随着矿产资源需求的增加和矿业的发展,矿产资源“深部开采”和“智能采矿”已经成为地下矿山发展的主题。铰接式无轨车辆在高机动性和高效性方面具有显著优势,已经被广泛应用于地下矿山的凿岩、铲装、支护、装药和运输等过程。然而其在地下矿山运行中状态和路面参数的获取对外部辅助设施依赖严重,且路径跟踪和操纵稳定性控制过程中的轮胎滑移问题无法得到有效解决,严重制约了铰接式车辆的智能化发展。因此研究基于模型的铰接车辆自主状态估计、路面参数识别以及集成控制,对实现地下矿山“深部开采”,和“智能采矿”具有重要意义。首先,以某4 m3地下铲运机为研究对象,建立了铰接式车辆耦合非线性动力学模型。考虑行驶过程中车体动力学特性,建立了包含后桥摆动架的车体动力学模型,基于魔术公式建立了轮胎非线性侧向和纵向力模型,并根据实测轮胎静态垂向变形量,建立了轮胎垂向力模型。考虑电比例液压转向系统非线性、转向控制主阀死区以及分段特性,建立了全液压转向系统的动力学模型。分析铰接转向机构的运动学特性,得到了包含车体、轮胎和液压转向系统的铰接车辆耦合非线性动力学模型。为验证模型的准确性,设计并开展了实车试验。获取了铰接车辆行驶工况下的转向控制、前后车体响应、转向油缸压力、转向油缸伸缩量以及中间铰接角等数据。基于数值仿真软件搭建了铰接车辆耦合非线性动力学仿真平台,进行了数值仿真。在时域和频域中分别对比分析了仿真和试验中的车体响应、中间铰接角以及转向系统数据,验证了耦合非线性动力学模型的准确性。针对铰接车辆在地下矿山中运行状态难以自主获取问题,开展了基于动力学模型的状态估计方法研究。利用惯性测量单元的自主特性和误差漂移特性,建立了车身传感器模型。考虑模型的误差特性,以铰接车辆车体加速度模型、横摆动力学模型和前后车体的运动学约束模型为基础,利用卡尔曼滤波算法,构建了基于动力学模型的铰接车辆状态信息估计算法,实车试验验证了算法的有效性和准确性。为获取铰接车辆路面附着系数,开展了基于模型的铰接车辆路面附着系数识别研究。以铰接车辆车体动力学模型为辅助模型,利用前述获得的状态信息,研究了基于卡尔曼滤波的铰接车辆轮胎力识别算法。结合轮胎力模型,构建了基于最小二乘法的铰接车辆运行路面附着系数识别算法,得到了带遗忘因子和无遗忘因子的附着系数识别递推模型。通过数值仿真验证了带遗忘因子算法的优越性,确定了遗忘因子取值,通过干燥混凝土路面上的实车试验验证了算法的有效性。为了解决铰接车辆自主行驶过程中相互耦合的路径跟踪、操纵稳定性及轮胎滑移问题,开展了基于模型预测控制的铰接车辆集成控制研究。基于状态空间理论,建立了路径跟踪、操纵稳定性控制模型以及轮胎动力学综合时变模型。基于模型预测控制理论,建立了包含铰接式车辆路径跟踪、操纵稳定性以及轮胎防滑控制目标的集成控制器,分析获得了路径跟踪和操纵稳定性控制状态变量的参考值、控制量和控制变量的约束区间。基于李雅普诺夫稳定性理论,分析并证明了控制系统稳定性。最后,为验证集成控制系统的有效性,进行了不同工况下的数值仿真。基于数值仿真平台,分析验证了集成控制系统的稳定性结果,选取行驶过程中的典型工况进行了数值仿真,设置了常规分离反馈控制为对照组。对比分析了路径跟踪的侧向位移、航向角、操纵稳定性中的质心侧偏角和轮胎滑移率结果,验证了集成控制系统的有效性和优越性。该集成控制系统能够为铰接车辆智能化和矿山无人化发展提供技术和理论支撑。