本文档属于类型a（单篇原创研究论文），以下是针对该研究的学术报告：
分布式驱动铰接式重型车辆的差动转向控制研究：基于CNF与ADRC技术
一、作者与发表信息
本研究由Tao Xu（北京理工大学机械工程学院/清华大学汽车安全与节能国家重点实验室）、Wei Fan（北京理工大学）、Yingbo Sun、Xuewu Ji及Yulong Liu（清华大学汽车安全与节能国家重点实验室）合作完成，发表于IEEE Transactions on Vehicular Technology（2024年5月，第73卷第5期）。研究得到中国国家自然科学基金（52104163）和汽车仿真与控制国家重点实验室基金（20210232）的支持。
二、学术背景
科学领域：本研究属于车辆动力学与控制领域，聚焦于分布式驱动铰接式重型车辆（Distributed-Drive Articulated Heavy Vehicles, DAHVs）的转向控制技术。
研究动机：传统液压转向方法（Hydraulic Steering Method, HSM）在DAHVs中存在稳定性差、回正能力不足等问题，主要源于液压油的压缩性和系统结构限制。随着电机驱动技术的发展，分布式驱动为DAHVs提供了独立控制轮边电机的能力，从而可能通过差动转向方法（Differential Steering Method, DSM）替代HSM，但相关研究尚属空白。
研究目标：提出一种基于复合非线性反馈控制（Composite Nonlinear Feedback, CNF）和自抗扰控制（Active Disturbance Rejection Control, ADRC）的新型DSM框架，实现DAHVs的高性能转向控制，同时消除对液压系统的依赖。
三、研究流程与方法
动态建模
- 研究对象：DAHVs的前后车体，通过铰接点连接，采用3自由度（3-DOF）平面模型，忽略垂向、侧倾和俯仰运动。
- 模型创新：首次将HSM（简化为弹簧阻尼系统）与DSM（通过轮边电机差动力矩产生的直接横摆力矩）统一建模，方程（6）为通用动态模型，可通过参数切换分别描述两种转向方法。
- 关键假设：车辆纵向速度恒定，忽略路面不平和打滑影响。
控制器设计
- CNF策略：
- 线性部分：快速响应，通过极点配置（-33和-85）设计反馈矩阵。
- 非线性部分：动态调整阻尼比以减少超调，参数包括权重矩阵
W=diag[0.1,0.1]和调节系数ψ=10^3。
- ADRC技术：
- 扩张状态观测器（ESO）：实时估计扰动（如侧风、路面干扰），参数为
β01=300, β02=150。
- 非线性误差反馈（NLSEF）：补偿扰动，参数
β03=40。
- 跟踪微分器（TD）：预处理方向盘输入信号，避免参考模型跳变。
仿真与实验验证
- 联合仿真模型：基于Adams（车辆动力学）、AMESim（液压系统）、Matlab/Simulink（控制器）构建高保真模型。
- 实车测试：35吨DAHV在多种工况（低速转弯、高速换道）下验证，传感器包括惯性系统（灵敏度0.0273 V/deg/s）、铰接角电位计等。
- 对比方案：与传统HSM及基于LQR（线性二次调节器）的DSM对比。
四、主要结果
- 动态模型验证：联合仿真结果与实车测试数据高度吻合（图6），验证了模型的准确性。
- 转向性能提升：
- DSM-CNF-ADRC在低速转弯（20 km/h）和高速换道（35 km/h）中均表现出更平滑的横摆角速度跟踪（图10、15），超调量降低50%以上。
- 回正功能实现：DSM可使铰接角在方向盘回零后快速归零（图11），而HSM因液压残余压力存在振荡。
- 抗扰能力：在μ=0.7路面下，DSM-CNF-ADRC对外部扰动（如3.5秒时的横摆力矩冲击）的抑制效果优于HSM（图14、18）。
- 执行器限制处理：通过饱和函数（方程13）约束轮边电机输出力矩，确保控制量在物理极限内（最大146.7 kN·m）。
五、结论与价值
- 科学价值：
- 首次提出DAHVs的DSM框架，通过前车横摆率控制引导后车转向，实现了两车体的协同控制。
- 结合CNF的快速跟踪与ADRC的抗扰能力，为非线性系统的鲁棒控制提供了新思路。
- 应用价值：
- 可完全替代液压转向系统，降低维护成本并提升可靠性。
- 在矿山、林业等重载场景中，DSM的精确控制能显著提升车辆机动性与安全性。
六、研究亮点
- 方法创新：首次将CNF与ADRC结合用于DAHVs转向控制，解决了传统HSM的稳定性与回正难题。
- 工程贡献：开发的联合仿真模型经实车验证，可直接指导工程实践。
- 理论突破：通过Lyapunov方法证明了闭环系统的稳定性（方程26-39），为控制器的鲁棒性提供了严格数学支撑。
七、其他价值
- 研究为DAHVs的无人化控制奠定了基础，未来可扩展至软土路面或无人驾驶场景。
- 开源代码与模型参数（如ESO的
a01=0.25、δ1=0.001）为后续研究提供了可复现的基准。
（全文约2000字）