两轮自平衡车凭借体积小,结构简单,运动灵活,耗能低等优点,在智能交通、空间探测和家庭服务等领域得到广泛关注和应用。同时,作为倒立摆系统的高级形式,自平衡车运动控制对于机器人学及相关控制学科具有重要研究价值。本文针对自平衡车在空间探测或无人驾驶时所面临的轨迹跟踪问题,综合考虑各种实际情况展开研究。首先,针对自平衡车自身机械结构引起的本质不稳定特性,利用零动态概念对系统数学模型进行分析,通过反馈线性化和李雅普诺夫稳定定理从控制原理上阐述系统不稳定的根源。本文对系统模型进行Olfati转换,解耦欠驱动耦合状态变量,将模型转化为零动态稳定的严格前馈级联系统。在此基础上,设计一种考虑全局状态的级联滑模控制解决车辆欠驱动前向运动问题。终端滑模控制使转向运动在有限时间内迅速收敛,然后模型预测基于参考轨迹在线实时生成一条平滑期望轨迹,实现车辆对惯性坐标系下任-轨迹的平滑跟踪。其次,考虑车辆实际运动过程中受到不同干扰,以及执行器饱和和车身倾角等约束问题,提出一种基于预测控制的分层控制策略。外层饱和轨迹生成器在线生成虚拟有界期望速度,解决非完整约束,保证车辆轨迹跟踪误差全局收敛。然后预测控制作为动力学控制器,在反馈线性化模型基础上,利用优化方法同时解决内外干扰,输入与状态约束及欠驱动问题,并将预测优化问题转为标准的二次规划问题,快速实现对生成的期望速度跟踪与车身稳定。最后,针对车辆精确模型与速度信号难以获取的实际问题,同时考虑各种干扰与约束,提出一种基于扩张观测器的鲁棒预测控制。非线性扩张观测器能够实时估计系统状态和外界干扰,将状态反馈扩展到无速度信号下的输出反馈,且干扰估计用于控制器前馈补偿。鲁棒预测控制综合了自适应滑模控制和模型预测控制。自适应滑模控制用于转向期望速度跟踪,且自适应律在线更新系统参数和估计误差,提高控制器鲁棒性。模型预测控制直接作用于非线性前向系统模型,实现前向期望速度跟踪和车身稳定,而无需进行反馈线性化,降低了系统模型要求。本文研究能显著提高两轮自平衡车在惯性坐标系下轨迹跟踪精度和车身稳定程度,对模型不确定和外界干扰也具有很好的鲁棒性,同时将控制器的适用性扩展到无法利用传感器获取状态信息等工况。各种仿真用来验证所提出控制策略的有效性。