汽车底盘线控与动力学域控制技术

本文由李亮，王翔宇，程硕，陈翔，黄超，平先尧，魏凌涛联合创作

摘要

汽车动力学及其线控技术是汽车底盘设计中的难题，一直是学界研究的热点。汽车的智能化发展也对底盘线控执行技术提出了更高、更迫切的性能要求。该文介绍了汽车动力学与底盘线控技术的最新进展：针对汽车动力学及控制技术，介绍了动力学建模分析、动力学状态观测以及动力学稳定性控制策略的发展历程及研究现状；针对底盘线控执行技术，概述了面向智能驾驶的线控制动、线控转向、线控驱动发展历程及研究现状；针对汽车底盘集成控制技术，提出了底盘动力学域控制的概念， 系统性地说明了域控制架构和协调控制策略。最后展望了汽车底盘线控与动力学域控制技的术未来研究趋势。

安全是国际汽车行业永恒的主题。随着汽车工业快速发展，汽车保有量迅速增大，交通拥堵加剧，交通事故频发，这些问题造成了巨大的人身伤亡和经济财产损失。为此世界各国及地区均出台各项交通法规、相关政策，希望能够解决汽车交通事故带来的重大社会问题。国际上各大著名汽车公司也致力于研发被动安全、主动安全等汽车技术。近年来，人工智能技术的飞速发展，给汽车产业带来了颠覆性变革，智能网联汽车成为汽车工业的研究热点和未来汽车发展的方向， 这也为解决汽车交通安全难题也带来了新的契机。

汽车底盘线控执行及动力学域控制技术是汽车工业的关键技术，也是智能汽车安全稳定执行的基础与核心。国内外汽车产业各界针对该领域关键技术展开了深入的研究，取得了大量成果。自20 世纪 70 年代以来， 车辆底盘各类动力学电控系统逐渐发展起来，如制动防抱死系统（anti-lock brake system, ABS）、电子稳定性控制（electronic stability control，ESC）、电子助力转向系统（electric power steering, EPS）等，由于底盘多个电控系统相互耦合导致的协调控制问题逐渐成为研究热点。近年来，智能汽车的迅速发展推动了线控转向、线控制动、线控驱动底盘执行等关键技术的创新，也对底盘动力学域控制技术需求迫切。

本文围绕汽车底盘线控执行及动力学域控制技术进行论述，介绍汽车动力学与控制的建模分析、稳定性状态观测、控制策略分析；对智能汽车底盘线控转向、线控制动发展现状和研究进展进行了论述并概述了全矢量线控底盘概念；在综述底盘集成控制相关问题研究的基础上，作者团队提出了面向智能汽车的底盘动力学域控制概念及其架构。最后，展望了汽车底盘技术未来的研究方向，这将对未来汽车底盘技术的发展，奠定提升车辆性能的基础，具有重要指导意义。

1 汽车动力学与控制技术

1.1 动力学建模与分析

车辆动力学建模与相关分析工作经过几十年的发展已经形成了一套以整车动力学建模为根基，关键状态参数估算为补偿的整车动力学建模体系。主要包括：整车动力学建模、轮胎力学建模、车辆质心侧偏角估算、轮胎力估算、轮胎路面附着系数估算等。

1.1.1 整车动力学建模

车辆动力学模型是进行车辆各项动力性能分析、主动控制、功能实现以及参数优化的基础。根据研究目和关注点的不同，国内外学者已经提出了各种不同复杂程度的线性和非线性车辆模型。早在 1940 年，基于轮胎侧偏力学的研究基础，Riekert 和Schunck 建立了经典的线性二自由度 ( 侧向自由度和横摆自由度 ) 汽车理想模型，该模型成为了汽车动力学研究的基础。一般根据不同的使用目标选用具有不同自由度的车辆模型，车辆动力学模型主要包括：1) 结合纵向、侧向、横摆的 3 自由度车辆模型；2) 结合纵向、横摆、侧倾的 3 自由度车辆模型；3) 结合纵向、侧向、横摆、侧倾的 4 自由度车辆模型；4) 结合横摆、垂向、俯仰、侧倾的 4 自由度车辆模型；5) 结合纵向、侧向、垂向、横摆、侧倾、俯仰的 6 自由度车辆模型；以及 6) 随着计算机技术的发展而兴起的多体动力学车辆模型等。

1.1.2 轮胎力学模型

轮胎作为车体和道路之间唯一的连接部件，承担了所有外力传递的角色，所以轮胎动力学特性建模对车辆整体模型的准确性起到关键性作用。一般来说，轮胎稳态力学模型主要分为理论模型、经验模型以及半经验模型 3 种。理论模型是基于轮胎物理结构和变形机理而建立的具有物理意义的描述模型；经验模型往往来源于轮胎试验数据并通过数据拟合的方法得到； 半经验模型是在理论研究和试验分析的基础上完成的建模工作，不仅理论精度高，扩展性好，而且与试验数据吻合度好。目前比较经典的半经验模型主要有UniTire 统一模型和 Magic Formula 模型。

追溯到 1954 年，Fiala 以弹性梁模型为基础对轮胎印迹内的变形和侧向力进行了研究，给出了侧向力和回正力矩随侧偏角之间的变化关系。1965 年，Frank 以 Fiala 模型为基础建立了复杂的梁模型来模拟轮胎侧偏时胎体的变形。1966 年，Pacejka 将胎体变形简化为拉伸的“弦”，建立了较为精确的纯侧偏特性理论模型。1972 年，Pacejka 和 Fancher 等对轮胎的侧偏纵滑特性做了精确的数学分析， 提出了HSRI-NBS-II 模型。1987 年 Pacejka 和 Bakker 建立了可以精确描述侧向力，纵向力以及回正力矩的半经验模型 Magic Formula。

另外，还有一些基于前人轮胎模型研究而进行扩展的轮胎模型以及其他经验或半经验模型。可以根据模型复杂程度的不同和使用目的的不同选择不同的轮胎模型来开展相关的研究工作。

1.2 动力学稳定性关键状态观测

车辆动力学与控制中所用到的关键参数主要有：横摆角速度、纵向加速度、侧向加速度，纵向车速，质心侧偏角以及路面峰值附着系数等，其中又以质心侧偏角、轮胎力和路面峰值附着系数最为重要，也最难估算准确。

1.2.1 质心侧偏角估算

车辆质心侧偏角是指车辆实际速度与车辆纵轴之间的夹角，数值上可以表述为侧向车速与纵向车速比值的反正切值。质心侧偏角估算主要分为基于观测器和基于神经网络 2 种类型。基于观测器的质心侧偏角估算方法主要包括：基于 Luenberger 观测器算法 (Luenberger observer，LO）、基于滑膜观测器算法 (sliding-mode observer，SMO) 以及基于Kalman 滤波观 测器算法 (Kalman filter，KF)。LO 和 SMO 对系统模型都有较强的依赖性，模型的精确程度对估算结果都有较大的影响，但都可以用于线性和非线性系统。相比前 2 种观测器，KF 观测器虽然对模型也有很强的依赖性并且只能用于线性系统，但是其基于KF 的变形系列观测器却可以应用于不同的场合。扩展Kalman 滤波 (extended Kalman filter, EKF) 是对非线性系统线性化处理之后，用线性模型代替非线性进行估算，其缺点是会带来线性化累积误差；无迹 Kalman 滤波(unscented Kalman filter, UKF) 是通过无味变换

（unscented transfor mation，UT），再根据系统状态先验概率密度分布的均值和协方差按照一定的采样策略获得 Sigma 点集，然后对每个采样点进行非线性传递， 将系统近似线性化处理，与EKF 相比不会引入线性化误差，无迹 Kalman 滤波一般会具有更好的效果；容积 Kalman 滤波 (cubature Kalman filter, CKF) 基于三阶球面径向容积准则，并使用一组容积点来逼近具有附加Gauss 噪声的非线性系统的状态均值和协方差，是解决非线性系统状态估计的强有力工具。

针对所有轮胎力饱和时，车辆侧滑角的可观测性将大大恶化甚至丧失的问题，Ding 等基于局部线性化和 Routh-Hurwitz 准则，设计了扩展 LO 观测器，对车辆质心侧偏角进行有效的观测。Chen 等采用降阶滑膜观测器并将非线性阻尼集成到 SMO 中，对车辆质心侧偏角进行观测，在保证精度的情况下减小了计算量。作者团队提出了一种结合侧偏角速率反馈和阻尼项的变结构扩展 Kalman 滤波器，对质心侧偏角进行观测，其主要思想是补偿由路面摩擦估计误差引起的模型误差，而阻尼项的主要思想是抑制误差积累。作者团队还采用自适应无迹 Kalman 滤波器对质心侧偏角进行观测，通过试验和仿真方法验证了该方法可以弥补由于传感器噪声和外界干扰带来的误差。针对车辆的非线性动力学、参数不确定性以及传感器噪声等给其观测带来困难的问题，作者团队提出了一种自适应容积 Kalman 滤波方法对车辆质心侧偏角进行估算并取得了较好的观测效果。Du 等选取方向盘转角、横摆角速度、侧向加速度和四轮转速为输入，车辆质心侧偏角为输出，应用神经网络对质心侧偏角建立预测模型，并与 veDYNA 对侧滑角的观测结果进行了比较，验证了该预测模型的准确性。

1.2.2 轮胎力观测

早期车辆轮胎力的数据常由实验结果推算得到。近年来，各国研究人员通过先进的特定传感器设备对轮胎力进行直接测量。M. Doumiati 等通过轮胎六分力传感器对各向轮胎力进行直接测量，其测试结果精确， 但设备成本昂贵，难以普及应用。吉林大学陈虹教授和麻颖俊等构建了基于滑模观测器的轮胎力联级估计方法，该方法的估计结果具有较高的准确性；作者团队设计了一种轮胎力的自适应统一观测法并将其应用到横向稳定性控制当中。

1.2.3 路面峰值附着系数估算

路面峰值附着系数的估算对车辆行驶工况识别和动力学稳定性控制至关重要。路面峰值系数估算主要有基于试验法 (experiment-based) 和基于模型法(model-based)2 种方法。基于试验的方法主要有：1) 基于光学传感器，根据测量不同路面反射的具有不同波长的红外线进行路面识别，其基本工作原理如图 1 所示；2) 基于声学仪器，利用安装在汽车底盘上的声学仪器检测路面和轮胎之间的噪声，通过对噪声进行频谱分析识别路面的类型；3) 基于胎面传感器，通过胎面传感器监测轮胎 - 路面之间的形变，结合具体算法估计路面附着系数。

图 1  利用光学传感器进行路面辨识的基本原理

关于基于模型的路面峰值系数估算方法主要有：

1) 基于 Slip-Slope 关系的路面附着系数估计方法, GUSTAFSSON 提出了基于 Slip-Slope 的路面附着系数估计方法，该方法利用车轮在低滑移区 ( 滑移率 5% 以内) 附着系数和滑动率之间的近似线性关系，根据不同路面附着系数和滑动率之间的斜率大小不同来辨识路面附着系数。2) 基于轮胎力学模型的估算方法，袁朝春等利用Burckhardt 轮胎模型提出了一种基于类比特性的路面辨识算法。3) 基于非线性公式拟合的估计方法，LEE 等设计了一种有效的轮胎半径观测器和轮胎法向力观测器