移动机器人轨迹跟踪控制是目前机器人研究的热点问题。迭代学习控制算法以其适用于具有重复运动性质的被控对象，不依赖于系统的精确数学模型，能以非常简单的方式处理不确定度相当高的非线性强耦合动态系统等特点，在机器人控制领域取得了巨大成功。本文对P型和PD型迭代学习控制算法进行了研究，并针对MT-AR型机器人进行了实际控制。　　 文章首先介绍了轮式移动机器人的发展状况和研究趋势及方法，然后对移动机器人的运动学和动力学模型进行了推导，得到了算法实现的基础。在此基础上，文章研究了开环P型，开环PD型迭代学习控制算法在移动机器人轨迹跟踪中的应用，进一步研究了开闭环PD型迭代学习控制算法的优越性能和良好控制效果。最后对MT-AR机器人进行实际控制，通过将实际控制效果和仿真实验结果进行对比，说明了该算法在实际控制中虽然仍然存在一些不可避免的干扰和误差，但是同样取得了一定的控制效果。　　 由于PID型迭代学习控制算法中学习增益矩阵对控制律的影响非常大，因此本文对学习增益矩阵进行了改进。改进的办法是将模型算法学习律的思想引入到学习增益矩阵的确定当中，通过将期望轨迹应用在每次迭代当中，使得迭代次数减少，收敛速度加快，误差范围减小。实验仿真结果显示新改进的算法与未改进时相比控制效果有了明显提高。