随着当今人口红利的逐渐消退,机器代替人执行任务的趋势日益凸显。移动机器人作为机器人领域的重要一员,凭借其灵活性、机动性、适应性及高效性,极大地扩展了日常生产工作的区域,为人们生活带来巨大的便利。移动机器人是典型的非完整系统,能否对其精确控制,是判断移动机器人性能优劣的关键。本文以轮式移动机器人为研究对象,主要对其在二维平面内的路径跟踪控制问题进行研究。在移动机器人执行任务过程中,系统外部存在扰动及噪声,内部存在未知模型参数与非结构性因素,这些都会使得路径跟踪控制系统的稳定性变差、累积误差增加,最终导致控制性能下降,严重影响系统的正常运行。针对上述问题,本文采用滑模控制技术作为移动机器人平面路径跟踪的核心控制策略,并在此基础上改进控制效果。在路径跟踪控制系统中,噪声是影响控制系统精确性与稳定性的一个重要因素。移动机器人测量参考路径时会产生测量噪声,采用自适应卡尔曼滤波算法,可以估计出降噪后的路径,并将其作为新的参考路径,以降低测量噪声对控制器的影响,提高路径跟踪控制系统的精度。同时,针对滑模控制中必产生高频抖振的现象,在滑模控制器中加入低通滤波器,降低控制器的高频增益,提高路径跟踪控制系统的稳定性。通过李雅普诺夫稳定性理论,设计滑模控制律,并通过仿真验证双滤波与滑模控制融合策略在平面路径跟踪控制中的有效性。实际工程中,移动机器人系统模型存在诸多不确定项及非线性因素,这使得路径跟踪控制器在设计时,无法得到与模型完全匹配的控制律。针对这些不稳定因素,采用神经网络逼近非线性函数策略,实现对非线性系统的神经网络自适应滑模控制,解决移动机器人模型的不精确对路径跟踪控制系统的影响问题。同时,针对径向基神经网络中权值难以快速调整的缺陷,采用最小参数学习法,设计单个参数,代替神经网络中的权值,实现基于单参数估计的径向基神经网络自适应滑模控制,以简化算法的复杂度,提高平面路径跟踪控制系统的实时性。