《工程科学学报》采用稿，hp/aig/生程料学学报2180咒.©北京科技大学2020 DOI: 基于Udwadia-Kalaba理论的自行车机器人平衡 控制方法研究 张佳乐)，赵睿英区，冯艳丽2，杨皓)，武琳琳) 1)长安大学工程机械学院公路养护装备国家工程实验室，陕西西安710064 2) 西北工业大学航天学院，陕西西安710068 ☒通信作者，E-mail:ruiying.zhao@chd.edu.cn 出版稿 摘要针对自行车机器人侧向自平衡问题，以一类装有角动量轮的自行车机器人为研究对象，提出一种新的平衡控 制方法。该方法根据自行车机器人静止时刻的侧向平衡条件，构造机器大平衡控制的运动学约束，并将平衡约束视 为控制目标。基于Udwadia-Kalaba(U-K)理论，建立满足机器人侧尚平衡的扭矩解析模型，设计基于模型的平衡约 束跟随控制器。研究结果表明，所提控制方法能够实现自车需人的侧向平衡，克服机器人侧向横滚角日初始偏 差的干扰，通过对平衡扭矩模型的计算，对自行车机器人进动平衡控制。相较于传统PD反馈控制方法，该种基 于模型设计的控制方法，具有系统响应速度快、超调量和轻制扭矩易于优化等特点。借助MATLAB软件，对所提 控制方法进行了仿真验证，实现了初始横滚角速度分别为Qs、1s、2s、5s条件下的自行车机器人侧向自平衡控 制，仿真结果验证了控制系统的稳定性和有效性，为无人驾驶自行车机器人的平衡控制领域提供了一个新的思路。 关键词自行车机器人；角动量轮：Udwadia-Kalaba理论：自平衡控制：PD控制 分类号TM911.3 Study on balance control method of bicycle Robot based on Udwadia- Kalaba theory ZHANG Jia-le ZHAO Rui-ying,FENG Yan-IP YANG Hao,WU Lin-lin 1)National Epgineering Laboratory for Highway Maintenance Equipment,Chang 'an University,School of Construction Machinery,Shaanxi,Xi an,710064 2)College of Astronautics,Northwestern Polytechnical University,Shaanxi,Xi'an,710068 Corresponding author,E-mail:ruiying.zhao@chd.edu.cn ABSTRACT In the 21st century,with the rapid development of computing and sensing technology,autonomous driving has become a hot and important research topic.The vast market for bicycles creates huge opportunities for driverless bikes.Unmanned bicycle robot has the characteristics of flexible movement and narrow body,so it can be widely used in disaster area rescue,entertainment performance,and transportation scenes,so many scholars have studied and paid attention to this type of bicycle.For the lateral self-balancing problem of bicycle robot,a new balance control method is studied for a 投稿日期：2021-8-27 基金项自：中国博士后科学基金第14批特别资助(2021T140585)、陕西省重点研发计划项目(2021 ZDLGY09-02)、陕西 省自然科学基础研究计划面上项目(2020JM-240)和中央高校基本科研业务费资助项目(300102251202)
工程科学学报 DOI: 基于 Udwadia-Kalaba 理论的自行车机器人平衡 控制方法研究 张佳乐 1)，赵睿英 1)，冯艳丽 2)，杨皓 1)，武琳琳 1) 1) 长安大学工程机械学院公路养护装备国家工程实验室，陕西 西安 710064 2) 西北工业大学航天学院，陕西 西安 710068 通信作者, E-mail: ruiying.zhao@chd.edu.cn 摘 要 针对自行车机器人侧向自平衡问题，以一类装有角动量轮的自行车机器人为研究对象，提出一种新的平衡控 制方法。该方法根据自行车机器人静止时刻的侧向平衡条件，构造机器人平衡控制的运动学约束，并将平衡约束视 为控制目标。基于 Udwadia-Kalaba（U-K）理论，建立满足机器人侧向平衡的扭矩解析模型，设计基于模型的平衡约 束跟随控制器。研究结果表明，所提控制方法能够实现自行车机器人的侧向平衡，克服机器人侧向横滚角 θ 初始偏 差的干扰，通过对平衡扭矩模型的计算，对自行车机器人进行主动平衡控制。相较于传统 PD 反馈控制方法，该种基 于模型设计的控制方法，具有系统响应速度快、超调量小和控制扭矩易于优化等特点。借助 MATLAB 软件，对所提 控制方法进行了仿真验证，实现了初始横滚角速度分别为 0°/s、1°/s、2°/s、5°/s 条件下的自行车机器人侧向自平衡控 制，仿真结果验证了控制系统的稳定性和有效性，为无人驾驶自行车机器人的平衡控制领域提供了一个新的思路。 关键词 自行车机器人；角动量轮；Udwadia-Kalaba 理论；自平衡控制；PD 控制 分类号 TM911.3 Study on balance control method of bicycle Robot based on UdwadiaKalaba theory ZHANG Jia-le1) , ZHAO Rui-ying1) , FENG Yan-li 2) , YANG Hao1) , WU Lin-lin1) 1) National Engineering Laboratory for Highway Maintenance Equipment, Chang 'an University, School of Construction Machinery, Shaanxi, Xi 'an, 710064 2) College of Astronautics, Northwestern Polytechnical University, Shaanxi, Xi 'an, 710068 Corresponding author, E-mail: ruiying.zhao@chd.edu.cn ABSTRACT In the 21st century, with the rapid development of computing and sensing technology, autonomous driving has become a hot and important research topic. The vast market for bicycles creates huge opportunities for driverless bikes. Unmanned bicycle robot has the characteristics of flexible movement and narrow body, so it can be widely used in disaster area rescue, entertainment performance, and transportation scenes, so many scholars have studied and paid attention to this type of bicycle. For the lateral self-balancing problem of bicycle robot, a new balance control method is studied for a 投稿日期:2021-8-27 基金项目:中国博士后科学基金第 14 批特别资助(2021T140585)、陕西省重点研发计划项目(2021ZDLGY09-02)、陕西 省自然科学基础研究计划面上项目(2020JM-240)和中央高校基本科研业务费资助项目(300102251202) 《工程科学学报》录用稿，https://doi.org/10.13374/j.issn2095-9389.2021.08.27.007 ©北京科技大学 2020 录用稿件，非最终出版稿
class of bicycle robot equipped with angular momentum wheel.According to the lateral balance condition of the bicycle robot,the kinematics constraint of the robot balance control is constructed,and the balance constraint is regarded as the control target.Based on Udwadia-Kalaba(U-K)theory,a torque analytical model satisfying the lateral balance of the robot was established,and a balance constraint following controller based on the model was designed.The results show that the proposed control method can realize the lateral balance of the bicycle robot and overcome the disturbance caused by the initial deviation of the lateral roll Angle 0.Through the calculation of the balance torque model,the bicycle robot is actively balanced.Compared with the traditional PD feedback control method,the control method based on the model design has the characteristics of fast system response,small overshot and easy to optimize the control torque.With the help of MATLAB software,the proposed control method is simulated and verified,and the lateral self-balancing control of the bicycle robot under the initial roll angular velocity of 0/s,1/s,2/s and 5/s is achieved.The simulation results verify the stability and effectiveness of the control system.It provides a new idea for the balance control of unmanned bicyele robot KEY WORDS Bicycle robot:Angular momentum wheel;Udwadia-Kalaba theory;Self-balancing control,PD control 自行车是一种使用历史悠久的代步交通工具，具有结构简单、环保经济、用途广泛等优点，其 历史可大约追溯到第二次工业革命时期凹。进入21世纪，随着计算和传感技术的飞速发展，使得自 动驾驶成为一个热门而重要的研究课题。自行车的广阔市场为无人驾驶自行车创造了巨大的机会。 无人驾驶自行车机器人具有运动灵活、车身狭小等特点，从而能够六泛应用到灾区救援、娱乐表演、 物流运输等场景中)，因此得到了众多学者对该类型自行车的研究与关注。 近年来，围绕着自行车机器人的稳定平衡控制策略问题，】 国内外的学者开展了深入的研究。其 中，Tanaka等人通过控制转向角或利用离心力来控制平衡。然而，该方法无法实现自行车静止状 态的平衡控制。Le等人则是通过改变质心的位置来控制机器人的平衡，但该方法增加了自行车的 重量，导致系统的响应时间较慢。Schwab等人6-则指⊙通过转向车把来平衡低速（静止）状态的自 行车困难较大，在这种情况下，可采用角动量轮进行侧向平衡控制，相比之下，该方法可以实现在 静止状态下的车体平衡控制。目前，己有一些使用角动量轮进行机器人自平衡的线性控制方法被提 出。其中Lam等人8-对自行车的横滚角度进行实时测量，采用PD控制算法与PID控制算法，实现 了两自由度自行车机器人的平衡控制。Chen等人o将自行车动态模型进行线性化和离散化，设计了 模型预测控制器来实现自行车的平衡控制，使用了两个旋转方向相反的飞轮来抵消自行车偏航动力 学中的反作用力矩，对于每个飞轮需要两个执行器来调节围绕两个正交轴的角速度，但会使平衡 设备的复杂性增加。Spya等人对动力学模型进行了线性化处理，并采用极点置零法设计了平衡控 制器。上述方法大多需要对模型进行线性化处理，但自行车机器人是一个复杂的非线性系统，模型 简化会降低控制系统精度。针对这些问题，Cui等人提出了一种基于DA-PBC方法的非线性控制 器，为简化辅助平衡设备仅使用一个飞轮，将与飞轮旋转方向相反的扭矩用于自行车的平衡控制。 张等人1设计了一种美线性控制器，通过控制陀螺仪进行自行车的平衡控制。此外，也有许多其他 两轮自行车的非线性平衡控制方法被提出，Lee和Ham的非线性控制以及Chen和Dao的模糊控 制方法等，这些控制方法考虑了自行车机器人系统的非线性因素，利用反馈信息设计机器人平衡 控制器，有效解决了模型简化所产生的控制系统精度受限的问题，成为了自行车机器人控制领域的 研究热点。 与上述传统的非线性控制方法不同，陈等人618基于Udwadia-Kalaba(U-K)理论从一个新的 角度出发，将控制目标视为受控对象的伺服约束条件，并通过产生主动伺服约束力使受控系统实现 控制目标，即利用主动控制的思想来解决机械系统的控制问题。该方法是专门针对机械系统的一种 新非线性控制方法，并被应用至不同领域中，其中：赵等人在机械臂位置控制方面应用了该方法， 能够较好地解决伺服约束控制方面问题。赵等人考虑了系统的关节摩擦以及不确定性的影响，将 该方法应用到非线性Deta并联机器人的鲁棒控制中，并验证了系统稳定性与有效性。陈等人四针对 欠驱动移动机器人的平衡控制问题，提出了一种基于U-K理论的自适应律的控制方法，该自适应律
class of bicycle robot equipped with angular momentum wheel. According to the lateral balance condition of the bicycle robot, the kinematics constraint of the robot balance control is constructed, and the balance constraint is regarded as the control target. Based on Udwadia-Kalaba (U-K) theory, a torque analytical model satisfying the lateral balance of the robot was established, and a balance constraint following controller based on the model was designed. The results show that the proposed control method can realize the lateral balance of the bicycle robot and overcome the disturbance caused by the initial deviation of the lateral roll Angle θ. Through the calculation of the balance torque model, the bicycle robot is actively balanced. Compared with the traditional PD feedback control method, the control method based on the model design has the characteristics of fast system response, small overshot and easy to optimize the control torque. With the help of MATLAB software, the proposed control method is simulated and verified, and the lateral self-balancing control of the bicycle robot under the initial roll angular velocity of 0°/s, 1°/s, 2°/s and 5°/s is achieved. The simulation results verify the stability and effectiveness of the control system. It provides a new idea for the balance control of unmanned bicycle robot. KEY WORDS Bicycle robot; Angular momentum wheel; Udwadia-Kalaba theory; Self-balancing control; PD control 自行车是一种使用历史悠久的代步交通工具，具有结构简单、环保、经济、用途广泛等优点，其 历史可大约追溯到第二次工业革命时期[1]。进入 21 世纪，随着计算和传感技术的飞速发展，使得自 动驾驶成为一个热门而重要的研究课题。自行车的广阔市场为无人驾驶自行车创造了巨大的机会[2]。 无人驾驶自行车机器人具有运动灵活、车身狭小等特点，从而能够广泛应用到灾区救援、娱乐表演、 物流运输等场景中[3]，因此得到了众多学者对该类型自行车的研究与关注。 近年来，围绕着自行车机器人的稳定平衡控制策略问题，国内外的学者开展了深入的研究。其 中，Tanaka 等人[4]通过控制转向角或利用离心力来控制平衡。然而，该方法无法实现自行车静止状 态的平衡控制。Lee 等人[5]则是通过改变质心的位置来控制机器人的平衡，但该方法增加了自行车的 重量，导致系统的响应时间较慢。Schwab 等人[6-7]则指出通过转向车把来平衡低速（静止）状态的自 行车困难较大，在这种情况下，可采用角动量轮进行侧向平衡控制，相比之下，该方法可以实现在 静止状态下的车体平衡控制。目前，已有一些使用角动量轮进行机器人自平衡的线性控制方法被提 出。其中 Lam 等人[8-9]对自行车的横滚角度进行实时测量，采用 PD 控制算法与 PID 控制算法，实现 了两自由度自行车机器人的平衡控制。Chen 等人[10]将自行车动态模型进行线性化和离散化，设计了 模型预测控制器来实现自行车的平衡控制，使用了两个旋转方向相反的飞轮来抵消自行车偏航动力 学中的反作用力矩，对于每个飞轮，需要两个执行器来调节围绕两个正交轴的角速度， 但会使平衡 设备的复杂性增加。Sprya 等人[11]对动力学模型进行了线性化处理，并采用极点置零法设计了平衡控 制器。上述方法大多需要对模型进行线性化处理，但自行车机器人是一个复杂的非线性系统，模型 简化会降低控制系统精度。针对这些问题，Cui 等人[12]提出了一种基于 IDA-PBC 方法的非线性控制 器，为简化辅助平衡设备仅使用一个飞轮，将与飞轮旋转方向相反的扭矩用于自行车的平衡控制。 张等人[13]设计了一种非线性控制器，通过控制陀螺仪进行自行车的平衡控制。此外，也有许多其他 两轮自行车的非线性平衡控制方法被提出，Lee 和 Ham 的非线性控制[14]以及 Chen 和 Dao 的模糊控 制方法等[15]，这些控制方法考虑了自行车机器人系统的非线性因素，利用反馈信息设计机器人平衡 控制器，有效解决了模型简化所产生的控制系统精度受限的问题，成为了自行车机器人控制领域的 研究热点。 与上述传统的非线性控制方法不同，陈等人[16-18]基于 Udwadia-Kalaba（U-K）理论从一个新的 角度出发，将控制目标视为受控对象的伺服约束条件，并通过产生主动伺服约束力使受控系统实现 控制目标，即利用主动控制的思想来解决机械系统的控制问题。该方法是专门针对机械系统的一种 新非线性控制方法，并被应用至不同领域中，其中：赵等人[19]在机械臂位置控制方面应用了该方法， 能够较好地解决伺服约束控制方面问题。赵等人[20]考虑了系统的关节摩擦以及不确定性的影响，将 该方法应用到非线性 Delta 并联机器人的鲁棒控制中，并验证了系统稳定性与有效性。陈等人[21]针对 欠驱动移动机器人的平衡控制问题，提出了一种基于 U-K 理论的自适应律的控制方法，该自适应律 录用稿件，非最终出版稿
可根据系统存在的不确定性不断进行跟踪误差的调整。韩等人22将一种基于U-K理论的轨迹跟踪控 制方法应用到六轴协作机器人上，使系统具有较好的稳定性。尹等人2在解决车辆横向和偏航运动 控制问题中使用了该方法，通过数值仿真结果验证了该方法的有效性。此外，董等人4将该方法应 用到柔性机器人控制中，通过理论分析与仿真结果，验证了该控制方法可以完成系统的轨迹跟踪控 制任务。然而该方法在自行车机器人领域的应用尚未涉及，论文利用该方法对自行车机器人侧向平 衡控制进行研究，具有一定的理论意义和应用价值。 综上所述，本文基于U-K理论，针对自行车机器人侧向自平衡问题，提出了一种满足系统平衡 要求的主动控制方法。相比于传统的反馈控制方法，该方法从一个新的角度来解决自行车机器人的 平衡控制问题，克服了初始偏差的干扰，实现了不同初始横滚角速度下自行车机器人的侧向平衡约 束跟随控制，并借助MATLAB软件对该控制方法进行了数值仿真，验证了该系统的稳定性和有效 性，可实现自行车机器人系统的侧向自平衡控制。 l.Udwadia-Kalaba方程 Udwadia-Kalaba方程是一类用于描述受约束系统动力学问题的方程。 考虑一个机械系统包含n 个质点，整个系统在任意时刻1的位形可由广义坐标向量q∈R”表示资统的义速度向量为 g∈R”,广义加速度向量为R”。无约束条件下，机械系统的运动方程可以表述为： M(g,t)=F(q,q,t) (1) 其中，M(q,t)=M(q,t)∈R"为质量矩阵（或惯性矩阵y F(©，，t)∈R”包括重力、外力和离心 力/科式力网。 如果该机械系统受到一组约束（完整约束或非完整约束）/，约束方程为： ∑4(q,09.=c,(g,2,0 (2) 其中，lI0
可根据系统存在的不确定性不断进行跟踪误差的调整。韩等人[22]将一种基于 U-K 理论的轨迹跟踪控 制方法应用到六轴协作机器人上，使系统具有较好的稳定性。尹等人[23]在解决车辆横向和偏航运动 控制问题中使用了该方法，通过数值仿真结果验证了该方法的有效性。此外，董等人[24]将该方法应 用到柔性机器人控制中，通过理论分析与仿真结果，验证了该控制方法可以完成系统的轨迹跟踪控 制任务。然而该方法在自行车机器人领域的应用尚未涉及，论文利用该方法对自行车机器人侧向平 衡控制进行研究，具有一定的理论意义和应用价值。 综上所述，本文基于 U-K 理论，针对自行车机器人侧向自平衡问题，提出了一种满足系统平衡 要求的主动控制方法。相比于传统的反馈控制方法，该方法从一个新的角度来解决自行车机器人的 平衡控制问题，克服了初始偏差的干扰，实现了不同初始横滚角速度下自行车机器人的侧向平衡约 束跟随控制，并借助 MATLAB 软件对该控制方法进行了数值仿真，验证了该系统的稳定性和有效 性，可实现自行车机器人系统的侧向自平衡控制。 1. Udwadia-Kalaba 方程 Udwadia-Kalaba 方程是一类用于描述受约束系统动力学问题的方程。考虑一个机械系统包含 n 个质点，整个系统在任意时刻 t 的位形可由广义坐标向量 n q R 表示，系统的广义速度向量为 n q R ，广义加速度向量为 n qR 。无约束条件下，机械系统的运动方程可以表述为： M q t q F q q t ( , ) ( , , ) (1) 其中， ( , ) ( , ) T n n M q t M q t R 为质量矩阵（或惯性矩阵）； ( , , ) n F q q t R 包括重力、外力和离心 力/科式力[25]。 如果该机械系统受到一组约束（完整约束或非完整约束），约束方程为： 1 ( , ) ( , ) ( 1,2, , ) n rs s r s A q t q c q t r l (2) 其中，l l n ( ) 是约束的个数； ( ) : n Ars R R R 和 ( ) : n r c R R R 是 1 C 连续的。该约束可以用 矩阵形式表示为： A q t q c q t ( , ) ( , ) (3) 其中， 1 2 ( , ) [ ] ( , ) [ ]T A q t A c q t c c c rs l n l ， 。通过对式（3）微分，可以得到该约束的二阶形 式： 1 1 ( ( , )) ( ( , )) ( , ) n n rs s rs s r s s d d A q t q A q t q c q t dt dt (4) 其中， 1 ( , ) ( , ) ( , ) n rs rs rs k k k d A q t A q t A q t q dt q t (5) 1 ( , ) ( , ) ( , ) n r r r k k k d c q t c q t c q t q dt q t (6) 令 1 ( , ) ( , ) ( ( , )) n r r rs s s d d b q t c q t A q t q dt dt (7) 则， 1 ( , ) ( , , ) ( 1,2, , ) n rs s r s A q t q b q q t r l (8) 将上式用矩阵形式表示为： A q t q b q q t ( , ) ( , , ) (9) 其中， 1 2 ( , ) [ ]T l b q t b b b 。假定机械系统处于理想情况下，则做出以下假设： 假设 1：对于任意( , ) n q t R R ，系统惯性矩阵 1 M q t ( , ) 0 。 录用稿件，非最终出版稿
假设2：对于所有(g,q,t)∈R”×R,rank[A(q,t]≥1。 假设3：约束方程是相容的，对于任意A(q,)和b(9,q,),至少存在一个9满足约束方程。 定理1：满足假设1至假设3，受约束的机械系统运动方程，即Udwadia-Kalaba方程7： M(g,t)i=F(9,q,t)+F.(g,9,) =F(g,9,)+Mq,)(4Aq,)M(q,t)-2)* (10) (b(gg,1)-A(g,1)M(g,1)F(qq,1)) 其中，(4(g,)M(g,)2)为A(g,)M(g,)的逆矩阵。 当系统受到一个伺服约束，且不存在初始偏差和不确定性时，控制器可以基于模型设计为 π=F(⑨，q,),可使系统满足约束方程(9)，实现控制要求。对于欠驱动系统，其独立的控制输入 变量个数少于系统的自由度个数，因此，常用于全驱动机器人的控制方法通常难以直接应用到自行 车机器人控制系统中，则控制器可以基于模型架构成B(q,t)π形式，来实现系统的控制要求。其中 B(q,t)eRm为系统的输入矩阵，x∈R1为系统的控制扭矩，且n>m火 2.自行车机器人动力学童横和控制 2.1机器人动力学横型 自行车机器人结构简图如图1所示。O-YZ代表全局惯性参考坐标系，其中O为后轮与地面 接触点，OX是机器人行走方向，OZ是垂直地面向上的方向，为横滚角（机器人相对于垂直面 的倾斜角度)，日1为角动量轮旋转角度，整个机器人的质必用点表示，m,和m2分别表示机器人 (包括前后轮)和角动量轮的质量，L和L2分别表示从地面到机器人质心和角动量轮质心的距离， 除角动量轮外的机器人绕X轴的转动惯量为11，角动绳轮的转动惯量为I2,8表示重力加速度。 稿代 图1自行车机器人结构简图 ig.1 Bicycle robot structure simplified diagram 利用欧拉-拉格朗方程建立机器人的无约束动力学模型)： Ψ=T-U (11) daΨ aΨ =Q(i=1,2) (12) 其中，T为系统动能：U为系统势能：Q为系统所受外力。取0、日，为广义坐标9，、q2。 系统的运动可分为两部分：平动和转动。对于平动运动，自行车机器人质心和角动量轮质心的 速度分别为： v=Lecose,v.=Lesine (13) vy2 =Le cose,v.2=L0sine (14) 其中，V为自行车机器人Y方向的线速度：v为自行车机器人Z方向的线速度：V2为角动量轮 Y方向的线速度：v2为角动量轮Z方向的线速度
假设 2：对于所有( , , ) n q q t R R ， rank[ ( , )] 1 A q t 。 假设 3：约束方程是相容的，对于任意 A q t ( , ) 和b q q t ( , , ) ，至少存在一个 q 满足约束方程。 定理 1：满足假设 1 至假设 3，受约束的机械系统运动方程，即 Udwadia-Kalaba 方程[17]： 1/2 1/2 1 ( , ) ( , , ) ( , , ) = ( , , ) ( , ) ( ( , ) ( , ) ) ( ( , , ) ( , ) ( , ) ( , , )) M q t q F q q t F q q t c F q q t M q t A q t M q t b q q t A q t M q t F q q t (10) 其中， 1/2 ( ( , ) ( , ) ) A q t M q t 为 1/2 A q t M q t ( , ) ( , ) 的逆矩阵[26]。 当系统受到一个伺服约束，且不存在初始偏差和不确定性时，控制器可以基于模型设计为 ( , , ) F q q t c ，可使系统满足约束方程（9），实现控制要求。对于欠驱动系统，其独立的控制输入 变量个数少于系统的自由度个数，因此，常用于全驱动机器人的控制方法通常难以直接应用到自行 车机器人控制系统中，则控制器可以基于模型架构成 B q t ( , ) 形式，来实现系统的控制要求。其中 ( , ) n m B q t R 为系统的输入矩阵， m 1 R 为系统的控制扭矩，且 n m [24]。 2.自行车机器人动力学建模和控制 2.1 机器人动力学模型 自行车机器人结构简图如图 1 所示。O XYZ 代表全局惯性参考坐标系，其中O 为后轮与地面 接触点，OX 是机器人行走方向， OZ 是垂直地面向上的方向， 为横滚角（机器人相对于垂直面 的倾斜角度）， 1 为角动量轮旋转角度，整个机器人的质心用点 P 表示， m1 和 m2 分别表示机器人 （包括前后轮）和角动量轮的质量， L1和 L2 分别表示从地面到机器人质心和角动量轮质心的距离， 除角动量轮外的机器人绕 X 轴的转动惯量为 1 I ，角动量轮的转动惯量为 2 I ， g 表示重力加速度。 P 1 X Y Z O L1 L2 图 1 自行车机器人结构简图 Fig.1 Bicycle robot structure simplified diagram 利用欧拉-拉格朗日方程建立机器人的无约束动力学模型[27]： T U (11) ( 1, 2) i i i d Q i dt q q (12) 其中，T 为系统动能；U 为系统势能；Qi为系统所受外力。取 、 1 为广义坐标 q1、 2 q 。 系统的运动可分为两部分：平动和转动。对于平动运动，自行车机器人质心和角动量轮质心的 速度分别为: 1 1 1 1 cos , sin y z v L v L (13) 2 2 2 2 cos , sin y z v L v L (14) 其中， y1 v 为自行车机器人 Y 方向的线速度； z1 v 为自行车机器人 Z 方向的线速度； y2 v 为角动量轮 Y 方向的线速度； z 2 v 为角动量轮 Z 方向的线速度。 录用稿件，非最终出版稿
机器人和角动量轮的转动速度为： 01=0,02=0+0 (15) 因此结合式(13)·(15)，系统的动能可表示为： I=me,广+m(e,+ugr+n (16) m(L.0y+w(l.oy g=之aP+@,=or+,6+ (17) T=T+T, (18) 从装高 其中，T为系统平动动能：T为系统转动动能。 系统的势能表示为： U=(mL +mL)g cos0 (19) Mq=F+Bt (20) 心可为系统的输入矩阵：T∈K,,,,地 m+m+ M= (21)） (22) 「gsin0m m2L2) (23) 2.2控制器设计 当自行车机器人存在一定的初始横滚角速度日时，为了使系统可以快速收敛于平衡位置，需对 机器人施加一组目标约束，即期单的阳标位置g:飞，)→R”，且q连续，则机器人系统的期望 速度g，期望加速度。列后将系统的位置误差为零看作系统的一个完整约束，即q-g=0。定 义系统位置误差： e=9-q (25) 则系统速度误差：兰94。 系统加速度误差：e=4-。 为使系统位置能够完全到达期望位置，需要满足以下约束： @+Ke+Ke=0 (26) 其中，K与2为正定对角矩阵。 将式(26)重新表达为矩阵形式： Ag=b (27 其中，4=[10：b=-K0-K0:q(0=0)。 根据定理1可以得出维持机器人侧向平衡的约束力模型，且该模型是实现平衡约束所需扭矩的 最小值21，根据约束力的解析模型，设计系统的控制扭矩τ为： T=(AM-B)*[b-AM-F(g,g,t)] (28) +I-(AM-B)AM-B)h 其中，h∈R”为任意向量；I为单位矩阵
机器人和角动量轮的转动速度为： 1 2 1 , (15) 因此结合式（13）-（15），系统的动能可表示为： 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 1 1 2 2 1 1 1 1 ( ) ( ) ( ) ( ) 2 2 2 2 1 1 ( ) ( ) 2 2 T m v m v m v m v y z y z m L m L (16) 2 2 2 2 2 1 1 2 2 1 2 1 1 1 1 1 ( ) ( ) ( ) ( ) 2 2 2 2 T I I I I (17) T T T 1 2 (18) 其中，T1为系统平动动能；T2 为系统转动动能。 系统的势能表示为： 1 1 2 2 U m L m L g ( ) cos (19) 结合式（12），自行车机器人系统静止时刻的动力学方程可表示为： Mq F B (20) 其中， B [0;1]为系统的输入矩阵； 1 1 R 为角动量轮提供的控制扭矩。 2 2 1 1 2 2 1 2 2 2 2 m L m L I I I M I I (21) 1 q (22) 1 1 2 2 sin ( ) 0 g m L m L F (23) 2.2 控制器设计 当自行车机器人存在一定的初始横滚角速度 时，为了使系统可以快速收敛于平衡位置，需对 机器人施加一组目标约束，即期望的目标位置 d q ：[ , ) n t R ，且 d q 连续，则机器人系统的期望 速度 d q ，期望加速度 d q 。而后将系统的位置误差为零看作系统的一个完整约束，即 0 d q q 。定 义系统位置误差： d e q q (25) 则系统速度误差： d e q q ，系统加速度误差： d e q q 。 为使系统位置能够完全到达期望位置，需要满足以下约束： e K e K e 1 2 0 (26) 其中， K1与 K2 为正定对角矩阵。 将式（26）重新表达为矩阵形式： A q b 1 1 (27) 其中， 1 A 1 0 ； 1 1 2 b K K ； ( 0) d q 。 根据定理 1 可以得出维持机器人侧向平衡的约束力模型，且该模型是实现平衡约束所需扭矩的 最小值[28]，根据约束力的解析模型，设计系统的控制扭矩 [29]为： 1 1 1 1 1 1 1 1 1 ( ) [ ( , , )] [ ( ) )] A M B b A M F q q t I A M B A M B h (28) 其中， n h R 为任意向量；I 为单位矩阵。 录用稿件，非最终出版稿
该控制器设计可以消除初始位置误差的影响，令自行车机器人横滚角日快速收敛到平衡位置， 使系统达到稳定状态。其控制器设计步骤总结为：首先根据侧向平衡条件，构造出自行车机器人平 衡控制的运动学约束：然后将该约束重新表达为二阶矩阵形式：最后根据定理1，设计出满足式 (27)平衡约束条件的控制扭矩T。其流程如图2所示。 Start Construction of kinematic constraints of bicvcle robot balance control as a second Establish the lateralc del based on U-K 版稿 analysis me theory 图2自平衡控制器设计流程图 3.仿真及结果分析 又 假设自行车机器人仿真参数如表1所示0，利用MLAB©DE45对自行车机器人进行数值仿 真。初始值设定如下：q=[100],9=10],仿真结果如图3~图5所示。 表1自行车机器人参数表 Tablel bicycle robot parameters Parameter Value Parameter Value 11kg 0.007882kgm2 步 3.5kg L 0.2316m 0.12418kg:m2 L 0.15m 9.8ms 3 [1000 Lo 0 Ke 图3与图4分别表示自行车机器人横滚角日与角动量轮提供的控制扭矩τ随时间1变化的曲线 图。当初始横滚角0为10时，在角动量轮所提供控制扭矩τ的作用下，系统的横滚角0约5秒后收 敛于平衡位置。 图5所示为系统的位置误龛与速度误差随时间1变化的曲线图。图6呈现了角动量轮提供的 控制扭矩t、时间1与位置误差e的关系图，随着时间1的增大或位置误差的减小，扭矩t逐渐减 小。 40 10 35 30 20 15 10 5 0 10 152025 30 0 5 10 15 20 25 30 图3横滚角曲线图 图4扭矩曲线图 Fig.3 Angle graph Fig.4 Torque graph
该控制器设计可以消除初始位置误差的影响，令自行车机器人横滚角 快速收敛到平衡位置， 使系统达到稳定状态。其控制器设计步骤总结为：首先根据侧向平衡条件，构造出自行车机器人平 衡控制的运动学约束；然后将该约束重新表达为二阶矩阵形式；最后根据定理 1，设计出满足式 (27)平衡约束条件的控制扭矩 。其流程如图 2 所示。 Start Construction of kinematic constraints of bicycle robot balance control The constraint is reexpressed as a second order matrix Establish the lateral control analysis model based on U-K theory End 图 2 自平衡控制器设计流程图 Fig.2 Flow chart of controller design 3.仿真及结果分析 假设自行车机器人仿真参数如表 1 所示[30]，利用 MATLAB ODE45 对自行车机器人进行数值仿 真。初始值设定如下： q [10 0] ， q [1 0] ，仿真结果如图 3~图 5 所示。 表 1 自行车机器人参数表 Table1 bicycle robot parameters Parameter Value Parameter Value m1 11 kg I2 0.007882 kg·m2 m2 3.5 kg L1 0.2316 m I1 0.12418 kg·m2 L2 0.15 m g 9.8 m·s -2 K1 3 K2 4 C [1 0 0 0] L0 0 m KD 3 h 0 KP 4 图 3 与图 4 分别表示自行车机器人横滚角 与角动量轮提供的控制扭矩 随时间 t 变化的曲线 图。当初始横滚角 为 10°时，在角动量轮所提供控制扭矩 的作用下，系统的横滚角 约 5 秒后收 敛于平衡位置。 图 5 所示为系统的位置误差e 与速度误差e 随时间 t 变化的曲线图。图 6 呈现了角动量轮提供的 控制扭矩 、时间 t 与位置误差 e 的关系图，随着时间 t 的增大或位置误差 e 的减小，扭矩 逐渐减 小。 0 5 10 15 20 25 30 -2 0 2 4 6 8 10 θ/° t/s θ 0 5 10 15 20 25 30 -5 0 5 10 15 20 25 30 35 40 /N·m t/s 图 3 横滚角曲线图 图 4 扭矩曲线图 Fig.3 Angle graph Fig.4 Torque graph 录用稿件，非最终出版稿
T 0 5 10 15 20 25 30 图5误差曲线图 图6扭矩角度误差曲线图 Fig.5 Error graph Fig.6 Torque and angle error graph 改变系统的初始横滚角速度值，将其分别设定为：9=[00]：009=[20]： 9=[50],仿真结果如图7~图10所示。 图7所示为自行车机器人横滚角日在不同的初始横滚角速度日的情况下随时间1变化的曲线图， 可知横滚角日由初始给定的10开始衰减，在2.4秒左右减至-0.4°，约5秋后稳定收敛于期望值0°。 图8所示为不同的初始横滚角速度随时间1变化的曲线图，可知横滚角速度随着初始偏差干扰的 增大，其超调量的绝对值逐渐增大。图9所示为角动量轮的旋转角速度在不同的初始横滚角速度 日的情况下随时间1变化的曲线图。图10所示为角动量轮提供的控制扭矩t在不同的初始横滚角速 度的情况下随时间1变化的曲线图，从局部放大图可知 仿真伊始随着初始横滚角速度6的增大 所需扭矩T随之增大。 为了与本文提出的约束跟随控制器进行控比较， 我们提 出了以下针对自行车机器人自平衡系统 的传统PD控制器：」 T'=Kpe+R (29) 其中，Kp为微分系数：Kp为比例系数。 图11为PD控制器simulink环境下的系统框架图，图12为传统PD控制器与本文约束跟随控制 器仿真对比曲线图，从仿真结果可知本文采用的控制方法较于传统的PD控制方法，具有系统响应 速度快、超调量小以及系统震荡次数显著减少等特点。 B(=1/s 0=0/s)--0t=1s) =2/s .·0L=2/s)-+…-0L=5s 0 8 15 20 25 30 0 10152025 30 s 横滚角度曲线图 图8横滚角速度曲线图 Fig.7 Angle curves Fig.8 Angular velocity curves
0 5 10 15 20 25 30 -8 -4 0 4 8 error/° t/s e e 图 5 误差曲线图 图 6 扭矩角度误差曲线图 Fig.5 Error graph Fig.6 Torque and angle error graph 改变系统的初始横滚角速度值，将其分别设定为： q [0 0]； q [1 0] ； q [2 0] ； q [5 0]，仿真结果如图 7~图 10 所示。 图 7 所示为自行车机器人横滚角 在不同的初始横滚角速度 的情况下随时间 t 变化的曲线图， 可知横滚角 由初始给定的 10°开始衰减，在 2.4 秒左右减至-0.4°，约 5 秒后稳定收敛于期望值 0 °。 图 8 所示为不同的初始横滚角速度 随时间 t 变化的曲线图，可知横滚角速度随着初始偏差干扰的 增大，其超调量的绝对值逐渐增大。图 9 所示为角动量轮的旋转角速度 1 在不同的初始横滚角速度 的情况下随时间 t 变化的曲线图。图 10 所示为角动量轮提供的控制扭矩 在不同的初始横滚角速 度 的情况下随时间 t 变化的曲线图，从局部放大图可知，仿真伊始随着初始横滚角速度 的增大 所需扭矩 随之增大。 为了与本文提出的约束跟随控制器进行控比较，我们提出了以下针对自行车机器人自平衡系统 的传统 PD 控制器[31]： ' K e K e D P (29) 其中，KD为微分系数；KP为比例系数。 图 11 为 PD 控制器 simulink 环境下的系统框架图，图 12 为传统 PD 控制器与本文约束跟随控制 器仿真对比曲线图，从仿真结果可知本文采用的控制方法较于传统的 PD 控制方法，具有系统响应 速度快、超调量小以及系统震荡次数显著减少等特点。 0 5 10 15 20 25 30 -2 0 2 4 6 8 10 1.5 2.0 2.5 3.0 -0.4 -0.2 0.0 0.2 θ(t 0=0°/s) θ(t 0=1°/s) θ(t 0=2°/s) θ(t 0=5°/s) θ/° t/s 0 5 10 15 20 25 30 -10 -8 -6 -4 -2 0 2 4 6 0.0 0.5 1.0 1.5 2.0 -8.8 -8.6 -8.4 -8.2 -8.0 -7.8 θ -7.6 /° t/s θ(t 0=0°/s) θ(t 0=1°/s) θ(t 0=2°/s) θ(t 0=5°/s) 图 7 横滚角度曲线图 图 8 横滚角速度曲线图 录用稿件，非最终出版稿 Fig.7 Angle curves Fig.8 Angular velocity curves
2000 50 0(=0s)-- 0(=11s) -(。=0s) 1600 0(L=2s)-- (=51s) % (6。=1s) ··+(0=2s) 30 …-(G=5s) 1200 320 800 10 400 00.310132.02503 0 .10 0 10 15 2025 30 5 10 15 20 25 30 图9角动量轮角速度曲线图 图10扭矩曲线图 Fig.9 Angular momentum wheel angular velocity curves Fig.10 Torque graph 12 10 8 nstraint following controller 回 out.tol ○out4 aimo 5 10 152025 位PD控制器和约束跟随控制器对比曲线图 30 t/s 图1lPD控制器simulink框架图 Fig.11 Simiulink frame diagram of PD controller Fig.12 Comparison of PD controller and constraint following controller 4.结论 (I)本文将Udwadia-Kalaba理论应用至装有角动量轮的自行车机器人静止状态平衡控制中，阐 述了该方法的原理与应用条件，并依据侧向平衡条件，构造出机器人平衡控制的运动学约束，建立 了满足运动约束的扭矩解析模型，X该解析模型可以实现所需平衡控制的最小扭矩。 (2)通过仿真分析的方式，说明了所设计的约束跟随控制器可在不同初始横滚角速度下，实现 自行车机器人系统的自亚衡控捌保证了该控制系统的稳定性和有效性。相比于传统的PD反馈控 制方法，该方法具有系统响应时间快、超调量小等优点。因此，该方法可为无人驾驶自行车机器人的 侧向平衡问题提供/ 种新的控制方法。 参考文献 [1]Wang H.Research on Balance Control Method of Bicycle Robot [Dissertation].Shaanxi:Shaanxi University of Science and Technology,2019 (王涵.自行车机器人平衡控制方法研究学位论文].陕西：陕西科技大学，2019) [2]Bai GX,Meng Y,Gu Q,et al.Current status of path tracking control of unmanned driving vehicles.ChineseJournal of Engineering,2021,43(4):475 (白国星，孟宇，刘立，等.无人驾驶车辆路径跟踪控制研究现状，工程科学学报，2021,43(4)：475) 3]Hou S.Research on Control of Unmanned Bicycle Based on Variable Domain Fuzzy Control [Dissertation].Liaoning: Dalian University of Technology,2020 (侯帅.基于变论域模糊控制的无人自行车控制研究[学位论文].辽宁：大连理工大学，2020)
0 5 10 15 20 25 30 0 400 800 1200 1600 2000 θ1 /° t/s θ(t 0=0°/s) θ(t 0=1°/s) θ(t 0=2°/s) θ(t 0=5°/s) 0 5 10 15 20 25 30 -10 0 10 20 30 40 50 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 -5 0 5 10 15 20 /N·m t/s (θ(t 0=0°/s)) (θ(t 0=1°/s)) (θ(t 0=2°/s)) (θ(t 0=5°/s)) 图 9 角动量轮角速度曲线图 图 10 扭矩曲线图 Fig.9 Angular momentum wheel angular velocity curves Fig.10 Torque graph 0 5 10 15 20 25 30 -6 -4 -2 0 2 4 6 8 10 12 θ/° t/s PD controller Constraint following controller θ=0° 图 11 PD 控制器 simulink 框架图 图 12 PD 控制器和约束跟随控制器对比曲线图 Fig.11 Simiulink frame diagram of PD controller Fig.12 Comparison of PD controller and constraint following controller 4.结论 (1) 本文将 Udwadia-Kalaba 理论应用至装有角动量轮的自行车机器人静止状态平衡控制中，阐 述了该方法的原理与应用条件，并依据侧向平衡条件，构造出机器人平衡控制的运动学约束，建立 了满足运动约束的扭矩解析模型，该解析模型可以实现所需平衡控制的最小扭矩。 (2) 通过仿真分析的方式，说明了所设计的约束跟随控制器可在不同初始横滚角速度下，实现 自行车机器人系统的自平衡控制，保证了该控制系统的稳定性和有效性。相比于传统的 PD 反馈控 制方法，该方法具有系统响应时间快、超调量小等优点。因此，该方法可为无人驾驶自行车机器人的 侧向平衡问题提供一种新的控制方法。 参 考 文 献 [1] Wang H. Research on Balance Control Method of Bicycle Robot [Dissertation]. Shaanxi: Shaanxi University of Science and Technology, 2019 (王涵. 自行车机器人平衡控制方法研究[学位论文]. 陕西: 陕西科技大学, 2019) [2] Bai G X, Meng Y, Gu Q, et al. Current status of path tracking control of unmanned driving vehicles. Chinese Journal of Engineering, 2021, 43(4): 475 (白国星, 孟宇, 刘立, 等. 无人驾驶车辆路径跟踪控制研究现状, 工程科学学报, 2021, 43(4): 475) [3] Hou S. Research on Control of Unmanned Bicycle Based on Variable Domain Fuzzy Control [Dissertation]. Liaoning: Dalian University of Technology, 2020 (侯帅. 基于变论域模糊控制的无人自行车控制研究[学位论文]. 辽宁: 大连理工大学, 2020) 录用稿件，非最终出版稿
[4]Tanaka Y,Murakami T.Self-sustaining bicycle robot with steering controller /The Sth IEEE International Workshop on Advanced Motion Control,Kawasaki,Japan.2004:18 [5]Lee S,Ham w.Self-stabilizing strategy in tracking control of unmanned electric bicycle with mass balance / Proceedings of the IEEE International Conference on Intelligent Robots and Systems,Lausanne,Switzerland,2002: 2200 [6]SchwabAL,Mei J P.A review on bicycle dynamics and rider control.Vehicle System Dynamics,2013,51(7):1059 [7]Ngoc K V,Hong QN.Balancing control of two-wheel bicycle problems.Mathematical Problems in Engineering.2020: 8]Lam PY,Gyroscopic stabilization of a kid-size bicycle The 5th IEEE International Conference on Cybernetics and Intelligent System,Qingdao,China,2011:247 [9]Lee S I,Lee I W,Kim M S,et al.Balancing and driving control of a bicycle robot.Journal of Institute of Control Robotics and Systems,2012,18(6):532 [10]Chen C,Chu T,Zhang X.Modeling and control of an active stabilizing assistant sys em cle.Sensors,2019, 19(2):248 [11]Sprya S C,Girardb A R.Gyroscopic stabilisation of unstable vehicles:configurat amics,and control.Vehicle System Dynamics,2008,46:247 [12]Cui LL,Wang S,et al.Nonlinear balance control of an unmanned bicycle design and experiments //IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS SA 2020 [13]Zhang Y,Wang P,Yi J,et al.Stationary balance control of a bikebotIl EEE International Conference on Robotics and Automation,Hong Kong,2014:6706 [14]Lee S,Ham w.Self-stabilizing strategy in tracking controKof unmanned electric bicycle with mass balance Proceedings of the IEEE International Conference on Intellige Robots and Systems,Lausanne.Switzerland.2002: 2200 [15]Chen C K,Dao T K.Speed-adaptive roll-angle tracking control of an unmanned bicycle using fuzzy logic.Vehicle System Dynamics,2010,48(1):133 [16]Zhang X R,Chen Y H,Ping Z Q.Mechanical manipulator tracking control based on Udwadia and Kalaba equation. Journal of Chang'an University (Nanal Science Edition),2014,34(1):115 (张新荣，Chen Yehwa,.平昭琪.基于dwadia和Kalaba方程的机械臂轨迹跟踪控制.长安大学学报（自然科学版）， 2014,341):115) [17]Udwadia F E,Kalaba R BAnalyticaP dynamics:a new approach.Cambridge:Cambridge University Press,1996 [18]Chen Y.Constraint-following servo control design for mechanical systems.Journal of Vibration and Control,2009, 15(3):369 [19]Zhao H,Zhao F M,Arm position control based on Udwadia-Kalaba theory.Journal of Hefei University of Technology, 2018,414433 (赵韩，赵福民，攀于Udwadia-Kalaba理论的机械臂位置控制.合肥工业大学学报（自然科学版），2018,41(4)：433) [20]Zhao R Y,WuLL,Chen Y H.Robust control for nonlinear delta parallel robot with uncertainty:an online estimation approach.IEEE Access,2020:97604 21]Chen X L,Sun H,Zhen S C.A novel adaptive robust control approach for underactuated mobile robot//2018 3rd International Conference on Advanced Robotics and Mechatronics (ICARM),Singapore,2018:642 [22]Han J,Wang P.Dong FF,et al.Robust servo constraint control of parallel robot based on Udwadia-Kalaba method. Applied mathematics and mechanics,2021,42(03):264 (韩江，汪鹏，董方方，等.基于Udwadia-Kalaba方法的并联机器人鲁棒伺服约束控制.应用数学和力学，202l, 42(03):264) [23]Yin H,Chen Y H,Yu D Y.Vehicle motion control under equality and inequality constraints:a diffeomorphism
[4] Tanaka Y, Murakami T. Self-sustaining bicycle robot with steering controller // The 8th IEEE International Workshop on Advanced Motion Control, Kawasaki, Japan. 2004: 18 [5] Lee S, Ham w. Self-stabilizing strategy in tracking control of unmanned electric bicycle with mass balance // Proceedings of the IEEE International Conference on Intelligent Robots and Systems, Lausanne, Switzerland, 2002: 2200 [6] Schwab A L, Mei J P. A review on bicycle dynamics and rider control. Vehicle System Dynamics, 2013, 51(7): 1059 [7] Ngoc K V, Hong Q N. Balancing control of two-wheel bicycle problems. Mathematical Problems in Engineering. 2020: 1 [8] Lam P Y, Gyroscopic stabilization of a kid-size bicycle // The 5th IEEE International Conference on Cybernetics and Intelligent System, Qingdao, China, 2011: 247 [9] Lee S I, Lee I W, Kim M S, et al. Balancing and driving control of a bicycle robot. Journal of Institute of Control Robotics and Systems, 2012, 18(6): 532 [10] Chen C, Chu T, Zhang X. Modeling and control of an active stabilizing assistant system for a bicycle. Sensors, 2019, 19(2): 248 [11] Sprya S C, Girardb A R. Gyroscopic stabilisation of unstable vehicles: configurations, dynamics, and control. Vehicle System Dynamics, 2008, 46: 247 [12] Cui L L, Wang S, et al. Nonlinear balance control of an unmanned bicycle: design and experiments // IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). USA, 2020 [13] Zhang Y, Wang P, Yi J, et al. Stationary balance control of a bikebot // IEEE International Conference on Robotics and Automation, Hong Kong, 2014: 6706 [14] Lee S, Ham w. Self-stabilizing strategy in tracking control of unmanned electric bicycle with mass balance // Proceedings of the IEEE International Conference on Intelligent Robots and Systems, Lausanne, Switzerland, 2002: 2200 [15] Chen C K, Dao T K. Speed-adaptive roll-angle tracking control of an unmanned bicycle using fuzzy logic. Vehicle System Dynamics, 2010, 48(1): 133 [16] Zhang X R, Chen Y H, Ping Z Q. Mechanical manipulator tracking control based on Udwadia and Kalaba equation. Journal of Chang'an University (Natural Science Edition), 2014, 34(1): 115 (张新荣, Chen Yehwa, 平昭琪. 基于 Udwadia 和 Kalaba 方程的机械臂轨迹跟踪控制. 长安大学学报(自然科学版), 2014, 34(1): 115) [17] Udwadia F E, Kalaba R E. Analytical dynamics: a new approach. Cambridge: Cambridge University Press, 1996 [18] Chen Y. Constraint-following servo control design for mechanical systems. Journal of Vibration and Control, 2009, 15(3): 369 [19] Zhao H, Zhao F M, Arm position control based on Udwadia-Kalaba theory. Journal of Hefei University of Technology, 2018, 41(4): 433 (赵韩, 赵福民．基于 Udwadia-Kalaba 理论的机械臂位置控制. 合肥工业大学学报(自然科学版), 2018, 41(4): 433) [20] Zhao R Y, Wu L L, Chen Y H. Robust control for nonlinear delta parallel robot with uncertainty: an online estimation approach. IEEE Access, 2020: 97604 [21] Chen X L, Sun H, Zhen S C. A novel adaptive robust control approach for underactuated mobile robot // 2018 3rd International Conference on Advanced Robotics and Mechatronics (ICARM), Singapore, 2018: 642 [22] Han J, Wang P, Dong F F, et al. Robust servo constraint control of parallel robot based on Udwadia-Kalaba method. Applied mathematics and mechanics, 2021, 42(03): 264 (韩江, 汪鹏, 董方方, 等. 基于 Udwadia-Kalaba 方法的并联机器人鲁棒伺服约束控制. 应用数学和力学, 2021, 42(03): 264) [23] Yin H, Chen Y H, Yu D Y. Vehicle motion control under equality and inequality constraints: a diffeomorphism 录用稿件，非最终出版稿
approach.Nonlinear Dynamics,2019,95:175 24]Dong FF,ZHAOX M.An Underactuated Flexible Manipulator System Based on Binding Robust Servo Control:China Patent..201810739283X.2018-12-7 (董方方，赵晓敏.一种基于约束力鲁棒伺服控制的欠驱动柔性机械臂系统：中国专利，201810739283X,2018-12 ) 25]Bellman R.Introduction to Matrix Analysis [Dissertation].New York:McGraw-Hill,1970 26]Zhao R Y.Research on Extended Cascading Modeling and the Constraint-following Control of Multi-body Systems [Dissertation].Shaanxi:Chang'an university,2015 (赵睿英.多刚体系统扩展层级建模与约束跟随控制方法研究.长安大学，2015) 27]Zhang T,Tan B b,Zhou Y S.Dynamic parameter identification of robot load.Chinese Journal of Engineering,2017, 35(12):1907 (张铁，罩彬彬，邹焱隧.机器人负载的动力学参数辨识.工程科学学报，2017,35(12) 19079 28]Udwadia F E.A new perspective on the tracking control of nonlinear structural and mech systems.The Roval Society,2003,459(2035:1783 29]Yu RR,Chen Y H,Zhao H,et al.Uniform ultimate boundedness for underactuated mec nical systems as mismatched uncertainty disappeared.Nonlinear Dynamics,2018,2019(95):2764 [30]Cui LL,Wang S,Lai J,et al.Nonlinear balance control of an unmanned bicyele design and experiments //2020 IEEE/ RSJ International Conference on Intelligent Robots and Systems (IR S),Las Vegas,NV,USA,2020:25 31]CuiXD,Deng F.Wang PJ.Position domain conroecoo ix-joint robots.Chinese Journal of Engineering, https://doi.ore1013374issn2095-93892020.08.07.002 学学报，https://doi..og1013374 iissn2095- 008。丰，王平江.面商六关节机器人的， 9389202008.07.002) 录用稿件
approach. Nonlinear Dynamics, 2019, 95: 175 [24] Dong F F, ZHAO X M. An Underactuated Flexible Manipulator System Based on Binding Robust Servo Control: China Patent, 201810739283X. 2018-12-7 (董方方, 赵晓敏. 一种基于约束力鲁棒伺服控制的欠驱动柔性机械臂系统: 中国专利, 201810739283X, 2018 -12- 7) [25] Bellman R. Introduction to Matrix Analysis [Dissertation]. New York: McGraw-Hill, 1970 [26] Zhao R Y. Research on Extended Cascading Modeling and the Constraint-following Control of Multi-body Systems [Dissertation]. Shaanxi: Chang'an university, 2015 (赵睿英. 多刚体系统扩展层级建模与约束跟随控制方法研究. 长安大学, 2015) [27] Zhang T, Tan B b, Zhou Y S. Dynamic parameter identification of robot load. Chinese Journal of Engineering, 2017, 35(12): 1907 (张铁, 覃彬彬, 邹焱隧. 机器人负载的动力学参数辨识. 工程科学学报, 2017, 35(12): 1907) [28] Udwadia F E. A new perspective on the tracking control of nonlinear structural and mechanical systems. The Royal Society, 2003, 459(2035): 1783 [29] Yu R R, Chen Y H, Zhao H, et al. Uniform ultimate boundedness for underactuated mechanical systems as mismatched uncertainty disappeared. Nonlinear Dynamics, 2018, 2019(95): 2764 [30] Cui L L, Wang S, Lai J, et al. Nonlinear balance control of an unmanned bicycle: design and experiments // 2020 IEEE/ RSJ International Conference on Intelligent Robots and Systems (IROS), Las Vegas, NV, USA, 2020: 25 [31] Cui X D, Deng S F, Wang P J. Position domain control technology for six-joint robots. Chinese Journal of Engineering, https://doi.org/10.13374/j.issn2095-9389.2020.08.07.002 (崔旭东, 邓少丰, 王平江. 面向六关节机器人的位置域控制. 工程科学学报, https://doi.org/10.13374/j.issn2095- 9389.2020.08.07.002) 录用稿件，非最终出版稿
