全向移动机器人具有运动灵活、行走速度快、机动性强等突出优点,在工业控制中得到了广泛的应用。具有完整约束的四轮全向移动机器人属于多输入多输出的非线性系统,实际运动过程中存在外界环境扰动和模型参数时变等特点,因此对其进行轨迹跟踪控制时,实际轨迹与期望轨迹容易出现较大偏离,影响轨迹跟踪的效果,同时降低轨迹跟踪的速度。针对四轮全向移动机器人轨迹跟踪控制问题,本文主要完成了以下研究工作:(1)采取了一种四轮菱形安装的机器人结构,建立了机器人的运动学模型,并使用第二类拉格朗日方程和直流电机双闭环调速系统“类等效”模型分别建立了机器人的动力学模型,同时对不同方法所得的动力学模型进行了特点分析。(2)针对四轮全向移动机器人的轨迹跟踪控制问题,将基于神经网络的比例控制方法、Backstepping控制方法、多模态控制方法分别运用到四轮全向移动机器人的轨迹跟踪控制中,设计了相应的控制器,并提出和设计了一种基于神经网络的仿人智能轨迹跟踪控制器。该控制器由动态特征感知部分和控制协调层、参数调整层、底层执行层组成。首先,动态特征感知得到特征信息,确定系统所处的特征模态;然后,控制协调层据此完成到底层执行层的定性模态映射和到参数调整层的定量误差判断,参数调整层根据定量判断结果完成基于多神经网络的参数调整,底层执行层根据模态映射结果和参数调整结果选用相应的控制模态完成四轮全向移动机器人的轨迹跟踪控制。该控制器能够针对不同跟踪误差采用定性映射和定量判断、调参相结合的措施,完成四轮全向移动机器人的轨迹跟踪控制。(3)搭建了四轮全向移动机器人轨迹跟踪的MATLAB仿真平台,并分别比较了未加扰动情况下和加入扰动情况下的控制效果;同时搭建了实物平台,进行了实物相关实验。仿真和实物实验结果都表明本文所提出的基于神经网络的仿人智能轨迹跟踪控制器的控制效果更好,即跟踪速度更快,对应的跟踪误差更小,且系统鲁棒性更强。