机器人编队协同运动适用于单个机器人无法解决的问题以及一些较为复杂的工作环境,具有高效性、灵活性、低成本性。因此,机器人编队控制作为人工智能控制领域的一个重要方向,越来越受到学者的广泛关注。机器人编队模型是一种典型的非线性系统,而滑模变结构控制是一种有效的非线性控制技术,其对外部噪声干扰以及参数的变化具有良好的鲁棒性。然而,由于滑模控制需要系统状态轨迹在滑模面附近进行高频切换,这必然会给系统带来抖振问题。本文的机器人编队基于领航者-跟随者模型,利用Pioneer3-AT移动机器人作为领航者,Amigo Bot-sh移动机器人作为跟随者,组成一个多机器人编队系统。对编队系统建立数学模型,并且将带有消抖的滑模控制算法应用到该编队系统中,然后从数学上对系统稳定性进行分析,并且在MATLAB和Mobilesim仿真软件上验证了其合理性,最后在Pioneer3-AT移动机器人和AmigoBot-sh移动机器人上进行了实验。本文主要工作如下:首先,本文在笛卡尔坐标系中建立了基于领航者-跟随者的机器人编队模型,避免了在极坐标中建立模型存在的奇异点问题。为了削弱滑模控制带来的抖振,本文针对建立的机器人编队模型提出了带增益调度和改进边界层的滑模控制方法。该方法在不存在外部扰动或者外部扰动幅值非常小的情况下,可以使控制输入连续化,从而削弱了系统的抖振,并且不影响系统的鲁棒性。Mobilesim仿真和实验验证了控制方法的有效性。其次,针对系统存在不确定扰动的情况,如果直接对滑模控制中的符号函数连续化,则会影响系统的鲁棒性。于是,本文假设外部不确定扰动是有界的且变化的非常慢,提出了带滑模干扰观测器的滑模自适应控制算法,通过滑模干扰观测器的输出来补偿系统中的不确定扰动,这样即使使用饱和连续函数代替滑模控制中的符号函数,系统的鲁棒性依然能够得到保证,从而能够在抑制系统抖振的同时不影响其他控制性能。MATLAB仿真验证了控制算法的有效性。最后,本文提出了边界层自适应的终端滑模控制方法,该方法在抑制系统抖振的同时,不需要假设外界不确定扰动的变化速度较慢,使得算法适用性更广。边界层自适应的方法可以根据系统状态自动调整边界层的宽度,在削弱系统抖振的同时还能保证系统的快速性。同时引入终端滑模控制方法,加快了系统的跟踪速度,弥补了普通滑模控制算法跟踪角速度变化时的滞后现象。MATLAB仿真和Mobilesim仿真验证了控制方法的有效性。