关键词： 驾驶机器人   车辆性能自学习   轨迹规划   鲁棒控制   轨迹跟踪  

摘要： 驾驶机器人作为车辆实现自动驾驶的解决方案之一,通过将驾驶机器人安装在现有车辆的驾驶舱并对车辆性能进行学习之后,即可替代人类驾驶员完成对车辆的控制。本文以课题组现有驾驶机器人研究成果为基础,进一步研究了驾驶机器人操纵车辆实现轨迹规划以及跟踪控制的相关内容。 首先,本文对驾驶机器人研究背景以及相关内容的研究现状进行了分析介绍。接着对驾驶机器人的性能指标、结构特点、驾驶机械腿建模与驾驶机械手建模的相关内容进行了介绍,对被操纵车辆的整车动力学模型、轮胎模型、转向系模型以及驱动/制动系模型进行了相应的介绍,最后对驾驶机器人与被操纵车辆的模型进行了集成。 然后,本文介绍了驾驶机器人对被操纵车辆性能自学习的相关内容。通过分析被操纵车辆纵向与横向的动力学系统特性,制定了相应的参数采集方案;基于神经网络微分方程实现了对被操纵车辆纵向性能的学习,基于双层前馈神经网络建立了被操纵车辆横向动力学的预测模型,结合横向动力学特性,迭代计算习得了被操纵车辆的横向性能;设计相应的验证方法对纵横向性能的学习结果进行了验证。 进一步,本文开展了对驾驶机器人车辆动态轨迹规划的研究。在Frenet坐标系中采用高阶多项式进行轨迹的生成,同时分别建立车辆与结构化道路的风险势场模型,考虑安全性与舒适性确立轨迹优化评价指标,并使用群智能优化算法对最优轨迹进行求解,最后设计具有代表性的案例对动态轨迹规划的有效性进行了验证。 最后,本文结合驾驶机器人车辆动力学模型与车辆性能自学习等相关内容,分别设计了用于驾驶机器人控制方向盘与踏板的下层控制器和用于被操纵车辆轨迹跟踪的上层控制器,然后依靠试制的驾驶机器人专用试验台架设计了相关试验,用于验证本文提出轨迹跟踪控制方法的有效性。根据相关法规、标准设计的试验以及轨迹跟踪综合试验的结果表明,本文所提出的驾驶机器人车辆轨迹规划与跟踪控制方法能够较好地完成轨迹规划并对最优轨迹进行跟踪控制,同时在轨迹跟踪过程中表现出了一定的鲁棒性,验证了本文所提出的相关方法及相关研究内容的有效性。

关键词： 确定学习控制   协同确定学习   离散时间严格反馈非线性系统   神经网络控制  

摘要： 严格反馈非线性系统可以描述许多实际系统,因此其受到了学者们的广泛关注。相比于连续时间系统,离散时间系统控制问题的研究随着数字计算机技术的发展变得愈加重要。人类能够独立地进行学习以提高工作效率,同时还可以从他人那里获取知识,使得自己所学的知识更广阔。鉴于人类的这种能力,研究独立个体的自主学习和多体间的协同学习均是极为重要的。因此,本文结合自适应神经网络控制技术、确定学习理论和离散时间线性时变系统的指数稳定性理论,研究面向独立与协同的离散时间严格反馈非线性系统的确定学习控制问题。主要工作的概述如下:首先,本文研究独立的离散时间严格反馈非线性系统的确定学习控制问题。基于变量替换方法和反步法,构建出自适应神经网络控制器,并创新地构造误差动态估计器以用于神经网络估计权值更新律的设计。结合离散时间线性时变系统的指数稳定性理论,神经网络估计权值被证明收敛至唯一的理想权值。随后,利用收敛后的权值以构造神经网络学习控制器以实现相同或相似任务的高性能控制。其次,针对具有不同跟踪任务的离散时间严格反馈多智能体非线性系统,研究通讯拓扑为无向图的协同确定学习控制问题。基于变量替换方法和反步法,对每个智能体构建自适应神经网络控制器,并结合所构造的误差动态估计器对各智能体巧妙地设计出带有协同项的神经网络估计权值更新律,从而使得每个智能体的神经网络估计权值能够收敛至所有智能体的唯一的共同理想权值。结合所提出的针对无向图的相关引理验证系统的稳定性。随后,利用收敛后的权值对各智能体构造神经网络学习控制器,能实现对系统中所有智能体的历史跟踪任务的高性能控制,从而提升泛化能力。最后,针对具有不同跟踪任务的离散时间严格反馈多智能体非线性系统,研究通讯拓扑为有向平衡图的协同确定学习控制问题。基于变量替换方法和反步法,对每个智能体设计出自适应神经网络控制器,并结合误差动态估计器和协同项构建神经网络估计权值更新律,从而使得每个智能体的神经网络估计权值能够收敛至所有智能体的唯一的共同理想权值。随后,利用收敛的权值对各智能体构建神经网络学习控制器以提升泛化能力。由于网络通讯拓扑为有向平衡图,所提的方案不仅能降低系统的通讯负担,而且更具一般性。

关键词： 遥操作系统   间歇性网络传输   自适应控制   事件触发机制  

摘要： 近年来，遥操作机器人系统备受关注，主要由于其在太空探索、军事、医疗、灾难救援和核电站操作等多个领域的广泛应用。遥操作系统通常由一个人类操作的主机器人和一个执行实际任务的从机器人组成，两个机器人之间通过高效的通信网络进行信息交流和传输，从而实现远程控制和操作。这种操作方式能够有效地避免人类直接面对危险环境。然而，在长距离网络传输过程中，通信时延是一个不可避免的问题。现有大多数研究往往只考虑了连续通信时延的情况，忽略了通信信道存在的不规则延迟和可能的数据丢失等实际问题。而且这些研究都要求很强的时延假设，不符合实际中尤其恶劣环境中的遥操作系统的网络条件。　　本篇论文以间歇性网络传输下的单主-单从/多从遥操作系统为研究对象，旨在针对间歇性数据传输的约束网络问题，设计了一种自适应控制算法，以保证系统的同步。在间歇性网络传输下，通信信道存在着不规则的时延和可能的丢包等问题，从而导致数据交换在时间上是间歇性的，这使得系统稳定性分析变得异常困难，至今未得到很好的解决。因此，本文的研究重点在于如何应对这些弱假设通信条件，并设计出适应性强、能够应对间歇性通信问题的控制算法，从而提高间歇性网络传输下的遥操作系统的性能。论文的主要研究工作如下：　　(1) 针对间歇性网络传输下的带有未知参数的单主-单从/多从遥操作机器人系统的同步问题，本文提出了一种自适应控制策略。该策略旨在通过在线估算未知参数并进行动态调整，以实现闭环系统的性能要求并减少不确定性的影响。而且，在控制器的设计中，直接力反馈的引入能够有效避免过多的阻尼传递给操作者，同时也避免了自适应控制将人力当作“外部干扰”进行处理。通过采用本研究所提出的控制策略，可以有效地提高遥操作机器人系统的同步性能。　　(2) 以间歇性网络传输下的单主-单从遥操作机器人系统为控制对象，设计了一种全新的动态事件触发方法，该方法不仅能够显著增加事件发生时间的间隔长度，而且还能提高系统的性能。设计的控制算法实现了单主-单从遥操作系统的一阶无限可操作性以及在每一个事件触发时刻的静态力反射，从而显著提升了系统的透明性。此外，本文所提出的事件触发机制也可用于单主-多从遥操作系统中，以降低控制器的更新频率，达到减少计算资源消耗的目的。　　(3) 为了解决单主-多从遥操作机器人系统中间歇性网络传输带来的同步控制问题，本文提出了基于虚拟模型和动态补偿器的分布式自适应控制算法，实现了所有子系统的同步。相比较于传统的同步控制方法，本文基于遥操作系统中机器人之间的间歇性数据交换提出的方法要求更宽松的网络条件，不仅能提高系统的同步性和控制精度，基于事件触发机制还能够降低通信成本和计算能耗。

关键词： 复杂动态网络   执行器故障   事件触发控制   自适应控制   固定/预设时间同步  

摘要： 复杂动态网络存在于生活的方方面面,随着科技的快速发展,其应用越来越广泛,比如运输网络,社会网络,生态网络等。由于系统的外部扰动和不确定性,在控制过程中不可避免地会发生执行器故障,从而降低系统性能,甚至导致灾难性的事故。因此,研究复杂动态网络的容错控制方法有一定的理论和实际意义。本文对带有执行器故障的复杂动态网络的同步分析与控制问题进行了研究,主要研究工作如下:首先,通过设计更通用的自适应容错以及动态事件触发控制方案,实现了带有执行器故障和时变时滞的Markov跳变复杂动态网络的同步以及带有执行器故障和外部扰动的Markov跳变复杂动态网络的H_∞同步。设计的控制策略可以在有效降低网络流量负载的同时处理包含未知时变边界信号的执行器故障问题。其次,通过采用Lyapunov稳定性理论,对具有执行器故障的Markov跳变复杂动态网络的有限时间簇同步问题进行了分析。通过设计合适的量化动态事件触发控制器,消除了执行器故障对系统带来的影响。在已有事件触发控制策略的基础上,考虑了一种更通用的量化动态事件触发控制机制,可以更有效地降低系统的网络负载并且进一步地排除Zeno现象。最后,研究了量化自适应容错控制下随机复杂动态网络的固定/预设时间同步问题。通过应用比较系统,结合维纳过程,估计出了随机系统更准确的同步时间上界,并且实现了包含执行器故障、外部干扰和随机扰动的复杂动态网络的固定时间随机同步。此外,提出了一种自适应控制器参数设计方法,实现了复杂动态网络的预设时间随机同步。

关键词： 机械臂   自适应控制   扩张状态观测器   模糊逻辑   预设性能控制  

摘要： 机械臂因运行速度快,重复定位精确,代替人类完成各项复杂的工作,提高工业生产力等优势,普遍地应用于工业制造业中。机械臂系统在实际运行中面对繁复的环境,导致参数不确定性,同时不可忽略其存在约束条件、摩擦、齿隙和外部干扰等问题对其位置跟踪精度形成的影响。因此,对以上问题设计了三种不同的控制策略,来提高机械臂的位置跟踪精度。主要研究内容如下:(1)针对含有参数不确定性和LuGre摩擦干扰的非线性机械臂系统,提出基于扩张状态观测器(Extended State Observer,ESO)的自适应控制方法。首先,利用ESO对机械臂系统的参数不确定性、外部扰动及耦合部分进行估计和补偿。然后,基于扩张状态估计值,采用自适应控制算法设计机械臂控制器。最后,通过李雅普诺夫定理分析控制器有效性,同时与没有扩张状态观测器的自适应控制器及比例-积分-微分控制器对比,所提控制方法提高了系统的轨迹跟踪精度,对外部干扰具有良好的鲁棒性。(2)针对含有输出约束和迟滞齿隙的不确定非线性机械臂系统,提出一种自适应神经网络漏斗(Funnel)控制方法。首先,为了能提高系统的动态性能,采用一种改进的漏斗函数,利用误差变换方法,将原误差转化为一个新的误差变量,并据此设计控制器确保变换后系统的跟踪误差瞬态和稳态性能被限制在规定Funnel边界内。然后,采用循环神经网络对机械臂系统的未知非线性齿隙项和模型不确定性进行逼近,设计自适应神经网络漏斗控制器。最后,利用李雅普诺夫函数分析系统的稳定性,采用Matlab/Simulink进行仿真,仿真结果表明,设计的控制器能有效提高位置跟踪精度,具有良好的抗干扰能力。(3)研究了具有预设性能非线性机械臂系统的渐近跟踪控制问题。该控制策略是基于改进的预设性能函数(Prescribed Performance Function,PPF)来保证系统瞬态行为,同时可以弥补传统PPF对精确初始跟踪误差的要求。使用模糊逻辑系统(Fuzzy Logic System,FLS)对未知动态进行逼近。然而,基于现有PPF的FLS自适应控制方案中,跟踪误差不能实现渐近收敛。为解决这一问题,控制设计中加入误差符号项的鲁棒积分(Robust Integral of the Sign of the Error,RISE),以抑制FLS近似误差和外部干扰,从而实现渐近收敛。最后,给出仿真结果和实验结果,说明所提出的控制方法有效性。

关键词： 输出约束   自适应控制   障碍函数   不确定非线性系统   四旋翼无人机  

摘要： 大多数物理系统,例如机器人、无人车、无人船和无人机等,呈现高度的非线性和强耦合特征,且工作环境恶劣多变,无法获得精确的数学模型,使得解决此类系统的控制问题较难。此外,由于物理条件的限制以及安全性的考虑,在运行过程中系统状态要求满足一定的约束条件,否则可能导致系统性能的恶化。为此,本文针对不确定非线性系统的输出约束、状态约束和性能约束开展研究工作,具体内容如下:1)针对不确定单输入单输出非线性系统,从实际需求出发,基于现有的输出约束(即约束一直存在,Infinite-time constrained case,ITCC)的基础上,提出了一种有限时间不对称约束(Finite-time asymmetric output constraints,FTAOCs),即针对输出信号的约束始于初始时刻终于某个时刻(终止时刻已知,且可根据实际需求改变)。为解决FTAOCs,基于障碍李雅普诺夫函数(Barrier Lyapunov functions,BLFs)无法直接应用的现状,提出了一个新颖的变换函数,将针对误差的FTAOCs约束转化为辅助变量的ITCC约束,再利用自适应技术估计未知的模型参数,并设计自适应控制器,最后证明闭环系统的稳定性。对于FTAOCs,约束的终止时刻可调整,因此可巧妙地改变该时刻的大小将被控系统转化为ITCC约束或无约束。2)针对受到未知时变扰动的不确定多输入多输出非线性系统,以复杂的应用场景为背景,基于FTAOCs约束,提出了一种仅在特定时间区间存在的约束(Output constraints occurring in a limited time interval,OCOLT),即针对输出信号的约束始于某个时刻(初始时刻之后,且可根据实际需求改变)终于某个时刻(已知,且可根据实际需求改变)。为解决OCOLT,设计了一个新的变换函数,将跟踪误差的无约束和受约束阶段统一转化成辅助变量的ITCC约束,并利用障碍函数解决ITCC约束;为进一步提高系统的鲁棒性,设计自适应算法和扰动观测器分别估计未知的模型参数和扰动;最后利用动态面控制(Dynamic surface control,DSC)技术和反步法设计自适应控制器,并证明闭环系统的稳定性。针对OCOLT,约束起始和终止时刻是重要的时间点,在不改控制器结构的前提下可通过改变其值将被控系统转化为FTAOCs约束、无约束和ITCC约束。此外,OCOLT约束也避免了 ITCC约束中由于约束边界较小导致可行的控制器增益不存在的困境。值得指出的是,在一个控制框架下,OCOLT约束可同时为时变和常值约束提供一个可行解。3)针对预定性能约束下受到未知时变扰动的多输入多输出非线性系统,探究高精度的自适应跟踪控制问题,并应用到四旋翼无人机的控制。为此,首先构造扩张状态观测器估计未知的时变扰动,在障碍函数的框架下,设计性能约束边界限制四旋翼无人机的跟踪误差,提高闭环系统在复杂环境下的鲁棒性,随后设计四旋翼无人机的推力。其次利用反步法设计无人机的欧拉角速度控制器,最后利用仿真和实验验证算法的可行性。相对于现有的方法,所设计的预定性能算法假设扰动是非耗散的以及无人机的质量未知。4)针对动态性能约束下级联多输入多输出非线性系统,探究高精度的自适应跟踪控制问题,并应用到吊挂负载四旋翼无人机系统的控制。本质上,吊挂负载四旋翼无人机系统由负载子系统和四旋翼无人机子系统通过缆绳连接而成。首先,为使负载快速跟踪到参考轨迹并稳定在竖直方向,基于传统预定性能控制设计新的性能约束函数,其值大小不仅依赖于时间,而且与跟踪误差相关,利用障碍函数将设计的性能约束分别作用在负载以及缆绳的方向控制,提高闭环系统对外界变化的响应速率。针对未知的负载质量,设计自适应算法估计其值,并证明闭环系统的稳定性,最后利用仿真结果验证算法的可行性。本文的研究成果丰富了不确定非线性系统自适应控制理论的研究,为受约束非线性系统控制问题的解决提供了一种新的研究思路,并进一步为复杂工程问题提供新的解决方案。

关键词： 下肢康复机器人   步态轨迹规划   计算力矩法   RBF自适应控制   阻抗控制  

摘要： 近年来,我国已经进入老龄化社会。因脑卒中,脊髓损伤或其他疾病导致下肢行动障碍的人数仍在不断增长。为使这类人群恢复行走机能,需要帮助他们进行下肢康复训练。通过康复医师手动辅助病人进行康复训练是一个有效的方法,但专业康复医护人员数量毕竟有限。在这一背景下,机器人辅助康复治疗由于康复效率高,康复效果好等优点已经越来越多地帮助运动障碍患者进行康复训练。为保证患者的康复训练安全高效,本文基于人体步态运动数据,结合一款闭链卧式下肢康复机器人建立动力学模型,对于不同的康复训练控制策略进行研究,并通过仿真进行实验验证和结果分析。本文的主要研究内容如下:(1)人体下肢运动机理分析。首先分析了下肢康复的神经可塑性原理,研究不同康复阶段患者下肢的运动和肌肉状况,为后文控制策略研究提供理论基础;之后介绍人体下肢结构及步态周期特征,结合人体下肢运动数据,拟合得到髋、膝、踝三关节的运动轨迹方程和运动角度曲线作为控制系统的参考轨迹,并通过Opensim系统计算得到下肢运动过程中的关节力矩变化。(2)下肢康复机器人动力学建模。基于闭链卧式下肢康复机器人结构设计了四种运动模式。建立单腿机械结构简图,使用拉格朗日方法进行动力学分析。由于被动康复阶段和主动康复阶段的特点不同,在建模过程中考虑到人体下肢与机器人连杆的耦合作用,建立了基于被动训练和基于主动训练的两种不同动力学模型。(3)基于不同康复阶段的自适应控制器设计。针对康复前期阶段设计了被动训练控制策略。首先提出基于计算力矩法的PD反馈控制,并在该算法的基础上建立康复机器人集总未知函数,并采用RBF神经网络对其进行逼近估计实现自适应补偿控制。最后采用李雅普诺夫函数证明该算法的稳定性,并通过仿真对比实验分析了该算法的有效性;针对下肢康复后期阶段设计了主动训练控制策略。将阻抗控制模块与位置控制结合提高系统的柔顺性,开展人机交互力分析,分析每个阻抗参数不同取值对控制效果的影响,并通过仿真实验证明算法的有效性。(4)下肢康复机器人实验系统的搭建。设计康复机器人单腿物理样机,进行元件选型与设计,并搭建实验平台,通过被动运动实验进行模拟康复验证。

关键词： 人机协作系统   输出约束   自适应控制   障碍Lyapunov函数   阻抗控制  

摘要： 近年来，随着机器人从工业应用领域逐渐进入服务行业，人机协作已成为机器人领域的研究热点。如何在人机共享工作空间实现安全的交互控制是人机协作的技术难点。为防止机器人伤害操作人员，需要对机器人系统输出进行约束。此外，由于机器人的固有非线性特性以及关节摩擦和外部干扰的影响，机器人系统存在模型参数不确定的问题，基于精确动力学模型的控制方法难以实现理想的控制效果。另外，传统人机协作系统常采用“领导-跟随”控制模式，机器人被动地顺从人类的目标，但针对不同交互任务，可能需要人类或机器人主导性的转换。考虑上述问题，本文研究了输出约束下的人机协作系统自适应控制方法，具体的研究内容包括以下两方面：　　（1）针对模型不确定、输出约束下的机器人交互控制问题，提出了基于非对称积分障碍 Lyapunov函数（AIBLF）的自适应神经网络阻抗控制方法，其包含阻抗控制外环和位置跟踪控制内环的控制结构。首先，在外环中，设计非对称软饱和函数对阻抗模型生成的期望轨迹进行整型，防止不适当交互行为导致超出约束。进一步，在内环中，为了解决包含非对约束边界的约束跟踪控制问题，设计了基于 AIBLF的自适应状态反馈控制器，严格保证机器人末端执行器不超出约束范围。此外，在控制器的设计中采用径向基神经网络（RBFNN）补偿机器人动力学模型的不确定项，以改善跟踪性能。最后，通过 Lyapunov稳定性定理，证明了闭环系统的所有误差信号是有界的。　　（2）考虑机器人输出受约束和速度信息不可测的情况，针对人机协作中人类和机器人的任务主导性切换控制问题，提出了基于模型预测控制（MPC）和AIBLF 的自适应输出反馈变阻抗控制方法。控制结构包含变阻抗控制外环和输出反馈跟踪控制内环。首先，在外环中，考虑人体动力学和机器人阻抗模型，构建了新的阻抗系统，将变阻抗控制问题转变成了求解最优状态反馈控制律的问题。然后，设计包含交互力和跟踪误差的代价函数，通过求解二次规划（QP）问题获得最优阻抗参数，以改善交互性能。进一步，在内环中，设计神经网络观测器估计机器人速度，并基于 AIBLF和 RBFNN设计了具有输出约束的自适应输出反馈控制器，解决了动力学模型不确定、速度不可测、输出受约束的机器人跟踪控制问题。最后，根据 Lyapunov稳定性定理，证明了闭环系统的稳定性。　　基于以上研究内容，分别在 CoppeliaSim 机器人物理仿真平台和 Franka机器人实验平台上进行了人机交互仿真和实验。仿真和实验都验证了协作机器人在约束空间下的交互性能。最后，分别对低阻抗和高阻抗交互场景下的人机交互任务进行实验研究，实验结果表明机器人能够自适应地调节阻抗系数以实现“领导者-跟随者”的转换，验证了所提出控制方法的有效性。

关键词： 微电网   虚拟同步机   功率分配   预同步控制   自适应控制  

摘要： 目前,随着国家“双碳”目标的深入实施,基于可再生能源的微电网受到了持续的关注。由于环境因素容易影响风电、光伏等可再生能源,当并网时会影响电力系统的稳定性,因此,建立风光储相结合的混合发电系统受到人们的高度重视。为此,本文针对风光储微网及微网逆变器的控制策略进行研究。主要研究内容如下:(1)首先,分析微网逆变器传统控制策略的不足,详细阐述了VSG控制的原理,借鉴了同步发电机的定转子方程,设计了虚拟调速器和虚拟励磁器,构建了虚拟同步发电机控制系统。(2)其次,研究了风光储模块各部分的工作原理及数学模型,光伏和风电环节均采取基于扰动观察法的最大功率跟踪控制策略,保证系统获得最大功率及电压;储能环节采取VSG控制策略,保证系统功率及电压的稳定。为维持逆变器直流侧电压稳定,对储能装置采用双闭环控制。(3)孤岛微电网在并联运行时,往往存在线路阻抗差异的问题,导致功率分配不合理,难以满足用户的需求。传统的虚拟同步机想要实现功率准确分配很难。提出了自适应虚拟阻抗的控制策略,能够使VSG多机并联系统在不满足阻抗匹配条件下精确地分配负荷功率。(4)考虑到VSG在并网时会产生较大的冲击电流,对系统造成影响,本文采取了VSG预同步并网,通过假定的虚拟阻抗,将其生成的虚拟角频率补偿到VSG的有功环,将虚拟电压幅值补偿到无功环。然后对比了直接并网的方法,仿真结果验证了预同步控制的稳定运行特性。

关键词： 原位地质信息探测   轮式机器人   打滑   支撑力测量   PID控制  

摘要： 西北区域广袤无垠的黄土高原,孕育了灿烂的华夏文明,养育着亿万中华儿女。但受黄土本身结构复杂性和灾害易发性影响,尤其是受到工程扰动,并叠加降雨带北移,近期出现了大量地质灾害,滑坡、崩塌、湿陷等现象尤为突出,严重影响人民生产生活,甚至威胁生命安全。为防止后续地质灾害的发生,需要获取黄土的原位地质信息,揭示致灾机理。为此将管道机器人技术和机器视觉技术相结合,进行地质信息原位探测。机器人室内外试验结果发现,孔内局部位置的孔径或附着性能发生变化时,机器人行走作业稳定性和信息采集质量受到一定影响。本文在原有机器人控制系统的基础上进行环境自适应控制性能开发,主要研究内容如下:首先,对机器人变径及支撑力测量原理进行分析,建立不同孔径支撑力与力传感器检测值、机器人支撑机构中螺母位置与孔径大小之间的函数关系,为实时获取机器人在孔内上下运行过程中的支撑力提供理论模型。在此基础上基于支撑力传感器、变径电机、变径电机编码器、机器人主控制器,开发相关控制算法,提高机器人在黄土孔内变径条件下的环境自适应能力。其次,机器人在黄土孔洞中地质信息探测时易出现打滑现象,在对打滑机理和附着性能深入分析基础上,基于激光测距原理,选择高精度激光测距仪,并设计测距传感器与机器人主控制器之间的无线通信模块,实现机器人作业过程中的实时定位。在此基础上,建立机器人滚轮滑转率计算模型,以及与之相关的支撑力动态PID控制模型,实现孔内复杂环境下的机器人行走自适应控制。最后,搭建了室内的变径试验平台及有机玻璃管试验平台,对机器人进行调试。室内调试结束后,通过野外黄土孔洞试验检验机器人的环境自适应能力,通过试验过程中记录的机器人孔内行走的支撑力、滑转率分析机器人在黄土孔中的运行状态。野外试验结果验证了环境自适应控制系统的有效性。