引用本文
王伯毅, 邓飏, 景飞龙, 刘艳红, 霍本岩, 陈章, 梁斌. 基于仿人操控的无人摩托自适应定车控制. 自动化学报, 2026, 52(5): 966−979 doi: 10.16383/j.aas.c250513
Wang Bo-Yi, Deng Yang, Jing Fei-Long, Liu Yan-Hong, Huo Ben-Yan, Chen Zhang, Liang Bin. Adaptive track stand control for unmanned motorcycles based on a human-inspired control strategy. Acta Automatica Sinica, 2026, 52(5): 966−979 doi: 10.16383/j.aas.c250513
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250513
关键词
无人摩托车，定车，仿生控制，抗扰控制
摘要
无人摩托车静止时离心力效应失效, 导致其平衡控制具有极大的挑战性, 目前仍缺乏一种鲁棒且高效的控制机制. 受摩托车手定车技巧启发, 提出一种基于仿人操控的无人摩托静止平衡控制方法, 阐明定车原理并基于其实现后驱无人摩托静止平衡控制. 通过建立动力学模型并结合骑手实验, 从模型和数据两个维度分析定车机理, 揭示骑手在定车中保持平衡与地形适应的原理, 在此基础上提出平衡点自适应鲁棒定车控制方法. 该方法利用扰动观测器估计的扰动计算受扰平衡点, 进而使用非线性模型预测控制实现扰动下的平衡控制. 证明了所提方法的无静差跟踪特性, 通过实验验证方法的有效性, 该方法在侧向/纵向斜面定车任务中将可容忍扰动分别提升至普通模型预测控制的约3.1倍和2.4倍, 在后轮位置跟踪任务中将跟踪误差降低一个数量级.
文章导读
相比于四轮机器人和足式机器人, 无人摩托车由于其同时具备高速、高机动、高载重比的优势, 近些年来愈发得到国内外研究者的关注[1−4]. 无人摩托车在运动时主要依靠转向产生的离心力抵抗重力影响实现平衡控制[5−6], 但是静止时无法产生离心力, 因而其静止平衡控制具有极大的挑战性.
现有研究的静止平衡机制包括负拖曳矩转向控制[7]、质量摆[8]、反作用轮[9−10]和控制力矩陀螺[11−12]四种类型, 其中负拖曳矩机制平衡裕度小[7], 其他三种机制质量大、结构复杂且引入额外的执行器, 目前尚无一种鲁棒且高效的控制机制.
本研究受摩托车特技骑手动作启发, 利用定车(track stand)技巧(如图1所示) 实现无人摩托车的静止平衡控制. 定车是指准静止状态下通过固定转向角并根据姿态反馈微调油门和刹车实现平衡的特技, 该动作无需额外的执行机构且具有较强的鲁棒性和适应性. 然而, 现有工作尚未充分研究无人摩托车的定车运动. 一项相关工作是文献[13−15]的一系列研究, 但这些研究使用的是一个特殊构型的前轮驱动的自行车. 事实上, 无人摩托车研究领域长期以来对定车运动的忽视部分源自于无人摩托车建模. 首先, 先前的研究通常使用拉格朗日法建立动力学模型[16−19], 导致缺乏直观的模型解释与机理分析. 此外, 许多研究直接采用后轮速度控制[6, 20−21], 而不是力矩控制或加速度控制, 因而忽视了后轮对平衡控制的影响.
图1 特技骑手展示定车
针对现有研究的不足, 本研究通过建立无人摩托车动力学模型并开展特技骑手实验, 从模型和数据两个视角探究定车平衡控制的机理. 动力学模型显示, 定车平衡依靠纵向加减速产生的惯性力抵消重力带来的倾覆作用. 模型能控性分析表明, 在转向角不为零时定车平衡点能控. 基于实验数据的控制回路互相关分析表明, 骑手定车平衡控制主要来源于纵向加速度控制而非身体姿态调整. 这启发本研究采用后轮力矩控制实现无人摩托车定车平衡. 对传感器数据和纵向加速度的最小二乘分析表明, 骑手根据姿态和速度反馈的控制策略在短时间内满足线性关系, 而长时间内无法使用单一线性关系表示. 对此, 考虑到近些年来非线性模型预测控制在无人机[22−23]、足式机器人[24−26]等领域的成功应用, 本研究采用其作为定车控制基线算法.
进一步, 对特技骑手在多种地形上的定车数据分析表明, 特技骑手能够自适应稳定在不同的平衡点上. 受这一经验启发, 本文提出基于平衡点适应的模型预测控制(equilibrium adaptation-based model predictive control, EAMPC), 并证明该方法零稳态跟踪误差的性质. 该方法包括三个步骤: 首先通过扰动观测器估计扰动, 然后在零稳态跟踪误差的要求下计算受扰平衡点, 最后使用非线性模型预测控制器将状态调节到受扰平衡点.
本文通过斜面定车和定车位置跟踪两组实验验证所提方法的有效性. 实验结果表明, 基于平衡点适应的方法相比于普通非线性模型预测控制方法, 在斜面定车任务中增强了系统的抗扰能力, 可容忍的侧向扰动和纵向扰动分别提升至约3.1倍和2.4倍, 在定车位置跟踪任务中显著提高跟踪精度, 将跟踪误差降低一个数量级.
本文内容安排如下: 第1节通过动力学建模解释定车平衡控制机理; 第2节通过特技骑手实验分析人类定车平衡原理, 并总结出仿人操控定车策略; 第3节介绍仿人操控策略启发下的平衡点适应非线性模型预测控制; 第4节通过斜面定车和后轮跟踪定车两个机器人样机实验验证仿人操控策略的有效性.
图2 缩比无人摩托车样机
图3 缩比无人摩托车示意图
本文受人类特技骑手定车技巧启发, 提出一种基于仿人操控的后驱无人摩托车静止平衡控制方法. 通过建立定车动力学模型并结合骑手实验数据, 系统揭示了人类定车平衡控制的机理, 并将其关键原理提炼为仿人操控策略. 在此基础上, 设计基于平衡点适应的非线性模型预测控制算法, 实现了扰动下的鲁棒平衡控制. 通过倾斜平面定车和后轮位置跟踪实验验证了该算法的有效性. 实验结果表明, 仿人操控方法在侧向和纵向斜面定车任务中的抗扰能力分别提升至普通模型预测控制方法的约3.1倍和2.4倍, 位置跟踪任务中跟踪精度提升了一个数量级.
作者简介
王伯毅
2019年和2025年分别获得清华大学学士和博士学位. 主要研究方向为机器人与智能控制. E-mail: wangboyi15@163.com
邓飏
清华大学自动化系助理研究员. 2014年和2017年分别获得北京航空航天大学学士和硕士学位, 2020年获得法国南特中央理工学院博士学位. 主要研究方向为时滞系统理论与应用, 机器人系统. E-mail: dengyang@tsinghua.edu.cn
景飞龙
清华大学自动化系博士研究生. 2021年获得清华大学学士学位. 主要研究方向为机器人控制与运动规划. E-mail: jfl21@mails.tsinghua.edu.cn
刘艳红
郑州大学电气与信息工程学院教授. 1992年获得郑州轻工业大学学士学位, 2002年和2006年分别获得清华大学硕士学位和博士学位. 主要研究方向为非线性系统建模与控制, 机器人控制和人机交互与协作. E-mail: liuyh@zzu.edu.cn
霍本岩
郑州大学电气与信息工程学院副教授. 2010年获得吉林大学学士学位, 2017年获得中国科学院沈阳自动化研究所博士学位. 主要研究方向为强化学习, 迭代学习控制和混合建模. E-mail: huoby@zzu.edu.cn
陈章
清华大学自动化系副研究员. 2006年和2009年分别获得北京航空航天大学学士和硕士学位, 2015年获得清华大学博士学位. 主要研究方向为机器人控制, 自主无人系统. 本文通信作者. E-mail: cz_da@tsinghua.edu.cn
梁斌
清华大学自动化系教授. 1988年和1991年分别获得西北工业大学学士和硕士学位, 1994年获得清华大学博士学位. 主要研究方向为机器人与智能控制. E-mail: bliang@tsinghua.edu.cn
转载本文请联系原作者获取授权，同时请注明本文来自Ouariel科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3291369-1546900.html?mobile=1
收藏
