将基于李雅普诺夫的反向逐步法与神经模糊逻辑和滑模控制相结合，以实现差动驱动机器人精确轨迹跟踪

始终保持在轨的机器人

从仓库拣货机器人到行星漫游车，许多机器人像电动轮椅一样依靠两个驱动轮移动。让这些机器以厘米级精度沿着路径运行比看起来要难得多：地面不平、车轮打滑、电机饱和，且机器人自身的机械特性复杂多变。本文提出了一种针对这类机器人的新型“大脑”——一种名为固定超混合自适应控制器（FUHAC）的控制方案，旨在即便在环境混乱和变化时也能将两轮机器人牢牢保持在计划轨道上。

为何双轮引导如此困难

差动驱动移动机器人通过左右车轮以不同速度旋转来转向。这种简单的布局掩盖了复杂的物理问题。机器人不能侧向移动，质心可能不在中心，摩擦、颠簸和未知载荷不断将其推离航道。传统控制器如 PID，乃至单一方法的更高级方案，只有在狭窄条件下表现良好：在缓和曲线时可能跟踪平稳，但在急转弯、突然推力或模型不精确时则捉襟见肘。研究者曾尝试加入学习模块、模糊逻辑或鲁棒控制层，但这些混合体通常以临时拼接的方式组合各部分，缺乏能保证整体稳定性的坚实理论依据。

将多种“智脑”融合为一体

作者提出 FUHAC 作为一种统一架构，有意将四种不同的控制思想结合在一起，每种思想负责解决问题的不同部分。反向逐步（backstepping）核心提供平滑的、基于模型的转向，理论上能将机器人朝期望路径引导。神经-模糊模块置于基线之上，通过观察跟踪误差的演化学习以抵消未知影响——例如未建模的摩擦或小的机械偏差。滑模层则增加了一道强健的保护壳，能迅速应对较大的干扰，并保证有界扰动和风力等能在有限时间内被抑制。最后，干扰观测器监测机器人运动并推断作用在其上的外力，使得控制器能主动抵消这些力，而不仅仅是在事后反应。FUHAC 并不以固定权重简单混合这些元素，而是采用基于性能的混合因子，根据跟踪误差的大小和振荡性在实时中调整各部分的影响权重。

快速反应，缓慢学习

FUHAC 的一项关键创新是它如何将快速反射与较慢的策略性调整分离开来。控制器运行两个自适应时钟：一个快速回路每 30 毫秒更新，调整增益以抑制突发偏差和振荡；另一个较慢回路每 150 毫秒更新，逐步调优参数以提高长期精度和能量效率。该双速率方案的设计使机器人在处理快速运动时几乎将慢参数视为固定，这一原则受控理论中时间尺度分离思想的启发。为使数学分析严密，作者构造了一个单一的类能量函数（李雅普诺夫函数），一次性囊括跟踪误差、学习误差、滑模行为和干扰观测误差。他们证明在合理假设下，该能量只能减小或持平，这意味着机器人的路径偏差保持有界，如果近似误差和扰动消退，偏差甚至会随时间消失。

将控制器投入测试

为检验 FUHAC 的表现，团队在三条基准路径上进行了仿真：数字 8、圆形和带锐角的菱形。这些曲线考验运动的不同方面：连续曲率、曲率反转和突变方向。在所有情况下，末端位置误差均保持在 4 厘米以下，累积误差指标较小且平均电机扭矩适中（低于 10 牛·米）。控制器在约 12.7 秒内趋于近稳态跟踪，同时将振荡控制在狭窄范围；其自适应滑动增益仅增加到足以维持鲁棒性而不浪费能量。与标准 PID、纯反向逐步和纯滑模方法相比，FUHAC 在精度上与其持平或更优，同时大幅降低了可能磨损执行器的高频“颤振”。作者还在真实 Pioneer 机器人记录的数据上试验了该方法。由于车轮打滑和电机饱和等未建模效应，误差放大到米级而非厘米级，但闭环仍保持稳定并能在剧烈机动后恢复，凸显了该框架的鲁棒性。

对日常机器人意味着什么

FUHAC 表明，精心协调的“多脑”控制可以同时赋予轮式机器人精度与韧性。通过将平滑的基于模型转向、基于学习的补偿、鲁棒保护和干扰估计统一在具有单一稳定性证明的方法下，该方法超越了凭经验拼凑的混合体，走向有原则的设计。在实践中，这有助于地面机器人、助行电动轮椅和巡检平台以亚分米精度沿着紧路径运行，同时消耗适中能量并容忍颠簸、噪声和变化的载荷。尽管其众多参数的调优比简单 PID 更为复杂，但该控制器对现代嵌入式处理器来说计算负担仍然足够轻。作者将 FUHAC 视为未来系统的基础，能将此类控制与视觉、地图构建甚至深度强化学习相结合，为在真实世界环境中导航的更可靠、更智能的移动机器人铺平道路。

引用: Xu, P., Maghsoudniazi, M. & Maghsoudniazi, Y. Integrating Lyapunov based backstepping and neuro fuzzy logic with sliding mode control for precise trajectory tracking of differential drive robots. Sci Rep 16, 11961 (2026). https://doi.org/10.1038/s41598-026-39667-1

关键词: 移动机器人控制, 轨迹跟踪, 自适应混合控制器, 差动驱动机器人, 干扰抑制