0 引言

公路桥梁是公路运输过程中的重要纽带，部分桥梁受制于设计、施工、养护水平，正处于病害高发期^[1]。当前车流量大、重载超载情况频发，叠加自然灾害影响，桥梁的健康程度面临严峻挑战^[2]。2024年，陕西柞水、山东烟台、四川康定接连发生公路桥梁垮塌，造成车辆坠落、人员伤亡事故，桥梁快速检查和有效评估效率亟需提升。随着人工智能、机械装备的应用日益拓展，机器视觉^[3-5]及各类无人机^[6-8]、吸附机器人^[9-11]、缆索机器人^[12]、水下潜航器^[13]等技术逐渐应用在桥梁检测过程中，但各类设备受制于使用条件和场景限制^[14]，仍无法完全替代人工实现桥梁下表面的检测。当前，桥梁检测作业仍以依托各类搭载平台(大型桥梁检测平台车车载机械悬臂、固定式桥梁检测平台、悬索等)的人工目视检测为主，搭配红外、雷达等设备辅助完成桥梁表面检测，进而推导、分析桥梁服役性能^[15-16]。

为了解决桥梁下表面无人检测的问题，国内外学者以大型桥梁检测平台车车载机械臂搭载检察人员的方式为灵感，先后设计了多款公路桥梁智能检测机械臂机器人。Oh^[17]以轻型二类底盘为平台基础加装液压臂，作业时展开机械臂可进行检测作业。为了保证装备作业安全，该底盘设置了4组固定支腿，检测过程需不断调整支腿。Lee^[18]为了兼顾稳定性和移动功能，在重型二类底盘增设了4组接触地面的履带式驱动器，以减少车辆弹簧悬架对平台的影响，并驱动平台同步检测。刘理^[19]进一步考虑了平台质心变化和侧翻风险，在悬臂侧前后两端分别安装了液压支撑驱动轮，并改装了车辆动力输出系统，使驱动轮不仅可以替代车辆悬挂系统作为刚性支撑，也可为机器人提供低速、平顺、精准的动力输出。彭雨诺^[20]以该机器人为基础进一步研发了同步检测的病害识别算法。刘翰泽^[21]以四轮独立驱动无人移动平台为研究对象，提出了基于力角稳定裕度和模糊推理的倾翻失稳预测方法，可有效结合复杂环境和车辆位姿实现移动平台稳定控制。此外，Sutter^[22]设计了一款适用于桥侧设有独立通道的载人半自动机器人，为了防止平台侧翻或坠落，该装备设置了接触护栏的侧向支撑轮。Galdelli^[23]设计了专用的桥梁检测平台RIUs，该平台可安装在桥侧护栏上，通过82个支撑轮分别支撑护栏内侧、外侧及桥梁底部外侧。Capponi^[24]将RIUs安装在意大利热那亚新修建的圣乔治大桥上，该平台检测期间可不对桥面交通流造成影响。

综上所述，除了部分针对特殊场景的专用装备外，为了考虑装备应用的通用性，公路桥梁智能检测机械臂机器人多以二类底盘为基础改造，仍具有以下特点和局限。

(1) 存在侧倾风险。移动平台采用悬臂车载机械臂从桥梁外部下探至桥梁底部检测作业，下探过程中支点处于底盘投影范围外，使移动平台呈非对称结构受力，且展开机械臂过程中，移动平台质心不断转移，对移动平台安全性提出更高要求。

(2) 作业影响车流通行。为了方便悬臂下探至桥梁下方，减少悬臂外探力矩，移动平台需位于桥面最外侧车道或应急车道作业。然而货车、工程车等底盘尺寸较宽，一方面增加了外侧悬臂外探力矩，另一方面检测期间的大型配重块展开将占据另一行车道行驶空间，使桥梁检测作业期间仍需要对部分道路管制处理，高峰时期易影响交通流通行效率。

(3) 底盘难以精细化控制。货车、工程车怠速功率较高，导致行进间作业车速高于检测端需求。另外，二类底盘采用阿克曼结构，车辆横向控制必须依靠车辆纵向驱动动力，难以精准调整。同时，车辆弹簧悬架对于车辆姿态控制较差，尤其对于移动平台非对称受力结构，难以有效应对平台侧倾场景，且悬架晃动周期与内燃机自由振动频率也将影响末端机械臂作业精准度。

(4) 桥面环境复杂。桥梁等特殊场景适配程度较低，各桥梁拼接处存在伸缩缝，车辆底盘通过伸缩缝区间容易造成车辆俯仰和质心的变化。部分工程车采用工程脚架支撑车辆稳定性，但是忽略了桥梁检测通常为行进间连续作业情况。

(5) 人工参与程度较高。此类机器人底盘控制、机械臂控制、桥梁检查通常为独立系统，仍需驾驶员、操作手、桥梁专门检察人员、安全员等多方同步配合，自主无人控制机器人应用难以有效落地推进。

为了进一步推动公路桥梁检测智能化无人化发展，本研究基于上述需求设计了一款适用于公路桥梁智能检测机械臂的移动平台及其稳定性控制系统和响应算法。该平台采用分布式六轮六驱结构可适应桥面低速稳定作业需求；具有配重主动调整和独立悬架自适应调整，保证平台安全和稳定性；智能控制系统搭载多源传感器可实现自主驱动，以提高平台可用性和适用性水平。

1 机器人移动平台设计

本研究以桥梁下表面检测需求为主要应用场景，分析现有各平台技术特点，设计了一款公路桥梁智能检测机械臂移动平台，并构建基于该平台的自适应复合稳定控制系统及感知、控制算法。该移动平台以六轮分布式驱动底盘为基础，搭载非对称T形连接支架，支架末端分别连接悬臂质量模块和动态配重单元。公路桥梁智能检测机械臂移动平台三维模型如图 1所示。

移动底盘采用分布式六轮六驱结构, 长约为1 500 mm, 宽约为800 mm, 可满足机械臂展开后仅占据应急车道的需求, 但对控制稳定性提出更高要求。该平台配有4 cm行程独立可调悬挂、360°独立转向调节电机, 可实现原地自转、横纵向移动、俯仰角动态调节等功能, 可完成10 cm障碍物跨越并具有不小于35°的爬坡动力。

该移动底盘搭载机器人计算控制单元、移动平台感知单元(多组高清相机、激光雷达、惯导单元)、悬架及车轮驱动电机、大容量电池及连接支架旋转底座。

非对称T形连接支架由轻型铝型材搭建构成，底部通过电驱动旋转底座连接移动平台，横杆两端分别连接悬臂质量模块和动态配重单元，悬臂质量模块方向搭载感知单元用于检测桥侧障碍物。

动态配重单元通过履带连接绞盘，可远近调节调整移动平台质心位置，后续经仿真模拟进一步调整测试动态配重单元适宜高度位置。悬臂质量模块设有多轴协作式机械臂，用于模拟悬臂末端质量；同时机械臂可按程序全角度转动，可用于模拟机械臂作业对于连接支架的扰动。

2 自适应复合稳定控制系统及控制算法

为了充分发挥该移动平台对于公路桥梁智能检测机械臂的基础平衡作用，有效支撑机器人作业精度和作业效率提升，本研究设计了一套移动平台自适应复合稳定控制系统，使移动平台以相对恒定姿态和路侧间距稳步前进。该系统围绕“多源感知模块(感知输入)——主动调整模块(主动控制)——独立悬架自适应调整(被动控制)”的逻辑展开，首先通过多源感知模块检测桥梁环境变化、外部扰动等元素；然后基于安装在移动底盘的高性能工控机处理计算移动平台期望水平状态与各执行模块调整期望值；最终通过主动调整模块和独立悬架自适应调整模块的各执行单元动态，多层次反馈控制，支撑公路桥梁智能检测机械臂移动平台在桥面稳定行驶。移动平台自适应复合稳定控制系统流程如图 2所示。

2.1 多源感知模块

作为控制系统的输入模块，多源感知模块主要是为了精准捕捉移动平台状态及复杂行驶环境，以保证移动平台自主定位精度和稳定作业能力。该模块采用双惯导系统与激光雷达相结合的多源感知。惯性导航系统(INS)是利用惯性传感器(IMU)测量载体的比力及角速度信息，结合初始条件与全球导航卫星系统(GNSS)等信息融合，从而构建实时速度、位置、姿态等参数推算的自主式导航系统，并设计提出融合多源数据的协同感知算法，其流程如图 3所示。激光雷达能通过点云数据获得障碍物的基本形貌、距离、角度和位置等信息，同时具有精度高、抗干扰能力强、对光照条件不敏感等优点，被广泛运用于障碍物检测与跟踪中。惯性测量单元虽然存在水平陀螺漂移的现象，连续累计容易影响定位效果，但仍是最为可靠的自主定位方法，具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出移动平台运动参数。由于惯性测量单元连续累计容易影响定位效果，通过采用双惯导组合方案及误差特性的差异，减少水平陀螺仪漂移的影响，提高系统导航精度。

为了提升多源数据融合的感知效果，本研究提出的协同感知算法围绕“地面点云数据分割-三维检测目标点云投影-水平陀螺漂移估计与状态更新-系统误差校正”的思路，通过数学运算将二维和三维目标检测框进行归一化处理，合并为二次预测输出目标的类别与深度信息，可有效提高运算流程，降低计算复杂度。为提高感知信息输出和自身状态反馈的位置精度和稳定性，利用双惯导特性设计基于卡尔曼滤波组合定位算法保证定位精度，为融合结果提供准确全局坐标。

首先，从激光雷达传感器获取三维点云数据，该数据包含地面和非地面点，利用高度阈值法将地面点从点云数据中分割提取，随后剔除原始点云数据中分割出的地面点数据，得到非地面点云数据。

$ \begin{equation*} D=\left\{p_{i} \in P \mid z_{i}<z_{\text {th }}\right\}, \end{equation*} $

(1)

式中，D为地面点云数据集；P为原始点云数据集；p_i为点云中的第i个点；z_i为第i个点的高度；z_th为高度阈值，用于区分地面点和非地面点。

三维检测目标转化点云投影的后融合算法将三维检测目标的点云数据投影到图像平面上。基于联合标定参数将三维点云中的每个点坐标(x, y, z)投影到图像平面上的像素坐标(u, v)。

$ \begin{equation*} I_{\mathrm{f}}(u, v)=\alpha \cdot I_{\mathrm{img}}(u, v)+(1-\alpha) I_{\mathrm{pc}}(u, v), \end{equation*} $

(2)

式中，I_f (u, v)为融合后的图像数据；I_img (u, v)为原始图像数据；I_pc (u, v)为点云投影后的数据；α为融合权重参数，用于控制图像和点云的相对权重。

假设2套惯导系统分别为系统1和系统2，其水平陀螺漂移分别为δ₁和δ₂。根据2套惯导系统的误差特性，基于模型估计水平陀螺的漂移, 利用系统1和系统2的测量数据来估计各系统漂移值。

$ \delta_1=f_1\left(\mathrm{~d} x_1, \mathrm{~d} y_1, \mathrm{~d} z_1, \mathrm{~d} x_{\mathrm{r} 1}, \mathrm{~d} y_{\mathrm{r} 1}, \mathrm{~d} z_{\mathrm{r} 1}\right), $

(3)

$ \delta_2=f_2\left(\mathrm{~d} x_2, \mathrm{~d} y_2, \mathrm{~d} z_2, \mathrm{~d} x_{\mathrm{r} 2}, \mathrm{~d} y_{\mathrm{r} 2}, \mathrm{~d} z_{\mathrm{r} 2}\right), $

(4)

式中，f₁和f₂为估计水平陀螺漂移的函数；dx，dy，dz，dx_r，dy_r，dz_r分别为惯导系统1和系统2的加速度计和陀螺输出数据。

进一步根据水平陀螺漂移的估计值更新目标状态：

$ \begin{equation*} \boldsymbol{x}_{\text {updated }}=g\left(\boldsymbol{p}, \delta_{1}, \delta_{2}\right), \end{equation*} $

(5)

式中，$\boldsymbol{p}$为组合导航系统的状态向量，包括位置、速度等信息；g为状态更新函数。

最后，对系统误差校正以提高导航精度。通过水平陀螺漂移输出的估计值来校正状态估计中相关的部分，并结合定位信息发布目标数据$\boldsymbol{x}_{\text {corrected }}$。

$ \begin{equation*} \boldsymbol{x}_{\text {corrected }}=\boldsymbol{x}_{\text {updated }}+\boldsymbol{\varepsilon}, \end{equation*} $

(6)

式中ε为陀螺仪输出误差校正量。

2.2 主动调整模块

主动调整模块包括动态配重和旋转底座调整。动态配重单元是用于增加自身质量来保持平衡的配重块。由于前方可能存在障碍物，为了保持质心稳定，采用旋转底座和配重块调整质心相结合的设计方式可减少路面、天气扰动等原因导致的平台振动，从而增加稳定性。主动调整模块算法流程设计如图 4所示。

该系统通过整合多传感器的数据实时获取平台的运行状态，从而准确计算平台的合成质心位置，如式(7)~(9)所示。

$ X_{0}=\frac{\sum m_{i} x_{i}}{\sum m_{i}}, $

(7)

$ Y_{0}=\frac{\sum m_{i} y_{i}}{\sum m_{i}}, $

(8)

$ \begin{equation*} Z_{0}=\frac{\sum m_{i} z_{i}}{\sum m_{i}}, \end{equation*} $

(9)

式中，X₀，Y₀，Z₀为设备系统的合成质心空间坐标；x_i, y_i, z_i为各部件的质心空间坐标；m_i为各部件质量。

利用力矩等效原理求解倾覆力矩M_over，并结合预瞄环境信息优化生成质心轨迹T，目标是最小化质心位置和期望位置之间的差距，并同时考虑力矩约束和环境约束，可以将目标函数$J(\boldsymbol{T})$定义为：

$ \begin{equation*} J(\boldsymbol{T})=\|\hat{\boldsymbol{T}}-\boldsymbol{T}\|_{2}, \end{equation*} $

(10)

式中，$\hat{\boldsymbol{T}}$为规划的期望质心轨迹遵循运行任务路径；$\|\cdot\|_{2}$为L2范数，用来度量质心轨迹和期望轨迹之间的差距。因此，优化问题可以表示为：

$ \left\{\begin{array}{l} \min\limits _{T} J(\boldsymbol{T}) \\ \text { s. t. } M_{\text {over }}(\boldsymbol{T}) \leqslant M_{\max } \end{array}, \right. $

(11)

式中，$M_{\text {over }}(\boldsymbol{T})$为质心轨迹T对应的倾覆力矩；M_max为移动平台允许的最大倾覆力矩。

通过遗传算法求解上述优化函数，可快速计算复杂环境下期望质心轨迹的控制集合，以确保平台稳定运行。遗传算法参数设置为种群规模200个，迭代次数50次，选择方式采用轮盘赌选择法，交叉概率为0.8，变异概率为0.01。同时，为了进一步提高平台的稳定性，设计了主动防倾覆配重算法动态追踪期望质心轨迹，并计算出配重调整距离和支座旋转角度。

$ \begin{equation*} \boldsymbol{u}=\boldsymbol{K}_{\mathrm{p}}(\hat{\boldsymbol{x}}-\boldsymbol{x})+\boldsymbol{K}_{\mathrm{d}}(\hat{\dot{\boldsymbol{x}}}-\dot{\boldsymbol{x}}), \end{equation*} $

(12)

式中，$\boldsymbol{u}$为控制输入向量，表示用于控制质心位置的配重距离和旋转角度；$\hat{\boldsymbol{x}}$为期望的质心位置；$\boldsymbol{x}$为当前的质心位置。$\hat{\dot{x}}$为期望的质心速度；$\dot{x}$为当前的质心速度；$\boldsymbol{K}_{\mathrm{p}}$和$\boldsymbol{K}_{\mathrm{d}}$分别为位置和速度控制增益矩阵，分别用于调节位置和速度的响应，使该系统能够在复杂环境下以更高效、更稳定的方式运行，为移动平台的安全运行提供了可靠保障。

2.3 独立悬架自适应调整

自适应调整模块以分布式驱动为基础，采用多个可调悬架相组合的方式，可以更迅速、精确实现对移动平台侧倾、俯仰等自适应控制，使设备能较好地保持与地面垂直接触，以减少对移动平台搭载作业装备的扰动输入。独立悬架自适应调整算法，以线性二次型高斯控制器为基础，设计考虑将设备悬架的整体性能作为优化目标，同时减小设备的垂直加速度和俯仰角加速度，确保悬架的动态挠度和轮胎的动载荷保持在可控范围内。移动平台悬架自适应调整结构如图 5所示。

首先，依据传感器反馈参数获取初始化悬架参数θ、悬架系统状态Z _i(包括阻尼系数c_i、弹簧硬度k_i及作动器理想主动力u_i)、移动平台状态X (包括移动平台的加速度a、角速度ω、运动时刻t)及质心轨迹$\boldsymbol{T}$等信息，对移动平台运动状态$\boldsymbol{S}$进行预估。

$ \begin{equation*} \boldsymbol{S}=\boldsymbol{S}\left[\theta, \boldsymbol{Z}_{i}\left(c_{i}, k_{i}, u_{i}\right), \boldsymbol{X}(a, \omega, t), \boldsymbol{T}\right] 。\end{equation*} $

(13)

基于传感器数据估计当前路面的情况$\boldsymbol{R}$：

$ \begin{equation*} \boldsymbol{R}=\boldsymbol{R}(\boldsymbol{X}, \boldsymbol{Y}), \end{equation*} $

(14)

式中$\boldsymbol{Y}$为路面的特征数据，如凹凸不平程度、摩擦系数。

根据移动平台最优状态$\boldsymbol{J}_{i, \text { min }}$下的运动状态$\boldsymbol{S}$和路面情况$\boldsymbol{R}$，结合悬架的动态挠度和轮胎的动载荷保持在可控范围内约束$\boldsymbol{W}$，调整各个独立悬架的参数$\boldsymbol{\theta}_{i}$。

$ \begin{equation*} \boldsymbol{\theta}_{i}=\boldsymbol{J}_{i, \min }(\boldsymbol{S}, \boldsymbol{R}, \boldsymbol{W}) \circ \end{equation*} $

(15)

最后，根据调整后的悬架参数持续监测移动平台状态及环境变化并进行悬架参数调整和控制。

3 基于等比场景的样机试验验证

为了验证公路桥梁智能检测机械臂移动平台稳定控制可行性的同时，保证测试试验的安全性，本研究针对公路桥梁检测桥面环境搭建等比环境模型和工程测试样机，开展移动平台全流程作业情境试验验证，通过外置高精度惯性导航单元实现移动平台关键指标采集与分析。

3.1 桥面测试场景搭建

公路桥梁智能检测机械臂桥面作业场景通常为移动平台在护栏侧的外侧车道或应急车道行驶，机械臂置于护栏外侧向下作业。为了保证移动平台行驶环境安全，在调试厂区内搭建了桥面1∶1真实尺寸比例的混凝土护栏、灯杆、桥面伸缩缝等与移动平台相关的要素模型，用于移动平台稳定性的调试与验证。

3.2 机器人测试场景设计

公路桥梁智能检测机械臂移动平台在作业过程中可能遇到各类情况，测试试验方案共包括4部分场景。

(1) 作业臂展开场景。装备驶入桥面作业区域，移动底盘移动方向路线距离护栏30 cm处，电动转盘带动连接臂旋转，使作业端置于桥梁护栏外侧，动态配重单元依托移动丝杠动态调整保持移动底盘静态稳定。

(2) 行进间作业扰动场景。末端作业臂模拟桥梁检测的作业臂检测过程，按程序执行部分区间检测过程，模拟公路桥梁智能检测机械臂实际作业过程内对移动平台的干扰，匀速移动过程中通过底盘电机调整，保持与护栏间距处在一定误差内。

(3) 桥面越障场景。移动平台前向移动，加速、减速过程平缓，且保持整体装备稳定，移动平台驶过减速带搭建的伸缩缝，自适应悬挂保持有效抑制底盘俯仰与侧倾，确保装备整体稳定。

(4) 路侧障碍物检测与制动场景。依托臂载固态激光雷达，识别路侧灯杆相关信息，如种类、尺寸、距离等，平稳减速并停止在距离灯杆30 cm处，制动过程中，平台无明显俯仰、侧倾。

3.3 试验过程及数据分析

按照试验测试场景与测试方案开展试验验证，机器人移动平台测试样机可在没有人工介入的情况下根据试验场景自主模拟作业过程。由外置高精度惯性导航单元采集的全过程俯仰角和侧倾角的角加速度数据如图 6所示。经试验验证，本研究设计的遗传算法在第38~45代实现基本收敛，单次优化耗时≤0.05 s，满足动态控制的响应需求，且实际控制轨迹与期望质心轨迹的均方根误差基本控制在0.97以下，可较好复现期望轨迹。

分析各场景下的最大角加速度、收敛时间及标准差，如表 1所示。其全过程俯仰角角加速度基本可以控制在±3 rad/s²范围以内，侧倾角角加速度可以控制在±0.5 rad/s²以内；除作业臂展开场景为持续扰动输入外，其余场景最大收敛时间均不超过1 s，俯仰、侧倾后均可快速收敛至稳定状态；各场景俯仰、侧倾角标准差基本控制在0.8以下，扰动控制能力基本上保持于稳定状态，桥面越障场景及路侧障碍物检测与制动场景为瞬时扰动输入，故俯仰角标准差接近0.8。

3.3.1 作业臂展开场景

作业臂展开场景发生在测试试验的0~8 s区间。由于电动转盘带动连接臂旋转展开作业臂，使移动平台质心发生明显变化，进而带动移动平台在一定程度上呈现俯仰和侧倾的变化，如图 7所示。动态配重单元的加入可有效降低俯仰、侧倾变化的幅值，但是由于其电机驱动履带带动配重单元调整的特性，仍无法完全抵消移动平台质心的变化，其俯仰平均期望值略低于水平线，移动平台呈轻度前倾。在约5.1 s时，作业臂完全展开，移动平台逐渐加速启动，其稳定性在平台动作时有较大响应，后续快速调整至0.1 rad/s²内，进入可控范围。作业臂展开场景受机械臂负载及固有共振系数影响较为明显，很难在当前装备尺寸下不发生侧倾。在本研究装备和算法设计情况下，其瞬时侧倾角加速度绝对值可控制在0.5 rad/s²内，过程中俯仰角和侧倾角的角加速度也可快速收敛至可控范围内。该场景可有效验证本研究引入的动态配重单元和提出的自适应复合稳定控制系统，可有效应对平台作业臂展开时的抗侧倾控制需求。

3.3.2 行进间作业扰动场景

行进间作业扰动场景发生在测试试验的8~12 s区间，作业臂一端的多轴协作式机械臂开始模拟终端检测作业过程，不间断作为移动平台的扰动输入信号，如图 8所示。期间，受作业扰动影响，移动平台无明显俯仰变化，仅在yoz方向存在一定侧倾变化，不过其瞬时侧倾角加速度绝对值可控制在0.5 rad/s²内，不影响移动平台在机器人作业期间的稳定性。同时，由图 8的与护栏间路侧间距数据也可以看出，即使受作业扰动影响，移动平台仍可基本上保持在与护栏间距约30 cm，经计算，其标准差约为0.259 5，均方根误差约为1.920 8，满足移动平台对路侧间距高精度的控制需求及较强的抗干扰能力。

3.3.3 桥面越障场景

桥面越障场景发生在测试试验的12~16 s区间。由于桥面环境布设减速带搭建的伸缩缝障碍，分布式六轮底盘接连受障碍区域影响，xoz方向有较为明显的俯仰变化，同时伴有xoz方向上部分侧倾的响应，如图 9所示。经试验验证，每组轮胎过桥面障碍物后0.1 s内，俯仰振动和侧倾振动均可较快收敛，也进一步验证了被动稳定控制可以及时响应。此外，局部角加速度绝对值突破3 rad/s²，也表现出各场景下最大的俯仰角加速度变化。经分析，此场景下受移动平台轮胎尺寸限制，且移动平台在初入路面障碍区域时前进速度仍保持前序区间移动速度，所以导致移动平台俯仰明显，后续2组轮胎也可进一步控制俯仰变化量。

3.3.4 路侧障碍物检测与制动场景

路侧障碍物检测与制动场景发生在测试试验的16~20 s区间。移动平台通过作业臂搭载的激光雷达感知路侧障碍物后，紧急制动并及时停止在障碍物前，以防造成碰撞事故。移动平台可在17.0~17.2 s内紧急制动，如图 10所示。紧急制动后，移动平台也出现一定程度的现俯仰和侧倾，随后收敛至稳定状态。除路侧障碍物外，实际应用中桥下障碍物也可能与作业装备发生碰撞，本研究通过激光雷达检测桥面环境实现制动的动作，也可拓展用于验证桥下环境检测障碍物时的制动响应。此外，本研究现阶段遇障仅实现检测与制动响应，后续也将进一步开发独立绕障操作，以提升机器人遇障通过性。

4 结论

本研究构建了基于分布式驱动底盘的公路桥梁智能检测机械臂移动平台，进一步提高底盘精细化控制精度和智能化程度，并有效控制平台尺寸，减少作业时对桥面交通流的影响；设计了基于移动平台的自适应复合稳定控制系统，搭载多源感知模块、主动调整模块、独立悬架自适应调整模块及各板块稳定性控制算法，有效增强移动平台抗侧倾能力与桥面复杂环境通过能力；通过工程样机应用于自搭建的等比桥面测试场景验证平台稳定性控制的有效性，主要研究结论如下。

(1) 在作业臂展开场景中，移动平台感知系统可有效获取平台位姿信息，通过主动调整模块及时调整平台质心位置，主动控制俯仰、侧倾最大角加速度幅值，同时抑制平台后续横纵向振动。

(2) 在行进间作业扰动场景和桥面越障场景测试场景中，移动平台自适应复合稳定控制系统可有效耦合驱动系统与稳定系统，保证车辆无论遇到机械臂扰动输入或桥面环境扰动输入都可有效保持车辆轨迹及自身姿态的稳定。

(3) 在路侧障碍物检测与制动场景中，臂载传感器感知数据可有效应用于移动平台中，支撑机器人系统决策，为后续桥下作业复杂环境中机械臂移动平台联动控制研究、伸缩式越障机械臂研究等奠定技术和平台基础。