工 程 硕 士 学 位 论 文

移动机器人轮滑力学模型与控制方法研究
Skidding mechanical model and control method research of wheel
mobile robot

作 者 姓 名： 蒋 娟
工 程 领 域： 车辆工程
学 号： 31503060
指 导 教 师： 岳 明
完 成 日 期： 2017.5.1

大连理工大学
Dalian University of Technology

万方数据
 大连理工大学学位论文独创性声明

作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究
工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，
本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请
学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献
均已在论文中做了明确的说明并表示了谢意。

若有不实之处，本人愿意承担相关法律责任。

学位论文题目：

作 者 签 名 ： 日期： 年 月 日

万方数据
 大连理工大学专业学位硕士学位论文

摘 要

轮式移动机器人是一类可自动行驶，通过传感器感知周围环境并且能够在受到周围
环境干扰的情况下成功跟踪上期望轨迹的地面移动平台。轮式移动机器人具有高度智能
化的特点，所以经常到达有人驾驶车辆无法到达的危险地域完成任务，随着科技的发展，
越来越受到人们的重视。
由于轮式移动机器人经常会在非结构化和弱附着地面行驶，会遇到纵向滑转和侧向
滑移的状况，从而使得轮式移动机器人在轨迹跟踪过程中会偏离期望轨迹，如何解决轮
式移动机器人的纵向滑转和侧向滑移问题是本文的研究重点。
首先，推导出轮式移动机器人发生侧向滑移时的位姿误差偏微分方程，建立轮式移
动机器人的侧向滑移运动学模型；并且引进滑动参数，建立轮式移动机器人的纵向打滑
运动学模型；利用 Euler-Lagrange 能量法建立轮式移动机器人的动力学模型，由于轮式
移动机器人的动力学方程还具有非完整的特点，所以通过降阶的方法消除非完整约束，
从而方便后续控制器的设计；加入轮地摩擦扰动，建立纵向打滑情况下的轮地摩擦模型。
其次，针对轮式移动机器人侧向滑移模型，分别使用 Lyapunov 直接法和滑模控制
方法设计控制器和自适应律，比较分析系统在两种控制方法作用下的位姿误差收敛效果
和轨迹跟踪效果。
再次，针对轮式移动机器人纵向打滑模型，分别从运动学层面和动力学层面设计控
制器，运动学层面的控制器设计使用 Lyapunov 直接法，而动力学层面的控制器设计使
用基于 RBF 神经网络的滑模控制方法，从而实现速度跟踪控制。
最后，提出双闭环控制结构，使系统外环实现位姿跟踪，内环实现速度跟踪；外环
使用 Lyapunov 直接法，内环分别使用普通滑模技术和终端滑模技术，比较这两种控制
方法的误差收敛速度。
运用 Lyapunov 直接法和 LaSalle 不变性定理以及巴巴拉特引理验证以上控制系统的
稳定性，并且使用 MATLAB 软件进行仿真分析，进一步验证以上设计的控制器的可行
性和有效性。本课题能够提高轮式移动机器人对非结构化路面的适应能力，既具有理论
价值又具有实际应用价值。

关键词：轮式移动机器人；滑转；滑移；双闭环

-I-

万方数据
 移动机器人轮滑力学模型与控制方法研究

Skidding mechanical model and control method research of wheel

mobile robot

Abstract

Wheel Mobile Robot is a ground mobile platform of autonomous driving and perceiving
surrounding through sensors, which can achieve trajectory tracking even when suffering
disturbance from around environment. Since WMR is high intelligent，it is often used to
arrive dangerous place to finish tasks. With the development of science and technology，
WMR has attracted more and more peoples’ attention.
Since WMR usually drive on non-structured and low-adhesion road，it often encounters
slipping and skidding，thus making WMR deviate from the ideal trajectory. So how to deal
with slippage and skidding is key point of this paper.
At first，derivate the position error partial differential equation when WMR suffers
skidding and establish the kinematic model of WMR. Introduce sliding parameters to
establish the kinematic model of WMR when it suffers slippage. In addition，establish
WMR’s dynamic model with Euler-Lagrange energy method. In order to eliminate
nonholonomic constraint, it’s necessary to reduce order thus designing the controller more
easily. Also, the WMR ground friction model with wheel-road friction interference can be
established.
Secondly, for the WMR skidding model, we can design controller with Lyapunov direct
method and Sliding mode control method separately. Compare and analyze which control
method can make tracking error convergence more fast, thus achieving trajectory tracking.
Thirdly，for the WMR slipping model, we can design controller from kinematics level
and dynamic level separately. The kinematics controller design uses Lyapunov direct method,
and the dynamic controller design uses RBF neural network technology.
At last, it’s necessary to put up double closed loop to achieve position tracking in inner
loop and velocity tracking in outer loop. In adition, sliding model technology and terminal
sliding model technology are used in inner loop and compare the two control methods’s
convergence properties.
By using the Lyapunov stability theorem, LaSalle invariance theorem and Babalate
lemma, the stability of control system above has been verified. In order to verify the
effectiveness and feasibility of controllers designed above, MATLAB has been used to finish

- II -

万方数据
 大连理工大学专业学位硕士学位论文

simulation analysis. This study can significantly improve the WMR’s adaptability in complex
unstructured environment, thus having double values of theoretical research and practical
application.

Key Words：Wheel mobile robot; slippage; skidding; double closed loop

- III -

万方数据
 移动机器人轮滑力学模型与控制方法研究

目 录
摘 要 .................................................................................................................................. I
Abstract ...................................................................................................................................II
1 绪论 ................................................................................................................................... 1
1.1 课题研究背景和意义 .......................................................................................... 1
1.2 国内外 WMR 研究现状 ...................................................................................... 2
1.2.1 国外 WMR 研究现状 ............................................................................... 2
1.2.2 国内 WMR 研究现状 ............................................................................... 3
1.3 WMR 控制方法研究 ........................................................................................... 4
1.4 本文的主要内容及安排 ...................................................................................... 5
2 WMR 系统模型建立 ....................................................................................................... 7
2.1 WMR 运动学模型的建立 ................................................................................... 7
2.1.1WMR 侧向滑移模型 .................................................................................... 9
2.1.2 WMR 纵向滑转模型 ................................................................................. 10
2.2 WMR 动力学模型的建立 .................................................................................... 11
2.3 纵向打滑轮地摩擦模型 ....................................................................................... 15
2.4 本章小结 ................................................................................................................ 16
3 侧向打滑情况下的轨迹跟踪控制 ................................................................................. 18
3.1 基于 Lyapunov 直接法的控制器的设计 ............................................................ 18
3.1.1 控制器设计 ................................................................................................ 18
3.1.2 仿真分析 ..................................................................................................... 20
3.2 基于滑模变结构的控制器设计 ........................................................................... 22
3.2.1 控制器设计 ................................................................................................ 23
3.2.2 仿真分析 ..................................................................................................... 24
3.3 本章小结 ............................................................................................................. 26
4 纵向打滑情况下的轨迹跟踪控制 ............................................................................... 27
4.1 基于运动学层面的纵向打滑情况下的轨迹跟踪控制 ..................................... 27
4.1.1 控制器设计.............................................................................................. 27
4.1.2 仿真分析 .................................................................................................. 30
4.2 基于动力学层面的纵向打滑情况下轨迹跟踪控制.......................................... 32
4.2.1 控制器的设计............................................................................................ 33

- IV -

万方数据
 大连理工大学专业学位硕士学位论文

4.2.2 仿真分析 ..................................................................................................... 37

4.3 本章小结 ............................................................................................................... 39
5 分层协调控制 .................................................................................................................. 40
5.1 双闭环控制结构 .................................................................................................... 40
5.1.1 内环控制器设计 ..................................................................................... 40
5.1.2 外环控制器的设计 ................................................................................... 43
5.2 仿真分析 ............................................................................................................. 44
5.3 本章小结 ............................................................................................................... 45
结 论 ............................................................................................................................... 46
攻读硕士学位期间发表学术论文情况 ............................................................................. 50
致 谢 ............................................................................................................................... 51
大连理工大学学位论文版权使用授权书 ......................................................................... 52

-V-

万方数据
 大连理工大学专业学位硕士学位论文

1 绪论

1.1 课题研究背景和意义
轮式移动机器人（Wheel Mobile Robot，WMR）是一类可自动行驶，通过传感器感
知周围环境并且能够在受到周围环境干扰的情况下成功跟踪上期望轨迹的地面移动平
台。因为 WMR 具有高度智能化的特点，所以可以自主地进入危险地域完成有人驾驶车
辆不能完成的任务，从而受到人们的广泛关注[1-3]。然而，WMR 的工作环境复杂多变，
时常遇到冰雪、泥土等地面，如何保证 WMR 在这种复杂非结构化环境下依然能够按照
期望轨迹行驶并且完成特定任务，成为目前轮式移动机器人研究的重点和难点之一[4]。
WMR 涉及到车辆工程、自动控制、计算机和机械电子等多个学科领域，属于交叉
学科内容[5]。随着科技的不断发展和研究的不断深入，WMR 的运动能力、遇到干扰迅
速恢复稳定性的能力日益增强，并且应用领域也不断拓宽。在工业领域，如在工厂运输
物资的 AGV 小车；在军用领域，轮式移动机器人可以进行无人侦察、拆弹排爆；在民
用领域，轮式移动机器人在地震时可以帮助救灾抢险以及安保监控[6]。由此可见，轮式
移动机器人的应用领域日益广泛，并且随着社会的不断发展和进步，人们对 WMR 也有
了更高的要求，需要 WMR 能够适应各种复杂的非结构化的环境[7]。同时，由于我国经
济技术的飞速发展，国家对轮式移动机器人的研究和应用也愈发重视，并且投入了大量
的资金来研究轮式移动机器人并且取得了一定的成果[8]。WMR 的广泛而巨大的应用价
值也得到了越来越多国内外企业的认可并且开始投入生产和使用[9, 10]。
WMR 的轨迹跟踪控制问题是 WMR 控制系统设计的重点研究问题之一，即已给定
机器人的初始位姿和期望轨迹，如何通过控制算法让 WMR 在行驶过程中能够快速跟踪
上期望轨迹[11]。并且轮式移动机器人具有高度智能化的特点，在行驶过程中，通过各种
传感器来获得周围环境信息并且将信息传给控制系统，控制系统通过分析这些信息以及
设计控制算法，来使机器人跟踪上期望轨迹[12]。这些年来，随着计算机科学以及人工智
能的迅猛发展，人们在 WMR 中也应用了越来越多的现代控制算法，比如滑模变结构控
制算法，模型预测控制（MPC）以及 RBF 神经网络技术，这些算法各有优缺点，并且
根据不同的情况要选择不同的控制算法，即这些控制算法各有各的应用范围。并且为了
弥补各个算法的缺点，很多复合式的控制算法被提出[13]。则为了提高 WMR 的智能化程
度以及提高其对复杂非结构化环境的适应性，寻找更好的控制算法从而实现轨迹跟踪控
制的目标也是 WMR 研究问题的关键之一[14]。

- 1 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

1.2 国内外 WMR 研究现状

WMR 是一个综合的系统，它可以通过 GPS 定位导航来接收和处理在线数据并且做
出相应的反馈，实现轮式移动机器人的轨迹跟踪控制这一目标[15]。除此之外，轮式移动
机器人还包括了计算机科学技术、人工智能技术以及机械原理机械设计等多学科技术问
题，是目前国内外机器人领域最为热门的研究领域之一，并且已经取得了一定的研究成
果。

1.2.1 国外 WMR 研究现状

美国从上世纪八十年代就开始研究轮式移动机器人，研发出一台八轮的轮式移动机
器人，但其缺点是车速较低。卡内基·梅隆大学研制出了 NavLab 系列智能车，该系列智
能车 装 配有 陀 螺 仪、 CCD 摄像 机 以及 激 光扫 描 仪 等传 感 器， 并 且目 前 已发 展 为
NavLab-11。ITS 概念在上世纪九十年代初被提出，并且极大地推动了轮式移动机器人
的发展。美国早期研究成果最具有代表性的就是 NavLab-1 和 NavLab-5，实验表明，
NavLab-1 最多以 88 公里每小时的速度行驶；而 NavLab-5 则能全自主地控制轮式移动
机器人的横向运动，并且能够在人工干预不到 2%的情况下完成纵向控制。在 21 世纪初
期，由于计算机技术与传感器技术的大力发展，WMR 系统性能也得以提高，具有一定
自主行驶能力的轮式移动机器人纷纷被研制出[16]。其中以美国为首提出了 DEMO 计划，
并且美国国防部研制出了 DEMO 一系列的自主行驶试验车，该系列车在野外非结构化
环境中最大速度可以达到 35km/h，在普通马路上的最高行驶速度可以达到 65km/s，试
验结果表明该车辆可以运用在军事领域并且对军事侦察能力的提升起到很大的作用。除
了美国外，欧洲和日本在轮式移动机器人的研究发展上也取得了一定成就，例如日本索
尼公司研究的 QRIO 人形自主车辆以及本田研制的 ASIMO 系统，这两者在当时都是世
界最前沿的研究[17]。德国在 WMR 技术的研发领域一直占据着非常重要的地位，二战后
德国就研制出了智能化的自爆式装甲车辆 。德国目前 研制出了小 型的移动机器人
Foxbot，该机器人是通过无线电操控的并且主要应用在军事侦察上 [18]。 最近，四轮独
立驱动的无人通信车 Gecko 也在德国被研制出来，并且该无人通信车上安装有卫星收发
器，可以在未来的战场中发挥搭建通信网络的作用[19]。2008 年波士顿动力学公司研制
出了名叫 BigDog 的自主车辆，该自主车辆有四个轮，能够为战斗中的士兵搬用所需物
资。在家庭服务领域，1999 年美国 Proboties 公司生产除了取名为 Cye 的家用自主车辆，
目的是完成室内递送物件、打扫卫生等工作。轮式移动机器人发展至今，全世界对其关

- 2 -

万方数据
 大连理工大学专业学位硕士学位论文

注程度依然很高，特别是高校、研究所，这些主要得益于其涉及了多学科领域，又有着
极其广阔的应用价值。

图 1.1 NavLab-5 陆地试验

Fig.1.1 NavLab-5 highway test

1.2.2 国内 WMR 研究现状

相比于欧美日本等发达国家，我国的轮式移动机器人的起步较晚，但今年我国越来
越重视轮式移动机器人的研究和发展。自上世纪八十年代起，我国就开始了对 WMR 的
研究工作。我国第一台轮式移动机器人是北京理工大学等五所高校联合研发的 ATB-1，
在此基础上，进一步研发了 ATB-2 和 ATB-3，其功能相较于 ATB-1 都有进一步完善。
现在主要有两种 WMR 研发方式，第一种是全新研制，这种 WMR 具有自主驾驶和智能
遥控操作功能，以上国外 WMR 的研究方法就是第一种；第二种是有人驾驶车辆进行一
个智能化改造，这种方式能够有效降低成本并且能够使系统在有人驾驶和无人驾驶模式
之间进行转换，更具备实际操作性 [20, 21]
。清华大学于 1994 年研制出轮式移动机器人
THMR-V，该轮式移动机器人涉及到各大技术的交叉融合如传感器技术以及路径规划技
术。中科院沈阳自动化所研发的 AGV 以及防爆机器人，该机器人由路径规划系统、主
动避障系统以及伺服系统组成。此外，中科院自动化所研发的轮式移动机器人 CASIA-I
也备受瞩目。目前，南开大学、北京航空航天大学、湖南大学以及国内的一些高校和高
科技企业都一直从事着轮式移动机器人的研发工作。并且，哈尔滨工程大学也成功研制
出了一款两轮车 Sway，主要靠光电传感器和加速度传感器来测出其车体位姿，引入差
分控制算法来提高 Sway 的鲁棒性和抗干扰能力，现在还在改进控制算法，使得 Sway
的控制系统得到进一步的优化从而能够更精确更稳定地控制两轮车的运行 [22, 23]
。但
Sway 有一个很大的缺点就是目前只能在平地上行驶，因为在研发阶段并没有将爬坡和

- 3 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

打滑工况考虑在内[24]。目前，其他的科研组织也正在积极地进行对轮式移动机器人的研
究，并且取得了一定的成果总而言之，国内的 WMR 现在仍处于一个高速发展阶段。

图 1.2 ATB-2
Fig.1.2 ATB-2

1.3 WMR 控制方法研究

近年来，由于 WMR 具有高度智能化的特点受到了广泛关注，在 WMR 智能控制领
域，大量的具有一定理论深度的 WMR 智能控制方法被提出，为轮式移动机器人的智能
控制发展奠定了坚实的基础，具有非常重要的指导意义。
轮式移动机器人导航系统中三个基本问题之一就是轨迹跟踪控制。轨迹跟踪控制可
以根据数学模型的不同而分为运动学方法和动力学方法[25]。运动学方法一般是指速度控
制，动力学方法一般是指电压或者力矩控制。如何设计轨迹跟踪控制器是研究的难点，
很多非线性控制方法都可以应用于此。
（1）自适应控制方法。自适应控制在解决轨迹跟踪控制问题起了重要作用。例如
Lefeber 等人以轮式移动机器人作为研究对象，研究了具有参数不确定性的系统的自适
应反馈跟踪问题。自适应控制方法在不需要详细的系统动力学模型信息的基础上也可以
实现对任意期望位姿的镇定[26]。
（2）模型预测控制。模型预测控制的三个主要步骤就是预测模型、滚动优化以及
反馈矫正，从而达到最优的控制效果[27]。Erkan Kayacan 等人提出了基于误差模型的模
型预测控制的方法来解决轨迹跟踪问题。
（3）反演设计方法。其中心思想是将复杂的非线性系统逐渐拆分成简单的子系统，
然后针对子系统分别设计 Lyapunov 函数以及设定中间虚拟量，一直后退到整个非线性
系统，设计出控制器[28]。Dong W 等人通过反演设计法设计了对外界扰动具有自适应鲁

- 4 -

万方数据
 大连理工大学专业学位硕士学位论文

棒性的控制律，该控制器的设计是将轮地之间的纵向滑转和侧向滑移当成外界扰动来处
理，并且设计鲁棒控制器以及自适应律来成功估计出这一扰动并且将其补偿掉，但是如
果在非结构化路面行走，这一扰动过大，此时将侧滑和滑转当作有界扰动来处理则效果
并不理想。Kozlowski 等人设计了运动学跟踪振荡器，通过反演设计方法最终得到一个
全局实际稳定化控制器。
（4）滑模控制方法。其核心思想是定义一个滑模面，该滑模面上所有点的导数为
零，并且选择一个恰当的趋近律，设计相应的控制器，最终系统状态将会沿着滑模面达
到期望值[29]。Bloch 等针对链式非完整系统，设计了轨迹跟踪滑模反馈控制律，实验结
果表明，该种控制方法能够有效地抵抗外界扰动具有很好的鲁棒性，可以实现 WMR 的
轨迹跟踪控制[30]。
（5）Terminal 滑模控制方法。相较于普通滑模控制，终端滑模最大的特点是在普
通滑模的基础上增加了一个分数阶，从而可以使系统误差快速地收敛为零，使系统的动
态性能比普通滑模技术更佳[31]。由于快速 Terminal 滑模控制不需要切换项，所以相较普
通滑模而言可以有效地消除抖振。并且数值模拟结果表明，通过 Terminal 滑模控制方法
设计的控制律对轮式移动机器人这种非完整系统具有良好的跟踪性能。
Yue M[32]等人通过研究重心下置式的欠驱动两轮车，建立了两轮车的运动学和动力
学模型，并且提出了内环和外环相互嵌套的双闭环控制结构，其中外环进行轨迹跟踪，
内环进行速度跟踪。根据 Lyapunov 稳定性理论和自适应理论设计干扰在线估计和实时
补偿机制。并且仿真结果表明，所提出的控制策略具有很好的跟踪性能以及很好的干扰
在线辨识能力与补偿能力。

1.4 本文的主要内容及安排
本文针对一种典型的轮式移动机器人（WMR）模型，即拥有两个驱动轮并分别由
直流伺服电机差速驱动转向的机械系统，研究其运动控制以及轨迹跟踪控制问题。考虑
到轮式移动机器人在非结构化路面行驶时会遇到纵向滑转以及侧向滑移的现象，分别建
立纵向滑转和侧向滑移的数学模型，设计相应的控制器分别解决侧向滑移和纵向滑转问
题，最后提出双闭环控制策略，将运动学模型和动力学模型嵌套在一起，外环实现轨迹
跟踪控制，内环实现速度跟踪控制。本文主要运用的控制技术有：Lyapunov 直接法、
滑模控制、RBF 神经网络，终端滑模控制技术。
本文的具体研究内容表述如下：
第一章，绪论。首先，介绍了轮式移动机器（WMR）的大致机械结构以及研究背
景和研究意义；其次，分别介绍了国外和国内轮式移动机器人的研究现状，并且列举了

- 5 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

欧美、日本以及我国的先进代表研究成果；最后，介绍了轮式移动机器人的常用控制方
法。
第二章，轮式移动机器人（WMR）系统模型的建立。首先，分析轮式移动机器人
的运动学以及动力学特性；其次，建立了轮式移动机器人在发生侧向滑移时的运动学模
型；再则，建立了轮式移动机器人在发生纵向 打滑时 的运动学模 型 ；然后，利用
Euler-Lagrange 能量法建立轮式移动机器人在不受到外界扰动情况下的非线性动力学模
型；最后，建立轮式移动机器人的轮地摩擦模型。
第三章，轮式移动机器人在发生侧向滑移时的轨迹跟踪控制。针对轮式移动机器人
发生侧向滑移的这一模型，分别运用 Lyapunov 直接法[33]和滑模控制方法来设计控制器，
并且在运用 Lyapunov 直接法设计控制器时还涉及到坐标变换，利用 MATLAB 软件来仿
真分析，最终对比仿真结果，分析两种控制方法的优缺点。
第四章，轮式移动机器人在发生纵向滑转时的轨迹跟踪控制。针对轮式移动机器人
在发生纵向滑转时的运动学模型和动力学模型，分别设计运动学控制器和动力学控制
器。对于运动学模型，使用 Lyapunov 直接法设计控制器和滑动参数的自适应律；对于
动力学模型，运用 RBF 神经网络的万能逼近特性逼近摩擦干扰，最终运用滑模控制技
术设计出鲁棒控制器。
第五章，双闭环轨迹跟踪控制。提出双闭环控制策略来建立轮式移动机器人（WMR）
的运动与轨迹跟踪控制结构。外环根据运动学方程，采用 Lyapunov 直接法来设计鲁棒
控制器和自适应律，实现位姿跟踪；内环根据动力学模型，分别采用普通滑模技术和终
端滑模技术来设计控制器，实现速度跟踪，并且对比分析普通滑模与终端滑模的优缺点
[34]
。
最后，归纳和总结了本文所做的主要工作，得出结论，并且对将来的研究方向进行
了展望。

- 6 -

万方数据
 大连理工大学专业学位硕士学位论文

2 WMR 系统模型建立

本文提出的轮式移动机器人（WMR）系统，具有复杂非线性、强耦合以及非完整
约束的特点，为了更好地研究 WMR 系统的轨迹跟踪控制，需要首先建立系统的数学模
型。本章主要建立了轮式移动机器人在侧向滑移情况下的运动学模型、纵向滑转情况下
的运动学模型，基本的动力学模型以及纵向滑转情况下轮地摩擦模型。运动学模型的建
立主要是通过对机器人的运动状态进行分析计算得到系统的偏微分方程，而动力学模型
的建立主要是运用 Euler-Lagrange 能量法来对 WMR 系统进行精确描述，此动力学模型
是基于轮式移动机器人在理想路面行驶状况下，而在实际行驶过程中，轮式移动机器人
经常会遇到雨雪、泥土等非结构化路面，此时经常会发生纵向打滑，所以建立了轮子纵
向打滑时的轮地摩擦模型[35]。

2.1 WMR 运动学模型的建立

理想状况下，即在既不发生侧向滑移也不发生纵向滑转的情况下，并且几何中心和
质心完全重合的情况下，轮式移动机器人的运动状态示意图如图2.1所示，为了描述机器
人的运动状态[36]，定义一个固定的参考坐标系 F1 ( X , Y ) 和一个以WMR几何中心C为原点
的移动坐标系 F2 ( X b , Yb ) 。

Y
Yb Xb

v Vy φ
α
C

X
O

图 2.1 轮式移动机器人简图
Fig.2.1 Wheel mobile robot

- 7 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

假设 WMR 的驱动轮既不出现纵向打滑也不出现侧向打滑时，在坐标系 F（
1 X,Y) 中，

轮式移动机器人的运动学模型定义为：
 x  cos  0 
 y    sin  0    （2.1）
     
   0 1 
其中， 为 WMR 的前向速度， 为机器人本体绕其几何中心旋转的角速度， 为 WMR
的航向角（WMR 前进速度方向和 X 轴的夹角）。则 WMR 的实际位姿可以定义为
y  ]T 定义其期望位姿为 pr   xr , yr , r  ，其运动学模型如下：
T
p  [x

 xr  cos  r 0
 y    sin    r  （2.2）
  
r r 0   
   0  r
1 
其中  r 和 r 分别为机器人期望前向速度和期望转向速度，并且假设  r 和 r 都有界，其
一阶导也有界。则在坐标系 F1 (X, Y) 中，移动机器人轨迹跟踪位姿误差方程为：
 e1   cos  sin  0  xr  x 
e     sin  cos  0  yr  y 
 2 
 e3   0 0 1  r   
（2.3）
其中 e1 ， e2 ， e3 分别表示轨迹跟踪过程中的纵向误差、侧向误差、以及角度误差，误差
示意图如图 2.2 所示。
Y
e3

yr

e1

e2 φ
α
y

X
O
x xr

图 2.2 位姿误差示意图
Fig.2.2 position error diagram

- 8 -

万方数据
 大连理工大学专业学位硕士学位论文

从而可以得到系统误差微分方程，即运动学模型如下：
e1  e2  r cos e3   
e    e   sin e 
 2  1 r 3 
e3  r   
（2.4）

2.1.1WMR 侧向滑移模型

当轮式移动机器人出现侧向打滑时，会产生一个侧向速度，此时轮式移动机器人的
运动状态如图 2.3 所示。

Y
Yb Xb

v Vy φ
α
C

X
O
图 2.3 侧向打滑的轮式移动机器人运动简图
Fig.2.3 Wheel mobile robot diagram on sliding mode
其中  y 代表侧向打滑时的侧向速度，  代表侧偏角， 2b 为两轮之间的距离。
则此时的运动学模型则变为：
e1  e2  r cos e3   
e    e   sin e   
 2  1 r 3 y

e3  r   
 （2.5）
即为在以上理想状态下的误差微分方程中的纵向速度偏差上加上了一个  y ，可将  y 作
为一个侧向速度扰动。
此时的位姿误差示意图如图 2.4 所示：

- 9 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

Y
e3

yr

e1

e2 φ
α
y

X
O
x xr

图 2.4 侧向打滑时位姿误差简图
Fig.2.4 the posture error of WMR on sliding mode

2.1.2 WMR 纵向滑转模型

当轮式移动机器人遇到纵向打滑的情况时，此时轮式移动机器人的非完整约束被破
坏，左右两轮的滑移率不为零，定义左右两轮的滑移率分别为 il 和 ir 。
rl  l
il 
max(rl ,l ) （2.6）
rr  r
ir 
max(rr ,r ) （2.7）
其中 r 为车轮半径，l 和 r 分别为左右两轮的角速度，而 l 和  r 分别为左右两轮打滑时

的真实线速度.在轨迹跟踪控制过程中，   为辅助控制输入,而 l r  为实际控制

T T

输入。两者之间的关系为：
 r (1  il )l  r (1  ir )r 
   2  l 
     T  
   r (1  il )l  r (1  ir )r  r 
 2b  （2.8）

其中

- 10 -

万方数据
 大连理工大学专业学位硕士学位论文

 1  il 1  ir 
 2 2 
T r 
  1  il 1  ir 
 2b 2b  （2.9）
可知 T 是非奇异的，则可得：
 1 b 
 
l  1   1  1  il 1  il   
   T    r  1 
 r   b   
1  i 1  ir 
 r
（2.10）
由于左右轮的滑移率是未知的，所以无法通过辅助控制输入来得到实际控制输入，
需要设计自适应更新率来实时在线估计 il 和 ir 。设 iˆl 和 iˆr 分别为 il 和 ir 的估计值，则有：
 1 b 

l  1  1  iˆl 1  iˆl   

   r  1 b   
 r
1  iˆ 1  iˆr 
 r
（2.11）
1 1
为了更方便计算，设  k  , k  l , r 。定义 ˆk 为  k 的估计值，则 ˆk  , k  l, r ，
1  ik 1  iˆk
定义 k  ˆk   k ，则上式可简化为：
l  1  ˆl bˆl   
   ˆ bˆr   
 r r  r （2.12）

通过以上公式的推导则纵向打滑情况下的运动学模型：
 l  l ev v e  b   r e2v v e  b
e1  [( 2  )  ( 2  )]  r [(  )  ( 2  )]  v r cos e3
l b 2 2 4 r b 2 2 4
   e v e    r e1v e1
e2  l l ( 1  1 )  r (  )  vr sin e3 （2.13）
l b 2 r b 2
   v    r v 
e3  r  l l (  )  r (  )
l b 2 r b 2

2.2 WMR 动力学模型的建立

一个典型的轮式移动机器人系统如图 2.5 所示，其两个车轮位于同一轴线，分别由
两台直流伺服电机独立驱动，选取轮轴中心为形心，并且质心和形心不重合，在惯性坐
标系 XOY 下，轮式移动机器人的结构参数和变量参数如下表所示：

- 11 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

表 2.1 轮式移动机器人（WMR）系统参数
Tab.2.1 System parameters of the wheel mobile
参数名称 符号 单位
轮式移动机器人质量 m kg
机器人车轮半径 r m
轮距 2b m
质心到形心的距离 d m
机器人转动惯量 I kg  m2

表 2.2 轮式移动机器人（WMR）的系统变量
Tab.2. System variables of the wheel mobile robot
变量名称 符号 单位
车辆前向速度  m/s
转向角速度  rad/s
航向角  rad
前向位移 xv m
WMR 质心处位置坐标 ( xM , yM ) m
WMR 形心处的位置坐标 ( xC , yC ) m
左右电机输出转矩  l ， r Nm

下面建立轮式移动机器人的动力学模型，轮式移动机器人的质心和形心不重和，简
图如图 2.5 所示[37]。
设轮式移动机器人质心 M 处的前向速度为 M ，其方向垂直于平面轮轴，并且在坐
标系中有：
xM  M cos 
y M  M sin  （2.14）

由图可知：移动机器人的几何中心 C 和 M 有如下的位置关系:
xC  xM  d cos 
（2.15）
yC  yM  d sin 

- 12 -

万方数据
 大连理工大学专业学位硕士学位论文

Y
ν

desired trajectory
2r
M（xM ,yM）
d

2b

θ X
O

图 2.5 轮式移动机器人
Fig.2.5 Wheel mobile robot
对式（2.15）求导则可得其速度关系为：
xC  xM  d sin 
（2.16）
y  y  d cos 
C M

将式（2.14）代入到式（2.16）中，则可得关于几何中心 C 的速度关系为：
x sin   y cos   d  0
C C （2.17）
移动机器人几何中心 C 处的角速度  和线速度 C 与其左右驱动轮的角速度 L 和 R 的关
系式为：
r
C  L  R 
2 （2.18）
 r  L r
  R
2b
那么由式（2.14）、（2.16）和（2.18）可得质心 C 处的横向速度、纵向速度和转向角
速度为：
r rd r rd
xC  ( cos   sin  )R  ( cos   d sin  )L
2 2b 2 2b
r rd r rd
yC  ( sin   cos  )R  ( sin   cos  )L （2.19）
2 2b 2 2b
r
  (R  L )
2b
以上式子用矩阵的方式表达如下：

- 13 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

r r r r 
 2 cos   2b d sin  2
cos   d sin  
2b
 xC   
 y    r R 
sin   d cos    
r r r
 C   2 sin   2b d cos  2 2b   L 
    
 r 
r 
 2b 2b  （2.20）
假设轮式移动机器人在理想条件下，即不受到纵向滑转干扰和侧向滑移干扰的情况下，
此时轮式移动机器人受到的非完整约束为：
xC sin   yC cos  d  0 （2.21）
在运动学层面则可表示为：
A(q)q  0 （2.22）

其中， A(q)  sin  d  为非完整约束矩阵， q   xC yC   ，令 q  S (q)v ，

T
 cos 

则有 q  S (q)v  S (q)v ，其中：

cos  d sin  
S (q)   sin  d cos   （2.23）
 
 0 1 

并且有 v     ，  表示轮式移动机器人几何中心的前向速度，而  表示其转向角速

T

度。设 L(q, q ) 为系统的 Lagrange 函数，在忽略移动机器人的轮子质量以及轮子的转动

惯量时有如下公式：
1 1
L  m( x 2M  y 2M )  I2 （2.24）
2 2
其中 m 和 J 分别为轮式移动机器人的质量和转动惯量，用 机器人几何 中心的位姿
q   xC yC   来表示上式，并且将最终结果代入拉格朗日方程中则可以得到非完整移
动机器人动力学方程[38]为：
M (q)q  C (q, q )q  G(q)  E (q)  AT (q) （2.25）
其中 M (q)  R33 是对称正定惯性矩阵， C (q, q )  R33 为科氏矩阵， G(q)  R31 为重力矢
量， E (q)  R32 为输入转换矩阵，  R 21 为输入力矩矢量， AT (q)  R31 为非完整约束矩
阵，   R 是拉格朗日乘子。为了消除上式中非完整约束 AT (q) ，引入矩阵 S T (q) ，其为
AT (q) 的零空间满秩向量，有：

- 14 -

万方数据
 大连理工大学专业学位硕士学位论文

S T (q) AT (q)  0 （2.26）

左乘 S T (q) 可得 S T MSv  S T (MS  CS )v  S T E ，进一步简化得到下式：
M (q)v  C (q, q )v  E (q) （2.27）
其中，M (q)  S T MS  R22 是对称惯性矩阵，C (q, q )  S T (MS  Cm S )  R 22 为对称科氏矩
阵， E (q)  S T E  R 22 为输入转化矩阵。具体的模型参数如下：

 m 0 md sin   0 0 md cos  

   
M (q)   0 m md cos   C (q, q )  0 0 md sin     l
 md sin  md cos  I  0 0 0   r  ；
；   ；
cos  cos     sin  
1
B(q)   sin  sin   A (q)  cos  
T

r
 R  R   d 
； ；

m 0  1 1 1 
M (q)   2
E (q)   C (q, q )  0 。
 0 I  md  ； r  R  R  ；

则系统模型可重新表示为：
M (q)v  E (q) （2.28）
以上得到的 WMR 动力学模型（2.28）完全满足机器人定律如下：
性质 1：M (q)  R 2 是对称正定并且有界的惯性矩阵，对于 x  R 2 , m1  0, m2  0 使
得如下不等式成立：
m1 x  xT Mx  m2 x
2 2

（2.29）
性质 2： M  2V 为斜对称矩阵，对 x  R2 ，满足如下条件：
xT (M  2V ) x  0 （2.30）

2.3 纵向打滑轮地摩擦模型
以上为轮式移动机器人理想状态下动力学模型的建立，此时车轮不会产生纵向滑转
效应，及滑移率为零。轮式移动机器人在实际行驶的过程中，经常会遇到车轮打滑的情
况，及车轮处于非纯滚动状态，此时滑移率不为零，纵向滑转现象的产生是由于作用在
驱动轮上的输入力矩  引起的地面切向反作用力比地面附着力大。为了深入研究在发生
纵向打滑时的WMR的动力学特性以及轨迹跟踪方法，需要在以上建立的基本力学模型

- 15 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

上加入轮地摩擦干扰，此时，车轮会受到因车轮纵向滑转而引起的纵向滑转干扰力 Fs 的
作用，其示意图如图2.5所示[39]。

τ
驱动力

ᶹ
FN

Fs 路面

图2.5 WMR纵向滑转干扰示意图
Fig.2.4 The schematic of longitudinal slip disturbance of WMR

车轮的纵向滑移干扰力 Fs 如下：

Fs   FN
  C1 (1  eC i )  C3i
2
（2.31）
FN  mg
其中 i 为滑移率， 为地面附着系数，FN 为地面支持力，C1 ,C2 ,C3 为摩擦曲线系数，
随着路面和轮胎的改变而不同。
因此，WMR 轮地摩擦模型即为：
M (q)v  E (q)  Fs
（2.32）
其中， Fs   Fs1 Fs 2  为纵向滑转干扰矩阵，具体描述如下：
T

[C1 (1  eC2i )  C3i]mg 

Fs    C2i

[C1 (1  e )  C3 i]mg  （2.33）

2.4 本章小结
本章对轮式移动机器人（WMR）系统的坐标描述、参数定义和变量选择进行了分
析研究。首先分析了WMR系统在纯滚动不打滑情况下的运动状态以及位姿误差，从而
得到理想状态下的运动学模型；其次分析WMR在出现侧向打滑时的位姿误差，并引入
一个侧向速度，成功地得到侧向滑移情况下的运动学模型；同时分析WMR在出现纵向

- 16 -

万方数据
 大连理工大学专业学位硕士学位论文

打滑时的位姿误差，引入滑移率以及实际输入、辅助输入的概念，得到纵向滑转情况下
的运动学模型。与此同时，根据Euler-Lagrange能量法其动力学模型，并且为了消除模型
中的非完整约束，对系统进行了降阶处理；考虑到WMR在实际行驶过程中会遇到纵向
滑转干扰力的影响，对纵向滑转干扰力进行深入分析，建立WMR的在纵向打滑情况下
的轮地摩擦模型。

- 17 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

3 侧向打滑情况下的轨迹跟踪控制

上一章建立了轮式移动机器人侧向打滑时的运动学模型，如何估计出侧向滑移速度
扰动并将其补偿掉是难点之一。本章主要应用Lyapunov直接法和普通滑模控制方法对
WMR在出现侧向滑移的情况下进行运动控制，并且实现轨迹跟踪控制 [40]。最后比较分
析Lyapunov直接法和普通滑模控制方法在设计鲁棒控制器时的优缺点以及最终的控制
效果[41-43]。

3.1 基于 Lyapunov 直接法的控制器的设计

Lyapunov稳定性理论是判定非线性系统稳定性的关键理论，Lyapunov直接法的核心
思想是找到一个合适的Lyapunov函数，要保证误差收敛则必须使该Lyapunov函数一阶导
负定或半负定，从而通过逆向的数学运算设计出鲁棒控制器和参数的自适应率。

3.1.1 控制器设计
在第二章中已给出轮式移动机器人侧向打滑的运动学模型，即：
e1  e2  r cos e3   
e    e   sin e   
 2  1 r 3 y

e3  r   
 （3.1）
其中  y 是机器人侧向打滑时产生的侧向速度，且是未知的。

假设 1[44]：假设侧滑速度  y 有界，即  y   ，  为正常数， y 为一个慢时变的扰动。并

y
且设  y   ，即  =  tan  。

为了更简洁地设计出控制器，通过坐标变换，设：
 z1  e1 
 z   e 
 2  2 
 z3   tan e3  ˆ 
（3.2）
其中， ˆ 为  的估计值，定义估计值与真实值的误差为   ˆ   。将式（3.2）微分，则
可得一个新的动态误差微分方程如下：

- 18 -

万方数据
 大连理工大学专业学位硕士学位论文

 z1   z2  r cose3   
 z     z   sin e   
 2  1 r 3 
 z3  sec2 e (   )  ˆ 
 3 r  （3.3）
根据系统位姿误差微分方程，通过 Lyapunov 直接法设计系统的鲁棒控制器和参数
自适应律如下：
  r cos e3  k1 z1  k2 z2ˆ
  r  ( z2r cos e3  ˆ  k3 z3 ) cos 2 e3 （3.4）
ˆ  k1 z1 z2  z2r cos e3  k1 z2 2ˆ
稳定性分析，选取 Lyapunov 函数如下：
1 2 1 2 1 2 1 2
V z1  z2  z3  
2 2 2 2 （3.5）
对其微分得：
V  z1 ( z2  r cos e3   )  z2 ( z1  r sin e3   )  z3 (sec2 e3 (r  )  ˆ)  
 ˆ
（3.6）
又有 sin e3  ( z3  ˆ) cos e3 ，则式（3.6）可化简为：
ˆ r cos e3   )  z3 (sec2 e3 (r  )  ˆ  z2r cos e3 )  
V  z1 (r cos e3   )  z2 (  ˆ
（3.7）
将式（3.4）中的控制律代入，得：
V  k1 z12  ˆ 2 k2 z22  k3 z32  (k1  k2 ) z1 z2ˆ  (ˆ  k1 z1 z2  z2r cos e3  k1z2 2ˆ)
（3.8）

将 的自适应律代入，得：
V  k1 z12  ˆ 2 k2 z2 2  k3 z32  (k1  k2 ) z1 z2ˆ
（3.9）
经过配方，可得：
k k (k  k ) 2
V =  k1 ( z1  1 2 z2ˆ )2  [k2  1 2 ]z2 2ˆ 2  k3 z32
2k1 4k1 (3.10)
(k  k ) 2
要使 V  0 则需要 k2  1 2  0 ，即 k1  k2 ；所以设置参数 k1 ， k 2 ，使 k1  k2 。
4k1
则有：
V  k1 ( z1  ˆ z2 )2  k3 z32
(3.11)
很显然 V  0 ，说明 V 有界，由式（3.5）可知 z1 , z2 , z3 ,  有界，假设 1 中有 |  | a ，

而     ˆ ，可知 ˆ 有界，由式（3.3）和式（3.4）可知  , , z1 , z2 , ˆ 有界。

- 19 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

取 V 对时间 t 的导数，可得：
V  2k1 ( z1  ˆ z2 )[( z 2  vr cos e3  v)
 z2 (k1 z1 z2  z2vr cos e3  k1 z2 2ˆ ) （3.12）
ˆ ( z1  vr sin e3   v)]  2k3 z3 ( z2vr cos e3  k3 z3 )
由式（3.12）可知 V 有界，则可得出 V 是一致连续的，由巴巴拉特引理可得知 t   时，
V  0 ，即有 lim( z  ˆ z )  0 ， lim z  0 。因为 lim e   arctan ˆ ，将式子代入，则可以
1 2 3 3
t  t  t 

得到：
z3   z2r cos e3  k3 z3 （3.13）
微分得：
z3   z2r cos e3  z2r cos e3  z2r sin e3  k3 z3
 （3.14）
可直观地得出 z3 是有界的，则 z3 是一致连续的，由巴巴拉特引理可得知 t   时，
z3  0 ，则有 limz3  limz 2 cos
e 3  。即意味着
0 limz2  0或者 lim cose3  0；假如是
t  t  t  t 

lim cose3  0，则意味着 lim e3   / 2  n ， n 为非负整数，那么 lim tan e3   ，  是有界

t  t  t 

的，与上式矛盾，则该假设不成立，只剩下 lim z2  0 此种情况。lim z2  0 ，lim cos e3  0 ，

t  t  t 

则由上式可知 lim z1  0 。即可得出系统位姿误差 e  e1 e2 e3  全局一致有界，并且有

T

t 

lim[ e1  e2  e3 ]  0。
t 

3.1.2 仿真分析
本节将使用数值模拟的方法来验证以上设计的鲁棒控制器与自适应律的可行性，分
析 Lyapunov 直接法设计的控制器的误差收敛仿真效果。仿真的主要方式是在 MATLAB
中的 Simulink 模块中进行系统数值模拟，并且仿真时控制系统的控制参数设计为：
k1  k2  1.5 ， k3  5 。
为了验证轮式移动机器人有着良好的跟踪和转向性能，可以使机器人系统在控制策
略作用下跟踪一个圆形的参考轨迹，假设圆形参考轨迹 期望速度为： r  1m / s ，
r  0.1rad / s ；从而可以得到相应圆形参考轨迹为： xr   cos(r t ) ， yr   sin(r t ) ，
r  r t ， 其 中   10 为 圆 形 参 考 轨 迹 的 半 径 。 定 义 位 姿 误 差 初 始 值 为 ：
e   0.95 1.6  /12
T

- 20 -

万方数据
 大连理工大学专业学位硕士学位论文

图 3.1 和图 3.2 为圆轨迹跟踪曲线图和位姿误差跟踪曲线图，图 3.3 和图 3.4 为左右

两轮的角速度曲线图和  真实值与估计值曲线图。

5
10

ex
0
8

-5
6 0 20 40 60 80 100 120
time(s)
4
2
2

ey
0
y,yd

0
-2
-2 0 20 40 60 80 100 120
time(s)
-4 1

-6
eph
0
-8
-1
0 20 40 60 80 100 120
-10
-15 -10 -5 0 5 10 15 time(s)
x,xd

图 3.1 轨迹跟踪曲线 3.4 位姿跟踪误差曲线

Fig.3.1 The tracking curve of trajectory Fig.3.4 The error curve of position tracking
5 0.25

4 0.2

0.15
3
gama and gama1

0.1
wR

0.05

1
0

0
-0.05

-1 -0.1
0 20 40 60 80 100 120 0 20 40 60 80 100 120
time(s) t

图 3.3 左右轮角速度 图 3.4  的估计值和真实值

Fig3.3 angular velocity of left and right wheels Fig.3.4 the estimate value and true value of 
可以观察发现，在 0～40s 内设   0 ，即此时  y  0 没有侧向打滑，图 3.2 与图 3.4
中可以看到在 0～40s 内  的估计值可以成功跟踪上其真实值，并且位姿误差也迅速收敛
为零；在 40s 时，  发生突变，并且在 40～80s 内   0.1 ，此时  y  0 发生侧向打滑，
图 3.1 中可以看到在 40s 时轨迹跟踪曲线发生偏移，但在鲁棒控制器的作用下迅速地跟
踪上期望轨迹，图 3.2 中位姿误差在 40s 时发生一个突变，在控制器的作用下迅速收敛
为零，图 3.4 中  的估计值也成功跟踪上其真实值；在 80s 时，  又发生一个突变，在
80～120s 内   0 ，即  y  0 无侧向打滑，图 3.1 中轨迹跟踪曲线在 80s 时发生突变，偏

- 21 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

离期望轨迹，在控制器的作用下迅速跟踪上期望轨迹，同样的，图 3.2 中轨迹跟踪误差

在 80s 时也发生了一个突变，变为不等于零，在鲁棒控制器和自适应律的作用下误差迅
速收敛为零，图 3.4 中  的估计值也成功跟踪上其真实值。
这一仿真结果成功地验证了轮式移动机器人在发生侧向打滑时，在鲁棒控制器和自
适应律的作用下，可以成功地跟踪上期望轨迹，并且使跟踪误差迅速地收敛为零。在仿
真过程中令扰动  y 发生两次突变，通过仿真结果可以看出在控制器的作用下位姿误差都
迅速收敛为零，进一步验证了系统控制器的鲁棒性。并且在自适应律的作用下  的估计
值成功地跟踪上了其真实值，即通过控制器和自适应律系统可以成功地估计出侧滑扰动
 y 并能成功将其补偿掉，使系统能够成功跟踪上其期望轨迹，验证了该系统自适应律的
可行性和有效性。

3.2 基于滑模变结构的控制器设计
滑模变结构控制的基本思想是定义一个滑模面，滑模面上所有点的导数为零，选择
恰当的趋近律，从而设计控制器。在滑模变结构中，例如系统 x  f ( x) ， x  R n ，如图
3.5，有一个切换平面 s( x)  s( x1 , x2 ,, xn )  0 ，该切换平面将系统状态分为上下两部分
s  0 和 s  0 。切换面上的运动点分为三类，即通常点，起始点以及终止点。通常点如
点 A，即运动点穿越切换面而过；起始点如点 B，即运动点从两边离开切换面；终止点
如点 C，及运动点从两边趋近于切换面上的该点。
S>0

S=0
A
B

C
S<0

图 3.5 切换面上三种点
Fig.3.5 the characteris of three points of switching surface
滑模变结构控制中有四种典型的趋近律，即等速趋近律，如式（3.15）；指数趋近
律，如式（3.16）；幂次趋近律，如式（3.17）；一般趋近律，如式（3.18）
s   sgn(s)   0 （3.15）
s   sgn(s)  ks   0 ,k  0 （3.16）

- 22 -

万方数据
 大连理工大学专业学位硕士学位论文


s  k s sgn(s) k  0 , 1  0 （3.17）
s   sgn(s)  f (s)  0
（3.18）
其中，指数趋近律可以保证运动点在一定时间内到达滑模面，即相较于其他趋近律，具
有较好的收敛速度。

3.2.1 控制器设计

轮式移动机器人侧向打滑的运动学模型在第二章已给出，即：
e1  e2  r cos e3   
e    e   sin e   
 2  1 r 3 y

e3  r   
 （3.19）
定义普通滑模面为 s  e3 ，取滑模面 s 关于时间 t 的导数得：
s  r   （3.20）
采用指数趋近律 s  h2 sgn(s) ，其中， h2  0 。
通过普通滑模技术设计的控制器和自适应律则为：
e1e2
  h1e1  r cos e3  (r sin e3  ˆ y )
e12  
  r  h2 sgn( s) （3.21）
ˆ y   e2

e1e2 e
其中， h1  0 ，   0.001 ，由于  的数值非常小，则有  2。
e1   e1
2

稳定性分析，定义如下 Lyapunov 函数：

1 1 1 1
V  e12  e2 2  e32   y 2
2 2 2 2 （3.22）
其中  大于零。
将该 Lyapunov 函数对时间求导，则有：
1
V  e1e1  e2e2  ss   yˆ y

1
 r e1 cos e3   e1  r e2 sin e3  e2 y  e3r  e3  (ˆ y   y )ˆy
 （3.23）

- 23 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

将控制律和自适应律（3.22）代入上式，则可得：
V  h e 2  h s  0 1 1 2
（3.24）
根据 Lyapunov 稳定性定律和巴巴拉特引理可得知，在以上设计的控制器和自适应
律的作用下，系统位姿误差 e  e1 e2 e3  全局一致有界，并且有 lim[ e1  e2  e3 ]  0 ，
T

t 

即轮式移动机器人可以成功跟踪上理想轨迹。

3.2.2 仿真分析

为了验证该控制器和自适应律的可行性，在 MATLAB 软件中的 Simulink 模块进行

数值模拟和仿真分析。仿真时的系统相关控制参数设计如下： h1  3 ， h2  5 ，   1 。
仿真时设计系统跟踪一个圆轨迹，其圆形参考轨迹为： xr   cos(r t ) ， yr   sin(r t ) ，
r  r t ，   10 表示圆形参考轨迹的半径；圆形参考轨迹的参考速度为： r  1m / s ，
r  0.1rad / s ；并且定义系统的位姿初始误差为 e   0.95 1.6  /12 。
T

15 2
ex

0
10
-2
0 20 40 60 80 100 120
time(s)
5
2
ey

0
y,yd

-2
0 20 40 60 80 100 120
-5 time(s)
0.5
eph

-10 0

-0.5
-15 0 20 40 60 80 100 120
-15 -10 -5 0 5 10 15 time(s)
x,xd

图 3.6 轨迹跟踪曲线图 图 3.7 跟踪误差曲线图

Fig.3.6 The trajectory tracking curve Fig.3.7 The error curve of position trackin g

图 3.6 为轮式移动机器人在发生侧向打滑时，在普通滑模控制器的作用下的轨迹跟
踪曲线，图 3.7 为位姿跟踪误差曲线。和上一节用 Lyapunov 直接法设计的控制器仿真
一样，设计的侧滑扰动是从 40s 开始，在 0～40s 内，无侧滑扰动，即  y  0 ，可以从图
3.6 看到在 0～40s 内，轮式移动机器人可以成功跟踪上参考轨迹；并且在图 3.7 中可以
观察到，0～40s 内无侧滑扰[3]动时，其横向误差 e1 ，纵向误差 e2 和角度误差 e3 都可以迅

- 24 -

万方数据
 大连理工大学专业学位硕士学位论文

速收敛为零。而在 40s 时，加入侧滑扰动  y ，在 40～80s 内， y 都不为零，可以观察到

图 3.6，在 40s 时轮式移动机器人因为受到侧滑扰动的原因真实轨迹突然发生一个偏移，
偏离了参考轨迹，但在鲁棒控制器的作用下，又跟踪上了参考轨迹；在图 3.7 中同样可
以观察到，在 40s 时，横向误差 e1 、纵向误差 e2 以及角度误差 e3 都会发生一个突变，变
为不为零，同样的，在系统设计的滑模控制器的作用下，这三个误差都成功收敛为零。
在 80s 时，此时撤掉侧滑扰动  y ，使  y  0 ，观察图 3.6 可以发现，在 80s 时，轮式移
动机器人的轨迹发生了一个突变，偏离了参考轨迹，在系统鲁棒控制器和自适应律的作
用下，成功跟踪上参考轨迹；同样的，在图 3.7 中，三个位姿误差在 80s 时也发生了一
个突变，通过控制器的控制作用，其跟踪误差收敛为零。
4 1.4

1.2
3
1

0.8
2
gama and gama1

0.6
wR

1 0.4

0.2
0
0

-0.2
-1
-0.4

-2 -0.6
0 20 40 60 80 100 120 0 20 40 60 80 100 120
time(s) t

图 3.8 左右轮的角速度 图 3.9  y 的估计值和真实值

Fig.3.8 angular velocity of left and right wheels Fig.3.9 Estimate value and true value of y
图 3.8 和 3.9 分别表示轮式移动机器人的左右轮的角速度和侧滑扰动  y 的估计值和
真实值，可以观察发现，在图 3.9 中，曲线分为 3 段，即 0～40s 这段时间内，设计扰动
的真实值  y  0 ，在这段时间内可以观察发现估计值通过自适应律的作用通过大概 20s
的震荡调整在 20s 时  y 的估计值跟踪上其真实值；第二段是在 40～80s 内，在 40s 时，
给系统加入一个侧滑扰动，此时  y 不为零，可以观察发现此时的估计值偏离了真实值，
但通过 40～60s 这一段时间的调整，在系统鲁棒控制器和自适应律的作用下，其估计值
成功跟踪上了真实值，即系统可以成功估计出侧滑扰动；在 80s 时，撤掉侧滑扰动，侧
滑扰动  y 发生一个突变，突变为零，可以观察到图 3.9 中，其估计值也发生一个突变，
偏离了真实值曲线，通过 80～100s 的调整，在系统的控制作用下，成功跟踪上了侧滑
扰动的真实值。通过这一仿真结果表明，在设计的普通滑模控制器和自适应律的作用下，

- 25 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

轮式移动机器人遇到侧向打滑的情况时，依然可以跟踪上理想轨迹。仿真结果充分说明，
普通滑模控制方法在解决侧滑问题上非常有效，可以成功估计出侧滑扰动，并且将这一
扰动补偿掉，从而使轮式移动机器人的跟踪误差迅速收敛为零，也迅速跟踪上其理想轨
迹。

3.3 本章小结
本章主要是针对轮式移动机器人遇到侧向打滑的问题时，如何设计控制器使得轮式
移动机器人实现轨迹跟踪控制。解决这一问题的关键思想就是将侧滑问题视为在轮式移
动机器人的理想运动学模型上加入一个侧滑扰动，然后设计控制器和参数自适应律估计
出这一扰动，并且将其补偿掉。本章分别使用了两种控制方法，一种是 Lyapunov 直接
法一种是普通滑模控制方法，这两种控制方法各有优缺点：Lyapunov 直接法的优点是
简单易懂，但是在本章中的计算量较大；而滑模控制方法的优点是计算量较小，但是会
产生抖振的问题，所以必须用双曲正切函数 tanh() 来代替鲁棒控制器中的符号函数
sgn() 。本章通过两种不同的控制方法设计的控制器的仿真结果来看，Lyapunov 直接法
设计的控制器的收敛效果更好，在此控制器和自适应律的作用下，侧滑扰动估计值跟踪
上其真实值的速度更快，从而三个位姿误差 e1 、e2 和 e3 也能更快地收敛为零。总而言之，
本章通过设计系统的鲁棒控制器和参数自适应律成功地解决了轮式移动机器人侧滑这
一问题，使得轮式移动机器人能够在发生侧向滑移时也能迅速调整位姿，成功跟踪上期
望轨迹。

- 26 -

万方数据
 大连理工大学专业学位硕士学位论文

4 纵向打滑情况下的轨迹跟踪控制

第三章主要探讨分析了轮式移动机器人发生侧向滑移时的轨迹跟踪控制问题，轮式
移动机器人在行驶过程中，不仅会发生侧向打滑的现象，还会发生纵向打滑。本章主要
分析如何在机器人发生纵向打滑时设计控制器使轮式移动机器人能够成功地跟踪上期
望轨迹。当轮式移动机器人发生纵向打滑时，即滑移率不为零，如何成功地估计出滑移
率并且将这一扰动补偿掉是本章的一个难点。本章分别从运动学和动力学的角度来分析
纵向打滑的系统模型，并且分别设计出控制器[45]。其中，基于运动学模型的控制器设计
主要运用 Lyapunov 直接法，Lyapunov 直接法的优点在第三章已阐述，在此不再赘述；
基于动力学模型的的控制器设计主要是采用基于 RBF 神经网络技术的滑模控制方法，
RBF 神经网络技术具有万能逼近特性，能以任意精度逼近任意连续函数，可以运用此技
术成功估计出未知扰动项，从而设计出控制器[46]。

4.1 基于运动学层面的纵向打滑情况下的轨迹跟踪控制
本小节是基于轮式移动机器人运动学模型来设计系统的鲁棒控制器和参数自适应
律，使用的控制算法是 Lyapunov 直接法，Lyapunov 直接法的原理和优点在第三章已经
阐述，在这里不再赘述。

4.1.1 控制器设计
第二章已给出轮式移动机器人在理想状态下的运动学模型，即：
e1  e2  r cos e3   
e    e   sin e 
 2  1 r 3 
e3  r   
（4.1）
当轮式移动机器人遇到纵向打滑的情况时,此时轮式移动机器人的非完整约束被破
坏,左右两轮的滑移率不为零,定义左右两轮的滑移率分别为 il 和 ir ，其公式如下：
rl  l
il 
max(rl ,l )
rr  r
ir 
max(rr ,r ) （4.2）
其中 r 为车轮半径，l 和 r 分别为左右两轮的角速度，而 l 和  r 分别为左右两轮打

滑时的真实线速度。在轨迹跟踪控制过程中,    为辅助控制输入,而 l r  为实际

T T

控制输入。两者之间的关系为:

- 27 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

 r (1  il )l  r (1  ir )r 
  
 2  l 
    r (1  i )  r (1  i )   T  
   l l r r   r
 2b 
（4.3）
其中， T 是非奇异的。
 1  il 1  ir 
 2 2 
T r 
  1  il 1  ir 
 2b 2b  （4.4）
由于 T 是非奇异的，则可求其逆阵得：
 1 b 
 
l  1   1  1  il 1  il   
   T    r  1 
 r   b   
1  i 1  ir 
 r
（4.5）
由于左右轮的滑移率是未知的，所以无法通过辅助控制输入来得到实际控制输入，
需要设计自适应更新律来实时在线估计 il 和 ir 。设 iˆl 和 iˆr 分别为 il 和 ir 的估计值，则有：
 1 b 

l  1  1  iˆl 1  iˆl   

   r  1 b   
 r
1  iˆ 1  iˆr 
 r
（4.6）
1 1
为了更方便的计算，设  k  , k  l , r ；定义 ˆk 为  k 的估计值，则 ˆk  , k  l, r ，
1  ik 1  iˆk
定义 k  ˆk   k ，则上式可简化为：
l  1  ˆl bˆl   
   ˆ bˆr   
 r r  r （4.7）
通过以上公式的推导则纵向打滑情况下的运动学模型为：

- 28 -

万方数据
 大连理工大学专业学位硕士学位论文

 l  l e1 e1  r  r e1 e1

e2  (  ) (  )  r sin e3
l b 2 r b 2
   e  e    r e1 e1
e2  l l ( 1  1 )  r (  )  r sin e3 （4.8）
l b 2 r b 2
       r  
e3  r  l l (  )  r (  )
l b 2 r b 2
选取一个 Lyapunov 函数：
1 1 1  cos e3  2  2
V (t )  e12  e2 2   l  r
2 2 2 2 1 l 2 2 r
（4.9）
其中 2  0 ，1  0 ，2  0 。设滑移率左右轮滑移率  l ， r 是慢时变的，则 l  ˆl ，r  ˆr 。
对 V (t ) 取对时间 t 的导数，即可得：
e sin e3  l l  r r
V (t )  e1e1  e2e2  3  
2 1 l  2 r
sin e3
 e1r cos e3  e1  e2r sin e3  (r   )
2
L ˆL e1 e1b sin e3    ˆ e  e b sin e3  
 [    (  )]  R [ R  1  1  (  )]
 L 1 2 4 2 b 2  R 1 2 4 2 b 2 （4.10）
针对这一纵向滑转设计的控制器为：
  r cos e3  1e1
（4.11）
  r  2r e2  3 sin e3
其中， 1  0 ， 3  0 。而参数  l 和  r 的自适应律的设计为：
e1 e1b sin e3  
ˆl  1[   (  )]
2 4 k2 b 2
（4.12）
e  e b sin e3  
ˆr   2 [ 1  1  (  )]
2 4 k2 b 2
稳定性分析如下，将控制器和参数自适应律代入到上式中，可得：

V (t )  1e12  3 sin 2 e3  0
2 （4.13）
可知 V (t ) 的一阶导小于零，则证明 V (t ) 为单调非递增函数，则 V (t ) 有界，那么 e1 ，

e2 ，l ，r 也有界，假设轮式移动机器人的参考速度  r 和 r 有界，则 e  e1 e2 e3  也

T

有界。

- 29 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

取 V (t ) 对时间 t 的二阶导，得：
2
V(t )  21e1e1  3 e3 sin e3 cos e3
2 （4.14）
显然可知 V(t ) 有界，则 V (t ) 是一致连续的，由巴巴拉特引理可知当 t   时，
V (t )  0 ，则由式（4.13）可知有 e1  0 ， e3  0 。
由上式（4.10）和式（4.11）可知：
e3  2r e2 3 sin e3 （4.15）

对 e3 求二阶导，可得：
e3  2r e2 3e3 cos e3 （4.16）
由上式推导可得 e2 ， e3 ，  r 是有界的，则由式（4.16）得知 e3 有界，则 e3 是连续的，由
巴巴拉特引理可得知 t   时，有 e3  0 ，即有 e2  0 。则有 lim[ e1  e2  e3 ]  0 ，即
t 

在控制器和参数自适应律的作用下，轮式移动机器人即使在发生纵向打滑的情况下也可
以成功跟踪上理想轨迹。

4.1.2 仿真分析
本小节的仿真分析在 MATLAB 中的 Simulink 模块中进行，为了验证轮式移动机器
人有一个良好的转向行驶性能，仿真时使轮式移动机器人跟踪一个圆轨迹， 圆形参考
轨迹为 xr   cos(r t ) ， yr   sin(r t ) ， r  r t ，其中   10 为圆型参考轨迹的半径，
圆形参考轨迹的速度为 r  1m / s ， r  0.1m / s 。并且仿真的参数设计为 1  2  2 ，

1  5 ， 2  3 ， 3  2 。初始位姿误差设计为 e   0.95 1.6  /12 。

T

图 4.1 为轮式移动机器人在遇到纵向打滑情况时的轨迹跟踪曲线，图 4.2 为其航向

角跟踪曲线，图 4.3 为轮式移动机器人在发生纵向滑转时的位姿误差曲线，图 4.4 为其
左右两轮的滑移率跟踪曲线。从仿真结果可以看出，在 0～40s 内，设计左右两轮的滑
移率 il  ir  0 ，即滑动参数  l   r  1 ，此时轮式移动机器人在理想状态下行驶，不发生
纵向打滑，从图 4.3 中可以看出，其位姿跟踪误差在经过短暂的调整之后迅速收敛为 0，
从图 4.4 中可以观察出，左右两轮的滑移率估计值成功跟踪上其真实值，都为零；在 40s
时，设计左右两轮的滑移率不为零，滑动参数  l  2 ，  r  3 ，即此时轮式移动机器人发
生纵向打滑，从图 4.3 可以观察出，轮式移动机器人的三个位姿误差 e1 、e2 和 e3 都在 40s

- 30 -

万方数据
 大连理工大学专业学位硕士学位论文

15 12

10
10

8
5

ph and phd
y,yd

0
4

-5
2

-10
0

-15 -2
-15 -10 -5 0 5 10 15 0 20 40 60 80 100 120
x,xd t

图 4.1 轨迹跟踪曲线图 图 4.2 偏航角跟踪曲线图

Fig.4.1 The trajectory tracking curve Fig.4.2 The tracking curve of yaw angle
1 6
ex

0 4
al and al1

-1 2
0 20 40 60 80 100 120
time(s) 0
0.5
-2
0 20 40 60 80 100 120
ey

0
time(s)

-0.5 4
0 20 40 60 80 100 120
time(s) 3
ar and ar1

0.5
2
eph

0
1
-0.5
0 20 40 60 80 100 120 0
time(s) 0 20 40 60 80 100 120
time(s)

图 4.3 位姿跟踪误差曲线图 图 4.4 滑移参数跟踪曲线图

Fig.4.3 The error curve of position tracking Fig.4.4 The tracking curve of slip parameter

时发生了一个突变，但在系统鲁棒控制器和参数自适应律的调整下迅速收敛为零。同样
的，观察图 4.4，系统设计的左右两轮的滑动参数在 40s 时分别从 0 突变为 2 和 3，此时
滑动参数的估计值偏离了其真实值，但在控制器的作用下，在发生短时间的偏离后迅速
跟踪上其真实值，从图 4.1 可以看出，在 40～80s 这段时间内，轮式移动机器人都受到
纵向滑转的干扰，但是在系统的控制作用下只是在干扰发生的一瞬间会偏离理想轨迹，
通过迅速的调整，后续可以成功跟踪上理想轨迹。在 80s 时，设计左右两轮的滑移率
il  ir  0 ，即滑动参数  l   r  1 ，即撤掉轮式移动机器人纵向滑转这一扰动，从图 4.4
可以看出，左右两轮的滑动参数在 80s 时发生了一个突变，滑动参数的估计值会发生一
个波动后跟踪上其真实值，即在控制器和自适应律的作用下通过一个调整能迅速跟踪上

- 31 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

其真实值，表明系统可以成功估计出左右两轮的滑移率。从图 4.3 可以看出，在撤掉纵

向滑转扰动的一瞬间，轮式移动机器人的三个位姿跟踪误差在 80s 时发生一个突变，变
为不为零，但是在控制器和自适应律的作用下，三个位姿误差 e1 、 e2 和 e3 可以迅速收敛
为零。从仿真结果来看，本节设计的控制器和自适应律具有很好的鲁棒性，在系统遇到
突变扰动时，可以迅速估计出扰动参数，并且利用控制器和自适应律将其补偿掉，从而
使得系统的位姿误差迅速收敛为零。即本节设计的控制器对轮式移动机器人遇到纵向打
滑的情况时具有很好的控制效果。轮式移动机器人在发生纵向打滑时，通过设计的鲁棒
控制器和参数自适应律可以通过一个短暂的动态调整迅速跟踪上理想轨迹。

4.2 基于动力学层面的纵向打滑情况下轨迹跟踪控制
轮式移动机器人在非结构化路面行驶时，会遇到纵向滑转的情况，此时轮式移动机
器人的左右两轮会受到纵向滑转摩擦扰动[47]。上一节已经阐述了轮式移动机器人在遇到
纵向滑转时如何基于其运动学层面设计控制器，本节将阐述轮式移动机器人如何基于动
力学层面设计控制器从而实现轨迹跟踪控制[48]。
本节中基于动力学层面的轨迹跟踪控制器的设计应用了 RBF 神经网络技术，径向
基函数（radial basis function，RBF）神经网络是一种具有单隐层的三层前馈网络，其模
仿了人脑中的相互覆盖的神经网络结构，则 RBF 神经网络还是一种局部逼近网络，并
且已经得证其具有万能逼近特性[49]。RBF 神经网络是三层前向网络，如图 4.5 所示，分
为输入层、隐含层和输出层，其中输入到输出的映射是非线性的，然而隐含层到输出层
是线性的，从而加快逼近速度以及避免局部极小的问题。
在 RBF 网络结构中， X   x1 x2  xn  为网络的输入向量，设 RBF 网络的径向基向
T

量 H   h1h2  hm  ，其中：
T

2
X  cj
h j  exp( ) j  1 , 2
, m, （4.17）
2b j 2

- 32 -

万方数据
 大连理工大学专业学位硕士学位论文

h1

x1
w1

w2
x2 h2

ym

w3

x3

h3
i

图 4.5 RBF 神经网络结构

Fig.4.5 RBF neural network structure

其 中 网 络 第 j 个 结 点 的 中 心 向 量 为 c j  c j1c j 2 c jn  ， 网 络 的 基 宽 向 量 为

B  b1b2 bm  ，相应的网络的权向量为 W   w1w2  wm 

T T

则 RBF 网络的输出为：
ym (t )  W T h( x)
（4.18）
 w1h1  w2 h2    wm hm

4.2.1 控制器的设计
首先建立轮式移动机器人遇到纵向滑转时的动力学模型，如图 4.5，为轮式移动机
器人发生纵向打滑时的轮地摩擦示意图。

τ
驱动力

ᶹ
FN

Fs 路面

图 4.5 WMR 轮地摩擦模型

Fig.4.5 The friction model of wheel and ground

- 33 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

其中  为轮子的驱动力矩， Fs 为纵向滑移干扰力， FN 为路面对轮式移动机器人的

支持力， 为轮式移动机器人的前向速度。定义轮式移动机器人的车体质量为 M ，车轮
质量为 m ，车轮半径为 r ，车轮的转动惯量为 J ，则车轮转动惯量可表示为 J  mr 2 。则
通过物理公式推导可得轮地摩擦模型为：
J  =  Fs r （4.19）
其中  表示车轮角速度，并且纵向滑移干扰力 Fs 可表示如下：


 Fs   FN

   C1 (1  e 2 )  C3i
C i
（4.20）
 M
 FN  (m  ) g
 2
其中  表示地面附着数， g 为重力加速度， C1 、 C2 以及 C3 为摩擦曲线系数，并且随着
路面状况以及车轮轮胎的改变而改变[44]。
滑移率 i 表示如下：
r  
i （4.21）
max(r , )
则纵向滑转干扰矩阵 Fs   Fs1 Fs 2  可表示如下:
T

  C2i M 
[C1 (1  e )  C3i ](m  2 ) g 
Fs   
[C (1  eC2i )  C i](m  M ) g 
 2 
1 3
（4.22）
设  d  Fs r ，由于滑移率 i 为未知的，则  d 为未知扰动项，动力学模型化简为：
J      d
（4.23）
其中 J  diag ([mr 2 mr 2 ]) ，   [l r ]T ，   [ l  r ]T ，  d  [ dl  dr ]T 。
定义新的状态变量   l r  ，其中  l 、  r 分别代表左右两轮的转角，则系统可重新
T

表示如下：
J     d
（4.24）

- 34 -

万方数据
 大连理工大学专业学位硕士学位论文

为了实现控制目标，则定义系统左右轮的期望转角为 d  ld  rd ，相应地有

T

d  d   ld  rd ，则系统的跟踪误差状态变量为 e  e1 e2     d ，相应地有

T T

e    d    d ， e    d     d 。

下面利用普通滑模技术来设计控制器，系统的普通滑模面可定义如下：
s  e  Ke （4.25）
其中， K  diag (1  2 ) 为正定对称矩阵， 1  0 ，  2  0 ， s   s1 s2  。
T

取滑模面 s 关于时间 t 的导数可得：

s  e  Ke
    d  Ke
（4.26）
 J 1 (   d )   d  Ke
由第三章中关于普通滑模的介绍可得知，指数趋近律既能保证快速趋近同时又能削
弱 抖 振 ， 具 有 较 好 的 性 能 ， 所 以 这 里 选 用 指 数 趋 近 律 s   H w s  H v sgn(s) ， 其 中
H w  diag ( hw1 hw2 ) 和 H v  diag ( hv1 hv 2 ) 均为正定矩阵； hw1 、 hw 2 、 hv1 、 hv 2 均为正
的设计参数。则经过推导，可得系统的鲁棒控制器为：
   d  J [ H w s  Hv sgn(s)   d  Ke] （4.27）
稳定性分析，定义如下正定的 Lyapunov 函数：
1 T
V s s
2 （4.28）
对 V 求导可得：
V  sT s
 sT (e  Ke)
 sT (   d  Ke)
 sT  J 1 (   d )   d  Ke 
（4.29）

将控制律代入上式，则可得：
V  sT H w s  sT H v sgn(s)
（4.30）

- 35 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

由于 H w  diag ( hw1 hw2 ) 和 H v  diag ( hv1 hv 2 ) 均为正定矩阵，因此 V  0 ，则根

据 Lyapunov 稳定性定理以及 LaSalle 不变性定理得知，系统是渐进稳定的，即系统的
的误差收敛为零，即 lim e  lim e  0 。
t  t 

由控制器（4.24）可以看出，摩擦干扰项  d 为不确定项，所以以上设计的控制器不
能直接在仿真实验中应用。那么，为了提高控制系统的可行性和有效性，可以设计一个
基于扰动慢时变特性的自适应律，从而能够来在线估计和补偿不确定干扰项，为了应用
自适应律来估计干扰项，定义干扰估计如下：
 ˆ  Cˆ 2i ˆ i](m+ M ) g 
 r[C 1 (1  e )  C3 
2
ˆd   
 r[Cˆ (1  eCˆ2i )  C ˆ i](m+ ) g 
M
 1 3
2  （4.31）

其中 Ci (i  1, 2,3) 为摩擦干扰系数的估计值，则相应的估计误差可以定义如下：
  C 2i  M 
 r[C1 (1  e )  C3i ](m  2 ) g 
d   d  ˆd   
 r[C (1  eC2i )  C i ](m  M ) g 
 2 
1 3
（4.32）
其中 Ci (i  1, 2,3) 为摩擦干扰系数的估计误差。考虑到摩擦干扰的慢时变特性，有
d  ˆd ，即 d  0 ，则控制器的形式可变为：
  ˆd  J [ H w s  Hv sgn(s)   d  Ke] （4.33）
其中，摩擦干扰不确定项的 RBF 自适应律为：
ˆ  Wˆ T h( x) d
 （4.34）
Wˆ   Nh( x) sT
其中，Ŵ 为网络权值 W 的估计值，那么相应的估计误差为 W  W  Wˆ ，因为该摩擦扰动
 
是慢时变的，则有 W  0 ，即 W  Wˆ ， N  N T  diag ( N1 N2 ) 为正定的自适应增益矩
阵。
稳定性分析如下，定义一个如下的 Lyapunov 函数：
1 T 1
V s Js  tr (W T N 1W )
2 2 （4.35）

- 36 -

万方数据
 大连理工大学专业学位硕士学位论文

对其求导则可得：

V  sT Js  tr (W T N 1W )
 sT J ( J 1 (   d )   d  Ke)  tr (W T N 1W )

 sT (   d  J d  JKe)  tr (W T N 1W ) （4.36）

将控制律（4.30）和自适应律（4.31）代入上式，则可得：

V  sT ( H w s  H v sgn(s)  ˆd   d )  tr (W T NW )
 1Wˆ )
  sT H w s  sT H v sgn( s )  sTd  tr (WN

  sT H w s  sT H v sgn( s )  tr (W T h( x) sT  W T J 1Wˆ )
  sT H w s  sT H v sgn( s )  0 （4.37）
根据 Lyapunov 稳定性定理和 LaSalle 不变集定理可知，系统在鲁棒控制器和 RBF 自适
应律的作用下是渐进稳定的，即跟踪误差 lim e  lim e  0 。
t  t 

4.2.2 仿真分析
本节将采用数值模拟的方法验证其鲁棒控制器和自适应律对系统的控制作用，在
MATLAB 中 的 Simulink 模 块 中 进 行 仿 真 分 析 。 设 计 左 右 两 轮 的 参 考 角 速 度 为
ld  rd  2rad / s ，设计转角的初始误差为 e  0 0 ，系统的控制参数和物理参数设
T

计如表 4.1 所示。

表 4.1 轮式移动机器人控制系统相关参数
Tab.4.1 Relevant parameters of control system of WMR
WMR 摩擦模型 数值
m  3, R  0.25, d  0.1, r  0.3, I  5, g  9.8
物理参数（在 40s 时加入车轮打滑
C1  0, C2  0, C3  0 (t  40)
干扰）
C1  1.2, C2  25, C3  0.5 (40  t  80)
hw1  hw2  20, hv1  hv 2  20, b  10, 1  2  3  2
控制参数  1.5 1 0.5 0 0.5 1 1.5 N1  2500* eye(7)
cn   ,
 1.5 1 0.5 0 0.5 1 1.5 N 2  500* eye(7)

- 37 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

6
40
tao1
4
w1 and wd1

30 tao1d

tao1,tao1d
2
20

0
10

-2 0
0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
time(s) t
6 30
tao2
4
w2 and wd2

tao2d

tao2,tao2d
20
2

10
0

-2 0
0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
time(s) t

图 4.6 左右轮角速度跟踪曲线 图 4.7 神经网络干扰逼近曲线

Fig.4.6 The tracking curve of wheels’ angular velocity Fig.4.7 Disturbance estimate of RBF
0.5

0
i1

-0.5
0 10 20 30 40 50 60 70 80
t

0.5

0
i2

-0.5

-1
0 10 20 30 40 50 60 70 80
t

图 4.8 左右轮滑移率
Fig.4.8 The slip rate of left and right wheel

图 4.6 为轮式移动机器人的角速度跟踪曲线图，图 4.7 为 RBF 神经网络干扰逼近曲

线，图 4.8 为左右轮的滑移率曲线。系统在跟踪左右轮的角速度时，在 t  40s 时加入一
个摩擦扰动，从图 4.6 可以看出，在 t  40s 时，左右轮的角速度发生了一个突变，但在
系统设计的鲁棒控制器的作用下成功跟踪上参考角速度。图 4.7 表示 RBF 神经网络干扰
逼近曲线，在 t  40s 时加入摩擦扰动，在 40s 时摩擦扰动的估计值偏离其真实值，在系
统的控制作用下经过短时间的调整，迅速跟踪上其真实值。图 4.8 是左右轮的滑移率曲
线，同样的，在 40s 时因为加入摩擦扰动，滑移率突变成不为零，在系统控制器的调整
下，滑移率最终为零。该仿真结果表明，利用 RBF 神经网络技术可以成功的估计出轮
地摩擦扰动，并且将其补偿掉，从而使轮式移动机器人遇到纵向打滑时通过控制系统的

- 38 -

万方数据
 大连理工大学专业学位硕士学位论文

实时调整能够成功跟踪上参考角速度，并且左右轮的滑移率在系统的调整作用下，可以
迅速的趋于零，从而解决了轮式移动机器人轨迹跟踪过程中的纵向打滑问题。

4.3 本章小结
本章主要阐述了轮式移动机器人在遇到纵向打滑的情况下如何设计控制器从而实
现轨迹跟踪控制。分别从两个层面来设计控制器，首先基于运动学层面设计控制器和滑
动参数自适应律，建立轮式移动机器人纵向打滑的运动学模型，然后利用 Lyapunov 直
接法设计系统的鲁棒控制器和滑动参数的自适应律，并且应用 Lyapunov 稳定性定理和
巴巴拉特引理证明其稳定性，最后进行仿真分析，成功地验证了设计的控制器和自适应
律对纵向打滑系统具有很好的控制效果，当系统加入摩擦扰动时，系统可以迅速地估计
出滑动参数，从而补偿掉该摩擦扰动，从而使系统的跟踪误差快速收敛为零，即达到轨
迹跟踪的效果[50]。其次，基于动力学层面设计控制器，建立轮式移动机器人车轮和地面
的轮地摩擦模型，该模型中的摩擦扰动是未知的，则要设计出控制器必须先估计出系统
中的摩擦扰动，本章中利用了 RBF 神经网络技术的万能逼近特性，成功估计出摩擦扰
动，并且将其补偿掉，最终设计出控制器。同样的，其稳定性验证也是应用的 Lyapunov
稳定性定理和 LaSalle 不变性定理，最后进行仿真分析，仿真结果表明，当系统加入摩
擦扰动时，系统能够快速的估计出摩擦扰动并将其补偿掉，从而使得左右轮滑移率在遇
到摩擦扰动的一瞬间会发生突变，但通过控制器的作用能够快速地变为零，左右轮的角
速度经过短暂的突变也能迅速地跟踪上参考轨迹。本章无论是从运动学层面还是从动力
学层面，都验证了及时轮式移动机器人遇到纵向打滑的情况，通过设计的控制器的作用，
也能快速地跟踪上期望轨迹和期望速度，从而实现轨迹跟踪和速度跟踪控制。

- 39 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

5 分层协调控制

本章主要是在结合轮式移动机器人运动学以及动力学模型的基础上，如何实现轨迹
跟踪控制的问题，提出一个双闭环控制结构。外环实现位姿跟踪，使用 Lyapunov 直接
法来设计外环运动学控制器；内环实现速度跟踪，综合比较普通滑模技术与终端滑模技
术的收敛特性，并设计相应的鲁棒控制器。在复杂的非线性系统中运用普通滑模技术来
设计控制器可以使控制系统具有很好的鲁棒性，并且运用普通滑模技术的控制系统具有
很好的抗干扰能力和参数灵敏度；而终端滑模控制技术具有很好的有限时间收敛特性，
可以使系统的跟踪误差在有限时间内快速收敛为零。本节采用的双闭环控制结构，在内
环实现系统的速度跟踪控制，在外环实现系统的位姿跟踪控制。

5.1 双闭环控制结构
双闭环控制结构是分别采用两个反馈来实现外环位姿内环速度的控制，在整个控制
结构中，外环实现轮式移动机器人的位姿跟踪，内环实现轮式移动机器人的速度跟踪。
虽然系统的外环和内环分别控制不同的部分，但两者在控制过程中有相互影响，则在系
统初始值给定的情况下，经过系统内部的反馈调整可以实现轮式移动机器人的轨迹跟踪
控制。

5.1.1 内环控制器设计
在第二章中得到 WMR 系统模型如下：
M (q)v  E (q) （5.1）
以上模型是基于轮式移动机器人的速度，为了能够对轮式移动机器人的位置进行实
时跟踪，定义一个新的状态变量 z   xv   ，其中， xv 代表轮式移动机器人的前向位
T

移，  代表系统的航向角。那么系统（5.1）可表示如下：
z u
D(q) （5.2）
其中， D(q)  diag([m ( J  md 2 ) / R]) 为惯性质量矩阵； u  u1 u2  为新定义的控
T

制输入 u1  ( l   r ) / r ， u2  ( l   r ) / r 。

定义系统期望轨迹为 zd   xvd d  ，则相应的有 zd  vd  d d  ，则系统的位

T T

姿误差变量为 e  e1 e2   z  zd ，则相应的有 e  z  zd  v  vd ， e  

T
z  
zd  v  vd 。

- 40 -

万方数据
 大连理工大学专业学位硕士学位论文

首先，使用普通滑模技术来设计内环控制器，普通滑模技术的特点在第三章已给出，
这里不再赘述，系统（5.2）的普通滑模面可定义如下：
s  e  Ke （5.3）
其中 K  diag ([1  2 ]) 为正定对称矩阵， s   s1 s2  。
T

取滑模面 s 关于时间的导数得：
s  e  Ke
 v  vd  Ke
 D(q) 1 u  vd  Ke
（5.4）

采用指数趋近律 s   Kw s  Kv sgn(s) ，其中 Kw  diag ([kw1 kw2 ]) 和

Kv  diag ([kv1 kv 2 ]) 为正定矩阵， k w1 、 k w 2 、 kv1 、 kv 2 均为正的设计参数。经过一系列
的推导，可以得到系统的鲁棒控制器为：
u  D(q)[ Kw s  Kv sgn(s)  vd  Ke] （5.5）
稳定性分析如下，定义如下正定的 Lyapunov 函数：
1 T
V1  s s
2 （5.6）
对 V1 求导，可得：
V1  sT s
 sT (e  Ke)
 sT (v  vd  Ke)
 sT ( D(q ) 1 u  vd  Ke) （5.7）
将控制律（5.5）代入（5.7），可得
V1  sT K w s  sT Kv sgn(s)
（5.8）
由于 Kw  diag ([kw1 kw2 ]) 和 Kv  diag ([kv1 kv 2 ]) 都是正定矩阵，则有 V1  0 。根据
Lyapunov 稳定性定理以及巴巴拉特引理可以得出在控制律（5.5）作用下，系统（5.2）
是渐进稳定的，并且位姿跟踪误差会收敛为零，即有 lim e  lim e  0 。
t  t 

终端滑模面的建立方法通常是在普通滑模面的基础上引进一个分数阶项，从而提高
系统状态在接近终端滑模面时的收敛速度。

- 41 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

引理 5.1[51]：为使一阶系统： x  u 能够在有限时间内全局收敛，设计下列非光滑控
制器：
u  ksig  ( x) （5.9）

其中， sig  ( x)  sgn( x) x ， 0    1 ， k  0 ， sgn(s) 是符号函数。
将控制器（5.9）带入以上的一阶系统中则可得到如下公式：
x  ksig  ( x) （5.10）
通过简单的积分运算可以得到系统（5.10）的解为
1
 1
1
x(0)
sgn(x(0))( x(0)  k (1   )t ) , 0  t 
1

 (1   )k
x(t )   1
 x(0)
 0 ,t 
 (1   )k
（5.11）
根据以上引理（5.1），则可以定义系统终端滑模面如下
s  e  E ， E  sig  (e) （5.12）
其中，   diag ([ 1  2 ]) 为正定对称矩阵， s   s3 s4  ，   diag ([a1 a2 ]) ，并且有
T

0  1  1 ， 0   2  1 。
取滑模面 s 关于时间 t 的导数可得：
s  e  sig  (e)
 v  vd  sig  (e)
 D(q) 1 u  vd  sig  (e)
（5.13）

由于在第三章中阐述了指数趋近律更具有优势，所以这里采用指数趋近律
s  Tw s  Tv sgn(s) ，其中，Tw  diag ([tw1 tw2 ]) 和 Tv  diag ([tv1 tv 2 ]) 均为正定矩阵，t w1 、
tw 2 、 tv1 、 tv 2 为正的设计参数。通过计算推导，可以得到系统的鲁棒控制器为：
u  D(q)[Tw s  Tv sgn(s)  vd  sig  (e)]
（5.14）
根据式（5.13）经过简单的积分可以得到系统（5.2）的收敛时间为：
1 1 T
 t   e1 (0) 1 e2 (0) 2 
ts      
t   1 (1  1 )  2 (1   2 ) 
（5.15）

- 42 -

万方数据
 大连理工大学专业学位硕士学位论文

稳定性证明如下，定义一个正定的 Lyapunov 函数：

1 T
V2  s s
2 （5.16）
很明显，有 V2  0 ，对 V2 求导，则可得：
V2  sT s
 sT (v  vd  sig  (e))
 sT ( D(q) 1 u  vd  sig  (e))
（5.17）
将控制律（5.14）代入式（5.17），则可得：
V2  sT Tw s  sT Tv sgn(s) （5.18）
由于 Tw  diag ([tw1 tw2 ]) 和 Tv  diag ([tv1 tv 2 ]) 都是正 定矩阵 ，则有 V2  0 。根据
Lyapunov 稳定性定理和巴巴拉特引理，可知系统（5.2）是渐进稳定的，并且在控制律
（5.13）的作用下，系统的位姿跟踪误差收敛为零，并且有 lim e  lim e  0 。
t  t 

5.1.2 外环控制器的设计

本小节主要是要分析比较内环普通滑模和终端滑模的控制优缺点，则外环使用无侧
滑扰动的轮式移动机器人运动学模型（2.4）：
e1  e2  r cos e3   
e    e   sin e 
 2  1 r 3 
e3  r   
其中 e1 ， e2 ， e3 分别为轮式移动机器人运动的横向位姿误差，纵向位姿误差以及角
度误差， 和  代表轮式移动机器人的前向速度和转向速度， r 和 r 分别代表轮式移动
机器人的参考前向速度和参考转向速度。
运用 Lyapunov 直接法设计外环控制器为：
  r cos e3  k1e1
（5.19）
  r  k2r e2  k3 sin e3
稳定性分析如下，设计一个正定的 Lyapunov 函数：
1 1  cos e3
V  (e12  e2 2 )  （5.20）
2 k2
其中， k2  0 ，使 V 对时间 t 求导，得：

- 43 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

sin e3
V  e1e1  e2e2 
k2
（5.21）
sin e3
 r e1 cos e3   e1  r e2 sin e3  (r   )
k2
将控制律（5.19）代入，得：
k
V  k1e12  3 sin 2 e3  0 （5.22）
k2
根据 Lyapunov 稳定性定理以及巴巴拉特引理可得系统是渐进稳定的，即位姿误差
e1 、 e2 、 e3 可以收敛为零，轮式移动机器人可以跟踪上其参考轨迹。

5.2 仿真分析
本节使用数值 模拟的方 式进行验 证以上设计 的控制器 对系统的 控 制作用，在
MATLAB/Simulink 模块中进行仿真。为了验证轮式移动机器人具有良好的转向性能，
设计轮式移动机器人跟踪一个圆： xr   cos(r t ) ， yr   sin(r t ) ，r  r t ，   1 表示
圆形参考轨迹的半径；圆形参考轨迹的参考速度为： r  1m / s ， r  1rad / s ；并且定

义系统的位姿初始误差为 e   0.35 0.1  /12 。

T

1.5 0.5
x,y
ex

x r,y r 0
1
-0.5
0 5 10 15 20 25 30 35 40 45 50
time(s)
0.5
0.5
ey

0
y,y r

-0.5
0 5 10 15 20 25 30 35 40 45 50
-0.5 time(s)
0.5

-1
e

-0.5
-1.5 0 5 10 15 20 25 30 35 40 45 50
-1.5 -1 -0.5 0 0.5 1 1.5 time(s)
x,x r

图 5.1 轨迹跟踪曲线图 图 5.2 位姿误差曲线图

Fig.5.1 The trajectory tracking curve Fig.5.2 The error curve of position tracking

- 44 -

万方数据
 大连理工大学专业学位硕士学位论文

0.1
1.5
v(t) 0
vd(t)
1
v and vd

ev
-0.1

0.5 -0.2

-0.3
0 0 5 10 15 20 25 30 35 40 45 50
0 5 10 15 20 25 30 35 40 45 50
time(s)
time(s)
1
2
(t)
1.5 d(t) 0
w and wd

e
1
-1
0.5

0 -2
0 5 10 15 20 25 30 35 40 45 50 0 5 10 15 20 25 30 35 40 45 50
time(s) time(s)

图 5.3 速度跟踪曲线 图 5.4 速度误差跟踪曲线

Fig.5.3 The speed tracking curve Fig.5.4 The error curve of speed tracking
图 5.1 为轮式移动机器人圆轨迹跟踪曲线，图 5.2 为其位姿误差跟踪曲线，图 5.3
为速度跟踪曲线，图 5.4 为速度误差跟踪曲线。很明显，由于终端滑模中加入了分数阶，
所以利用终端滑模设计的控制器使得系统的误差收敛速度更快，仿真结果也表明了这一
点。

5.3 本章小结
本章提出了双闭环控制结构，即外环为运动学控制，实现位姿跟踪；内环为动力学
控制，实现速度跟踪。双闭环控制结构的优点是使得整个控制系统的反馈调整更加及时，
从而使得外环位姿误差和内环速度误差收敛速度更快。并且本章还比较分析了普通滑模
技术和终端滑模技术，通过稳定性证明和仿真分析得出终端滑模技术比普通滑模技术具
有更好更快的收敛特性，从而最终内环决定使用终端滑模技术。

- 45 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

结 论

本文以轮式移动机器人为研究对象，围绕着轮式移动机器人发生纵向滑转和侧向
滑移的问题展开了一系列的控制方法研究问题，主要内容如下所述：
1.建立轮式移动机器人侧向滑移的运动学模型，分别使用 Lyapunov 直接法和普通
滑模控制方法设计控制律和参数自适应律，并且进行稳定性分析证明在设计的控制律
和参数自适应律的作用下闭环系统是渐进稳定的。然后利用 MATLAB 对系统进行仿真
分析，比较两种控制方法的误差收敛效果，最终得出用 Lyapunov 直接法设计的控制器
具有更好的收敛效果，对侧滑扰动的估计和补偿更加迅速，从而能更快更准确地实现
轨迹跟踪控制。
2.建立轮式移动机器人纵向滑转的运动学模型，在该运动学模型中引入滑动参数，
然后使用 Lyapunov 直接法设计出系统的鲁棒控制器和滑动参数自适应律，并且证明系
统的稳定性，最终用 MATLAB 仿真得出在该控制律的作用下，滑动参数的估计值可以
很快地跟踪上其真实值，从而使得系统能够迅速地补偿掉纵向滑转干扰，使得位姿误差
收敛为零。
3.建立轮式移动机器人轮地摩擦模型，应用滑模控制方法设计出系统控制器，由于
控制器中存在位置摩擦扰动项，则利用 RBF 神经网络技术的万能逼近特性估计出该摩
擦扰动项，从而得出控制器，并且将该摩擦扰动补偿掉。最终通过仿真验证该设计的
控制器和自适应律的有效性和可行性，可以很快地跟踪上左右两轮的参考角速度，并且
速度误差即使在发生突变时也可以很快地收敛为零。
4.提出双闭环控制结构，外环实现位姿跟踪，内环实现速度跟踪。并且在内环分别
使用普通滑模技术和终端滑模技术来设计控制器，通过仿真来比较两者的控制效果，仿
真结果表明终端滑模相较于普通滑模有更好的收敛特性。

本文对轮式移动机器人的滑转滑移问题的研究进行了初步的探讨，现提出有待进一
步完善的两点意见如下：
1.本文只单独考虑滑转和滑移的情况，并没有将两者嵌套起来形成滑转滑移的双闭
环结构。因此，以后可以进一步讨论当既发生滑转又发生滑移时，轨迹跟踪控制器该
如何设计。
2.本文的轮地摩擦模型只考虑了纵向打滑时的摩擦干扰，并没有考虑侧向滑移时地
面给轮子的干扰。该问题有待进一步解决并且搭建实验平台验证。

- 46 -

万方数据
 大连理工大学专业学位硕士学位论文

参考文献
[1] 毛建, 韩洁, 张宁. 车辆自动驾驶的轨迹跟踪研究. 公路交通科技:应用技术版[J].
2008,(12): 195-198.
[2] 曹政才, 赵应涛, 付宜利. 车式移动机器人轨迹跟踪控制方法. 电子学报[J].
2012,40(4): 632-635.
[3] 陈罡, 高婷婷, 贾庆伟, 等. 带有未知参数和有界干扰的移动机器人轨迹跟踪控制. 控制
理论与应用[J]. 2015,32(4): 491-496.
[4] 安聪. 两轮自平衡车轨迹跟踪控制关键技术研究大连理工大学, 2016.
[5] 康博. 工业机器人轨迹跟踪控制算法研究华南理工大学, 2012.
[6] 张茜. 智能车辆的轨迹跟踪控制方法研究哈尔滨工业大学, 2015.
[7] Yoshida K., Sekikawa M., Hosomi K. Nonlinear analysis on purely mechanical
stabilization of a wheeled inverted pendulum on a slope. Nonlinear Dynamics[J].
2016,83(1-2): 905-917.
[8] Wu D., Zhang Q., Reid J. F. Adaptive steering controller using a Kalman estimator
for wheel-type agricultural tractors. Robotica[J]. 2001,19(5): 527-533.
[9] 陈鹏程. 轮式移动机器人轨迹跟踪控制研究江南大学, 2007.
[10] 沈猛. 轮式移动机器人导航控制与路径规划研究西北工业大学, 2006.
[11] 陈少斌. 自主移动机器人路径规划及轨迹跟踪的研究浙江大学电气工程学院 浙江大学,
2008.
[12] Furuichi H., Huang J., Fukuda T., et al. Switching Dynamic Modeling and Driving
Stability Analysis of Three-Wheeled Narrow Tilting Vehicle. IEEE/ASME Transactions
on Mechatronics[J]. 2014,19(4): 1309-1322.
[13] Kayacan E., Ramon H., Saeys W. Robust Trajectory Tracking Error Model-Based
Predictive Control for Unmanned Ground Vehicles. IEEE/ASME Transactions on
Mechatronics[J]. 2016,21(2): 806-814.
[14] 唐飞云. 自主导航车轨迹跟踪控制方法研究大连理工大学, 2012.
[15] Julio C. L. B. S., Conceicao A. G. S., Dorea C. E. T., et al. Design and
Implementation of Model-Predictive Control With Friction Compensation on an
Omnidirectional Mobile Robot. IEEE/ASME Transactions on Mechatronics[J].
2014,19(2): 467-476.
[16] Karkee M., Steward B. L. Study of the open and closed loop characteristics of a
tractor and a single axle towed implement system. Journal of Terramechanics[J].
2010,47(6): 379-393.
[17] Lane J., Cheok K. C., Agnew B. Introduction: Intelligent ground vehicle competition
(IGVC). Journal of Robotic Systems[J]. 2004,21(8): 401-403.
[18] 郭景华, 李克强, 罗禹贡. 智能车辆运动控制研究综述. 汽车安全与节能学报[J].

- 47 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

2016,7(2): 151-159.
[19] 杨涛. 移动机器人轨迹跟踪控制西安电子科技大学, 2014.
[20] 王振. 无人车运动控制系统设计与实现长安大学, 2016.
[21] 张鑫. 移动机器人导航中的轨迹跟踪与群集运动控制研究长安大学, 2012.
[22] 田聪玲. 基于反步法的四旋翼飞行器非线性控制哈尔滨工业大学, 2014.
[23] 张豫南, 王恒, 闫永宝, 等. 基于补偿控制的无人地面车辆轨迹跟踪方法. 计算机测量与
控制[J]. 2015,23(1): 258-261.
[24] Hebert M. H. Intelligent Unmanned Ground Vehicles: Autonomous Navigation Research
at Carnegie MellonKluwer Academic Publishers, 1997: 2E-7E.
[25] Yue M., Zhang Y., Tang F. Path following control of a two-wheeled surveillance
vehicle based on sliding mode technology. TRANSACTIONS- INSTITUTE OF MEASUREMENT
AND CONTROL[J]. 2013,35(35): 212-218.
[26] Lee H. H. A new approach for the anti-swing control of overhead cranes with
high-speed load hoisting. International Journal of Control[J]. 2003,76(15):
1493-1499.
[27] 龚建伟, 姜岩, 徐威. 无人驾驶车辆模型预测控制北京理工大学出版社, 2014.
[28] 刘金琨. 滑模变结构控制MATLAB仿真清华大学出版社, 2005.
[29] Kanayama Y., Kimura Y., Miyazaki F., et al. A stable tracking control method for
an autonomous mobile robot. IEEE International Conference on Robotics and
Automation, 1990. Proceedings1990.
[30] Guo J., Li K., Luo Y. Coordinated Control of Autonomous Four Wheel Drive Electric
Vehicles for Platooning and Trajectory Tracking Using a Hierarchical Architecture.
[J]. 2015.
[31] Yang Y., Du J., Guo C., et al. Trajectory tracking control of nonlinear full actuated
ship with disturbances. Soft Computing and Pattern Recognition2011.
[32] 岳明, 王爽, 张永顺. 双闭环策略下非完整轮式机器人鲁棒自适应运动/力协调控制(英
文). 控制理论与应用[J]. 2013,30(7): 801-807.
[33] 杨徐昕. 李雅普诺夫直接法的几何思想与应用. 湖南第一师范学院学报[J]. 2007,7(2):
165-167.
[34] 李世华, 田玉平. 移动小车的有限时间轨迹跟踪控制. 东南大学学报(自然科学版)[J].
2004,34(1): 113-116.
[35] Konaka E., Mutou T., Suzuki T. Parameter design of event‐driven logic controller
for two‐wheeled vehicle. Electrical Engineering in Japan[J]. 2008,162(2): 51-60.
[36] Yoo S. J. Adaptive tracking control for a class of wheeled mobile robots with unknown
skidding and slipping. Iet Control Theory & Applications[J]. 2010,4(10):
2109-2119.
[37] 梅新盛. 存在滑移和侧滑的轮式移动机器人轨迹跟踪. 工业控制计算机[J]. 2012,25(2):

- 48 -

万方数据
 大连理工大学专业学位硕士学位论文

48-49.
[38] Dong C., Wang S. Y., Chao T., et al. Finite-time stabilization-based trajectory
tracking under disturbances for entry vehicles. Guidance, Navigation and Control
Conference2014.
[39] 汪林久. 基于轮地摩擦补偿机制的无人地面车辆控制方法大连理工大学, 2016.
[40] An C. Disturbance Observer-Based Trajectory Tracking Control for Nonholonomic
Wheeled Mobile Robot Subject to Saturated Velocity Constraint. Applied Artificial
Intelligence[J]. 2014,28(8): 751-765.
[41] 秦秀娟, 马齐爽. 基于LyapunoV直接法的Buck电路大信号稳定性分析. 全国流体传动与控
制学术会议暨2008年中国航空学会液压与气动学术会议2008.
[42] 林剑琼, 卢泉. 基于Lyapunov直接法的静止无功发生器控制策略. 中南六省2011.
[43] 黄卫平, 谢运祥. 基于Lyapunov直接法控制的新型Boost功率因数校正开关变流器. 电器
与能效管理技术[J]. 2010,(4): 57-60.
[44] Wang Z. P., Yang W. R., Ding G. X. Sliding Mode Control for Trajectory Tracking
of Nonholonomic Wheeled Mobile Robots Based on Neural Dynamic Model. Intelligent
Systems2011.
[45] Dong C., Wang S. Y., Chao T., et al. Finite-time stabilization-based trajectory
tracking under disturbances for entry vehicles. Guidance, Navigation and Control
Conference2015.
[46] Jiang Z. P., Lefeber E., Nijmeijer H. Saturated stabilization and tracking of a
nonholonomic mobile robot ☆. Systems & Control Letters[J]. 2001,42(5): 327-332.
[47] Huang J., Wen C., Wang W., et al. Adaptive stabilization and tracking control of
a nonholonomic mobile robot with input saturation and disturbance. Systems &
Control Letters[J]. 2013,62(3): 234-241.
[48] Li X., Wang Z., Zhu J., et al. Adaptive tracking control for wheeled mobile robots
with unknown skidding. Control Applications2015.
[49] 刘金琨. RBF神经网络自适应控制MATLAB仿真清华大学出版社, 2014.
[50] Thorpe C., Hebert M., Kanade T., et al. The new generation system for the CMU
NavlabSpringer New York, 1992: 30-82.
[51] 李世华, 丁世宏, 都海波. 非光滑控制理论与应用科学出版社, 2013.

- 49 -

万方数据
 移动机器人轮滑力学模型与控制方法研究

攻读硕士学位期间发表学术论文情况

- 50 -

万方数据
 大连理工大学专业学位硕士学位论文

致 谢

随着本论文的最终完稿，我在大连理工大学的两年硕士研究生生涯也即将结束。这
两年的硕士研究生时光让我受益匪浅。首先，我要衷心地感谢我的导师岳明老师，给了
我的课题研究非常多的指点和鼓励，在此对岳明老师予以崇高的敬意！岳老师在这两年
的时间内，给我们提供了良好的学术氛围和科研平台，还教给了我们很多做人和为人处
世的道理，以勤恳、严谨的科研态度教会我们不管是在学习中工作中还是生活中都要务
实、勤奋踏实，积极乐观，让我受益终身，是我的榜样。
其次，我要感谢我的师兄师弟们，在科研期间，离不开师兄师弟们的鼓励和帮忙。
感谢杨路师兄、马腾师兄在学术上给我的指导；感谢侯小强和我一起讨论和解决科研上
的难题，感谢范明磊、贾瑞明师弟在论文修改上给我的帮助，感谢实验室所有同学在科
研上和学习上给我的帮助。最后特别感谢我的室友李琛和高岩在生活上对我的包容和照
顾，帮助了我渡过很多难关。
最后，特别感谢养育我和培养我的父母，是他们的支持和帮助我才能完成学业，全
身心地投入科研和学习，并且顺利完成学业。

- 51 -

万方数据
 大连理工大学硕士学位论文

大连理工大学学位论文版权使用授权书

本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间
论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有
权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将
本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、
缩印、或扫描等复制手段保存和汇编本学位论文。

学位论文题目：
作 者 签 名 ： 日期： 年 月 日
导 师 签 名 ： 日期： 年 月 日

万方数据