法研究的必要性。神经网络具有很强的自学习能力,可以实现对非线性环节及其不确定性的逼近,进而基于反馈补偿或前馈抑制消除非线性问题的影响。本文在建立考虑轮地相互作用的两轮驱动星球车动力学模型基础上,寻求能够有效应对约束和时滞等非线性问题的方法,并基于神经网络解决其自适应轨迹跟踪控制难题。本文基于两轮驱动星球车轮地相互作用,建立考虑滑转、滑移的两轮驱动星球车动力学模型。进而考虑由任务需求和输入力矩限制等导致的约束非线性、星球车感知信息解算及通讯时延、约束和时滞耦合非线性影响,分别建立了两轮驱动星球车约束非线性模型、考虑两轮驱动星球车时滞系统模型和考虑不等式约束的两轮驱动星球车时滞非线性模型。两轮驱动星球车运动控制系统状态和输入约束是一种典型的非线性问题,增加了其跟踪控制系统设计的复杂性。基于径向基神经网络逼近特性,提出一种基于Lyapunov稳定性理论的神经网络补偿方法,克服星球车存在的死区约束问题,并完成输入约束两轮驱动星球车的自适应跟踪控制算法设计。提出一种基于Barrier Lyapunov函数的全状态约束分析法,解决两轮驱动星球车由滑转与滑移导致的全状态约束问题,实现两轮驱动星球车自适应全状态约束的跟踪控制。两轮驱动星球车运动控制系统存在感知信息解算与传输时滞,导致被控系统状态和控制信号的不匹配,造成两轮星球车运动控制系统稳定性被破坏,甚至失稳。针对两轮驱动星球车输入时滞问题,基于输入时滞分离引理,提出一种神经网络补偿法对输入转移矩阵及不确定项进行逼近,消除了输入时滞影响。基于Lyapunov-Krasovskii泛函,在保证时滞偏差系统有界性的前提下,结合滑转、滑移项神经网络预补偿方法和强化学习基本原理,提出两轮驱动星球车部分不确定时滞系统自适应优化跟踪控制方案。约束和时滞问题的耦合进一步增强了两轮驱动星球车运动控制系统非线性。综合考虑星球车控制系统约束和时滞的问题,根据系统非线性约束需求和星球车输入力矩约束方程,将约束信息转换为松弛因子状态信息,并构造以原系统方程、松弛因子方程和力矩预补偿方程的增广系统。进而,结合改进型Lyapunov-Krasovskii泛函法处理状态不确定时滞,引入基于神经网络的在线自适应动态规划优化方案,实现了考虑不等式约束的星球车时滞系统的自适应优化跟踪控制。搭建基于视觉里程计和Opti Track视觉捕捉系统两轮驱动星球车实验环境,开展理论研究成果的实验验证。对两轮驱动星球车自适应全状态约束跟踪控制算法采用视觉里程计速度反馈闭环,对考虑时滞的两轮驱动星球车自适应优化跟踪控制和两轮驱动星球车时滞系统的自适应全状态约束跟踪控制算法采用视觉捕捉系统速度反馈闭环,分别进行实验验证。通过实验结果的分析,验证所设计控制算法的有效性,并指出考虑单一非线性的问题和考虑耦合非线性的必要性。本文基于建立的考虑轮地相互作用的两轮驱动星球车系统模型,深入挖掘系统模型约束和时滞非线性影响,结合神经网络、Barrier Lyapunov函数、Lyapunov-Krasovskii和增广系统法等约束或时滞处理技术,完成两轮驱动星球车自适应跟踪控制系统设计,实现两轮驱动星球车非线性影响下的对期望目标轨迹的自适应跟踪控制。本文的研究可以应用于两轮星球探测车子车,同时为四、六轮等多轮星球探测车运动控制算法的设计提供参考。