越野特種運載平臺自平衡任務艙設計及其控制策略研究

江開航 皮大偉 阮劍鋒 范晶晶

摘 要：針對某越野特種運載平臺大幅度側傾及俯仰運動下機動性提升問題，提出了一種基于雙軸陀螺原理的自平衡任務艙系統結構設計方案以及基于該結構的控制方法。首先，采用Creo軟件完成自平衡任務艙系統的結構建模，結合路面模型及行駛系統在ADAMS/View中搭建運動模型，將任務艙三維模型分解映射為體現側傾和俯仰動力學的2個平面，形成側傾和俯仰動力學數學模型，設計實時修正任務艙姿態的自平衡控制策略;其次，綜合考慮不同類型路面對任務艙姿態的影響，設計基于載荷轉移率的控制閾值算法，明確自平衡控制算法的工作區間;最后，在MATLAB/Simulink環境中搭建Simulink-ADAMS自平衡控制聯合仿真模型，進行多種工況的虛擬試驗來驗證控制系統的有效性。結果表明，自平衡控制系統能夠有效、實時地修正任務艙的側傾角和俯仰角，降低越野特種運載平臺側傾及俯仰運動對于駕駛人員的影響程度。采用自平衡任務艙系統，突破了懸架的系統性能限制，提高了越野特種運載平臺對惡劣越野路面的適應能力，為自平衡控制算法的仿真驗證提供了模型基礎。

關鍵詞：車輛工程;特種運載平臺;自平衡任務艙;控制閾值;自平衡控制

中圖分類號：U463.81 ? 文獻標識碼：A ? doi：10.7535/hbkd.2020yx05002

Abstract：The structure design scheme and the control method of a self-balancing cockpit system based on the principle of dual-axis gyro were proposed to solve the problem of improving maneuverability of special carrier platform under large roll and pitch motions. First， the structural modeling of the self-balancing cockpit system was completed by Creo， and the movement model was built in ADAMS/View in combination with the road model and the driving system of the vehicle. The three-dimensional model of the cockpit was decomposed and mapped into two planes that embody the dynamics of roll and pitch， and the dynamic mathematical model was formed respectively. Then a self-balancing control strategy for real-time correction of the cockpit attitude was designed. Second， considering the influence of different types of roads on the attitude of the cockpit， a control threshold module based on the load transfer rate was designed to clarify the working range of the self-balancing control algorithm. Finally， the Simulink-ADAMS self-balancing control joint simulation model was built in MATLAB/Simulink environment， and the virtual tests under various working conditions were performed to verify the effectiveness of the control system. The results show that the self-balancing control system can effectively correct the roll angle and pitch angle of the cockpit in real time， and reduce the impact of the vehicle roll and pitch motion on the driver. The self-balancing cockpit system breaks through the performance limitations of the suspension system， and improves the adaptability of the off-road special carrier platform to harsh off-road road surface， which provides a model basis for the simulation verification of self-balancing control algorithm.

Keywords：vehicle engineering; special carrier platform; self-balancing cockpit; control threshold; self-balancing control

越野特種運載平臺是指在惡劣道路執行特殊任務（搜救、地形勘察和物資運輸等）擁有上裝作業機構的越野特種車輛。車輛高速行駛在不平路面時會產生側傾和俯仰運動，過大的側傾及俯仰運動會嚴重影響駕駛員的操縱能力，甚至引起駕駛員判斷失誤，使得車輛會因為駕駛員的身體或心理安全感的大幅下降無法發揮出車輛應有的越野機動性。因此，需要針對車身大幅度姿態變化設計自平衡任務艙系統，消除越野特種運載平臺側傾及俯仰運動對駕駛員操縱能力的影響。

越野車輛運動過程中車身姿態變化主要由路面不平度引起，具體表現在俯仰和側傾2個自由度上。

目前國內外學者針對車輛轉向過程中車輛的側傾姿態調整研究較多，主要有以下幾種控制方法：主動轉向[1]、驅動/制動力矩分配[2]、反側傾力矩[3-4]等。而針對由不平路面引起的車輛側傾運動的研究方向較為單一，只能通過主動或半主動懸架來控制[5-7]。HER等[5]和ZHU等[6]采用主動懸架降低路面不平對車身側傾姿態的影響;FERGANI等[7]采用半主動懸架抑制不平路面引起的車輛側傾運動。同樣的，對車輛俯仰姿態的修正也只能采用主動懸架實現[8-9]。文獻[8]設計主動懸架的變增益PID控制器控制車輛加減速時的俯仰運動。QAMAR等[9]采用半主動懸架隔離不平路面對車輛的影響，控制車輛俯仰姿態。

隨著變阻尼[10-12]和變結構[13-15]等其他主動懸架技術不斷得到應用，越野車輛在坑道、戈壁、山地和叢林等復雜地形下的快速突進機動能力不斷提高。高效可靠的懸架系統可以通過改善車身姿態來提高駕駛員在車內的操作穩定性和舒適性。但是，懸架系統性能的提升受到控制行程的限制，只能在一定程度上減小車身的側傾和俯仰，難以應對車輛發生更大幅度側傾及俯仰運動的惡劣行駛工況。

本文所設計的自平衡系統在車輛上幾乎沒有相關應用，但是在移動機器人行業已經擁有大量的研究成果。自平衡機器人主要分為2種：兩輪自平衡機器人[16-17]和單球自平衡機器人[18-20]。

兩輪自平衡機器人由車體和車輪2部分組成，機器人可以沿電機軸心轉動，通過姿態傳感器檢測機器人姿態，判斷其是否處于傾斜狀態，驅動電機轉動，使機器人保持平衡姿態[17]。單球自平衡機器人利用萬向輪與底部支撐球體的摩擦產生驅動力，實現機器人的自平衡、自旋以及全方位移動[19]。目前，針對單球驅動機器人所提出的控制方法將三維模型分解映射到3個平面，不考慮平面間的耦合關系，對3個平面系統分別建立動力學模型與設計控制器[20]。

為了提高某越野特種運載平臺對大幅度側傾及俯仰惡劣行駛工況的適應能力，本文提出了一種自平衡任務艙系統結構設計方案以及基于該結構的控制方法，以充分發揮越野特種運載平臺對惡劣越野路面的適應能力。

1 ADAMS/MATLAB聯合仿真模型

1.1 ADAMS/MATLAB聯合仿真模型的建立

越野特種運載平臺的自平衡系統如圖1所示。該自平衡系統采用類似雙軸陀螺原理設計自平衡任務艙體，具有俯仰方向上的旋轉自由度。任務艙承載體為任務艙提供側傾方向上的旋轉自由度。任務艙與任務艙承載體之間，以及任務艙承載體與車身之間均使用軸承連接。其中控制電機和蝸輪蝸桿傳動機構相關參數如表1所示。

將CREO中自平衡系統三維模型導入ADAMS/View后，不參與相對運動的零件對于平臺的運動與控制沒有影響，進行簡化處理，其余部件根據結構實際連接方式建立各零件間的連接關系和運動關系，添加相應的約束和載荷。導入行駛機構與路面后得到ADAMS/View自平衡越野特種運載平臺模型。

ADAMS/View中ADAMS/Control工具能夠導出一個可在MATLAB中運行的m文件，在MATLAB中運行此m文件得到與ADAMS/View結構模型等價的MATLAB/Simulink模塊，這個模塊包含了所建立的自平衡越野特種運載平臺結構模型的信息參數，并且有數據輸入、輸出接口。

1.2 模型驗證

根據ADAMS/View自平衡運載平臺結構模型參數在Carsim中建立相對應的車輛模型，設置轉向工況，車速為10 m/s，B級路面附著系數為0.8，仿真時間為5 s，仿真步長為0.01 s，模型驗證見圖2。

在相同車速和路徑情況下，兩者仿真結果存在一定程度的差異，主要表現在發生轉向后2 s內的車輛狀態響應上。從圖2 b）可知，ADAMS/View車輛模型的橫擺角速度的超調量比Carsim車輛模型高出約243°/s，并且這兩者橫擺角速度的峰值時間也相差約0.5 s。這說明ADAMS/View車輛模型存在一定的響應滯后，這一點在圖2 a）路徑中的縱向位移前20 m區域中也有所體現。

總體而言，在相同工況下，ADAMS/View車輛模型與Carsim車輛模型橫擺角速度的響應趨勢相同，且穩態值接近，存在的誤差均在允許范圍內，所建立的ADAMS/View車輛模型可以用于進一步研究。

2 任務艙自平衡控制系統設計

自平衡控制算法工作原理如圖3所示，主要包括3個模塊：控制閾值計算模塊、自平衡控制模塊和執行電機模塊。首先ADAMS/View車輛輪胎作用力為自平衡車自平衡控制算法的控制閾值計算模塊提供4個輪胎的垂向力。控制閾值計算模塊根據4個輪胎的垂向力分析計算得出控制閾值Flag。控制閾值Flag將作為自平衡控制模塊的工作開關，當Flag=0時自平衡控制不工作，電機不會對任務艙產生作用力;當Flag=1時自平衡控制工作，電機實時修正任務艙姿態。自平衡控制模塊結合任務艙的動力學數學模型采用滑模算法計算出任務艙姿態的修正扭矩T*。最后，由電機控制器控制電機驅動蝸輪蝸桿傳動機構，實時修正任務艙姿態。

2.1 基于LTR的自平衡控制閾值模塊

圖3控制閾值模塊中的控制閾值Flag的計算分析如圖4所示。

圖4以側傾姿態控制閾值計算為例，主要分為2個部分，分別為車輛側傾穩定性指標橫向載荷轉移率LTR（lateral-load transfer ratio）計算和針對輪胎垂向力自身的分析判斷。車輛側傾穩定性指標側向載荷轉移率LTR是車輛運動過程中衡量側翻臨界點的數值，定義為左右兩側車輪垂向載荷之差與之和的比值[21]：LTR=Fzl-FzrFzl+Fzr，式中：Fzl為左側輪胎垂向載荷;Fzr為右側輪胎垂向載荷。

LTR的取值區間是[-1，1]。當LTR=0時，左右側車輪載荷相等，車輛不會發生側翻;當LTR=±1時，車輛一側車輪載荷為零，將會發生側翻。因此可以確定側翻臨界值LTR*=k·LTRmax，其中k為安全系數，LTRmax=±1。當|LTR|>|LTR*|時，Flag1=1，否則Flag1=0。

但是，LTR的極限值±1僅能表征單側車輪載荷為零，無法體現2個以上或非同側輪胎載荷為零時的情況。比如當4個輪胎的載荷都為零時，LTR計算公式的分母為零，無法計算。因此，控制閾值模塊中還引入了分別對4個輪胎載荷直接評價的步驟，與LTR分析結合，共同決定控制閾值模塊的輸出。

輪胎載荷直接評價具體是指當4個輪胎中只要有一個為0即輸出Flag2=1，否則輸出Flag2=0。最后將所述2種評價指標相結合：當Flag1+Flag2>0時，Flag=1，否則Flag=0。即當以上所述的2種評價指標中只要有一個符合控制要求，自平衡控制模塊就開始工作。

自平衡任務艙系統的俯仰姿態控制閾值與側傾姿態控制閾值計算方法類似，主要區別在于載荷轉移率的計算方式不同，側傾姿態控制閾值模塊采用的是側向載荷轉移率LTR;俯仰姿態控制閾值模塊采用的是縱向載荷轉移率LTR′（longitudinal-load transfer ratio）：LTR′=Fzf-FzrFzf+Fzr，式中：Fzf為前輪胎垂向載荷;Fzr為后輪胎垂向載荷。

2.2 基于滑模算法的自平衡控制

自平衡控制算法設計以任務艙體為研究目標，將任務艙模型分解映射到2個平面，分別建立任務艙體側傾和俯仰方向的動力學數學模型，采用滑模控制算法計算出任務艙體這2個自由度的修正扭矩。

同理，自平衡車任務艙的側傾方向作用力分析如圖6所示，Ci為任務艙側傾中心，CG為任務艙質心位置，兩者距離為hrc。以順時針方向為正，建立自平衡任務艙側傾動力學數學模型：Ix=mjjayhrc-mjjghrcφ ， 式中：Ix=1 150 kg·m2，表示任務艙繞縱軸轉動慣量;φ表示任務艙側傾角;mjj=774.38 kg，表示任務艙與任務艙載體及電機等質量之和;ay表示橫向加速度;hrc=0.074 m。

與任務艙俯仰方向滑模控制算法相同，計算得出滑模控制輸出如下：T*r=Ix[c22+ε2sat（s2Φ2）+K2s2]-mjjayhrc+mjjghrcφ，式中：e2=φd-φ;s2=c2e2+2;Φ2為邊界厚度。

3 自平衡控制算法仿真驗證

針對所設計的自平衡控制算法，設定2種不同的行駛工況，驗證設計算法的正確性與控制效果，分別在良好B級25°坡道路面上和在惡劣G級路面上加速行駛。路面模型如圖7、圖8所示。良好B級25°坡道路面用來驗證自平衡控制算法的任務艙低頻大角度修正能力，惡劣G級路面用來驗證自平衡控制算法的任務艙高頻小角度修正能力，這兩者的主要區別在于任務艙系統側傾和俯仰角度的變化頻率和變化范圍不同。

3.1 任務艙低頻大角度修正

在所創建的坡道上，自平衡車在2 s時開始進入坡道，其后2 s自平衡車位于坡道上時任務艙的俯仰角會發生很大變化，如圖9所示，在4 s時，未進行自平衡控制的任務艙的俯仰角達到了最大值0.55 rad，約為31.5°。但是，在自平衡控制算法工作時，自平衡車任務艙的俯仰角得到了快速有效修正，最大值不超過0.11 rad，約為63°，改善了80%，證明所設計的自平衡控制算法的效果十分明顯，擁有低頻大角度修正能力。

圖10給出了自平衡控制算法在進行俯仰角修正的過程中計算出的任務艙所需的修正扭矩，可以看出，自平衡控制算法在前2 s就開始對任務艙進行修正，這是由于自平衡車在起步過程中存在一定的縱向加速度，導致車身后傾，在1 s之前自平衡車的俯仰角在小于0（車身前傾俯仰角為正）的區域波動。后續在自平衡車通過坡道過程中，最大修正扭矩為-283.06 N·m。

3.2 任務艙高頻小角度修正

自平衡車設計主要針對的是惡劣越野道路下的行駛工況，因此為了驗證自平衡車在惡劣環境下的控制效果，還需要對自平衡車在惡劣G級路面行駛過程中的姿態調節進行仿真驗證。仿真工況為0～5 s持續直線加速至40 km/h。

圖11給出了自平衡控制工作和未控制狀態下的縱向車速曲線，可以看出兩者差別不大，但是在5 s時都未能夠達到目標車速40 km/h（即約11.1 m/s）。路面環境非常惡劣的G級路面的最大高程差達到200 mm，給自平衡車的前進造成了很大的縱向阻力，同時導致縱向車速頻繁波動。

自平衡車任務艙的俯仰角曲線如圖12所示，可以明顯看出所設計的自平衡控制算法可以很好地應對任務艙高頻小角度修正。在有控制的情況下，任務艙俯仰角絕對值最大達到0.035 rad，比未控制下的最大值降低了0032 rad。總體上施加自平衡控制的俯仰角絕對值的平均值為0.008 3 rad，而未控制的任務艙俯仰角絕對值的平均值為0.019 2 rad，所設計的自平衡控制算法可以有效地將任務艙俯仰角與目標值0 rad的偏差縮小56.8%。

與此同時，自平衡控制算法的控制效果同樣表現在自平衡車的側傾角曲線中，如圖13所示。在有控制的情況下，任務艙側傾角絕對值最大達到0.044 rad，而未控制下的最大值則達到了0.074 3 rad，降低了40.8%。總體上施加自平衡控制的側傾角絕對值的平均值為 0.018 7 rad，而未控制的任務艙側傾角絕對值的平均值為0.026 1 rad，所設計的自平衡控制算法可以有效地將任務艙側傾角往目標值0 rad處靠近。

最后分別給出了俯仰和側傾2個方向上的修正扭矩曲線，如圖14、圖15所示。自平衡控制算法在俯仰方向給出的修正扭矩范圍為-261.7～154.2 N·m，在側傾方向給出的修正扭矩范圍為-185.1～158.5 N·m。

4 結 論

1）設計了某越野特種運載平臺任務艙的自平衡系統，在CREO中完成其三維結構建模，經過適當簡化導入ADAMS/View中，通過結合不同類型的路面模型，為自平衡控制算法的仿真驗證提供了模型基礎。

2）所提出的自平衡控制算法依據運載平臺行駛過程中輪胎垂向力的變化來判斷當前路況，保證了自平衡控制算法能夠在恰當的時機對任務艙姿態進行修正，實現了在25°坡道路面和在惡劣G級路面行駛過程中任務艙俯仰角和側傾角修正能力，說明所設計的自平衡控制算法針對任務艙俯仰角和側傾角在低頻大角度和高頻小角度兩種不同變化模式下的控制效果十分明顯。

3）對于某越野特種運載平臺任務艙姿態修正未進行翻車等更加惡劣工況下的仿真驗證，下一步擬進行試驗平臺搭建，完成自平衡控制算法的優化與驗證;此外，在自平衡任務艙系統的控制過程中未考慮執行機構的響應速度問題，未來將著重提高自平衡控制算法的實時性和準確性，降低執行機構響應特性的影響。

參考文獻/References：

[1] ISLAM M， HA C. Road vehicle rollover avoidance using active steering controller[C]//IEEE 2011 14th International Conference on Computer and Information Technology（ICCIT）. [S.l.]：[s.n.]， 2011：298-302.

[2] KANG J， YOO J， YI K. Driving control algorithm for maneuverability， lateral stability， and rollover prevention of 4WD electric vehicles with independently driven front and rear wheels[J]. IEEE Transactions on Vehicular Technology， 2011， 60（7）：2987-3001.

[3] BINDER M K， KHAJEPOUR A. Optimal control allocation for coordinated suspension control[C]//Proceedings of the American Control Conference.[S.l.]：[s.n.]， 2014：2126-2131.

[4] YAN Mingshuai， PI Dawei， LI Yulong， et al. The design of anti-roll moment distribution for dual-channel active stabilizer bar system[C]//Chinese Control and Decision Conference（CCDC）. Shenyang： IEEE， 2018： 6301-6308.

[5] HER H， SUH J， YI K. Integrated control of the differential braking， the suspension damping force and the active roll moment for improvement in the agility and the stability[J]. Proceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering， 2015， 229（9）：1145-1157.

[6] ZHU Sangzhi， WANG Lifu， ZHANG Nong， et al. H∞ control of a novel low-cost roll-plane active hydraulically interconnected suspension： An experimental investigation of roll control under ground excitation[J]. SAE International Journal of Passenger Cars-Mechanical Systems， 2013， 6（2）：882-893.

[7] FERGANI S， SENAME O， DUGARD L. A LPV/H∞， fault tolerant control of vehicle roll dynamics under semi-active damper malfunction[C]//American Control Conference-acc. [S.l.]：IEEE， 2014：4482-4487.

[8] AHMAD F B，HUDHA K，JAMALUDDIN H.Gain scheduling PID control with pitch moment rejection for reducing vehicle dive and squat[J]. International Journal of Vehicle Safety， 2009， 4（1）：45-83.

[9] QAMAR S， KHALID U， QURESHI M B. Vehicle suspension control using recurrent neurofuzzy wavelet network[J]. Vehicle Engineering， 2015， 3：6.

[10] CHEN Chao， LIAO Weihsin. A self-sensing magnetorheological damper with power generation[J]. Smart Materials and Structures， 2012， 21（2）： 1-14.

[11] 張逸昆. 基于磁流變阻尼器的車輛半主動懸架系統控制研究[D]. 哈爾濱：哈爾濱工業大學， 2018.

ZHANG Yikun. Research on Control Method of Semi-Active Vehicle Suspension System Based on Magnetorheological Damper[D]. Harbin： Harbin Institute of Technology， 2018.

[12] RODRGUEZ-LPEZ J，ELVIRA L，MONTERO DE ESPINOSA FREIJO F，et al.Measuring the yield stress in magnetorheological fluids using ultrasounds[J]. Applied Physics Letters， 2013， 102（8）： 1-15.

[13] ZHANG Baozhen， KHAJEPOUR A， GOODARZI A. Vehicle yaw stability control using active rear steering： Development and experimental validation[J]. Proceedings of the Institution of Mechanical Engineers Part K-Journal of Multi-Body Dynamics， 2017， 231（2）： 333-345.

[14] CHENG Gang， WANG Weidong， ZHAO Guoqun， et al. Influence of camber angle on rolling radial tire under braking state[J]. Procedia Engineering， 2011，15： 4310-4315.

[15] FARD M，JAZAR R N，VO D. Kinematics of a steering tyre with adjustable caster[J]. International Journal of Vehicle Design， 2017， 74（2）： 134-152.

[16] ALMESHAL A M， GOHER K M， TOKHI M O. Dynamic modelling and stabilization of a new configuration of two-wheeled machines[J]. Robotics & Autonomous Systems， 2013， 61（5）：443-472.

[17] 喬林. 兩輪自平衡機器人控制策略研究[D]. 哈爾濱：哈爾濱工程大學， 2019.

QIAO Lin. Research on Control Strategy of Two-Wheeled Self-Balancing Robot[D]. Harbin： Harbin Engineering University， 2019.

[18] BONCI A， PIRANI M， ROSSI M， et al. Embedded system for a ballbot robot[C]//International Workshop on Intelligent Solutions in Embedded Systems. [S.l.]： IEEE，2015：157-161.

[19] 余義. 單球驅動自平衡機器人位姿解算與控制系統研究[D]. 武漢：武漢科技大學， 2019.

YU Yi. Research of Pose Estimation Algorithm and Control System for the Self-Balancing Robot Driven by a Single Ball[D]. Wuhan： Wuhan University of Science and Technology， 2019.

[20] 廖丹. 單球驅動機器人的建模與控制研究[D]. 成都：西南交通大學， 2018.

LIAO Dan. Research on Modeling and Control of Robot Driven by a Single Ball[D]. Chengdu： Southwest Jiaotong University， 2018.

[21] GOLDMAN R W， EL-GINDY M， KULAKOWSKI B T. Rollover dynamics of road vehicles： literature survey[J]. International Journal of Heavy Vehicle Systems， 2001， 8（2）：103-141.

[22] 孔振興. 電機式主動穩定桿系統設計與研究[D]. 南京：南京理工大學， 2017.

KONG Zhenxing. Design and Research of Electric Active Stabilizer System[D]. Nanjing： Nanjing University of Science and Technology， 2017.