CN113110438A - 牵引车自动跟随控制系统、方法及装置 - Google Patents

Abstract

本申请揭示了一种牵引车自动跟随控制系统、方法及装置，该系统包括：控制器、轮毂电机、驱动器、速度传感器、姿态传感器、力传感器和角度传感器，力传感器和角度传感器布置于人员和牵引车之间，分别用于采集牵引力和相对转角；姿态传感器用于采集牵引车的相对姿态；速度传感器用于采集轮毂电机的转速；控制器获取各个传感器采集到的数据并进行处理，将处理后的数据输入至人员运动意图识别模型中，根据模型输出的人员运动意图对应的控制模式，控制驱动器对轮毂电机进行力矩调节。本申请在牵引车上布置多种传感器，开发多传感器的融合技术识别车辆牵引人员的运动意图，基于人员的运动意图，自动切换控制方式，实现了牵引车对人员的自动跟随。

Description

牵引车自动跟随控制系统、方法及装置

技术领域

本申请属于单兵负载运输领域，涉及一种牵引车自动跟随控制系统、方法及装置。

背景技术

在军事和民用领域，单兵负载携行能力一直是影响作战效能或者工作效率的关键。目前常用的单兵负载运输装备主要有单兵外骨骼、全地形无人车以及四足机器人等。单兵外骨骼在复杂地形环境下，对人体运动灵活性进行了制约，造成单兵的机动性和运动能力变弱。全地形无人车通常安装有较多的环境感知传感器，价格成本较高，适用于班组任务执行，不适合单兵使用。四足机器人采用腿足式的运动机理，更加仿生且对地形适应较强，但是负载运输能力较弱，更多停留在实验室，不具备实战应用。

现阶段，针对复杂地形环境下的单兵负载运输，伴随保障牵引车是一种有效的运输装备。但目前的牵引车缺乏自主跟随牵引人员的能力，只能通过手动调节遥控器来调节，操作繁琐不能解放双手。然而在野外环境中，双手对于操作人员十分重要，因此牵引车具有自动跟随操作人员的能力是十分重要的。

发明内容

为了解决相关技术中的问题，本申请提供了一种牵引车自动跟随控制系统、方法及装置，技术方案如下：

第一方面，本申请提供了一种牵引车自动跟随控制系统，包括：控制器，以及与所述控制器通信连接的轮毂电机、驱动器、速度传感器、姿态传感器、力传感器和角度传感器，其中：

所述力传感器和所述角度传感器布置于人员和牵引车之间，所述力传感器用于采集所述人员对所述牵引车的牵引力，得到牵引力数据，所述角度传感器用于采集所述人员与所述牵引车之间的相对转角，得到角度数据；

所述姿态传感器安装于所述牵引车的底盘上，用于采集所述牵引车的相对姿态，得到姿态数据，所述姿态数据包括所述牵引车相对于地面的俯仰角和航向角；

所述速度传感器用于采集所述轮毂电机的转速，得到转速数据；

所述控制器获取各个传感器采集到的数据并进行处理，将处理后的数据输入至人员运动意图识别模型中，得到人员运动意图，根据所述人员运动意图对应的控制模式，控制所述驱动器对所述轮毂电机进行力矩调节。

第二方面，本申请还提供了一种牵引车自动跟随控制方法，应用于如第一方面所述的牵引车自动跟随控制系统的控制器中，所述方法包括：

获取各个传感器采集到的数据，对所述数据进行预处理；

将预处理后的数据输入至预先建立的人员运动意图识别模型中，得到所述人员运动意图识别模型输出的人员运动意图；

根据所述人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节。

可选地，所述方法还包括：

构建所述人员运动意图识别模型训练需要的数据集，所述数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

将人员带动牵引车过程中的人员运动模式变化作为所述数据集的标签；

根据所述数据集作为所述人员运动意图识别模型的输入，将所述标签作为所述人员运动意图识别模型的输出，对所述人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

可选地，所述对所述数据进行预处理，包括：

对所述数据进行数字变送和卡尔曼滤波；

对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

可选地，所述根据所述人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节，包括：

获取所述人员运动意图对应的控制模式；

向所述驱动器输出与所述控制模式对应的扭矩值u，所述驱动器向所述牵引车输出与所述扭矩值u对应的动力矩T。

可选地，在所述获取所述人员运动意图对应的控制模式之后，且在向所述驱动器输出与所述控制模式对应的扭矩值u之前，所述方法还包括：

计算初始力数据F₀与所述力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，所述初始力数据F₀是所述牵引车放好负载后人员保持直立状态时所述力传感器的测量值；

计算初始角度数据w₀与所述角度传感器采集到的角度数据w的差值，得到角度误差e_w，所述初始角度数据w₀是所述牵引车放好负载后人员保持直立状态的时所述角度传感器的测量值；

将所述角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e'_f；

结合所述牵引力的相应误差e_f、所述e'_f以及所述人员运动意图，确定需要向所述驱动器输出的扭矩值u。

第三方面，本申请还提供一种牵引车自动跟随控制装置，包括：

预处理模块，用于获取各个传感器采集到的数据，对所述数据进行预处理；

模型预测模块，用于将所述预处理模块预处理后的数据输入至预先建立的人员运动意图识别模型中，得到所述人员运动意图识别模型输出的人员运动意图；

控制模块，用于根据所述模型预测模块预测到的人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节。

可选的，所述牵引车自动跟随控制装置还包括：

第一构建模块，用于构建所述人员运动意图识别模型训练需要的数据集，所述数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

第二构建模块，用于将人员带动牵引车过程中的人员运动模式变化构建为所述数据集的标签；

训练模块，用于根据所述数据集作为所述人员运动意图识别模型的输入，将所述标签作为所述人员运动意图识别模型的输出，对所述人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

可选的，所述预处理模块，还用于：

对所述数据进行数字变送和卡尔曼滤波；

对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

可选的，所述控制模块还用于：

获取所述人员运动意图对应的控制模式；

向所述驱动器输出与所述控制模式对应的扭矩值u，所述驱动器向所述牵引车输出与所述扭矩值u对应的动力矩T。

可选的，所述控制模块还用于：

计算初始力数据F₀与所述力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，所述初始力数据F₀是所述牵引车放好负载后人员保持直立状态时所述力传感器的测量值；

计算初始角度数据w₀与所述角度传感器采集到的角度数据w的差值，得到角度误差e_w，所述初始角度数据w₀是所述牵引车放好负载后人员保持直立状态的时所述角度传感器的测量值；

将所述角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e'_f；

结合所述牵引力的相应误差e_f、所述e'_f以及所述人员运动意图，确定需要向所述驱动器输出的扭矩值u。

基于上述技术方案，本申请至少可以实现如下有益效果：

通过在牵引车上布置多种传感器，开发多传感器的融合技术识别车辆牵引人员的运动意图，基于人员的运动意图，自动切换控制方式，实现了牵引车对牵引人员的自动跟随。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本申请一个实施例中提供的牵引车自动跟随控制系统的示意图；

图2是本申请一个实施例中提供的牵引车自动跟随控制方法的流程图；

图3是本申请一个实施例中提供的人员运动意图识别模型的训练示意图；

图4是本申请一个实施例中提供的依据人员运动意图的牵引车控制方法的示意图；

图5是本申请一个实施例中提供的牵引车自动跟随控制装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

伴随保障牵引车是一种针对目前森林消防作业和野外行军保障运输作业环节的单兵运输装备。可以实现载荷的大载重运输，显著提高人员的前行速度和机动能力，是机械化、信息化的高机动平台。然而，目前的伴随牵引车不能实现和人员的自动跟随，需要通过手动遥控器调节当前的助力力矩，操作繁琐且不能解放人员双手。因此，本申请提出了一种基于人员动作意图识别的牵引车自动跟随控制系统、方法及装置。下面结合图1-图5对本申请提供的牵引车自动跟随控制系统、方法及装置进行解释说明。

图1是本申请一个实施例中提供的牵引车自动跟随控制系统的示意图，本申请提供的牵引车自动跟随控制系统可以包括控制器1，以及与控制器1通信连接的轮毂电机2、驱动器3、速度传感器4、姿态传感器5、力传感器6和角度传感器7。

力传感器6和角度传感器7布置于人员和牵引车之间，力传感器6用于采集人员对牵引车的牵引力，得到牵引力数据，角度传感器7用于采集人员与牵引车之间的相对转角，得到角度数据。

姿态传感器5安装于牵引车的底盘上，用于采集牵引车的相对姿态，得到姿态数据，姿态数据包括牵引车相对于地面的俯仰角和航向角。

速度传感器4用于采集轮毂电机2的转速，得到转速数据。

控制器1获取各个传感器采集到的数据并进行处理，将处理后的数据输入至人员运动意图识别模型中，得到人员运动意图，根据人员运动意图对应的控制模式，控制驱动器3对轮毂电机2进行力矩调节。

单兵操作人员将所携带的负载置于牵引车之上，穿戴特制背板，并将电动式的牵引车挂在背板之上。单兵操作人员通过手持控制终端对系统上电，并带动负载行走。牵引车自动跟随控制系统中的控制器获取力传感器、角度传感器、速度传感器以及姿态传感器采集到的数据，并进行相应的数字变送和卡尔曼滤波。对所有的传感器采集到的数据进行特征提取和归一化处理后，输入到预先建立的人员运动意图识别模型中，人员运动意图识别模型可以通过计算判别出人员运动意图，控制器可以根据人员运动意图切换控制模式。

当人员运动意图改变时，牵引车能随之改变控制模式，如人员从步行状态改变至站立状态时，牵引车识别这种状态的改变及时停车，防止将人顶伤。具体的牵引车自动跟随控制方法参见下面对图2中的描述。

图2是本申请一个实施例中提供的牵引车自动跟随控制方法的流程图，本申请提供的牵引车自动跟随控制方法采用如图1所示的牵引车自动跟随控制系统，该方法可以包括如下步骤：

步骤201，获取各个传感器采集到的数据，对数据进行预处理；

在实际应用中，各个传感器可以包括速度传感器4、姿态传感器5、力传感器6和角度传感器7，对应的，各个传感器采集到的数据包括转速数据、姿态数据、牵引力数据、角度数据。

在对数据进行预处理时，首先对各个传感器采集到的数据进行数字变送和卡尔曼滤波，然后对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

步骤202，将预处理后的数据输入至预先建立的人员运动意图识别模型中，得到人员运动意图识别模型输出的人员运动意图；

一般来讲，是使用人员运动意图识别模型之前，为了更适应于人员负载牵引车的场景，本申请需要根据人员负载牵引车的使用场景预先建立并训练人员运动意图识别模型。结合图3所示，其是本申请一个实施例中提供的人员运动意图识别模型的训练示意图，人员运动意图识别模型的训练过程如下：

首先，构建人员运动意图识别模型训练需要的数据集，数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

在实际对人员运动意图识别模型进行训练时，首先让多名身高体重不同的实验人员分别带动牵引车，记录牵引过程中力传感器、角度传感器、速度传感器以及姿态传感器所采集的数值，并进行相应的特征提取。

其次，将人员带动牵引车过程中的人员运动模式变化作为数据集的标签；

即，在多名实验人员带动牵引车的过程中，手动记录牵引过程中的人员运动模式变化，作为数据集的标签。

最后，根据数据集作为人员运动意图识别模型的输入，将标签作为人员运动意图识别模型的输出，对人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

基于牵引车控制器的运算能力，设计了基于小数据量，快速，低运算成本的神经网络算法，可以实现较高精度的人员运动意图识别准确率的同时保证了输出的实时性，满足牵引车智能主动跟随牵引者的要求。建立一个具有多层神经网络算法，算法结构如图3所示，应用于牵引车中。通过实验预先确定模型的最佳超参数，包括模型训练次数、模型层数、模型节点数、正则化方式以及激活函数等。最终，基于所搭建的数据集以及相应的模型结构，对模型进行训练，最终获得所需要的人员运动意图的识别模型。

步骤203，根据人员运动意图对应的控制模式，控制驱动器对轮毂电机进行力矩调节。

根据模型所获取的人员运动意图，伴随牵引车的控制器可以根据运动意图自动地切换控制模式。所设计的牵引车控制方法如图4所示，其是本申请一个实施例中提供的依据人员运动意图的牵引车控制方法的示意图，本申请在根据人员运动意图对应的控制模式，控制驱动器3对轮毂电机2进行力矩调节时，可以包括如下步骤：

S1、获取人员运动意图对应的控制模式；

S2、向驱动器输出与控制模式对应的扭矩值u，驱动器向牵引车输出与扭矩值u对应的动力矩T。

进一步地，在获取人员运动意图对应的控制模式之后，且在向驱动器输出与控制模式对应的扭矩值u之前，方法还包括：

S3、计算初始力数据F₀与力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，初始力数据F₀是牵引车放好负载后人员保持直立状态时力传感器的测量值；

F₀的大小和负载重量以及牵引车姿态有关，以此作为控制标准可以避免负载重量不同或人身高不同对控制造成的影响。

S4、计算初始角度数据w₀与角度传感器采集到的角度数据w的差值，得到角度误差e_w，初始角度数据w₀是牵引车放好负载后人员保持直立状态的时角度传感器的测量值；

S5、将角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e'_f；

S6、结合牵引力的相应误差e_f、e'_f以及人员运动意图，确定需要向驱动器输出的扭矩值u。

控制的目标是使牵引车的速度能够跟随人员速度，即速度误差e_v＝0。但由于人的速度无法直接测量，所以通过人与车之间的拉压力传感器检测由于速度误差所引起的拉压力变化量F。将这种拉压力变化F作为控制器的输入，将牵引车与人员之间保持静止时的原始力F₀作为控制标准，由此构成控制系统内环，其最终控制目标是使e_f＝0。当人员转弯时，角度传感器能够检测到角度变化，将角度差值e_w通过差速运算，同样作为控制器输入，使得牵引车可以随着人员进行转动。

控制算法的关键在于通过人体运动模式识别，使得牵引车能够自动适应人员运动模式和行进速度的变化，实现自主化的人机跟随，减少人员控制。通过人员的运动模式识别，使得牵引车可以获取人员当前的运动状态，并依据运动状态转换控制模式。通过调节PID参数，设计周期性变化的控制量，实现牵引车对人周期性变化速度的跟随。依据力传感器、姿态传感器、角度传感器、速度传感器等多种传感器，针对人员转向、蹲起等多种特殊工况，开发补偿控制算法，提升控制效果。

综上所述，本申请提供的牵引车自动跟随控制方法，通过在牵引车上布置多种传感器，开发多传感器的融合技术识别车辆牵引人员的运动意图，基于人员的运动意图，自动切换控制方式，实现了牵引车对牵引人员的自动跟随。所设计的单兵伴随以及负载助力牵引车具备解放单兵操作人员双手的功能，实现不用双手就可以实现负载在复杂路面的运输，方便单兵人员进行更多的手部操作。

下面是与本申请提供的牵引车自动跟随控制方法对应的装置的实施例，牵引车自动跟随控制装置的实施例中所涉及到的技术特征的解释可以参见上述对牵引车自动跟随控制方法实施例中的描述，下面就不再赘述。

图5是本申请一个实施例中提供的牵引车自动跟随控制装置的结构示意图，本申请提供的牵引车自动跟随控制装置可以通过软件、硬件或软硬件结合的方式在牵引车自动跟随控制系统中实现，牵引车自动跟随控制装置可以包括：预处理模块510、模型预测模块520和控制模块530。

预处理模块510可以用于获取各个传感器采集到的数据，对所述数据进行预处理；

模型预测模块520可以用于将所述预处理模块510预处理后的数据输入至预先建立的人员运动意图识别模型中，得到所述人员运动意图识别模型输出的人员运动意图；

控制模块530可以用于根据所述模型预测模块520预测到的人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节。

可选的，所述牵引车自动跟随控制装置还包括：第一构建模块、第二构建模块和训练模块。

第一构建模块可以用于构建所述人员运动意图识别模型训练需要的数据集，所述数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

第二构建模块可以用于将人员带动牵引车过程中的人员运动模式变化构建为所述数据集的标签；

训练模块可以用于根据所述数据集作为所述人员运动意图识别模型的输入，将所述标签作为所述人员运动意图识别模型的输出，对所述人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

在一种可能的实现方式中，所述预处理模块510还可以用于执行如下操作：

对所述数据进行数字变送和卡尔曼滤波；

对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

在一种可能的实现方式中，所述控制模块530还可以用于执行如下操作：

获取所述人员运动意图对应的控制模式；

向所述驱动器输出与所述控制模式对应的扭矩值u，所述驱动器向所述牵引车输出与所述扭矩值u对应的动力矩T。

进一步的，所述控制模块530还可以用于执行如下操作：

计算初始力数据F₀与所述力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，所述初始力数据F₀是所述牵引车放好负载后人员保持直立状态时所述力传感器的测量值；

计算初始角度数据w₀与所述角度传感器采集到的角度数据w的差值，得到角度误差e_w，所述初始角度数据w₀是所述牵引车放好负载后人员保持直立状态的时所述角度传感器的测量值；

将所述角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e'_f；

结合所述牵引力的相应误差e_f、所述e'_f以及所述人员运动意图，确定需要向所述驱动器输出的扭矩值u。

综上所述，本申请提供的牵引车自动跟随控制装置，通过在牵引车上布置多种传感器，开发多传感器的融合技术识别车辆牵引人员的运动意图，基于人员的运动意图，自动切换控制方式，实现了牵引车对牵引人员的自动跟随。所设计的单兵伴随以及负载助力牵引车具备解放单兵操作人员双手的功能，实现不用双手就可以实现负载在复杂路面的运输，方便单兵人员进行更多的手部操作。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种牵引车自动跟随控制系统，其特征在于，所述牵引车自动跟随控制系统包括：控制器，以及与所述控制器通信连接的轮毂电机、驱动器、速度传感器、姿态传感器、力传感器和角度传感器，其中：

所述力传感器和所述角度传感器布置于人员和牵引车之间，所述力传感器用于采集所述人员对所述牵引车的牵引力，得到牵引力数据，所述角度传感器用于采集所述人员与所述牵引车之间的相对转角，得到角度数据；

所述姿态传感器安装于所述牵引车的底盘上，用于采集所述牵引车的相对姿态，得到姿态数据，所述姿态数据包括所述牵引车相对于地面的俯仰角和航向角；

所述速度传感器用于采集所述轮毂电机的转速，得到转速数据；

所述控制器获取各个传感器采集到的数据并进行处理，将处理后的数据输入至人员运动意图识别模型中，得到人员运动意图，根据所述人员运动意图对应的控制模式，控制所述驱动器对所述轮毂电机进行力矩调节。

2.一种牵引车自动跟随控制方法，其特征在于，应用于如权利要求1所述的牵引车自动跟随控制系统的控制器中，所述方法包括：

获取各个传感器采集到的数据，对所述数据进行预处理；

将预处理后的数据输入至预先建立的人员运动意图识别模型中，得到所述人员运动意图识别模型输出的人员运动意图；

根据所述人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

构建所述人员运动意图识别模型训练需要的数据集，所述数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

将人员带动牵引车过程中的人员运动模式变化作为所述数据集的标签；

根据所述数据集作为所述人员运动意图识别模型的输入，将所述标签作为所述人员运动意图识别模型的输出，对所述人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

4.根据权利要求2所述的方法，其特征在于，所述对所述数据进行预处理，包括：

对所述数据进行数字变送和卡尔曼滤波；

对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

5.根据权利要求2所述的方法，其特征在于，所述根据所述人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节，包括：

获取所述人员运动意图对应的控制模式；

向所述驱动器输出与所述控制模式对应的扭矩值u，所述驱动器向所述牵引车输出与所述扭矩值u对应的动力矩T。

6.根据权利要求5所述的方法，其特征在于，在所述获取所述人员运动意图对应的控制模式之后，且在向所述驱动器输出与所述控制模式对应的扭矩值u之前，所述方法还包括：

计算初始力数据F₀与所述力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，所述初始力数据F₀是所述牵引车放好负载后人员保持直立状态时所述力传感器的测量值；

计算初始角度数据w₀与所述角度传感器采集到的角度数据w的差值，得到角度误差e_w，所述初始角度数据w₀是所述牵引车放好负载后人员保持直立状态的时所述角度传感器的测量值；

将所述角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e′_f；

结合所述牵引力的相应误差e_f、所述e′_f以及所述人员运动意图，确定需要向所述驱动器输出的扭矩值u。

7.一种牵引车自动跟随控制装置，其特征在于，所述牵引车自动跟随控制装置包括：

预处理模块，用于获取各个传感器采集到的数据，对所述数据进行预处理；

模型预测模块，用于将所述预处理模块预处理后的数据输入至预先建立的人员运动意图识别模型中，得到所述人员运动意图识别模型输出的人员运动意图；

控制模块，用于根据所述模型预测模块预测到的人员运动意图对应的控制模式，控制所述驱动器对轮毂电机进行力矩调节。

8.根据权利要求7所述的装置，其特征在于，所述牵引车自动跟随控制装置还包括：

第一构建模块，用于构建所述人员运动意图识别模型训练需要的数据集，所述数据集是对人员带动牵引车过程中传感器采集到的牵引力数据、角度数据、速度数据以及姿态数据进行特征提取后得到的；

第二构建模块，用于将人员带动牵引车过程中的人员运动模式变化构建为所述数据集的标签；

训练模块，用于根据所述数据集作为所述人员运动意图识别模型的输入，将所述标签作为所述人员运动意图识别模型的输出，对所述人员运动意图识别模型进行训练，得到训练后的人员运动意图识别模型。

9.根据权利要求7所述的装置，其特征在于，所述预处理模块，还用于：

对所述数据进行数字变送和卡尔曼滤波；

对数字变送和滤波后的数据进行特征提取和数据归一化，得到预处理后的数据。

10.根据权利要求7所述的装置，其特征在于，所述控制模块还用于：

获取所述人员运动意图对应的控制模式；

向所述驱动器输出与所述控制模式对应的扭矩值u，所述驱动器向所述牵引车输出与所述扭矩值u对应的动力矩T。

11.根据权利要求9所述的装置，其特征在于，所述控制模块还用于：

计算初始力数据F₀与所述力传感器实际采集到的力数据F的差值，得到牵引力的相应误差e_f，所述初始力数据F₀是所述牵引车放好负载后人员保持直立状态时所述力传感器的测量值；

计算初始角度数据w₀与所述角度传感器采集到的角度数据w的差值，得到角度误差e_w，所述初始角度数据w₀是所述牵引车放好负载后人员保持直立状态的时所述角度传感器的测量值；

将所述角度误差e_w进行差速变换，将得到的变换值e_v输入至差速扭矩控制模型中，得到e′_f；

结合所述牵引力的相应误差e_f、所述e′_f以及所述人员运动意图，确定需要向所述驱动器输出的扭矩值u。

Images