智能小车是目前常见的运动载体,随着人工智能和计算机技术的发展,与其相关的研究也受到越来越多的关注。目前,智能小车的主要研究方向为定位,路线规划,运动控制等内容,其中运动控制是智能小车相关领域研究的基础。常用的控制方法在解决智能小车轨迹跟踪问题上仍然存在响应速度慢,抗干扰性差等不足。本文主要针对上述缺点,设计控制器抵消智能小车系统在轨迹跟踪时的不稳定因素。首先,本文提出一种智能小车轨迹跟踪的多维泰勒网优化控制方案。由于智能小车系统存在各种误差,譬如力矩误差,传感器误差等,其对智能小车系统的稳定性会产生不利影响。针对此不足,利用多维泰勒网优化控制器的高次项提高智能小车系统的动态性能,抗干扰能力和鲁棒性。并基于自适应控制思想,设计一个自适应律使Lyapunov函数满足Lyapunov稳定条件,据此证明系统稳定性,并通过此自适应律训练得到控制器的最优参数。其次,为了模拟在实际环境中多维泰勒网优化控制器应用于智能小车的性能,本文为智能小车构建一个导航系统,其包括地图模块,定位模块和路线规划模块三个部分。其中环境地图作为定位模块和路线规划模型的基础要素,由于本文中智能小车的位姿和环境中障碍物位置均未知,因此本文设计一种基于扫描匹配和粒子滤波的Fast SLAM算法,以确定智能小车位姿的同时对环境地图进行构建。此算法在传统Fast SLAM算法的基础上增加了扫描匹配环节校正粒子位姿,可以提高生成地图的精确度。再次,本文设计导航系统中的定位模块,由于定位模块的响应速度快慢能够影响导航系统性能的优劣,因此本文对常用的自适应蒙特卡洛定位算法进行改进,通过评价传感器生成的局部障碍物信息与地图信息的匹配情况简化重要性系数更新过程,从而提高定位算法的运行效率。接着,本文设计路线规划模块,该模块分为全局路线规划模块和局部路线规划模块,全局路线规划模块的主要功能是在起始点到目标点之间规划一条能够避开所有障碍物的最短路线。本文设计一种A*算法以规划全局路线,并设计一种路线重规划机制,此机制可以避免当智能小车实际路线与全局路线相差过大时,原全局路线失效的问题。局部路线规划模块给予控制器一个最优控制指令,该指令可以保证小车能够朝着全局规划路线前进并与障碍物保持安全距离。本文设计一种动态窗口算法,此算法根据电机性能确定一个速度区间,并从此速度区间中求解出一个最优速度指令。最后,本文得出结论,相比较于PID控制器和基于反步法设计的控制器,多维泰勒网优化控制器能有效提高系统跟踪上期望轨迹的速度,鲁棒性以及抗干扰性。