北京理工大学秦也辰教授：速差转向轮腿式车辆全身轨迹优化控制研究| CJME论文推荐

引用论文

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.

(戳链接，下载全文)

关于文章

01

研究背景及目的

轮腿式车辆兼具轮式移动的高速性与腿式移动的地形适应性，在废墟救援、行星探索等复杂地形场景中具有广阔的应用潜力。但在传统设计中，这类车辆普遍依赖冗余的髋关节外展-内收（HAA）机构，不仅导致机械结构复杂、能耗居高不下，在速差转向控制环节也缺乏精准的动力学建模支撑。与此同时，现有控制方法仍存在明显局限：模型预测控制（MPC）未能充分考虑车轮动力学特性，强化学习（RL）则受限于模拟与现实场景的转换难题，这些因素共同制约了轮腿式车辆在复杂环境中的实际应用效果。

针对上述问题，本研究采用速差转向轮腿式车辆平台，构建了一套实时全身轨迹优化框架，实现轮式与腿式运动的统一动力学建模。该框架将滑移转向机制与轮地交互动力学显式整合，通过协同优化关节运动、轮毂扭矩及接触力，有效提升车辆的运动效率与行驶稳定性。与传统方案相比，该方法在保留高地形适应性的前提下，大幅降低了能耗，且能够支持无感知条件下的鲁棒控制，为轮腿式车辆的工程化应用提供了新路径。

02

实验方法

实验平台与控制系统

本研究基于自主开发的轮腿式车辆平台LegoWheel开展实验验证，该平台采用创新的无髋关节外展-内收（HAA）机构设计，每条腿集成3个高精度扭矩控制电机（分别驱动髋关节、膝关节和轮毂），构成12自由度的驱动系统。控制系统硬件采用Intel i9-14900高性能处理器，软件架构融合多层级实时控制模块：上层轨迹优化基于非线性模型预测控制（MPC）框架，通过OCS2求解器以100Hz频率生成最优控制指令；底层动力学建模依托Pinocchio开源库实现高精度刚体动力学计算，同时集成PV-LIO算法的状态估计模块（500Hz）提供全局定位与实时位姿校正，形成完整的感知-决策-控制闭环。

测试方法

实验设计涵盖运动性能、地形适应性和能量效率三类测试场景。运动性能测试包括线性/角速度跟踪实验，通过在标准摩擦系数（0.5）地面施加1-50Hz随机速度指令，评估控制系统的动态响应能力。地形适应性测试构建三类典型复杂环境：楼梯攀爬实验采用离线轨迹规划与在线调整相结合的策略，重点验证三维空间中的质心与车轮协同控制能力；沟壑跨越实验通过动态调整质心高度和接触力分布，测试系统对离散障碍的通过性；25°斜坡无感知通过实验则考察控制器在缺乏环境先验信息时的自主适应能力。能量效率测试采用对比实验范式，在相同动力学参数下，分别测量传统HAA架构与本方案在直线运动（1m/s匀速）和原地转向（2.5rad/s角速度）工况下的关节扭矩需求，通过标准化实验流程消除外部干扰因素影响。所有实验均通过多组重复测试确保数据可靠性，并采用高精度惯性测量单元（IMU）和关节编码器同步采集运动状态数据。

03

结果

系统在1-50Hz全频段指令下均保持稳定跟踪，验证了控制算法的鲁棒性。楼梯攀爬实验中，平台成功跨越0.15 m（相当于轮径）的台阶障碍。在具有挑战性的25°斜坡无感知测试中，平台展现出卓越的环境适应能力。平台以0.3 m/s速度连续通过6.4 m斜坡路段时，最大滚转角波动仅±0.053 rad。沟壑跨越测试进一步证实，通过动态质心调节算法，系统可安全跨越0.15 m沟壑，且全过程未出现轮毂卡滞现象。这些结果充分证明了所提方法在三维复杂地形中的实用性。

能效对比实验产生具有说服力的数据支撑：在直线运动工况下，新架构实现HAA关节能耗100%消除，髋/膝关节扭矩需求分别降低169.9%和94.7%，整体系统能耗下降52.33%。原地转向测试中，尽管滑移转向导致髋关节扭矩增加67.9%，但系统仍实现43.22%的综合能耗降低。步态直线行驶的分析数据揭示，站立模式较摆动模式可减少髋关节76.1%、膝关节48.0%的扭矩需求。

04

结论

本研究通过系统实验，对速差转向轮腿式车辆的轨迹优化控制算法进行了全面验证。实验结果显示，所设计的控制器在速度跟踪环节具备高精度控制性能，能够稳定实现三维复杂地形下的平稳运动。尤其在楼梯攀爬场景中，系统的轨迹跟踪表现尤为突出；与此同时，其直线运动状态下的能耗，相比传统方法有显著降低。斜坡测试进一步证实，该系统在大倾角地形中可保持良好稳定性；沟壑跨越实验则验证了其顺利通过轮径级障碍的能力。此外，原地转向工况下的能耗优化效果，也得到了实验数据的充分支撑。

05

前景与应用

本研究验证的全套运动与控制能力，使该轮腿系统具备明确的工程落地价值，可适配工业巡检、灾害救援、农田作业等复杂作业场景。针对内置楼梯、密集管道的复杂工业设施巡检场景，本研究提出的接触自适应转向方案，在狭小受限空间内的作业性能显著优于传统侧滑转向类移动平台；针对建筑坍塌、环境破碎的灾害救援场景，系统可充分发挥轮式高效通行与腿式越障机动的复合优势，顺利完成应急搜救作业；针对地表崎岖不规则的农田作业场景，系统搭载的无感知控制方案，可在非结构化地面持续保持行驶稳定，适配常态化田间作业需求。

立足本次研究的核心成果，后续工作将围绕三个核心技术方向持续突破：结合强化学习方法进一步提升系统应对极端复杂工况的实时响应能力，开发鲁棒性更强的状态估计算法、降低系统对高精度感知设备的依赖，同时优化复杂地形下的转向控制策略。通过上述技术优化进一步优化系统性能，全面提升轮腿式移动平台在非结构化未知环境中的工程化适配能力与实际应用价值。

关于作者

01

作者介绍

秦也辰，北京理工大学教授，博导，振动与噪声控制研究所所长，主持国家自然科学基金青年基金(B类)，先后入选全国博士后管委会“博士后创新人才计划”以及中国汽车工程学会“青年人才托举计划”。主要开展智能车辆动力学控制方面研究，主持包括国家自然科学基金在内的国家级科研项目/课题10余项，发表学术论文100余篇，授权发明专利40余项，目前为中国汽车工程学会高级会员、IEEE高级会员；中国汽车工程学会悬架技术分会委员、中国自动化学会车辆控制与智能化专委会委员；担任《IEEE Transactions on Vehicular Technology》副主编，《Chinese Journal of Mechanical Engineering》、《Automotive Innovation》青年编委等学术职务。

02

研究方向

围绕智能车辆动力学控制开展研究，具体包括如下内容：

（1）分布式驱动车辆决策-规划-控制一体化研究：高稳定性控制、局部动态路径规划、融合数据与模型的车辆动力学控制等。

（2）智能车辆先进悬架控制方法：融合感知与反馈的路面不平度特征识别、主动/半主动悬架协同控制、端到端振动控制等。

（3）具有轮/腿多运动模态的智能车辆智能控制方法：基于深度强化学习的车辆控制、多模态路径规划、状态估计等。

03

近两年团队发表文章

[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

责任编辑：杜蔚杰

责任校对：向映姣

审 核：张 强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat