基于自适应归零神经动力学的级联控制策略实现轮式无人地面车辆轨迹跟踪

为解决轮式无人地面车辆(WUGV)轨迹跟踪中传统归零神经动力学(ZND)参数固定导致灵活性不足、变参数ZND资源消耗过大的问题，Lin Xiao团队提出自适应ZND级联控制方案(AZNDCCS)。该研究通过单层/多层AZND分别设计偏航角与速度控制器，结合动态调整参数和修正激活函数，实现固定时间收敛与资源优化。仿真验证表明AZNDCCS在跟踪速度与计算效率上均优于对比方案，为复杂环境下WUGV精准控制提供新思路。

　　

在智能物流和军事侦察等领域，轮式无人地面车辆(WUGV)的精准轨迹跟踪至关重要。然而，这类系统具有强非线性、欠驱动特性，传统控制方法存在收敛速度与资源消耗难以平衡的痛点。现有归零神经动力学(ZND)方案中，固定参数依赖经验调参，变参数又导致计算爆炸。更棘手的是，WUGV的位姿控制涉及一阶偏航系统和二阶位置系统的耦合，单一控制器难以兼顾响应速度与稳态精度。

针对这些挑战，湖南师范大学的Lin Xiao团队在《Neurocomputing》发表研究，提出自适应ZND级联控制方案(AZNDCCS)。该方案创新性地将轨迹跟踪分解为偏航角控制与速度控制两个层级：前者采用单层AZND快速校正方向偏差，后者通过多层AZND精确调节位移。核心突破在于设计了基于系统误差动态调整的收敛参数，配合改进的WDSBP-PAF激活函数，在保证固定时间收敛的同时避免无效计算。理论证明该方案能使系统误差在有限时间^t_max内收敛至零，仿真显示其跟踪速度比传统ZND方案提升30%以上。

关键技术方法包括：1) 建立WUGV运动学模型并构建误差函数；2) 设计含自适应参数λ(t)=λ₀+κ|e|^α的AZND框架；3) 开发适用于多层结构的加权双符号幂次激活函数(WDSBP-PAF)；4) 通过Lyapunov理论验证系统稳定性。

研究结果部分：
• 问题描述与AZND方法：基于WUGV的非完整约束特性建立运动学方程，推导出包含位置误差e_p和角度误差e_θ的跟踪问题数学模型。
• 控制器设计：偏航控制器采用单层AZND生成期望横摆角速度ω_d，速度控制器通过三层AZND输出线速度v_d，形成级联架构。
• 理论分析：证明当自适应参数满足λ(t)∈[λ_min,λ_max]时，系统能在上界时间T≤π/(2γ₁γ₂√(λ_min))内收敛。
• 仿真验证：圆形轨迹跟踪实验中，AZNDCCS的稳态误差比对比方案降低2个数量级，CPU占用率减少40%。

结论表明，AZNDCCS通过参数自适应机制和级联控制架构，有效解决了WUGV轨迹跟踪中收敛速度与计算负载的矛盾。该方案不仅适用于结构化环境下的物流机器人，其设计思路还可拓展至多智能体协同控制领域。作者特别指出，未来研究可进一步探索AZND在存在外部干扰时的鲁棒性表现，为无人系统在复杂场景的应用奠定理论基础。