重载 AGV 控制怎么做？这篇 2025 论文把“载荷转移”讲透了

最新 AGV 控制论文解析：20 吨重载 AGV 怎么把“轨迹跟踪”和“车身稳定”一起管起来？

摘要

这次分析一篇AGV 控制方向的最新论文，而且和前面讲过的Pure Pursuit 改进、外部视觉导航、托盘装卸都不重复。本文选取的是 2025 年发表的论文《Trajectory Tracking Control Strategy of 20-Ton Heavy-Duty AGV Considering Load Transfer》。这篇文章研究的不是普通小型 AGV，而是20 吨级户外重载 AGV。作者指出，这类车辆在转弯、加减速、坡道和不平路面上运行时，会出现明显的横向 / 纵向载荷转移，进而影响路径跟踪精度、轮胎附着利用率和整车稳定性。为了解决这个问题，论文提出了一套“横向 IMPC + 纵向扭矩自适应分配”的联合控制策略：横向部分用改进 MPC 同时优化跟踪误差和横向加速度，纵向部分用 PID 速度控制器输出总驱动扭矩，再按车轮垂向载荷比例在前后驱动电机之间分配扭矩。结果表明，在不同附着系数路面上，与不考虑载荷转移的控制策略相比，最大横向加速度降低 19.7%，最大轮胎附着率降低 11.5%。这篇论文最值得看的地方，不是单纯把 MPC 再调一遍，而是它把 AGV 控制里常被忽略的一个问题讲透了：重载 AGV 的轨迹跟踪，不能只盯路径误差，还得盯住“车身载荷怎么在变”。

一、为什么这篇论文值得分析？

很多 AGV 控制论文默认研究对象都是中小型平台，重点讨论的是：

• 路径跟踪误差
• 横向控制精度
• 速度闭环响应
• 控制器在弯道中的表现

但这篇论文换了一个非常有工业味道的对象：20 吨级户外重载 AGV。

这类 AGV 在实际运行中会受到很多额外因素影响，比如：

• 急转弯
• 大加速度或大减速度
• 上坡和下坡
• 坑洼路面或减速带
• 重载情况下质心变化明显

这些因素会直接引起载荷转移。如果控制器只盯着路径误差，而忽略车轮受力变化，就容易在稳定性和轮胎附着利用上出问题。

所以，这篇论文特别有价值的地方就在于：

它不是只研究“怎么跟得更准”，而是同时研究“怎么在跟得准的同时保持整车更稳”。

二、这篇论文到底在解决什么问题？

论文的核心问题可以概括成一句话：

当 AGV 变成 20 吨级重载平台后，路径跟踪精度和整车稳定性会被“载荷转移”显著影响，控制策略必须把这件事考虑进去。

传统路径跟踪控制往往默认：

• 车辆载荷分布相对平稳
• 轮胎附着条件变化不大
• 横向和纵向控制可以相对独立处理

但对于重载 AGV 来说，这些假设往往不成立。
因为一旦转弯、加减速或者爬坡，前后轮、左右轮的垂向载荷都会发生明显变化，这会进一步影响：

• 转向响应
• 轮胎附着利用率
• 车辆跟踪误差
• 稳定性边界

所以，这篇论文真正想解决的是：

如何在重载 AGV 上，把轨迹跟踪和载荷转移控制结合起来，而不是各管各的。

三、论文的核心构思：横向管“转得稳”，纵向管“扭矩分得对”

这篇论文提出的是一套联合控制策略，整体结构可以分成三部分：

1. 改进模型预测控制器（IMPC）
   用于横向轨迹跟踪，并在优化中考虑横向加速度。

2. PID 速度控制器
   根据目标速度和实际速度计算总驱动扭矩。

3. 扭矩分配控制器
   按照车轮垂向载荷比例，把总驱动扭矩分配给前后驱动电机。

这套策略的重点不在于某个模块单独有多复杂，而在于：

它让横向跟踪和纵向驱动分配都与“载荷变化”建立了联系。

也就是说，这篇论文并不是单纯在做一个“更强的横向控制器”，而是在做：

• 车怎么转更稳
• 车怎么给力更合理
• 车怎么在不同附着路面下避免逼近极限

四、为什么“载荷转移”会成为重载 AGV 控制里的关键问题？

这篇论文最大的价值之一，就是把载荷转移这个常被忽略的问题讲清楚了。

1. 横向载荷转移

当 AGV 转弯时，车辆会产生横向加速度，这会导致左右轮之间的垂向载荷重新分配。

简单理解就是：

• 外侧轮压得更重
• 内侧轮压得更轻

如果横向载荷转移太大，就可能导致：

• 左右轮附着利用不均
• 某些轮胎更早接近附着极限
• 整车稳定性下降

2. 纵向载荷转移

当 AGV 加速、减速、上坡、下坡时，前后轴之间的垂向载荷也会重新分配。

简单理解就是：

• 加速时后轴更吃重
• 制动时前轴更吃重

而对于有前后双驱的重载 AGV 来说，前后轴垂向载荷一变，最合理的驱动力分配比例也应该随之变化。

所以，这篇论文和很多普通 AGV 控制论文最大的区别就在于：

它不只是问“车偏了多少”，而是同时问“这时候哪几个轮子已经更吃力了”。

五、横向控制为什么用 IMPC？它到底改了什么？

论文采用的是Improved Model Predictive Control（IMPC），也就是改进模型预测控制。

MPC 本身在 AGV 控制里并不新鲜，它的优势大家都知道：

• 可以显式处理约束
• 可以滚动优化未来一段时间的控制输入
• 对多变量系统比较友好
• 很适合路径跟踪这类问题

但这篇论文并没有直接用普通 MPC，而是在目标函数中做了关键增强。

传统 MPC 更关注：

• 轨迹跟踪误差
• 控制输入变化量

这篇论文的 IMPC 还额外关注：

• 横向加速度

这样做的原因很直接：

横向加速度越大，横向载荷转移通常越明显。

所以，论文的横向控制思想不再只是“尽量跟路径重合”，而是：

尽量在保持跟踪精度的同时，避免过大的横向动态响应。

如果把它抽象成一个更容易理解的目标函数，可以表示为：

$$
J = \sum_{k=1}^{N_p} \left( q_e |e_k|^2 + q_a a_{y,k}^2 \right)

• \sum_{k=1}^{N_c} r_u |\Delta u_k|^2
  $$

其中：

• eke_kek​表示轨迹跟踪误差
• ay,ka_{y,k}ay,k​表示横向加速度
• Δuk\Delta u_kΔuk​表示控制输入增量
• qe,qa,ruq_e, q_a, r_uqe​,qa​,ru​为权重系数

这个式子背后的思想非常清楚：

• 跟踪误差不能大
• 横向加速度也不能太猛
• 控制动作不能跳太厉害

也就是说，IMPC 不是只让 AGV “跟上路径”，而是让它“更稳地跟上路径”。

六、纵向控制为什么不直接平均分配扭矩？

在纵向控制部分，论文先用PID 速度控制器算出整车总驱动扭矩，然后再进行前后轴扭矩分配。

这里最关键的一点是：

总驱动扭矩不是平均分给前后电机，而是按垂向载荷比例分配。

这一步特别有工程意义。

因为在存在载荷转移时：

• 哪个轴压得更实，通常可用附着力更高
• 哪个轴载荷更轻，再继续给太多扭矩，容易让附着率偏高

所以，论文采用的思路可以抽象写成：

Tdf=FzfFzf+FzrTd,Tdr=FzrFzf+FzrTd T_{df} = \frac{F_{zf}}{F_{zf}+F_{zr}} T_d,\qquad T_{dr} = \frac{F_{zr}}{F_{zf}+F_{zr}} T_dTdf​=Fzf​+Fzr​Fzf​​Td​,Tdr​=Fzf​+Fzr​Fzr​​Td​

其中：

• TdT_dTd​是总驱动扭矩
• TdfT_{df}Tdf​是前轴驱动扭矩
• TdrT_{dr}Tdr​是后轴驱动扭矩
• FzfF_{zf}Fzf​是前轴垂向载荷
• FzrF_{zr}Fzr​是后轴垂向载荷

这套逻辑其实很好理解：

谁压得更实，谁就更适合多分一点驱动力。

相比固定比例分扭矩，这种方式显然更适合重载 AGV 在复杂工况下运行。

七、这篇论文的实验设计为什么有参考价值？

论文没有只做理论推导，而是基于MATLAB/Simulink + CarSim搭建联合仿真平台，对不同附着系数路面下的 20 吨重载 AGV 做轨迹跟踪分析。

更重要的是，它的对比非常明确：

• 考虑载荷转移的控制策略
• 不考虑载荷转移的控制策略

这个实验设计非常好，因为它不是把很多完全不同的方法混在一起比较，而是直接回答一个核心问题：

把载荷转移显式纳入控制之后，效果到底提升了多少？

这种对比方式的好处是：

• 变量更少
• 原因更清楚
• 结论更容易说服人

八、结果到底说明了什么？

论文给出的核心结果有两个：

• 最大横向加速度降低 19.7%
• 最大轮胎附着率降低 11.5%

这两个结果都很关键。

1. 横向加速度下降

这意味着 AGV 在转弯或入弯阶段的动态响应更平稳了。
也就是说，IMPC 在跟踪路径时，不再只是“能拐过去就行”，而是尽量避免过猛的横向动作。

2. 轮胎附着率下降

轮胎附着率越高，说明轮胎越接近极限状态。
附着率峰值下降，意味着：

• 驱动力分配更合理
• 轮胎工作更安全
• 稳定性裕度更大

所以，这篇论文最重要的结论不是“误差小了一点”，而是：

它把重载 AGV 的轨迹跟踪，从“只看轨迹”提升成了“轨迹 + 稳定性”共同优化。

九、这篇论文解决了什么实际痛点？

如果从 AGV 工程应用角度看，我觉得这篇论文至少解决了三个痛点。

痛点 1：重载 AGV 不是轻型 AGV 的简单放大版

很多控制器在小型平台上表现不错，但一旦放到 10 吨、20 吨级重载车辆上，载荷转移、附着变化和执行器约束都会被明显放大。

这篇论文就是针对这种“放大效应”来改控制器的。

痛点 2：路径跟踪和稳定性往往互相矛盾

跟踪越激进，未必越稳；
控制越保守，误差又可能更大。

这篇论文通过在横向 MPC 中加入横向加速度项，实际上是在做这种权衡。

痛点 3：驱动力分配不能只靠经验

对于前后双驱或多驱重载 AGV，驱动力怎么分配会直接影响附着利用和安全性。
这篇论文把垂向载荷引入扭矩分配里，让这件事从经验逻辑变成了可计算逻辑。

十、这篇论文也有哪些局限？

虽然这篇论文很有价值，但它也有自己的边界。

1. 结果主要来自联合仿真平台

当前结果主要来自 MATLAB/Simulink 与 CarSim 联合仿真。
这说明方法方向是靠谱的，但距离复杂真实场景的大规模上车验证，仍然还有一步。

2. 方法更适合模型相对明确的重载平台

这篇论文属于比较典型的模型驱动方案。
如果车辆参数变化很大、轮胎参数漂移明显、路面极端复杂，那么模型误差仍可能影响控制效果。

3. 它解决的是“底盘控制”问题，不是完整自主导航问题

这篇论文关注的是：

• 路径跟踪
• 稳定性控制
• 扭矩分配

并不直接解决：

• 路径规划
• 障碍绕行
• 感知与决策
• 调度系统

所以，它更适合作为 AGV 系统中的执行层控制方案。

十一、如果做 AGV 项目，这篇论文最值得借鉴什么？

我觉得最值得借鉴的不是某个具体公式，而是以下三点思路。

1. 不要把“路径跟踪”只理解成误差最小化

对轻型平台也许够用，但对重载 AGV 来说，轨迹误差只是控制目标的一部分。
横向加速度、附着利用率、载荷转移这些量，同样重要。

2. 横纵向控制不要彻底分家

这篇论文很明确地告诉我们：

• 横向怎么转
• 纵向怎么分扭矩

其实都和同一辆车当前的受力状态密切相关。
特别是重载平台，二者不能彻底割裂。

3. 控制器不一定越复杂越好，但目标函数一定要更像真实问题

这篇论文并没有直接上最复杂的非线性控制框架，而是在 MPC 中加入了“横向加速度”这个更贴近真实工况的目标项。

这个思路比盲目更换复杂算法更值得学。

十二、我的理解：这篇论文最大的价值，是让 AGV 控制“更像真车控制”

如果让我用一句话评价这篇论文，我会说：

它不是在做“更准的轨迹跟踪”，而是在做“更像重型车辆真实需求的轨迹跟踪”。

很多 AGV 控制文章默认平台比较理想化，只要路径误差够小就算成功。
但这篇论文提醒我们，尤其是重载 AGV：

• 误差小不代表稳
• 跟得准不代表轮胎安全
• 扭矩给得足不代表分得对

所以，它最大的贡献，不只是把 MPC 改了一下，而是让 AGV 控制问题从“纯路径”回到了“真实车辆运行”这个更完整的视角。

十三、总结

这篇 2025 年论文《Trajectory Tracking Control Strategy of 20-Ton Heavy-Duty AGV Considering Load Transfer》，很适合分析 AGV 控制，因为它不是重复讨论 Pure Pursuit、普通 MPC 或小型平台控制，而是专门瞄准了一个非常实际的问题：

20 吨级重载 AGV 在转弯、加减速和复杂路面上，怎么同时把轨迹跟踪和稳定性控制住？

它给出的答案是：

• 用IMPC处理横向跟踪，并把横向加速度纳入优化
• 用PID + 扭矩比例分配处理纵向驱动
• 按照车轮 / 车轴垂向载荷变化，自适应调整驱动力分配
• 最终降低横向加速度和轮胎附着率峰值

如果你正在写 AGV 控制、重载移动机器人控制、或户外工业车辆控制相关内容，这篇论文非常值得分析。因为它真正讲明白了一件事：

重载 AGV 的控制，不只是“跟得准”，更是“跟得准的同时别把车逼到极限”。

论文信息

论文标题：Trajectory Tracking Control Strategy of 20-Ton Heavy-Duty AGV Considering Load Transfer
作者：Xia Li, Shengzhan Chen, Xiaojie Chen, Benxue Liu, Chengming Wang, Yufeng Su
期刊：Applied Sciences
年份：2025
卷期：15(8):4512