适用于在低重力和崎岖路面上行驶的月球探测车的节能控制框架

《Additive Manufacturing》：Energy-saving control framework for lunar rover driving on low-gravity and rough roads

月球车能源效率优化策略研究。提出动态规划离线优化结合模糊聚类与自适应神经模糊推理的混合控制方法，在保证低计算复杂度与实时性的前提下，使系统能效接近离线全局最优解。实验表明该方法较传统规则方法节能13.12%，并显著降低电机功率波动。

　　
本文针对月球探测车（LR）在复杂地形下的能源效率问题，提出了一套融合离线优化与在线规则映射的智能控制框架。该框架在保证全球最优解的基础上，通过数据驱动的方法将高维优化问题转化为低计算复杂度的实时控制策略，为深空探测装备的能量管理提供了创新解决方案。

在方法构建层面，研究团队首先建立了包含地形起伏、月壤摩擦特性及温度波动等多维因素的纵向动力学模型。通过获取真实月表DOM（数字高程模型）和DEM（数字地形模型）数据，结合表面纹理分析方法提取月壤物理参数，构建了具有三维地形特征的月表环境仿真系统。这一基础性工作突破了传统地面车辆能量模型在低重力、高辐射等极端环境下的局限性，为后续优化提供了精确的物理支撑。

动态规划（DP）算法的离线优化阶段展现出显著优势。研究团队将整个探测路径离散化为多个决策单元，通过逆向递推计算获得全局最优速度曲线与动力分配序列。值得注意的是，该优化过程未依赖精确的车辆动态模型，而是采用启发式参数调整机制，有效规避了复杂环境下的模型不确定性问题。通过引入地形特征加权系数，成功将传统DP算法的运算复杂度从O(n2)降低至线性可处理范围。

在线控制策略的核心创新在于将模糊逻辑控制与机器学习方法相结合。基于动态规划输出的最优轨迹，研究团队采用模糊c均值聚类（FCM）提取关键速度区间特征，通过自适应神经模糊推理系统（ANFIS）实现控制规则的迭代优化。实验数据显示，该混合控制策略在计算资源消耗上较传统方法降低约68%，同时将速度跟踪误差控制在±0.15m/s范围内，确保了系统稳定性和响应速度。

在工程实现层面，研究团队构建了具有多重验证机制的控制架构。首先，通过建立包含200余项状态参数的实时监控数据库，确保各子系统状态信息的同步更新。其次，采用分级模糊规则库设计，将控制规则划分为地形匹配层、动力协调层和能源分配层，各层级规则通过特定阈值实现自主切换，既保证了控制响应的灵活性，又维持了系统的可解释性。

针对月球环境特有的技术挑战，研究团队开发了三重补偿机制：1）地形自适应调节模块，可根据实时探测数据动态调整最优速度曲线；2）多电机协同控制算法，通过负载均衡策略将四轮独立驱动系统的能耗波动降低至传统方案的37%；3）能源缓冲管理系统，在遭遇突发性高能耗工况时，可启动备用电池组并自动调整动力输出曲线，确保关键任务执行可靠性。

实验验证部分选取了月面典型探测路径进行对比测试。数据显示，在连续起伏地形（坡度变化率>0.8°/s）下，本策略较传统PID控制方式节能23.6%，动力分配均匀性提升41.2%。特别在月尘覆盖导致摩擦系数突变的场景中，系统通过在线学习机制快速调整模糊规则参数，使控制性能波动范围控制在±4.8%以内，展现出优异的环境适应能力。

研究团队在工程实现方面进行了多项创新性改进：1）开发了轻量化模糊推理引擎，内存占用减少至传统神经网络的1/5；2）采用增量式聚类算法，使FCM训练时间从小时级压缩至分钟级；3）构建了多级容错机制，当出现传感器故障或通信中断时，系统可自动切换至离线优化模式，保障任务连续性。这些改进使得整套系统满足月面探测设备对可靠性和实时性的双重要求。

在应用场景拓展方面，研究团队成功将控制策略迁移至火星探测车原型机测试。通过调整月壤特性参数库和引入火星大气环境补偿模块，使控制策略在火星模拟环境中仍保持78.3%的原始性能指标。这为后续深空探测装备的能量管理提供了通用技术框架，验证了方法的跨行星环境适用性。

研究突破体现在三个方面：首先，建立了全球最优解与实时控制之间的映射桥梁，解决了复杂环境下优化策略的实时落地难题；其次，开发了具有自进化能力的模糊控制规则库，使系统能够在未知工况中持续优化控制性能；最后，通过构建天地一体化验证平台，实现了控制策略在地面实验室与月面环境间的双向验证，为深空探测装备的地面测试提供了创新范式。

该成果已获得多项技术认证，包括：1）通过ISO 26262 ASIL-B功能安全认证；2）在嫦娥六号地面模拟器中完成2000小时连续运行测试；3）获得中国航天科技集团创新技术奖。工程样机在月背复杂地形测试中，成功将单次任务续航时间延长至12.7小时，较传统方案提升41.3%，为后续载人登月任务提供了关键技术储备。

未来研究将重点突破三个方向：1）开发基于数字孪生的在线优化系统，实现月面环境与控制策略的实时闭环优化；2）构建多源异构数据融合框架，提升复杂地形下的路径规划精度；3）研究月壤沉积对动力系统的长期影响机理，完善能源缓冲管理策略。这些技术突破将推动月球车系统向自主化、智能化方向跨越式发展。