1.一种基于ESO的分布式多移动机器人编队控制方法，其特征在于：包括以下步骤：

1)对移动机器人进行建模，以三轮移动机器人为对象，单个移动机器人i的连续系统偏差模型：其中，(xe,i,ye,i,αe,i)表示移动机器人i相对于虚拟移动机器人i的方位偏差，包括x,y轴上的偏差xe,i,ye,i和运行线速度的角度偏差αe,i，虚拟移动机器人是在参考轨迹上按照设定运行状态运行的假想移动机器人，假设虚拟移动机器人i在跟踪点P附近，P点处的曲率为kP,i，k(si)为移动机器人i实际运行路线的曲率，vr,i为虚拟移动机器人i的线速度，si为移动机器人i的运行路程， 为si关于时间的倒数，ri虚拟移动机器人i的角速度；根据式(1)(2)得到移动机器人i的离散线性状态空间偏差模型如下所示：xi(k+1)＝Aixi(k)+Biui(k) (3)T T

其中：xi＝[xe,i,ye,i,αe,i],ui＝[us,i,uk,i]，τ为采样周期；

其中，Ai和Bi分别是移动机器人i的状态矩阵和输入矩阵，xi(k)和ui(k)分别是移动机器人i的状态量和控制量；

考虑运行过程中受到外界环境的干扰，根据系统(3)得到实际环境中移动机器人i的离散线性状态空间偏差模型如下：xi,m(k+1)＝Aixi,m(k)+Biui,m(k)+di(k) (4)其中，xi,m,ui,m是实际环境中移动机器人的状态量和控制量，di(k)是移动机器人i在k时刻受到的有界外界环境干扰；

2)定义移动机器人i的性能指标函数Ji(k)：

其中，xi(k+j|k),ui(k+j|k)分别为k时刻预测k+j时刻的状态量和控制量，P,M分别为预测时域和控制时域，Qi,Si,Wi为移动机器人i的权重矩阵，R,Ri为全局参考轨迹的半径和移动机器人i的期望轨迹半径，si,j为si,sj的间距，η为具有耦合关系的移动机器人集合，进一步得到移动机器人i的控制目标为：利用Nash迭代，通过求解最小化性能指标得到预测模型的最优预测控制量N为移动机器人个数；

3)设计ESO：通过ESO观测得到移动机器人i受到扰动的观测值 得到移动机器人i的扩张状态方程如下：其 中， I为三维单位阵，Δdi(k) ＝

di(k+1)-di(k)，其中di(k+1)表示下一时刻移动机器人i受到的扰动值，且Δdi有界，进一步得到移动机器人i的扩张状态观测方程：其中， 是移动机器人i的扩张状态的观测值，其中 是ESO对xi,m的估计值，Li是扩状态方程的观测器增益，Ci＝[I 0]；

4)设计组合控制器：

-1 -1 -1

其中，ki,c＝-(Ci,m(Ai+Biki,1) Bi) Ci,m(Ai+Biki,1) ， 表示利用误差的观测值对移动机器人的状态量中的ye,i,αe,i进行补偿，利用基于ESO的分布式模型预测控制实现对多移动机器人编队控制的过程如下：步骤4.1：初始化；当k＝0时刻，迭代次数p＝0，初始化移动机器人i,i∈(1,...,N)的状态量 和位置量 其中 和 表示在第p次迭代中的xi(k)和si(k+1|k)的值，扰动估计值

步骤4.2：通信；移动机器人i获取相耦合的移动机器人的位置信息并发送自身的位置信息

步骤4.3：计算本地预测控制量；利用得到的信息 根据式(4)(5)(6)计算最优本地控制量 其中 表示在第p+1次迭代中的ui(k)的值，，同时更新自身状态 和位置信息步骤4.4：检查收敛；对于给定的收敛误差εi，如果存在 则证明算法已经收敛，得到最优预测控制量 跳至步骤4.5，否则p＝p+1，跳至步骤

4.2；

步骤4.5：计算组合控制量；利用 和最优预测控制量 根据式(5)计算组合控制量

步骤4.6：扰动估计；通过选取合适的观测器增益矩阵Li，使得矩阵Ae,i的特征值均在单位圆内，由式(8)得k+1时移动机器人的扰动的估计值步骤4.7：滚动时域；p＝0,k＝k+1，进入下一个时域的迭代计算，跳至步骤4.2。