铰接车辆是一种由牵引车和挂车组成的模块化车辆系统,由于其车体结构可变等特点,故具有载货量大、机动灵活、工作效率高等优点,目前已普及于物流、灾情侦查、救援等诸多领域。然而,受限于其机构特征,铰接车辆系统存在状态量繁多且部分不可测、欠驱动动态及摩擦不确定性等难点,为此,本文致力于提出一套感知-控制一体化动态协调控制方法,以提高系统的适应性及操纵性,具体如下:首先,为了实现系统的高精度感知-控制,基于系统机械结构特征,确立独立坐标的选取,并结合Euler-Lagrange原理进行铰接车辆系统动力学建模。阐明其非完整约束,并作出其工作条件假设,同时结合机器人系统两大定理验证其数学模型的合理性。其次,针对铰接车辆源自于运动学及动力学层面的技术难点,如欠驱动动态及存在建模误差等,结合双闭环结构,本文提出了基于约束型模型预测(MPC)及直接自适应模糊控制的位姿/力协同跟踪控制策略。其中,约束型模型预测被用于实现轨迹跟踪控制,同时解决系统的欠驱动问题。此外,直接自适应模糊控制则用以解决复杂环境下的速度跟踪问题,并大大强化了系统的鲁棒性及适应性。再次,针对铰接车辆系统干扰及部分状态测量难度大的情形,结合协同控制原理,提出基于扩张观测器(ESO)的感知-跟踪一体化控制策略。其中,动力学层面利用鲁棒终端滑模(TSMC)实现速度信号的跟踪控制,保证系统的快速收敛性及鲁棒性。同时,感知方面,引入扩张观测器以实时地观测速度信号,不仅解决了速度信息缺失的技术难点,而且为感控协同跟踪控制奠定了信息感知层面的理论基础。最后,针对铰接车辆移动平台,讨论其摩擦不确定性及其对应的感知、控制策略等问题。首先,综合分析各种摩擦模型,基于前向及转向状态信息,建立铰接车辆系统独特的参数化摩擦模型。其次,从感控一体化方向提出基于RBF神经网络及SMC的摩擦辨识与补偿机制。上述辨识机制与补偿控制的有效结合,不仅充分发挥了神经网络的万能逼近特性,而且极大地增强了系统抗干扰能力。本文在证明铰接车辆系统稳定性的同时,结合MATLAB/SIMULINK仿真分析证实所提出的感控一体化策略的有效性及可行性。本文研究成果能显著改进铰接车辆系统的可操控性及对环境的适应性,进而强化系统对内部及外部干扰的鲁棒性,并着重挖掘其理论研究及工程应用价值。