张奇峰 , 张运修 , 张艾群 . 深海小型爬行机器人研究现状 [J ] . 机器人 , 2019 , 41 ( 2 ): 250 - 264 . DOI: 10.13973/j.cnki.robot.180231 http://doi.org/10.13973/j.cnki.robot.180231 通过充分的文献调研和总结，根据海上作业形式对典型的深海小型爬行机器人分成3类进行了综述.对影响深海小型爬行机器人发展的海底运动适应性、导航定位、能源供给以及轻量级机械手4项关键技术进行了总结和分析，并对其未来的发展趋势进行了展望.

ZHANG Q F , ZHANG Y X , ZHANG A Q . The research status of small deep-sea crawling robots [J ] . Robot , 2019 , 41 ( 2 ): 250 - 264 . (in Chinese)

孙洪鸣 , 郭威 , 周悦 , 等 . 全海深着陆车机构设计及其潜浮运动性能分析 [J ] . 机器人 , 2020 , 42 ( 2 ): 207 - 214 . DOI: 10.13973/j.cnki.robot.190375 http://doi.org/10.13973/j.cnki.robot.190375 针对海底大范围移动考察和定点精细作业的需求，提出一种全海深着陆车．为提高着陆车潜浮运动性能，解决配载参数和潜浮时间问题，设计着陆车配有两级压载铁．基于着陆车潜浮过程动力学和运动学的分析模型，结合配载参数与重心位置函数，利用ICEM和Fluent水动力分析软件对其阻力、升力、纵倾力矩进行计算，采用最小二乘法对其水动力参数进行辨识，最终建立了潜浮运动特性与配载参数的数学模型．通过调整两级压载铁的质量与位置，实现对着陆车潜浮姿态和速度的控制，进而研究其运动性能和优化潜浮过程时间．分析结果显示，当一级压载铁和二级压载铁质量分别为53kg和50kg，安装位置分别为0.38m和0.58m时，着陆车的最短下潜和上浮时间分别为5.39h和5.98h．优化配载参数后的着陆车具有最佳潜浮运动性能，能够以最短时间完成潜浮运动，为海底科考作业提供更多时间．

SUN H M , GUO W , ZHOU Y , et al. Mechanism design of full-sea deep landing vehicle and analysis of its submersible and snorkeling performance [J ] . Robotics , 2020 , 42 ( 2 ): 207 - 214 . (in Chinese)

白国星 , 孟宇 , 刘立 , 等 . 基于可变预测时域及速度的车辆路径跟踪控制 [J ] . 中国机械工程 , 2020 , 31 ( 11 ): 1277 - 1284 . 非线性模型预测控制（NMPC）在车辆路径跟踪控制中的应用日益广泛，但目前的研究成果中尚未深入考虑预测时域和速度对车辆路径跟踪控制性能的影响。为此，分析了预测时域、速度与车辆路径跟踪控制性能之间的关系；采用三次多项式拟合获得了能够保证车辆路径跟踪横向误差小于0.1 m的最佳预测时域和参考速度的控制律；改进了用于车辆路径跟踪控制的NMPC控制器, 且改进后的NMPC控制器的性能通过仿真进行了验证。仿真结果表明：改进后的NMPC控制器的横向误差在0.092 8 m以内，航向误差在0.072 4 rad以内。相比传统NMPC控制器，改进后的NMPC控制器将最大横向误差减小了4.267 1 m以上，将最大航向误差减小了0.392 7 rad以上，路径跟踪控制性能得到了较大幅度的提高。

BAI G X , MENG Y , LIU L , et al. Vehicle path tracking control based on variable prediction time domain and speed [J ] . China Mechanical Engineering , 2020 , 31 ( 11 ): 1277 - 1284 . (in Chinese)

BRUSCHETTA M , MARAN F , BEGHI A . A fast implementation of MPC-based motion cueing algorithms for mid-size road vehicle motion simulators [J ] . Vehicle System Dynamics , 2017 , 55 ( 6 ) : 802 - 826 . DOI: 10.1080/00423114.2017.1280173 http://doi.org/10.1080/00423114.2017.1280173 https://www.tandfonline.com/doi/full/10.1080/00423114.2017.1280173 https://www.tandfonline.com/doi/full/10.1080/00423114.2017.1280173

REN Y , ZHENG L , KHAJEPOUR A . Integrated model predictive and torque vectoring control for path tracking of 4-wheel-driven autonomous vehicles [J ] . IET Intelligent Transport Systems , 2019 , 13 ( 1 ): 98 - 107 . DOI: 10.1049/iet-its.2018.5095 http://doi.org/10.1049/iet-its.2018.5095 https://onlinelibrary.wiley.com/doi/10.1049/iet-its.2018.5095 https://onlinelibrary.wiley.com/doi/10.1049/iet-its.2018.5095

张志达 , 郑玲 , 张紫微 , 等 . 基于自适应模型预测的智能汽车横向轨迹跟踪控制 [J ] . 中国公路学报 , 2022 , 35 ( 7 ): 305 - 316 . DOI: 10.19721/j.cnki.1001-7372.2022.07.026 http://doi.org/10.19721/j.cnki.1001-7372.2022.07.026 当路面附着情况和车辆行驶状态不断变化时，基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响，难以保证车辆轨迹跟踪的适应性。为此，提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC)，以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响，基于平方根容积卡尔曼滤波(SCKF)算法，设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子，设计了前后轮胎侧偏刚度的自适应修正准则，进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台，对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下，AMPC控制都能够降低横向位置偏差和航向角偏差，有效提高车辆的轨迹跟踪精度，其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下，标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳，而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性，对智能汽车控制系统的设计与优化具有重要参考价值。

ZHANG Z D , ZHENG L , ZHANG Z W , et al. Lateral trajectory tracking control of intelligent vehicles based on adaptive model prediction [J ] . Chinese Journal of Highways , 2022 , 35 ( 7 ): 305 - 316 . (in Chinese)

BENJAMIN G , LUTZ G , MORITZ W . Lateral vehicle trajectory optimization using constrained linear time-varying MPC [J ] . IEEE Transactions on Intelligent Transportation Systems , 2017 , 18 ( 6 ): 1586 - 1595 .

姚绪梁 , 王晓伟 . 基于MPC导引律的AUV路径跟踪和避障控制 [J ] . 北京航空航天大学学报 , 2020 , 46 ( 6 ): 1053 - 1062 .

YAO X L , WANG X W . AUV path tracking and obstacle avoidance control based on MPC guidance law [J ] . Journal of Beijing University of Aeronautics and Astronautics , 2020 , 46 ( 6 ): 1053 - 1062 . (in Chinese)

徐兴 , 汤赵 , 王峰 , 等 . 基于变权重系数的分布式驱动无人车轨迹跟踪 [J ] . 中国公路学报 , 2019 , 32 ( 12 ): 36 - 45 . DOI: 10.19721/j.cnki.1001-7372.2019.12.004 http://doi.org/10.19721/j.cnki.1001-7372.2019.12.004 为了提高分布式无人车轨迹跟踪的精度，提出了基于自主与差动协调转向控制的轨迹跟踪方法。首先，在车辆三自由度模型基础上，基于模型预测控制（MPC）实时计算前轮转角以控制车辆进行自主转向轨迹跟踪。在此过程中，为了提高自主转向下车辆的轨迹跟踪精度与行驶的稳定性，考虑多种因素，利用经验公式及神经网络控制对MPC的预瞄步数和预瞄步长进行多参数调整，实现预瞄时间的自适应控制。其次，在恒转矩需求的情况下，以轨迹偏差为PID控制器的输入及左右轮毂电机转矩为输出进行差动转向控制，实现了差动转向下的轨迹跟踪控制。然后，通过设置权重系数的方法将自主与差动转向相结合。考虑到车辆横纵向动力学因素，采用模糊控制及经验公式对权重系数进行了调整，从而在提高车辆转向灵活性与轨迹跟踪效果的同时保证车辆行驶的稳定性。CarSim与Simulink联合仿真以及实车试验结果表明：与自主转向轨迹跟踪相比，采用变权重系数的协调控制可以在不同的工况下提高车辆的转向灵活性与轨迹跟踪的精度，轨迹跟踪偏差的均方根值改善率达到了11%。所提出的协调转向控制方法可为分布式驱动车辆转向灵活性的提高及轨迹跟踪精度的改善提供一种新的思路。

XU X , TANG Z , WANG F , et al. Distributed driving unmanned vehicle trajectory tracking based on variable weight coefficients [J ] . China Journal of Highway and Transport , 2019 , 32 ( 12 ): 36 - 45 . (in Chinese)

郭威 , 孙洪鸣 , 徐高飞 , 等 . 全海深着陆车着底冲击特性与集中应力结构改进 [J ] . 中国机械工程 , 2021 , 32 ( 7 ): 867 - 874 .

GUO W , SUN H M , XU G F , et al. Bottom impact characteristics and structural improvement of concentrated stress for full sea depth landing vehicle [J ] . China Mechanical Engineering , 2021 , 32 ( 7 ): 867 - 874 . (in Chinese)

李睿 , 项昌乐 , 王超 , 等 . 自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法 [J ] . 兵工学报 , 2021 , 42 ( 6 ): 1128 - 1137 . DOI: 10.3969/j.issn.1000-1093.2021.06.002 http://doi.org/10.3969/j.issn.1000-1093.2021.06.002 针对野外环境中自动驾驶履带车辆轨迹跟踪控制问题，考虑建模误差、参数不确定性及外界随机强干扰，以强鲁棒性及精确跟踪为目标，提出一种基于误差符号鲁棒积分的自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法。基于拉格朗日动力学方程建立自动驾驶履带车辆的运动学与动力学耦合模型；采用自适应控制方法实现对模型的精确前馈补偿，抵消模型非线性的影响；通过误差符号鲁棒积分有效抑制外界干扰及不确定性的影响；利用Lyapunov稳定性理论证明了闭环系统的全局渐进稳定性与收敛性。对仿真结果进行了实车实验一致性验证。仿真和实验结果证明：该方法在存在建模误差、参数不确定性、外界干扰条件下，在实现自动驾驶履带车辆高精度轨迹跟踪控制的同时，具有较强的自适应和鲁棒性。

LI R , XIANG C L , WANG C , et al. Robust adaptive trajectory tracking control method for autonomous tracked vehicles [J ] . Acta Armamentarii , 2021 , 42 ( 6 ): 1128 - 1137 . (in Chinese)

樊娟娟 . 基于预测控制的并联式混合动力汽车能量管理策略研究 [D ] . 济南 : 山东大学 , 2012 .

FAN J J . Research on energy management strategy of parallel hybrid vehicles based on predictive control [D ] . Jinan : Shandong University , 2012 . (in Chinese)

魏立新 , 张钰锟 , 孙浩 , 等 . 基于改进蚁群和DWA算法的机器人动态路径规划 [J ] . 控制与决策 , 2022 , 37 ( 9 ): 2211 - 2216 .

WEI L X , ZHANG Y K , SUN H , et al. Robot dynamic path planning based on improved ant colony and DWA algorithm [J ] . Control and Decision , 2022 , 37 ( 9 ): 2211 - 2216 . (in Chinese)

DORIGO M . Optimization, learning and natural algorithms [D ] . Milano,Italy : Politecnico di Milano , 1992 .

夏光 , 李嘉诚 , 唐希雯 , 等 . 平衡重式叉车防侧翻模型预测控制研究 [J ] . 中国机械工程 , 2021 , 32 ( 8 ): 987 - 996 .

XIA G , LI J C , TANG X W , et al. Research on anti-rollover model predictive control of counterweight forklift [J ] . China Mechanical Engineering , 2021 , 32 ( 8 ): 987 - 996 . (in Chinese)

胡家铭 , 胡宇辉 , 陈慧岩 , 等 . 基于模型预测控制的无人驾驶履带车辆轨迹跟踪方法研究 [J ] . 兵工学报 , 2019 , 40 ( 3 ): 456 - 463 . DOI: 10.3969/j.issn.1000-1093.2019.03.002 http://doi.org/10.3969/j.issn.1000-1093.2019.03.002 无人驾驶履带车辆的轨迹跟踪面临着系统不确定性和外界干扰等难以克服的不利因素。针对这一问题，通过研究履带车辆的滑动转向特性，建立了基于瞬时转向中心的履带车辆运动学模型。同时，针对参考路径是离散路点序列的特点，提出了一种基于3次Bezier曲线的参考路径自适应拟合方法，在实现路径平滑基础上提供道路的曲率信息。考虑到模型不确定性和外界干扰对轨迹跟踪精度的影响，设计了基于模型预测控制的轨迹跟踪控制器，并引入反馈校正，系统地处理无人驾驶履带车辆建模误差、环境约束以及执行机构约束。实车试验结果表明，该方法可以有效地抑制系统不确性和外界干扰的影响，实现无人驾驶履带车辆高精度的轨迹跟踪控制。

HU J M , HU Y H , CHEN H Y , et al. Research on trajectory tracking method of unmanned tracked vehicle based on model predictive control [J ] . Acta Armamentarii , 2019 , 40 ( 3 ): 456 - 463 . (in Chinese)

蔡英凤 , 李健 , 孙晓强 , 等 . 智能汽车路径跟踪混合控制策略研究 [J ] . 中国机械工程 , 2020 , 31 ( 3 ): 289 - 298 .

CAI Y F , LI J , SUN X Q , et al. Research on hybrid control strategy of intelligent vehicle path following [J ] . China Mechanical Engineering , 2020 , 31 ( 3 ): 289 - 298 . (in Chinese)

孙涛 , 夏维 , 李道飞 . 基于模型预测控制的协同式自适应巡航控制系统 [J ] . 中国机械工程 , 2017 , 28 ( 4 ): 486 - 491 .

SUN T , XIA W , LI D F . Cooperative adaptive cruise control system based on model predictive control [J ] . China Mechanical Engineering , 2017 , 28 ( 4 ): 486 - 491 . (in Chinese)

张亮修 , 吴光强 , 郭晓晓 . 自主车辆线性时变模型预测路径跟踪控制 [J ] . 同济大学学报(自然科学版) , 2016 , 44 ( 10 ): 1595 - 1603 .

ZHANG L X , WU G Q , GUO X X . Autonomous vehicle linear time-varying model predictivePath following control [J ] . Journal of Tongji University(Natural Science Edition) , 2016 , 44 ( 10 ): 1595 - 1603 . (in Chinese)

王浩杰 . 自动泊车系统路径规划与跟踪算法研究 [D ] . 大连 : 大连理工大学 , 2021 .

WANG H J . Research on path planning and tracking algorithm of automatic parking system [D ] . Dalian : Dalian University of Technology , 2021 . (in Chinese)

韩庆珏 , 刘少军 . 深海履带车的路径跟踪控制算法 [J ] . 中南大学学报(自然科学版) , 2015 , 46 ( 2 ): 472 - 478 .

HAN Q J , LIU S J . Path following control algorithm for deep sea tracked vehicles [J ] . Journal of Central South University (Natural Science Edition) , 2015 , 46 ( 2 ): 472 - 478 . (in Chinese)

张玮 , 马焱 , 赵捍东 , 等 . 基于改进烟花-蚁群混合算法的智能移动体避障路径规划 [J ] . 控制与决策 , 2019 , 34 ( 2 ): 335 - 343 .

ZHANG W , MA Y , ZHAO H D , et al. Path Planning of intelligent moving objects to avoid obstacles based on improved firework-ant colony hybrid algorithm [J ] . Control and Decision , 2019 , 34 ( 2 ): 335 - 343 . (in Chinese)

ELBANHAWI M , SIMIC M , JAZAR R . Randomized bidirectional B-spline parameterization motion planning [J ] . IEEE Transactions on Intelligent Transporation Systems , 2016 , 17 ( 2 ): 406 - 419 .