引用論文

Mingfan Xu, Ziyi Yang, Chuyan Xu, Kui Wang, Yu Zhang, Yechen Qin, Whole-body trajectory optimization for skid steer wheeled-legged vehicles, Chinese Journal of Mechanical Engineering, Volume 39, 2026, 100128, https://doi.org/10.1016/j.cjme.2026.100128.

(戳鏈接，下載全文)

關于文章

01

研究背景及目的

輪腿式車輛兼具輪式移動的高速性與腿式移動的地形適應性，在廢墟救援、行星探索等復雜地形場景中具有廣闊的應用潛力。但在傳統設計中，這類車輛普遍依賴冗余的髖關節外展-內收（HAA）機構，不僅導致機械結構復雜、能耗居高不下，在速差轉向控制環節也缺乏精準的動力學建模支撐。與此同時，現有控制方法仍存在明顯局限：模型預測控制（MPC）未能充分考慮車輪動力學特性，強化學習（RL）則受限于模擬與現實場景的轉換難題，這些因素共同制約了輪腿式車輛在復雜環境中的實際應用效果。

針對上述問題，本研究采用速差轉向輪腿式車輛平臺，構建了一套實時全身軌跡優化框架，實現輪式與腿式運動的統一動力學建模。該框架將滑移轉向機制與輪地交互動力學顯式整合，通過協同優化關節運動、輪轂扭矩及接觸力，有效提升車輛的運動效率與行駛穩定性。與傳統方案相比，該方法在保留高地形適應性的前提下，大幅降低了能耗，且能夠支持無感知條件下的魯棒控制，為輪腿式車輛的工程化應用提供了新路徑。

02

實驗方法

實驗平臺與控制系統

本研究基于自主開發的輪腿式車輛平臺LegoWheel開展實驗驗證，該平臺采用創新的無髖關節外展-內收（HAA）機構設計，每條腿集成3個高精度扭矩控制電機（分別驅動髖關節、膝關節和輪轂），構成12自由度的驅動系統。控制系統硬件采用Intel i9-14900高性能處理器，軟件架構融合多層級實時控制模塊：上層軌跡優化基于非線性模型預測控制（MPC）框架，通過OCS2求解器以100Hz頻率生成最優控制指令；底層動力學建模依托Pinocchio開源庫實現高精度剛體動力學計算，同時集成PV-LIO算法的狀態估計模塊（500Hz）提供全局定位與實時位姿校正，形成完整的感知-決策-控制閉環。

測試方法

實驗設計涵蓋運動性能、地形適應性和能量效率三類測試場景。運動性能測試包括線性/角速度跟蹤實驗，通過在標準摩擦系數（0.5）地面施加1-50Hz隨機速度指令，評估控制系統的動態響應能力。地形適應性測試構建三類典型復雜環境：樓梯攀爬實驗采用離線軌跡規劃與在線調整相結合的策略，重點驗證三維空間中的質心與車輪協同控制能力；溝壑跨越實驗通過動態調整質心高度和接觸力分布，測試系統對離散障礙的通過性；25°斜坡無感知通過實驗則考察控制器在缺乏環境先驗信息時的自主適應能力。能量效率測試采用對比實驗范式，在相同動力學參數下，分別測量傳統HAA架構與本方案在直線運動（1m/s勻速）和原地轉向（2.5rad/s角速度）工況下的關節扭矩需求，通過標準化實驗流程消除外部干擾因素影響。所有實驗均通過多組重復測試確保數據可靠性，并采用高精度慣性測量單元（IMU）和關節編碼器同步采集運動狀態數據。

03

結果

系統在1-50Hz全頻段指令下均保持穩定跟蹤，驗證了控制算法的魯棒性。樓梯攀爬實驗中，平臺成功跨越0.15 m（相當于輪徑）的臺階障礙。在具有挑戰性的25°斜坡無感知測試中，平臺展現出卓越的環境適應能力。平臺以0.3 m/s速度連續通過6.4 m斜坡路段時，最大滾轉角波動僅±0.053 rad。溝壑跨越測試進一步證實，通過動態質心調節算法，系統可安全跨越0.15 m溝壑，且全過程未出現輪轂卡滯現象。這些結果充分證明了所提方法在三維復雜地形中的實用性。

能效對比實驗產生具有說服力的數據支撐：在直線運動工況下，新架構實現HAA關節能耗100%消除，髖/膝關節扭矩需求分別降低169.9%和94.7%，整體系統能耗下降52.33%。原地轉向測試中，盡管滑移轉向導致髖關節扭矩增加67.9%，但系統仍實現43.22%的綜合能耗降低。步態直線行駛的分析數據揭示，站立模式較擺動模式可減少髖關節76.1%、膝關節48.0%的扭矩需求。

04

結論

本研究通過系統實驗，對速差轉向輪腿式車輛的軌跡優化控制算法進行了全面驗證。實驗結果顯示，所設計的控制器在速度跟蹤環節具備高精度控制性能，能夠穩定實現三維復雜地形下的平穩運動。尤其在樓梯攀爬場景中，系統的軌跡跟蹤表現尤為突出；與此同時，其直線運動狀態下的能耗，相比傳統方法有顯著降低。斜坡測試進一步證實，該系統在大傾角地形中可保持良好穩定性；溝壑跨越實驗則驗證了其順利通過輪徑級障礙的能力。此外，原地轉向工況下的能耗優化效果，也得到了實驗數據的充分支撐。

05

前景與應用

本研究驗證的全套運動與控制能力，使該輪腿系統具備明確的工程落地價值，可適配工業巡檢、災害救援、農田作業等復雜作業場景。針對內置樓梯、密集管道的復雜工業設施巡檢場景，本研究提出的接觸自適應轉向方案，在狹小受限空間內的作業性能顯著優于傳統側滑轉向類移動平臺；針對建筑坍塌、環境破碎的災害救援場景，系統可充分發揮輪式高效通行與腿式越障機動的復合優勢，順利完成應急搜救作業；針對地表崎嶇不規則的農田作業場景，系統搭載的無感知控制方案，可在非結構化地面持續保持行駛穩定，適配常態化田間作業需求。

立足本次研究的核心成果，后續工作將圍繞三個核心技術方向持續突破：結合強化學習方法進一步提升系統應對極端復雜工況的實時響應能力，開發魯棒性更強的狀態估計算法、降低系統對高精度感知設備的依賴，同時優化復雜地形下的轉向控制策略。通過上述技術優化進一步優化系統性能，全面提升輪腿式移動平臺在非結構化未知環境中的工程化適配能力與實際應用價值。

關于作者

01

作者介紹

秦也辰，北京理工大學教授，博導，振動與噪聲控制研究所所長，主持國家自然科學基金青年基金(B類)，先后入選全國博士后管委會“博士后創新人才計劃”以及中國汽車工程學會“青年人才托舉計劃”。主要開展智能車輛動力學控制方面研究，主持包括國家自然科學基金在內的國家級科研項目/課題10余項，發表學術論文100余篇，授權發明專利40余項，目前為中國汽車工程學會高級會員、IEEE高級會員；中國汽車工程學會懸架技術分會委員、中國自動化學會車輛控制與智能化專委會委員；擔任《IEEE Transactions on Vehicular Technology》副主編，《Chinese Journal of Mechanical Engineering》、《Automotive Innovation》青年編委等學術職務。

02

研究方向

圍繞智能車輛動力學控制開展研究，具體包括如下內容：

（1）分布式驅動車輛決策-規劃-控制一體化研究：高穩定性控制、局部動態路徑規劃、融合數據與模型的車輛動力學控制等。

（2）智能車輛先進懸架控制方法：融合感知與反饋的路面不平度特征識別、主動/半主動懸架協同控制、端到端振動控制等。

（3）具有輪/腿多運動模態的智能車輛智能控制方法：基于深度強化學習的車輛控制、多模態路徑規劃、狀態估計等。

03

近兩年團隊發表文章

[1] Zhang, Fuwei Wu, Yechen Qin*, Mingming Dong, Shaoyang Shi, Ke Chen, Crash-risk-aware Integrated Predictive Control in Emergency Conditions for Intelligent vehicles, IEEE Transactions on Control Systems Technology, 2026.

[2] Xuepeng Hu, Yu Zhang, Chengye Wang, Shi Shaoyang, Zhenfeng Wang*, Yechen Qin*，MCTP: A Multi-Coupled Dynamics Trajectory Planning Scheme for Autonomous Driving in Extreme Conditions， IEEE Transactions on Automation Science and Engineering, vol. 23, 2526 – 2538, 2026.

[3] Yechen Qin, Yiwei Huang, Wenhao Yu, Hong Wang*, ROITP: Road Obstacle-Involved Trajectory Planner for Autonomous Trucks, Chinese Journal of Mechanical Engineering, vol. 2025(38): 9. 2025.

[4] Mingfan Xu, Ziyi Yang, Chuyan Xu, Jing Zhao, Yechen Qin*. 4SWLR: A Switched System and Skid Steer Integrated Whole-Body Control Framework for Wheeled-Legged Robots. Journal of Field Robotics, 2026.

[5]Yechen Qin, Zhewei Zhu, Yunping Zhou, Guangyu Bai, Kui Wang, Tao Xu*, Bi-Level Optimization for Closed-Loop Model Reference Adaptive Vibration Control in Wheeled-Legged Multimode Vehicles, IEEE Transactions on Industrial Electronics, vol. 72(8): 8270-8278, 2025.

[6] Shaoyang Shi, Xiaoxi Nie, Yifei Han, Linyi Meng, Yu Zhang, Yechen Qin*, Resolution-adaptive elevation mapping based road surface preview method for intelligent vehicles. Measurement, vol. 272, 121066, 2026.

[7] Zhewei Zhu, Yunping Zhou, Guangyu Bai, Kui Wang, Chuyan Xu, Yechen Qin*. Novel Dual-Kalman-filter Based State Estimation Algorithm for Wheel-legged Multi-mode Autonomous Vehicle. Automotive Innovation. Vol. 2025(8): 949-926, 2025.

作 者：秦也辰

責任編輯：杜蔚杰

責任校對：向映姣

審 核：張 強

JME學院簡介

JME學院是由《機械工程學報》編輯部2018年創建，以關注、陪伴青年學者成長為宗旨，努力探索學術傳播服務新模式。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學院官方群！

歡迎關注JME學院視頻號~

尋覓合作伙伴

有一種合作叫做真誠，有一種發展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發展起來前景可觀。關于論文推薦、團隊介紹、圖書出版、學術直播、招聘信息、會議推廣等，請與我們聯系。

感謝關注我們！《機械工程學報》編輯部將努力為您打造一個有態度、有深度、有溫度的學術媒體！

版權聲明：

本文為《機械工程學報》編輯部原創內容，歡迎轉載！

在公眾號后臺留言需要轉載的文章題目及要轉載的公眾號ID以獲取授權!

聯系人：暖暖

電話：010-88379909

E-mail：jme@cmes.org

網 址：http://www.cjmenet.com.cn

官方微信號：jmewechat