【信息科学与工程学】【产品体系】第十二篇 制造业生产加工05 控制算法 ——车辆控制 （1）

5.91.1

防抱死制动系统 (Anti-lock Braking System, ABS)

监测车轮角速度，当车轮滑移率λ超过最优范围（约10-30%）时，通过调节制动压力防止抱死。控制逻辑： if (ω̇ < -a_th) then reduce pressure; if (ω恢复) then increase pressure.

车轮角速度 ω， 参考车速 v_ref， 滑移率 λ = (v - ωR)/v， 压力调节率

防止制动时车轮抱死，保持轮胎侧向力，维持转向能力并缩短制动距离。

乘用车、商用车紧急制动。

优点：防止抱死，保持转向能力，缩短湿滑路面制动距离。局限：在松散路面（如砂石）可能增加制动距离。

表8.5.1：ABS执行器；表7.1.3：轮胎模型（滑移率）

5.91.2

牵引力控制系统 (Traction Control System, TCS)

监测驱动轮滑转率，当过大时，通过减少发动机扭矩或制动打滑车轮来恢复抓地力。控制逻辑类似ABS，但针对驱动轮。

驱动轮角速度 ω_drive， 非驱动轮速度 v_ref， 滑转率， 扭矩请求

防止驱动轮过度滑转，优化加速性能，保持方向稳定性。

车辆大油门起步、加速，低附路面。

优点：改善加速性能，防止侧滑。局限：可能降低加速响应。

表5.91.1：ABS（类似逻辑，用于驱动轮）

5.91.3

电子稳定性控制 (Electronic Stability Control, ESC)

基于车辆模型（如二自由度自行车模型）计算期望横摆角速度，与实际横摆角速度比较，通过单轮制动和发动机干预纠正不足/过度转向。

横摆角速度 γ， 侧向加速度 a_y， 方向盘转角 δ， 车辆速度 v_x

监测和纠正车辆侧滑，保持车辆沿驾驶员期望方向行驶，提高稳定性。

紧急避障、转弯过度/不足转向的纠正。

优点：大幅提高主动安全性，减少侧滑事故。局限：依赖传感器精度，在极端情况下可能失效。

表5.91.1：ABS（ESC使用其制动压力调节）；表5.91.2：TCS（ESC整合其功能）

5.91.4

直接横摆力矩控制 (Direct Yaw Moment Control, DYC)

通过左右车轮差动制动或驱动，产生直接横摆力矩 M_z 来稳定车辆。控制律：M_z = K_p (γ_des - γ) + K_d (γ̇_des - γ̇)。

横摆角速度误差 e_γ， 控制增益 K_p, K_d， 可分配力矩

主动产生横摆力矩，快速稳定车辆姿态，提高操纵稳定性。

高性能车辆， 集成底盘控制。

优点：响应快，稳定效果显著。局限：增加制动器磨损，可能引起驾驶员不适感。

表5.91.3：ESC（DYC是ESC的一种实现方式）

5.91.5

主动前轮转向 (Active Front Steering, AFS)

在驾驶员转向输入上叠加一个附加转角，改变前轮总转角。叠加角根据状态（如横摆角速度、侧偏角）计算。 δ_total = δ_driver + δ_add。

驾驶员转角 δ_driver， 附加转角 δ_add， 车辆状态反馈

改善操纵稳定性，减小转向不足/过度，提高舒适性。

乘用车， 提高操纵性和舒适性。

优点：改善稳态和瞬态响应，提高舒适性。局限：系统复杂，成本高。

表5.91.3：ESC（可与AFS集成）

5.91.6

后轮转向 (Rear Wheel Steering, RWS)

控制后轮转角，通常低速时与前轮反向（减小转弯半径），高速时间向（提高稳定性）。控制律：δ_r = f(v, δ_f)。

前轮转角 δ_f， 车速 v， 后轮转角 δ_r

低速提高机动性，高速提高稳定性。

大型车辆， 豪华车， 提高灵活性。

优点：提高低速机动性和高速稳定性。局限：增加系统复杂性和成本。

表5.91.5：AFS（前后轮转向协同）

5.91.7

主动侧倾稳定控制 (Active Roll Stabilization)

通过主动横向稳定杆或液压执行器产生抗侧倾力矩，减少车身侧倾。控制律：M_roll = K_φ φ + K_φ̇ φ̇。

车身侧倾角 φ， 侧倾角速度 φ̇， 抗侧倾力矩 M_roll

减少转弯时车身侧倾，提高舒适性和操纵性。

SUV， 豪华车， 提高过弯舒适性。

优点：减小侧倾，提高舒适和操控。局限：增加重量和能耗。

表7.1.5：车辆模型（侧倾动力学）

5.91.8

集成底盘控制 (Integrated Chassis Control, ICC)

协调控制多个子系统（如ABS, ESC, AFS, 悬架等），实现全局优化。常用方法：上层协调器分配下层控制目标。

各子系统控制输入， 协调策略（规则， 优化）

解决子系统冲突，实现全局性能最优（安全性、舒适性、操纵性）。

高端乘用车， 集成多个底盘电控系统。

优点：全局优化，性能提升。局限：系统高度复杂，开发难度大。

表5.91.3：ESC；表5.91.5：AFS；表5.92.4：主动悬架

5.91.9

轮胎-路面摩擦估计 (Tire-Road Friction Estimation)

实时估计轮胎与路面间的最大摩擦系数 μ_max。方法：基于车轮动力学、车辆响应、或轮胎模型。

车轮滑移率 λ， 轮胎力 F_x, F_y， 估计摩擦系数 μ_est

为ABS、ESC等提供路面附着信息，优化控制。

所有底盘控制系统， 适应不同路面。

优点：提高控制系统适应性。局限：估计精度和实时性挑战。

表7.1.3：轮胎模型（摩擦系数是关键参数）

5.91.10

车辆状态估计 (Vehicle State Estimation)

基于传感器（轮速、加速度、横摆率等）和车辆模型，估计难以直接测量的状态（如质心侧偏角、车速）。常用卡尔曼滤波。

传感器测量， 车辆模型， 估计状态（如侧偏角 β， 车速 v_x）

为稳定性控制提供关键状态信息，如侧偏角是稳定性重要指标。

ESC， 底盘集成控制。

优点：提供关键状态信息。局限：依赖模型精度，收敛性需保证。

表5.1.20：状态观测器（如卡尔曼滤波）

5.91.1

防抱死制动系统 (ABS)

基于车轮滑移率λ的门限控制或连续调节。典型逻辑：if (ω̇ < -a_th & λ > λ_th) then 减压； if (ω恢复) then 保压或增压。

车轮角加速度ω̇， 参考车速v_ref， 滑移率λ， 压力增减速率

防止车轮完全抱死，保持轮胎与路面间的纵向和侧向附着能力，确保制动时的方向稳定性和缩短制动距离。

乘用车、商用车紧急制动，尤其在低附路面（冰、雪、湿滑）。

优点：显著提高制动安全性和稳定性，缩短湿滑路面制动距离。局限：在松散路面（砂石、积雪）制动距离可能增加，控制逻辑复杂。

表8.5.1：ABS执行器；表7.1.3：轮胎模型（滑移率特性）

5.91.2

牵引力控制系统 (TCS)

监测驱动轮滑转率。当滑转率超过最优值（通常15-25%）时，通过减小发动机扭矩（减少喷油、点火延迟、节气门）或对打滑车轮进行制动来恢复牵引力。

驱动轮与非驱动轮速度差， 发动机扭矩请求， 制动压力指令

防止驱动轮过度滑转，优化加速性能，提高起步、加速及低附路面行驶的方向稳定性。

大油门起步、急加速、低附路面（冰、雪、泥泞）行驶。

优点：提升加速性能与行驶稳定性，防止甩尾。局限：可能降低驾驶乐趣（大功率车辆），介入感明显。

表5.91.1：ABS（同为基于滑移/滑转率的控制）

5.91.3

电子稳定性控制 (ESC) / 车辆动力学控制 (VDC)

基于二自由度参考模型计算期望横摆角速度γ_des和侧偏角β_des。通过与实际值（γ, β）的偏差，计算所需的附加横摆力矩ΔM，并通过单轮制动和驱动干预实现。 ΔM = K1(γ_des-γ) + K2(β_des-β)

横摆角速度误差， 侧偏角误差， 方向盘转角δ， 车速v， 控制增益K1, K2

监测和纠正车辆的非预期横摆运动（转向不足/过度），使车辆实际行驶轨迹尽可能符合驾驶员意图，提高极限工况下的稳定性。

紧急避障、转弯过快、路面左右附着系数不均（对开路面）等导致的侧滑。

优点：显著降低单车事故率，尤其是侧滑、翻车事故。局限：无法超越物理极限，在极端附着力下效果有限。

表5.91.1：ABS（ESC的执行基础）；表5.91.4：DYC（ESC的核心控制思想）

5.91.4

直接横摆力矩控制 (DYC)

通过左右侧车轮的驱动力/制动力差主动产生横摆力矩。控制律：ΔM_z = (F_xr - F_xl) * (d/2)， 其中d为轮距。通过差动制动或扭矩矢量分配实现。

所需横摆力矩ΔM_z， 左/右车轮纵向力F_xl, F_xr， 轮距d

不依赖于前轮转向，通过主动的纵向力分配直接产生横摆力矩，快速、精确地稳定车辆姿态，提升操控极限。

高性能车、电动车的极限操控增强，ESC的核心执行层。

优点：响应速度快，控制精度高，可显著提升过弯极限。局限：增加制动器磨损和能量消耗。

表5.91.3：ESC（DYC是实现ESC的关键手段之一）

5.91.5

主动前轮转向 (AFS)

在驾驶员转向输入的基础上，叠加一个由控制器计算的前轮附加转角。δ_total = δ_driver + δ_AFS。δ_AFS = f(v, γ, β, δ_driver)， 通常低速时反向（提高灵活性），高速时间向（提高稳定性）。

车速v， 横摆角速度γ， 侧偏角β， 前轮附加转角δ_AFS

实现可变传动比，低速轻便灵活，高速稳定；通过前轮主动补偿，提高车辆动态稳定性（如减少横摆角速度超调）。

中高端乘用车，提升驾驶舒适性与操控稳定性。

优点：改善转向手感和动态响应，提高舒适性和主动安全性。局限：系统复杂，成本高，需解决与驾驶员“抢方向盘”的人机冲突。

表5.91.3：ESC（可与ESC集成，实现更优控制）

5.91.6

后轮转向 (RWS)

控制后轮转角δ_r。通常控制律：δ_r = K(v) * δ_f。低速时K为负（反向转向，减小转弯半径），高速时K为正（同向转向，提高稳定性）。

前轮转角δ_f， 车速v， 转向增益函数K(v)， 后轮转角δ_r

低速时提高车辆机动性（减小转弯半径），高速时提高稳定性（减少车身侧倾和横摆阻尼）。

大型豪华轿车、跑车、部分SUV，用于提升灵活性与稳定性。

优点：显著改善低速机动性和高速稳定性。局限：增加系统复杂性和成本，控制策略需精细标定。

表5.91.5：AFS（前后轮转向协同构成全轮转向）

5.91.7

主动侧倾稳定控制 (主动防倾杆)

通过电机或液压作动器，在左右两侧稳定杆之间产生与车身侧倾方向相反的扭矩。控制律：T_anti-roll = K_φ * φ + K_φ̇ * φ̇，其中φ为车身侧倾角。

车身侧倾角φ及角速度φ̇， 抗侧倾力矩T_anti-roll， 增益K_φ, K_φ̇

主动抑制车辆转弯时的车身侧倾，提高乘坐舒适性和轮胎接地性，从而提升操控极限。

高性能跑车、豪华SUV，用于平衡舒适与操控。

优点：大幅减小侧倾，提升舒适性与操控性。局限：增加重量、成本和能耗。

表7.1.5：车辆模型（侧倾动力学）

5.91.8

集成底盘控制 (ICC) / 全局底盘控制 (GCC)

上层协调器接收整车状态和驾驶员意图，通过多目标优化（如加权最小二乘、模型预测控制）分配下层各子系统（转向、制动、悬架、驱动）的控制目标。

整车状态向量， 驾驶员输入， 性能权重矩阵， 各子系统控制指令

协调转向、制动、驱动、悬架子系统，解决可能的功能冲突，实现安全性、舒适性、操控性的全局最优。

配备多个主动底盘系统的高端车型。

优点：发挥系统协同潜力，实现1+1>2的整体性能。局限：系统极其复杂，开发、标定、验证成本极高。

表5.91.3/5/6/7/9.2：各底盘子系统（ICC的协调对象）

5.91.9

轮胎-路面摩擦系数估计

基于轮胎动力学模型、车辆响应与参数辨识算法（如扩展卡尔曼滤波EKF、递归最小二乘法RLS）实时估计最大摩擦系数μ_max。常用激励：轻微制动/驱动滑移。

纵向/侧向轮胎力F_x, F_y， 轮胎垂向载荷F_z， 滑移率λ， 估计值μ_est

为ABS、ESC、TCS等提供关键的附着极限信息，使其控制参数能自适应路面条件，优化性能。

所有基于附着极限的底盘控制系统。

优点：提高控制系统对不同路面的适应性。局限：在低激励（如匀速直行）时估计困难，精度和收敛速度是关键挑战。

表7.1.3：轮胎模型（估计算法的基础）；表5.1.20：状态估计（卡尔曼滤波）

5.91.10

车辆状态估计

基于低成本传感器（轮速、IMU、转向角）和车辆动力学模型，利用观测器（如扩展卡尔曼滤波EKF、滑模观测器SMO）估计关键不可测或难测状态。常用估计量：质心侧偏角β、车速v_x、轮胎力F_x,y。

IMU信号(a_y, γ)， 轮速ω_i， 方向盘转角δ， 估计状态(β, v_x, F_x, F_y)

为稳定性控制系统提供关键的内部状态反馈，如质心侧偏角是衡量车辆稳定裕度的核心指标。

ESC、DYC、AFS等需要质心侧偏角反馈的系统。

优点：以低成本获得关键状态信息。局限：依赖于模型精度，在非线性区或极端工况下估计可能失准。

表5.1.20：状态观测器（如扩展卡尔曼滤波）

5.91.11

主动抗侧翻控制 (Active Rollover Prevention, ARP)

基于车辆模型（如簧载质量侧倾模型）实时计算侧翻指标（如侧向加速度阈值、载荷转移率LTR），当接近侧翻阈值时，通过主动制动（通常是对外侧车轮）和发动机降矩来降低侧翻风险。

侧向加速度a_y， 载荷转移率LTR， 横摆角速度γ， 制动压力指令

监测并主动干预以防止车辆发生侧翻事故，特别是对高重心的SUV、卡车。

SUV、MPV、轻型卡车在紧急避让或高速转弯时。

优点：有效降低侧翻风险。局限：通常作为ESC功能的扩展，介入较晚，属于最后保障。

表5.91.3：ESC（ARP是ESC的高级功能之一）

5.91.12

坡道起步辅助控制 (Hill Start Assist Control, HSC/HSA)

在坡道起步、驾驶员从制动踏板切换到油门踏板时，系统自动保持制动压力2-3秒，防止车辆后溜。

车辆倾角（由纵向加速度传感器或坡度传感器估算）， 制动压力， 驻车状态

简化坡道起步操作，防止溜车，提高安全性和便利性。

所有配备ESC的乘用车，在坡道起步时。

优点：极大便利新手，提高安全性。局限：功能简单，是ESC的衍生功能。

表5.91.3：ESC（利用ESC的制动力保持功能实现）

5.91.13

液压制动辅助 (Hydraulic Brake Assist, HBA/BAS)

监测制动踏板踩下的速度和力度，当识别为紧急制动时（如踩踏速度极快），即使驾驶员踩踏力不足，系统也会自动建立最大制动压力。

制动踏板行程/速度， 压力建立梯度

在驾驶员紧急制动但踩踏力不足时，辅助快速建立最大制动力，缩短制动距离。

所有配备ESC的乘用车，紧急制动场景。

优点：有效弥补驾驶员反应不足，缩短紧急制动距离。局限：依赖于对驾驶员意图的准确识别。

表5.91.1：ABS（HBA是ABS/ESC系统的扩展功能，为ABS创造最佳工作条件）

5.91.14

自适应悬架控制 (Adaptive Suspension Control)

通过连续可调阻尼减震器（CDC）或空气弹簧，根据驾驶模式、路况和车辆状态实时调整悬架软硬/高低。控制策略基于规则或状态反馈。

车身加速度， 悬架行程， 车速， 驾驶模式， 阻尼力/弹簧刚度指令

兼顾舒适性与操控性：舒适模式下柔软，运动模式下硬朗；高速时降低车身，提高稳定性。

中高端乘用车，提升行驶品质。

优点：平衡舒适与操控，适应性好。局限：成本高，结构复杂。

表5.91.8：集成底盘控制（悬架子系统）

5.91.15

扭矩矢量分配控制 (Torque Vectoring Control, TV)

通过差速器或独立控制左右侧驱动电机（电动车），主动分配左右驱动轮的扭矩，产生横摆力矩。控制律类似DYC，但通过驱动力差实现。

左/右驱动轮扭矩指令T_l, T_r， 所需横摆力矩ΔM_z

在加速出弯时，为外侧车轮分配更多扭矩，主动产生指向弯内的横摆力矩，提高过弯敏捷性和极限。

高性能燃油车（带扭矩矢量差速器）、四驱电动汽车。

优点：提升过弯性能和牵引力，无制动能量损失。局限：增加传动系统复杂度（燃油车）或电机/逆变器成本（电动车）。

表5.91.4：DYC（扭矩矢量是DYC的一种实现方式，侧重驱动侧）

5.91.16

拖车摇摆控制 (Trailer Sway Mitigation, TSM)

当检测到拖车发生摇摆（通过车辆横摆率与方向盘转角的不匹配判断），系统通过对前轮施加轻微的制动或发动机干预来阻尼振荡。

横摆角速度γ， 方向盘转角δ， 车速v， 拖车摇摆标志

检测并抑制拖车（如房车、挂车）的横向摆动，提高组合车辆行驶稳定性。

牵引拖车的乘用车或卡车。

优点：提高拖拽行驶安全性。局限：为辅助功能，不能替代正确的装载和拖车制动器。

表5.91.3：ESC（TSM是ESC针对拖车场景的特殊功能扩展）

5.91.17

预测性底盘控制 (Predictive Chassis Control)

利用前视传感器（摄像头、雷达）或导航地图信息，预知前方道路曲率、坡度、附着力变化，提前调整悬架、转向、制动等系统参数。

前方道路曲率κ， 坡度θ， 预测距离， 预调整指令

使底盘系统“未卜先知”，提前适应路况变化，提升舒适性、安全性和能效。

配备ADAS传感器或导航的高端车型。

优点：变被动反应为主动适应，性能提升潜力大。局限：依赖高精度感知和地图信息。

表5.92.4：预测性巡航控制（理念相通，应用在底盘）

5.91.18

路面不平度识别与适应

基于车身加速度、悬架行程等信号，估计当前路面等级（如平滑、粗糙、坑洼），并据此调整悬架阻尼、转向助力等参数。

车身垂向加速度， 车轮加速度， 路面等级估计

使车辆根据不同路况自动优化底盘设置，如在坏路变软以舒适，好路变硬以操控。

自适应悬架， 可调转向助力系统。

优点：提升全路况综合性能。局限：识别算法鲁棒性，参数调整策略标定复杂。

表5.91.14：自适应悬架控制（该功能的应用场景之一）

5.91.19

基于轮胎力估计的底盘控制

利用车辆状态观测器实时估计各轮胎的纵向力和侧向力，并将其作为反馈量直接用于底盘控制器（如AFS、DYC、ESC）的设计。

估计轮胎力 F_x_est, F_y_est， 轮胎力利用率 μ_utilization

更直接地控制轮胎这一车辆与地面交互的唯一媒介，实现更精确的稳定性控制，尤其是在附着极限附近。

高性能车辆、赛车、底盘控制研究前沿。

优点：控制更直接、精确，潜力巨大。局限：轮胎力估计精度是最大挑战，对模型和观测器要求极高。

表5.91.10：车辆状态估计（轮胎力是重要的估计状态之一）

5.91.20

轮毂电机驱动车辆的稳定性控制

针对每个车轮独立驱动的电动车，设计协调各电机扭矩的稳定性控制算法。充分利用各轮独立可控的优势，实现更灵活高效的DYC和TCS。

各轮毂电机扭矩指令 T_1~T_4， 整车横摆力矩需求， 滑转率控制目标

利用轮毂电机响应快、控制精确的优点，实现比传统燃油车更灵活、更高效的扭矩矢量分配和稳定性控制。

轮毂电机驱动的纯电动汽车。

优点：控制自由度多，响应快，效率高。局限：非簧载质量大影响舒适性，电机热管理挑战，成本高。

表5.91.4：DYC；表5.91.15：扭矩矢量（轮毂电机是实现终极扭矩矢量的理想平台）

5.91.1.1

ABS液压控制循环(建压/保压/减压/增压)

四阶段循环控制：
1. 建压：正常制动，压力上升
2. 保压：λ接近λ_opt，保持压力
3. 减压：λ>λ_opt，快速降压
4. 增压：ω恢复，缓慢/阶梯增压

制动压力P，轮速ω，参考车速v_ref，滑移率λ

通过压力循环调节，使滑移率在最佳值(10-30%)附近波动，最大化纵向附着系数，保持侧向附着能力。

ABS工作时的基本控制逻辑，液压调节器执行。

优点：有效防止抱死，保持转向能力。局限：压力波动导致踏板抖动，需驾驶员适应。

表5.91.1：ABS主条目

5.91.1.2

参考车速估计算法

基于车轮速度信号估算车辆参考速度：
v_ref = max(ω_i·R) + 修正项(基于加速度)
或使用模型观测器(卡尔曼滤波)融合IMU信息。

四个轮速ω_FL,ω_FR,ω_RL,ω_RR，车轮半径R，纵向加速度a_x

提供计算滑移率λ=(v_ref-ωR)/v_ref所需的车速基准，是ABS控制的基础。

ABS/TCS/ESC等所有需要车速估计的底盘系统。

优点：无额外传感器成本。局限：在四轮同时打滑时估计不准，需逻辑保护。

表5.91.10：车辆状态估计

5.91.1.3

基于车轮加速度的门限控制

逻辑门限控制：
if (ω̇ < -a_th) then 减压
if (ω̇ > +a_th) and (λ在合理范围) then 缓慢增压
其中a_th为减速度阈值(通常-1g~-1.5g)

车轮角减速度ω̇，阈值a_th，车轮加速度ω̇，增压梯度

通过监测车轮的急剧减速度(表明即将抱死)来触发减压，是早期ABS的主要控制逻辑。

早期ABS系统，低成本方案。

优点：逻辑简单，计算量小，响应快。局限：对路面变化不敏感，控制不够精细。

表5.91.1.1：ABS液压控制循环

5.91.1.4

滑移率PID控制

以滑移率误差e=λ_des-λ为输入，通过PID控制计算压力调节量：
ΔP = K_p·e + K_i·∫e·dt + K_d·de/dt
λ_des通常设为0.15-0.2(最优滑移率)

期望滑移率λ_des，实际滑移率λ，PID参数K_p,K_i,K_d

直接以滑移率为控制目标，力图使其稳定在最优值，理论上制动效果最佳。

高性能、高精度ABS系统。

优点：控制目标明确，理论上最优。局限：对路面附着变化敏感，需自适应调整λ_des。

表5.1.1：PID控制

5.91.1.5

基于路面识别的自适应ABS

实时识别路面峰值附着系数μ_max和最优滑移率λ_opt，并相应调整控制参数(λ_des,控制增益)。常用方法：基于μ-λ曲线特征点或模型参考自适应。

当前路面估计μ_max, λ_opt，自适应控制器参数

使ABS控制参数自动适应不同路面(冰、雪、湿、干)，实现全局近最优制动。

高级ABS系统，全天候最优制动。

优点：适应性强，各种路面均能获得较好性能。局限：识别算法复杂，对传感器噪声敏感。

表5.91.9：轮胎-路面摩擦估计

5.91.1.6

模糊逻辑ABS控制

基于专家经验设计模糊规则，如：
IF λ is 大 AND Δλ is 正大 THEN ΔP is 负大
IF λ is 中 AND Δλ is 零 THEN ΔP is 零

输入：λ, Δλ；输出：ΔP；隶属度函数，模糊规则库

不依赖精确数学模型，利用人类经验(驾驶员/工程师)知识，处理ABS非线性、时变性。

对控制平稳性要求高，模型不确定的系统。

优点：鲁棒性强，适应非线性系统，控制平滑。局限：规则库设计依赖经验，理论分析困难。

表5.3.1：模糊控制

5.91.1.7

基于轮胎模型的滑模变结构ABS

设计滑模面s=λ-λ_des，控制律：
ΔP = P_eq + K·sgn(s)
其中P_eq为等效控制，K为切换增益

滑模面s，切换增益K，边界层厚度Φ

对模型不确定性和扰动具有强鲁棒性，一旦到达滑模面，系统将沿其滑动至平衡点。

对鲁棒性要求高的ABS系统。

优点：鲁棒性强，响应快速。局限：存在"抖振"现象，需采用边界层或高阶滑模消除。

表5.1.15：滑模控制

5.91.1.8

电子制动力分配(EBD)

在ABS基础上，根据车辆载荷分布、制动强度，动态调节前后轴制动力分配，通常后轴制动力按理想制动力分配曲线(I曲线)或ECE法规限制。

前轴压力P_f，后轴压力P_r，分配比例K，制动强度z

在任何载荷和减速度下，优化前后轴制动力分配，防止后轮先抱死(保持稳定性)，缩短制动距离。

现代ABS系统的标准组成部分，在ABS介入前工作。

优点：提高制动稳定性，缩短制动距离。局限：静态分配曲线，无法应对动态载荷转移。

表5.91.1：ABS（EBD是其功能扩展）

5.91.1.9

制动力辅助(BA/EBA)

监测制动踏板踩下速度/力度，当识别为紧急制动(如踩踏速度>阈值)时，即使驾驶员踩踏力不足，也迅速建立最大制动压力。

踏板行程传感器信号，踏板速度v_pedal，压力建立梯度

弥补驾驶员在紧急情况下制动踏板踩踏力不足或踩踏速度不够快的问题，缩短反应时间。

所有紧急制动工况，尤其女性、老年驾驶员。

优点：有效缩短紧急制动距离(可缩短20%以上)。局限：需准确识别驾驶员意图，避免误触发。

表5.91.13：液压制动辅助

5.91.1.10

弯道ABS控制

在弯道制动时，考虑车辆转向状态，采用内外轮差压控制，或引入横摆力矩补偿，防止过度转向/不足转向。

方向盘转角δ，横摆角速度γ，内外轮目标滑移率差Δλ

在弯道制动时，通过内外轮差压控制产生适当的横摆力矩，帮助车辆保持预定轨迹。

弯道制动，特别是湿滑弯道。

优点：提高弯道制动稳定性，减少甩尾风险。局限：控制策略复杂，需精确的车辆状态信息。

表5.91.3：ESC（弯道ABS是ABS与ESC功能的交叉）

5.91.2.1

发动机扭矩干预 (节气门控制)

通过电子节气门(ETC)减小节气门开度，降低发动机扭矩输出。控制信号：Δθ_throttle = f(λ, λ̇)，通常为PID或模糊控制。

节气门开度指令θ，驱动轮滑转率λ，发动机扭矩T_engine

快速减小驱动轮上的驱动力矩，从根源上抑制过度滑转。

中低强度打滑，车辆加速时。

优点：响应快，无制动器磨损。局限：影响加速性能，在低附路面可能过度削减扭矩。

表5.91.2：TCS主条目

5.91.2.2

驱动轮制动干预

对打滑的驱动轮施加制动力矩，产生差速效应将扭矩转移至有附着力的车轮。控制律：P_brake = K_p * (λ - λ_target)。

制动压力P_brake，目标滑转率λ_target，控制增益K_p

直接对打滑车轮制动，快速降低其滑转率，同时通过差速器将扭矩转移至另一侧车轮。

单侧驱动轮打滑(如对开路面)，或发动机扭矩干预不足时。

优点：响应极快，可精确控制单轮。局限：增加制动器磨损和热负荷。

表5.91.1.1：ABS液压控制循环（共用液压单元）

5.91.2.3

点火与燃油控制 (点火延迟/断油)

延迟点火提前角或暂时切断部分气缸燃油喷射，快速降低发动机输出扭矩。控制逻辑：if (λ > λ_th) then retard ignition or cut fuel。

点火提前角修正量Δθ_ign，燃油喷射脉宽，滑转率阈值λ_th

在节气门控制基础上，提供更快速的扭矩削减，用于应对剧烈打滑。

剧烈打滑，急加速起步。

优点：响应非常快(毫秒级)。局限：影响发动机平顺性和排放，不能长时间使用。

表8.4.5：发动机管理系统(EMS)

5.91.2.4

基于驱动轮/非驱动轮速差的逻辑门限控制

比较驱动轮与非驱动轮(或参考车速)速度差：if (ω_drive - ω_ref) > Δω_th then 干预。Δω_th随车速变化。

驱动轮速ω_drive，参考轮速ω_ref，速度差阈值Δω_th

简单直接地检测驱动轮过度滑转(打滑)，触发控制。

低成本TCS，基础打滑控制。

优点：逻辑简单，实现容易。局限：阈值固定，对不同路面适应性差。

表5.91.2.2：驱动轮制动干预（触发条件）

5.91.2.5

滑转率PID控制

以驱动轮滑转率λ为控制目标，使其跟踪预设最优值λ_opt(约0.1-0.2)。控制律：u = PID(λ_opt - λ)。

目标滑转率λ_opt，实际滑转率λ，PID参数

精确控制滑转率在最佳附着区域，最大化纵向驱动力。

对加速性能要求高的车辆，如高性能车。

优点：控制精度高，加速性能好。局限：需准确知道λ_opt，对路面变化敏感。

表5.91.1.4：滑移率PID控制（与ABS原理相似）

5.91.2.6

模糊逻辑TCS控制

基于专家经验设计模糊规则，如：IF λ is 大 AND Δλ is 正大 THEN 节气门减小量大 AND 制动力大。

输入：λ, Δλ；输出：节气门修正量、制动力；模糊规则库

处理TCS强非线性和不确定性，无需精确数学模型，鲁棒性好。

路面附着条件多变，非线性强的系统。

优点：鲁棒性强，适应不同路面。局限：规则设计依赖经验，调参复杂。

表5.91.1.6：模糊逻辑ABS控制

5.91.2.7

模型参考自适应TCS控制

设计参考模型(如理想滑转率响应)，使实际系统输出跟踪参考模型输出。自适应律在线调整控制器参数以适应路面变化。

参考模型输出λ_m，实际输出λ，参数自适应律

使TCS性能自动适应不同路面(冰、雪、沥青)，始终保持良好牵引力。

全天候车辆，路面变化频繁。

优点：自适应性强，性能优化。局限：算法复杂，计算量大。

表5.1.5：自适应控制

5.91.2.8

集成发动机与制动控制的TCS

协调发动机扭矩干预和驱动轮制动，实现最优控制。通常低速、大滑转率时以制动干预为主，高速时以发动机干预为主。

发动机扭矩请求T_req，制动压力请求P_brake，协调策略

综合两种干预方式的优点，实现快速、平顺、高效的控制。

现代集成式TCS系统。

优点：响应快且平顺，综合性能好。局限：控制策略复杂，需精细标定。

表5.91.2.1 与 5.91.2.2 的集成

5.91.2.9

起步防滑控制 (Launch Control)

起步时，将驱动轮滑转率控制在最佳值，实现最大加速度。通常结合变速箱控制(弹射起步)。

起步目标滑转率λ_launch (通常略高于λ_opt)，离合器控制，扭矩管理

在起步时最大化牵引力，实现最快的加速性能(赛车、性能车)。

赛车、高性能跑车弹射起步。

优点：实现理论最快加速。局限：对传动系统冲击大，有使用寿命影响。

表5.91.2.5：滑转率PID控制（应用于起步工况）

5.91.2.10

越野模式TCS

针对松散路面(沙、雪、泥)优化，允许更高滑转率以“刨出”路面，或采用特殊制动策略模拟差速锁。

越野模式目标滑转率λ_offroad (较高)，差速锁模拟逻辑

在低附松散路面，通过一定滑转率获得最大牵引力，并优化脱困能力。

SUV、越野车在沙地、泥地、雪地行驶。

优点：提高越野通过性。局限：不同于公路逻辑，需模式切换。

表5.91.2.5：滑转率PID控制（不同目标值）

5.91.3.1

二自由度线性参考模型

基于线性自行车模型计算期望横摆角速度：γ_des = (v/L)/(1+K*v²) * δ，其中K为稳定性因数。侧偏角通常设β_des=0。

车速v，轴距L，方向盘转角δ，稳定性因数K

提供车辆在稳态转向时应有的横摆角速度和侧偏角参考值，代表驾驶员意图。

ESC控制器的参考模型，计算期望车辆状态。

优点：模型简单，能较好反映驾驶员稳态意图。局限：忽略瞬态和非线性，在极限工况不准。

表7.1.2：车辆动力学模型（自行车模型）

5.91.3.2

横摆角速度与侧偏角联合控制

控制目标：使实际横摆角速度γ和侧偏角β跟踪其期望值(γ_des, β_des)。控制误差：e_γ=γ_des-γ, e_β=β_des-β。附加横摆力矩：ΔM=K_γe_γ + K_βe_β。

横摆角速度误差e_γ，侧偏角误差e_β，控制增益K_γ, K_β

同时控制横摆角速度和侧偏角，既能保证方向响应(γ)，又能保证稳定性(β)。

主流ESC控制策略，兼顾操纵性和稳定性。

优点：控制全面，稳定性好。局限：侧偏角难以直接测量，需估计。

表5.91.10：车辆状态估计（侧偏角估计）

5.91.3.3

横摆角速度门限控制

设定横摆角速度阈值γ_th。当

γ

>γ_th时，判断车辆处于不稳定状态，触发稳定性控制。γ_th通常与车速和方向盘转角相关。

横摆角速度阈值γ_th，实际横摆角速度γ

简单判断车辆失稳的标志，用于触发ESC介入。

早期或简化版ESC的触发逻辑。

5.91.3.4

侧偏角门限控制

设定侧偏角阈值β_th(如8-12°)。当

β

>β_th时，判断车辆侧滑严重，触发稳定性控制。

侧偏角阈值β_th，实际侧偏角β

直接监控车辆侧滑程度，是车辆稳定性的关键指标。

作为横摆角速度控制的补充，尤其关注侧滑稳定性。

5.91.3.5

不足转向与过度转向识别

比较期望横摆角速度γ_des与实际γ：
if γ < γ_des - Δγ: 不足转向(understeer)
if γ > γ_des + Δγ: 过度转向(oversteer)
其中Δγ为死区。

横摆角速度偏差Δγ = γ_des - γ，死区阈值

识别车辆瞬态转向特性，为选择制动车轮提供依据。不足转向时制动内侧后轮，过度转向时制动外侧前轮。

ESC介入时，决定制动哪个车轮以产生纠正横摆力矩。

优点：识别转向特性，针对性地纠正。局限：在剧烈瞬态工况可能误判。

表5.91.3.2：横摆角速度控制（基于偏差识别）

5.91.3.6

单轮制动干预策略

根据不足/过度转向判断，选择性地制动单个车轮以产生纠正横摆力矩：
- 不足转向：制动内侧后轮
- 过度转向：制动外侧前轮

制动车轮选择逻辑，制动压力大小

通过单轮制动产生绕车辆质心的横摆力矩，纠正不足或过度转向，使车辆恢复稳定。

ESC的核心执行动作，纠正车辆失稳。

优点：利用现有制动系统，无需额外执行器。局限：制动干预可能引起减速和不适感。

表5.91.4：直接横摆力矩控制（通过制动实现）

5.91.3.7

发动机扭矩干预协调

在制动干预的同时，减少发动机扭矩输出，降低驱动轮滑转可能，辅助稳定性恢复。通常与制动干预同步进行。

发动机扭矩请求降低量ΔT_engine

降低驱动力，减少车辆失稳趋势，辅助制动控制恢复稳定性。

在驱动轮打滑或大油门导致失稳时，尤其有效。

优点：辅助制动控制，增强稳定性。局限：影响加速意图。

表5.91.2.1：发动机扭矩干预（TCS功能，被ESC调用）

5.91.3.8

主动制动压力控制 (液压调制)

通过液压控制单元(HCU)对选定车轮的制动压力进行快速、精确的调节，建立、保持、释放压力。控制精度可达0.5-1 MPa。

目标制动压力P_target，压力控制阀(PWM)占空比，实际压力P

精确控制制动轮缸压力，以实现所需的制动力矩，是ESC执行的基础。

ESC、ABS、TCS共用的液压执行模块。

优点：压力控制精确，响应快。局限：液压系统复杂，成本高。

表5.91.1.1：ABS液压控制循环（ESC共用相同硬件）

5.91.3.9

基于车辆状态估计的ESC

利用状态观测器(如扩展卡尔曼滤波)实时估计关键状态(如侧偏角β、车速v_x、轮胎力)，用于改进ESC控制律。

估计状态向量[β, v_x, F_y, ...]，观测器增益

为ESC提供更准确、全面的车辆状态信息，尤其是不易直接测量的侧偏角，提高控制性能。

高性能ESC系统，对控制精度要求高。

优点：提高控制精度和鲁棒性。局限：观测器设计复杂，依赖模型精度。

表5.91.10：车辆状态估计

5.91.3.10

集成ABS/TCS/ESC的顶层协调

在底盘域控制器中协调ABS、TCS、ESC功能，避免冲突，根据工况优先级激活。例如，ESC激活时，TCS暂时禁用。

功能激活标志，优先级逻辑，协调策略

统一管理底盘主动安全功能，确保系统协调工作，在紧急情况下优先保证稳定性(ESC)。

现代集成式底盘控制系统。

优点：功能协同，避免冲突，系统最优。局限：逻辑复杂，标定工作量大。

表5.91.8：集成底盘控制（ESC是其中核心功能）

5.91.4.1

基于横摆角速度误差的反馈控制

计算所需附加横摆力矩：ΔM_z = K_p * (γ_des - γ) + K_d * (γ̇_des - γ̇)。通过分配算法将此力矩分配给各车轮。

横摆角速度误差e_γ，误差微分e_γ̇，比例微分增益K_p, K_d

通过反馈控制使实际横摆角速度跟踪期望值，改善车辆横摆动态响应。

车辆稳定性控制，横摆角速度跟踪。

优点：简单有效，改善横摆响应。局限：未考虑侧偏角，可能牺牲侧向稳定性。

表5.91.3.2：横摆角速度与侧偏角联合控制（类似但输出为力矩）

5.91.4.2

滑模变结构DYC控制

设计滑模面s = c1(γ_des-γ) + c2(β_des-β)，控制律：ΔM_z = ΔM_eq + K*sgn(s)，其中ΔM_eq为等效控制。

滑模面s，滑模系数c1,c2，切换增益K

对模型不确定性和扰动具有强鲁棒性，迫使系统状态在有限时间内到达滑模面并保持。

对鲁棒性要求高的DYC系统，路面多变。

优点：鲁棒性强，响应快。局限：存在抖振，需采用边界层或高阶滑模。

表5.1.15：滑模控制

5.91.4.3

线性二次型调节器(LQR) DYC

设计性能指标J = ∫(x^T Q x + u^T R u) dt，求解Riccati方程得最优状态反馈控制律u = -K*x，其中x=[β, γ]^T，u=ΔM_z。

状态权重矩阵Q，控制权重矩阵R，状态反馈增益K

在状态偏差和控制能量之间取得最优平衡，实现综合性能最优的横摆力矩控制。

追求综合性能最优的DYC系统。

优点：理论严谨，综合性能优。局限：依赖精确的线性模型，需全状态反馈。

表5.1.7：LQR最优控制

5.91.4.4

模型预测控制(MPC) DYC

在每个控制周期求解有限时域优化问题，考虑系统约束(如轮胎力饱和)，得到最优控制序列，取第一个元素执行。优化目标：min Σ(跟踪误差 + 控制量)。

预测时域N_p，控制时域N_c，系统约束，优化权重

显式处理多输入多输出、约束优化问题，可考虑未来信息，控制性能优越。

高性能DYC，考虑执行器约束和未来轨迹。

优点：处理约束能力强，性能优越。局限：在线计算量大，依赖模型精度。

表5.1.8：模型预测控制

5.91.4.5

轮胎力分配优化

将所需总横摆力矩ΔM_z和总纵向力F_x_total分配给四个车轮，优化目标：最小化轮胎负荷率或能耗。优化问题：min Σ( F_x_i²+F_y_i² / (μ_i*F_z_i)² ) s.t. 合力/力矩平衡。

各轮胎纵向力F_x_i，侧向力F_y_i，垂向载荷F_z_i，摩擦系数μ_i

在满足总力和力矩需求的前提下，优化分配各轮胎力，使轮胎附着裕度最大化，提高稳定性极限。

四轮独立驱动/制动车辆，具有多个控制自由度。

优点：最大化轮胎附着裕度，提高稳定性极限。局限：需已知轮胎力和路面摩擦，优化问题实时求解挑战。

表5.91.4.1：力矩分配（DYC执行的关键步骤）

5.91.4.6

差动制动DYC

通过左、右车轮制动压力差产生横摆力矩：ΔM_z = (F_x_r - F_x_l) * (d/2)，其中d为轮距。控制左、右制动压力差即可。

左、右制动力差ΔF_x，轮距d，横摆力矩ΔM_z

利用现有制动系统，无需额外执行器，通过差动制动产生所需横摆力矩。

传统燃油车，基于ESP/ESC系统实现DYC。

优点：利用现有硬件，成本低。局限：产生制动力矩伴随减速和能量损耗。

表5.91.3.6：单轮制动干预（DYC的具体实现方式之一）

5.91.4.7

扭矩矢量分配DYC

通过左、右驱动轮扭矩差产生横摆力矩：ΔM_z = (T_r - T_l) / R_eff * (d/2)，其中T为驱动扭矩，R_eff为有效半径。

左、右驱动扭矩差ΔT，轮距d，有效半径R_eff

利用驱动系统主动分配左右轮扭矩，产生横摆力矩，不产生制动减速，效率高。

四驱车、电动车(有双电机或扭矩矢量差速器)。

优点：不损失速度，能量效率高，响应快。局限：需可矢量分配的驱动系统，成本高。

表5.91.15：扭矩矢量分配控制（DYC的驱动实现方式）

5.91.4.8

前轮主动转向(AFS)与DYC协调

协调前轮主动转向角δ_AFS和直接横摆力矩ΔM_z，实现更好的横摆-侧偏综合控制。例如：AFS负责稳态响应，DYC负责瞬态和极限稳定。

前轮附加转角δ_AFS，直接横摆力矩ΔM_z，协调权重

结合转向和力矩控制优点，AFS平顺，DYC快速，实现更优的操纵稳定性。

配备AFS和ESC/扭矩矢量的高端车型。

优点：控制自由度增加，性能潜力更大。局限：系统复杂，协调控制策略设计复杂。

表5.91.5：主动前轮转向（与DYC协调）

5.91.4.9

基于相平面的稳定性控制

在β-β̇相平面上划分稳定区域、不稳定区域和相平面轨迹，当状态点进入不稳定区域时，DYC施加控制力矩使其返回稳定区域。

侧偏角β，侧偏角速度β̇，相平面稳定边界

直观反映车辆稳定性，直接控制侧偏角及其变化率，防止车辆进入发散状态。

极限工况下的稳定性控制，防侧滑。

优点：稳定性判断直观，控制目标准确。局限：相平面边界与车速、路面相关，需在线识别。

表5.91.3.4：侧偏角门限控制（相平面方法的扩展）

5.91.4.10

自适应DYC

根据实时估计的车辆参数(如质量、轴距)或路面摩擦系数，在线调整DYC控制器参数或参考模型，以适应不同工况。

自适应参数θ_hat(如车辆参数、路面μ)，参数更新律

使DYC性能对车辆参数变化和路面条件变化具有鲁棒性，始终保持优良性能。

载荷变化大(如货车)或路面多变的车辆。

优点：适应性强，鲁棒性好。局限：需在线参数估计，算法复杂。

表5.91.9：轮胎-路面摩擦估计（为自适应提供信息）

5.91.5.1

可变传动比控制

根据车速改变转向传动比：i(v) = i_0 + f(v)，低速时传动比小(转向灵敏)，高速时传动比大(转向稳定)。叠加角：δ_add = δ_driver * (1/i(v) - 1/i_0)。

车速v，基础传动比i_0，可变传动比函数i(v)

实现低速灵活、高速稳定的转向感觉，提高驾驶便利性和安全性。

所有配备AFS的车辆，改善转向手感。

优点：兼顾低速灵活性和高速稳定性。局限：传动比变化规律需精心设计。

表5.91.5：AFS主条目

5.91.5.2

横摆角速度反馈补偿

测量横摆角速度γ，通过反馈控制计算附加转角以改善横摆响应。常用补偿：δ_γ = H_γ(s) * γ，其中H_γ(s)为补偿器(如超前-滞后)。

横摆角速度γ，补偿器传递函数H_γ(s)，附加转角δ_γ

改善横摆角速度的频率响应特性，提高转向灵敏度和阻尼，减少超调。

提高车辆转向瞬态响应，如减少转向不足。

优点：改善横摆动态响应。局限：可能与其他稳定性控制系统(如ESC)冲突。

表5.91.3.1：二自由度参考模型（横摆角速度期望）

5.91.5.3

侧偏角反馈补偿

估计侧偏角β，通过反馈控制计算附加转角以提高稳定性。补偿：δ_β = H_β(s) * β，旨在增加侧偏阻尼。

侧偏角β，补偿器H_β(s)，附加转角δ_β

增加车辆的侧偏阻尼，提高高速行驶和极限工况下的稳定性。

高速行驶稳定性，极限工况防侧滑。

优点：提高侧向稳定性。局限：侧偏角需估计，精度影响效果。

表5.91.10：车辆状态估计（侧偏角估计）

5.91.5.4

前馈补偿控制

根据方向盘转角δ_sw和车速v，通过前馈补偿器G_ff(s)直接计算附加转角，改善稳态增益和相位。δ_ff = G_ff(s) * δ_sw。

方向盘转角δ_sw，前馈补偿器G_ff(s)，前馈附加转角δ_ff

直接根据驾驶员输入进行补偿，改善转向感觉和响应，减少相位滞后。

改善转向手感和响应速度。

优点：提高响应速度，改善手感。局限：不包含反馈，对扰动不鲁棒。

表5.91.5.2：反馈补偿（与前馈结合）

5.91.5.5

模型跟踪控制

设计理想的参考模型(如期望的横摆角速度响应)，通过AFS控制使实际车辆响应跟踪参考模型。控制误差e = γ_des - γ，控制律使e→0。

参考模型输出γ_des，实际输出γ，跟踪误差e

使车辆转向动态特性符合预设的理想模型，实现期望的操纵特性。

定制车辆的转向动态特性，如运动/舒适模式。

优点：可灵活设计理想的转向特性。局限：需精确的车辆模型，鲁棒性需考虑。

表5.91.3.1：二自由度参考模型（可作为理想模型）

5.91.5.6

与ESC的集成协调控制

当ESC通过差动制动干预时，AFS可施加补偿转角，减少ESC的制动干预强度，提高舒适性。协调策略：δ_AFS协助ESC产生所需横摆力矩。

ESC横摆力矩需求ΔM_ESC，AFS附加转角δ_AFS，协调控制器

利用AFS的快速、平顺特性辅助ESC，减少制动干预，提高稳定性和舒适性。

ESC激活时，AFS辅助稳定。

优点：减少制动干预，提高舒适性，增强稳定性。局限：协调控制策略复杂。

表5.91.4.8：AFS与DYC协调（类似）

5.91.5.7

路感模拟与补偿

在AFS系统中，通过电机模拟或补偿路感，使驾驶员获得理想的转向力反馈。控制目标力矩：T_feedback = f(δ, v, 车辆状态)。

目标反馈力矩T_feedback，实际转向力矩，补偿电机扭矩

提供符合驾驶习惯和车辆状态的转向力感，提高驾驶体验和安全性。

线控转向(SbW)或带可变力特性的AFS。

优点：可编程的转向手感，适应不同驾驶模式。局限：模拟真实、自然的路感具有挑战。

表5.93.9：踏板感觉模拟（类似，应用于转向）

5.91.5.8

容错控制与故障诊断

监测AFS系统传感器、执行器故障，当检测到故障时，切换到安全模式(如固定传动比、禁用附加转向)。采用冗余传感器或硬件。

故障标志，传感器一致性检查，执行器自检，安全模式

提高AFS系统可靠性，确保故障情况下转向系统的基本安全。

所有AFS系统，安全要求高。

优点：提高系统安全性。局限：增加成本和复杂度。

表5.93.8：冗余与容错控制（通用概念）

5.91.5.9

基于驾驶风格识别的自适应AFS

识别驾驶员风格(激进/温和)，并相应调整AFS控制参数(如传动比、反馈增益)。识别方法：基于转向角速度、加速度等。

驾驶风格指数，自适应控制参数(增益，传动比)

使AFS特性适应不同驾驶员的偏好，提供个性化驾驶体验。

高端车型，个性化驾驶设置。

优点：个性化，提高驾驶员满意度。局限：风格识别算法需可靠。

表5.3.6：人机交互（驾驶员风格识别）

5.91.5.10

预测性前轮转向

利用前视传感器(摄像头、雷达)获取前方道路曲率、车速预测等信息，提前施加附加转向角，提高路径跟踪精度和舒适性。

前方道路曲率κ，预瞄距离，预测附加转角δ_preview

基于预瞄信息提前动作，减少路径跟踪误差，提高乘坐舒适性。

与ADAS结合，如车道保持、弯道辅助。

优点：提高路径跟踪性能和平顺性。局限：依赖前视传感器信息。

表5.92.6：车道保持辅助（AFS可用于实现）

5.91.6.1

车速比例转向控制

后轮转角与前轮转角成比例，比例系数K随车速变化：δ_r = K(v) * δ_f。低速时K<0(反向)，高速时K>0(同向)。

车速v，前轮转角δ_f，转向比函数K(v)，后轮转角δ_r

低速时减小转弯半径，提高灵活性；高速时同向转向提高稳定性。

乘用车，提高低速机动性和高速稳定性。

优点：原理简单，效果显著。局限：比例函数K(v)需精心设计。

表5.91.6：RWS主条目

5.91.6.2

横摆角速度反馈RWS

测量横摆角速度γ，通过反馈控制计算后轮转角以改善横摆阻尼：δ_r = H_γ(s) * γ，H_γ(s)为补偿器。

横摆角速度γ，补偿器H_γ(s)，后轮转角δ_r

增加横摆阻尼，抑制横摆振荡，提高高速行驶和瞬态响应稳定性。

高速直线行驶稳定性，瞬态响应改善。

优点：提高横摆稳定性。局限：可能降低转向灵敏度。

表5.91.5.2：横摆角速度反馈补偿（前轮转向类似）

5.91.6.3

侧偏角反馈RWS

估计侧偏角β，通过反馈控制计算后轮转角以增加侧偏阻尼：δ_r = H_β(s) * β。

侧偏角β，补偿器H_β(s)，后轮转角δ_r

增加侧偏阻尼，减小侧偏角，提高车辆稳定性，尤其在极限工况。

极限工况防侧滑，提高稳定性。

优点：提高侧向稳定性。局限：侧偏角估计精度要求高。

表5.91.5.3：侧偏角反馈补偿（前轮转向类似）

5.91.6.4

零侧偏角控制

控制目标为使车辆质心侧偏角β为零。通过反馈控制使β→0，后轮转角：δ_r = f(β, β̇)。

侧偏角β，侧偏角速度β̇，控制律f

使车辆在转向时质心侧偏角始终为零，提高稳定性，但可能影响操纵性。

对稳定性要求极高的车辆，如某些商用车。

优点：稳定性极好，乘客舒适。局限：可能使车辆转向反应迟钝。

表5.91.6.3：侧偏角反馈RWS（特例，β_des=0）

5.91.6.5

模型跟踪RWS控制

设计理想的参考模型(如期望的横摆角速度/侧偏角响应)，通过RWS控制使实际车辆响应跟踪参考模型。

参考模型输出(γ_des, β_des)，实际输出(γ, β)，跟踪误差

定制车辆的转向动态特性，实现期望的操纵特性。

与AFS类似，定制车辆动态。

优点：可灵活设计转向特性。局限：需精确模型，鲁棒性需考虑。

表5.91.5.5：模型跟踪控制（类似，用于后轮）

5.91.6.6

前后轮转向协调控制

将前后轮转向作为一个整体系统设计控制器，统一优化前后轮转角，以实现全局最优性能(如横摆响应、侧偏角、路径跟踪等)。

前后轮转角δ_f, δ_r，协调控制律，性能指标

充分利用前后轮转向自由度，实现比单独控制更优的综合性能。

配备AFS和RWS的全轮转向车辆。

优点：控制自由度多，性能潜力大。局限：控制策略复杂，标定困难。

表5.91.5：主动前轮转向（前后协调）

5.91.6.7

低速反向转向优化

低速时，后轮与前轮反向转动，减小转弯半径。控制律：δ_r = -K_low * δ_f，其中K_low为正，随车速增加而减小至0。

低速转向增益K_low，前轮转角δ_f，车速v

减小转弯半径，提高低速机动性，方便泊车、掉头。

城市狭窄路况，泊车，掉头。

优点：显著减小转弯半径，提高灵活性。局限：高速时不可用。

表5.91.6.1：车速比例转向控制（低速部分）

5.91.6.8

高速同向转向优化

高速时，后轮与前轮同向转动，提高稳定性。控制律：δ_r = K_high * δ_f，其中K_high为正的小数。

高速转向增益K_high，前轮转角δ_f，车速v

提高高速行驶稳定性，减少车身侧倾和横摆阻尼，改善响应。

高速巡航，高速变道。

优点：提高高速稳定性，改善瞬态响应。局限：过大增益可能导致过度转向。

表5.91.6.1：车速比例转向控制（高速部分）

5.91.6.9

瞬态响应改善控制

在方向盘转角快速变化时，后轮转角施加一个瞬态补偿，以改善车辆的瞬态响应特性(如减少横摆角速度超调)。

方向盘转角速度δ̇_sw，瞬态补偿δ_r_transient

改善转向输入的初始响应，使车辆更敏捷。

快速转向输入，如紧急避障。

优点：提高瞬态响应，车辆更跟手。局限：可能影响舒适性。

表5.91.6.2：横摆角速度反馈（瞬态改善的一种）

5.91.6.10

故障安全与降级模式

当RWS系统发生故障时，将后轮锁定在中位或与前轮机械解耦，确保基本转向功能，并提示驾驶员。

故障检测，后轮锁定位置，警告信号

确保系统故障时车辆仍具备基本转向能力，保证安全。

RWS系统发生故障时。

优点：提高系统安全性。局限：故障后性能下降。

表5.91.5.8：容错控制（类似）

5.91.7.1

侧倾角反馈控制

测量车身侧倾角φ，通过PD控制计算抗侧倾力矩：M_anti-roll = K_p * φ + K_d * φ̇。

侧倾角φ，侧倾角速度φ̇，比例增益K_p，微分增益K_d

根据车身侧倾角及其变化率，实时产生抗侧倾力矩，抑制车身侧倾。

车辆转弯时，抑制车身侧倾。

优点：直接有效抑制侧倾。局限：可能导致悬架过“硬”，影响舒适性。

表5.91.7：主动侧倾稳定控制主条目

5.91.7.2

前馈+反馈复合控制

基于侧向加速度a_y前馈和侧倾角反馈复合控制：M_anti-roll = K_ff * a_y + K_fb * φ。

侧向加速度a_y，侧倾角φ，前馈增益K_ff，反馈增益K_fb

前馈快速响应，反馈消除稳态误差，提高响应速度和精度。

追求快速响应和高精度的侧倾控制。

优点：响应快，精度高。局限：需标定两个增益，可能互相影响。

表5.91.7.1：侧倾角反馈控制（加入前馈）

5.91.7.3

天棚阻尼控制 (Skyhook)

模拟车身与惯性空间(天空)之间的虚拟阻尼，阻尼力与车身绝对速度相关。控制律：F_damper = C_sky * φ̇_body。

车身绝对侧倾角速度φ̇_body，天棚阻尼系数C_sky

在不影响轮胎接地的前提下，有效抑制车身振动，提高舒适性，兼顾侧倾控制。

主动/半主动悬架，改善舒适性和侧倾。

优点：提高舒适性，抑制车身振动。局限：对执行器要求高。

表5.92.4：主动悬架控制（天棚阻尼是经典策略）

5.91.7.4

地棚阻尼控制 (Groundhook)

模拟车轮与车身之间的阻尼，阻尼力与车轮相对速度相关。控制律：F_damper = C_ground * (φ̇wheel - φ̇body)。

车轮与车身相对侧倾速度，地棚阻尼系数C_ground

侧重于控制车轮跳动，提高轮胎接地性，从而改善操控性。

侧重操控性的主动/半主动悬架。

优点：提高轮胎接地性，改善操控。局限：可能牺牲部分舒适性。

表5.92.4：主动悬架控制（地棚阻尼策略）

5.91.7.5

混合天棚-地棚控制

结合天棚和地棚策略，平衡舒适性和操控性。控制力：F = αF_sky + (1-α)F_ground，α为权重系数。

天棚阻尼力F_sky，地棚阻尼力F_ground，权重α

根据工况调节舒适与操控的平衡，实现综合性能优化。

兼顾舒适与操控的主动悬架。

优点：可调节舒适/操控平衡。局限：参数α调节策略需设计。

表5.91.7.3 和 5.91.7.4 的结合

5.91.7.6

主动横向稳定杆控制

通过电机或液压作动器主动扭转稳定杆，产生抗侧倾力矩。力矩与侧倾角相关：T_anti-roll = K * φ。

侧倾角φ，扭转刚度K，抗侧倾力矩T_anti-roll

直接产生抗侧倾力矩，有效抑制侧倾，且不影响悬架垂向刚度。

高性能车、SUV抗侧倾。

优点：抗侧倾效果显著，不影响垂向舒适性。局限：增加重量和成本。

表5.91.7：主动侧倾稳定控制（具体执行方式之一）

5.91.7.7

主动悬架侧倾控制

通过主动悬架作动器产生不等的垂向力，形成抗侧倾力矩。控制律：ΔF_z = (K_roll * φ) / (d/2)，d为轮距。

侧倾角φ，侧倾刚度K_roll，轮距d，左右垂向力差ΔF_z

利用主动悬架直接产生抗侧倾力，集成侧倾控制与垂向控制。

配备全主动悬架的车辆。

优点：集成度高，控制灵活。局限：能耗高，成本高。

表5.92.4：主动悬架（侧倾控制是功能之一）

5.91.7.8

预测性侧倾控制

利用前视传感器(摄像头、雷达)获取前方道路曲率，提前调整悬架刚度/阻尼或主动稳定杆，以抑制预期侧倾。

前方道路曲率κ，车速v，预测侧倾角φ_pre，预控制

提前动作，减少侧倾开始时的延迟，提高舒适性和响应性。

已知前方弯道，如导航或摄像头信息。

优点：提高平顺性和响应性。局限：依赖前视传感器信息。

表5.91.17：预测性底盘控制（在侧倾控制的应用）

5.91.7.9

驾驶模式自适应侧倾控制

根据驾驶模式(舒适/运动)调整侧倾控制增益。舒适模式：低增益，允许一定侧倾；运动模式：高增益，抑制侧倾。

驾驶模式选择，侧倾控制增益K_roll_gain

适应不同驾驶员的偏好，提供多样化驾驶体验。

多模式可调悬架系统。

优点：个性化，适应不同需求。局限：需驾驶员手动选择。

表5.91.5.9：基于驾驶风格识别的自适应（类似理念）

5.91.7.10

集成侧倾与垂向控制

协调控制侧倾与垂向动力学，在抑制侧倾的同时，兼顾垂向舒适性(如抑制车身俯仰、垂向振动)。

侧倾控制指令，垂向控制指令，协调优化器

实现悬架系统的全局优化，平衡侧倾、俯仰、垂向振动控制。

高级主动悬架系统，追求综合性能。

优点：全局优化，综合性能好。局限：控制策略复杂，多目标优化。

表5.91.8：集成底盘控制（侧倾与垂向控制集成）

5.91.8.1

分层协调控制架构

上层：整车运动控制器，计算所需的整车力和力矩(F_x, F_y, M_z)。下层：执行器分配层，将整车需求分配给各子系统(转向、制动、驱动、悬架)。

整车运动控制指令，执行器分配算法，各子系统指令

实现模块化设计，上层决策，下层执行，便于集成和扩展。

大多数ICC系统采用的分层架构。

优点：结构清晰，易于集成和扩展。局限：层间通信延迟，可能次优。

表5.91.8：ICC主条目

5.91.8.2

集中式最优控制

将整车模型与所有执行器模型集成，构建统一的优化问题，在线求解最优控制指令，直接输出给各执行器。

集成整车模型，性能指标，约束条件，优化求解器

从全局角度同时优化所有执行器，理论上可实现全局最优。

高性能ICC，计算资源充足。

优点：全局最优，性能潜力最大。局限：模型复杂，在线计算负担大。

表5.1.8：模型预测控制（可用于集中式优化）

5.91.8.3

控制分配

给定整车所需的广义力/力矩(如纵向力F_x、侧向力F_y、横摆力矩M_z)，将其最优分配给各执行器(各轮胎力)。优化目标：最小化轮胎负荷率、能耗等。

广义力/力矩需求，轮胎力分配矩阵，优化目标函数

将高层控制指令分解为底层执行器指令，考虑执行器约束，实现高效分配。

具有多个执行器(如轮毂电机、主动转向、制动)的先进底盘。

优点：处理执行器冗余，优化分配。局限：依赖准确的轮胎模型和分配算法。

表5.91.4.5：轮胎力分配优化（ICC中的控制分配）

5.91.8.4

多目标协调优化

设计多目标代价函数，平衡相互冲突的控制目标，如：J = w1跟踪误差 + w2舒适性 + w3能耗 + w4执行器损耗。

权重系数w_i，各性能指标，多目标优化

在安全性、舒适性、能耗等多个目标间取得平衡，实现综合最优。

综合考虑性能、舒适、经济的ICC系统。

优点：平衡多个性能指标。局限：权重系数标定复杂，可能顾此失彼。

表5.91.8.2：集中式最优控制（多目标优化）

5.91.8.5

联邦式/分布式协调

各子系统(ABS, ESC, AFS, ARC)相对独立，但通过中央协调器交换信息，调整各自控制目标，避免冲突，实现协同。

各子系统状态，协调策略(如博弈论、共识)

在保留子系统独立性的基础上实现协调，降低中央控制器负担。

由独立子系统集成的ICC系统。

优点：降低中央控制器负担，容错性好。局限：协调策略设计复杂，可能非全局最优。

表5.91.8.1：分层协调（分布式的一种）

5.91.8.6

基于轮胎力优化的协调

以最大化轮胎力利用裕度为优化目标，协调分配各轮胎纵向力和侧向力，确保车辆稳定且接近极限。

各轮胎力F_x_i, F_y_i，轮胎附着椭圆，优化裕度

确保各轮胎不过度使用其附着能力，留有余量应对扰动，提高稳定性极限。

极限工况下的底盘集成控制，如赛道驾驶。

优点：最大化稳定性极限。局限：需精确的轮胎力和路面附着模型。

表5.91.4.5：轮胎力分配优化（ICC中的应用）

5.91.8.7

失效-安全与功能降级

当某个子系统或执行器失效时，ICC系统重新分配控制任务，利用剩余正常执行器维持基本功能，并安全降级。

故障诊断信息，功能重分配策略，降级模式

提高系统的容错能力和安全性，在部分失效时仍能维持一定性能。

执行器冗余的先进底盘，安全要求高。

优点：提高系统可靠性和安全性。局限：剩余执行器可能无法完全补偿。

表5.93.8：冗余与容错控制（ICC中的实现）

5.91.8.8

驾驶员意图识别与协调

识别驾驶员操作意图(如紧急避障、平稳巡航)，并据此调整ICC的控制策略和权重。例如，紧急情况下优先安全性。

驾驶员操作(转向、油门、制动)，意图识别算法，控制策略切换

使ICC系统符合驾驶员预期，实现人车协调，提高接受度和安全性。

所有与驾驶员交互的底盘控制系统。

优点：提高人机共驾协调性。局限：意图识别可能错误。

表5.3.6：人机交互（驾驶员意图识别）

5.91.8.9

与ADAS/自动驾驶的集成

ICC接收来自ADAS/自动驾驶系统的轨迹/速度请求，并协调底盘执行器精确跟踪。例如，ACC/LKA发出纵向/横向控制请求。

ADAS请求(加速度、转向角)，ICC跟踪控制

为高级驾驶辅助和自动驾驶提供精确的车辆运动控制执行层。

L3以上自动驾驶车辆，底盘执行。

优点：为自动驾驶提供精确执行。局限：需处理自动驾驶与驾驶员控制的权切换。

表5.95.8：轨迹跟踪控制（ICC是执行层）

5.91.8.10

实时性能监控与自适应

在线监控ICC系统性能(如跟踪误差、执行器状态)，并自适应调整控制参数或策略，以应对车辆参数变化、执行器性能衰减等。

性能指标，自适应算法，参数在线调整

使ICC系统在车辆全生命周期内维持最佳性能，适应变化。

长生命周期车辆，或参数变化大的车辆(如载荷)。

优点：自适应性强，维持性能。局限：监控和自适应算法复杂。

表5.1.5：自适应控制（ICC中的应用）

5.91.9.1

基于车轮动力学与线性轮胎模型

利用车轮动力学方程和线性轮胎模型(如F_x = C_λ * λ)在线估计峰值附着系数。从车轮加速度和滑移率关系辨识C_λ，进而估算μ_max。

车轮滑移率λ，车轮加速度ω̇，线性刚度C_λ，估计μ_max

在低滑移率区域(线性区)，利用轮胎力与滑移率的近似线性关系估计附着潜力。

车辆正常行驶，小滑移工况。

优点：算法简单，计算量小。局限：仅适用于线性区，极限工况不准。

表7.1.3：轮胎模型（线性模型）

5.91.9.2

基于Burckhardt/刷子轮胎模型

使用参数化轮胎模型(如Burckhardt模型: μ(λ)=c1(1-e^{-c2λ}) - c3*λ)，通过实时数据拟合模型参数c1,c2,c3，c1对应μ_max。

Burckhardt模型参数c1,c2,c3，实时拟合算法(如RLS)

利用参数化模型描述μ-λ曲线，通过拟合实时数据估计当前路面对应的模型参数，从而得到μ_max。

需要较准确估计μ_max的场景，如ABS/ESC。

优点：模型相对准确，可估计整个μ-λ曲线。局限：需要一定的激励(滑移率变化)，拟合需要时间。

表7.1.3：轮胎模型（Burckhardt模型）

5.91.9.3

基于扩展卡尔曼滤波(EKF)

将轮胎模型和车辆动力学模型作为状态方程，将μ_max作为状态或参数进行估计。状态向量可能包含：[v_x, v_y, γ, μ_max]。

状态向量，系统方程，观测方程，EKF更新

利用EKF处理非线性系统和噪声，同时估计车辆状态和路面摩擦系数。

需要同时估计状态和参数的场合，如ESC。

优点：可同时估计多个状态和参数，抗噪能力强。局限：计算复杂，依赖模型精度。

表5.1.20：状态估计（扩展卡尔曼滤波）

5.91.9.4

基于递归最小二乘法(RLS)

将轮胎模型线性化，构建线性回归方程，利用RLS在线递推估计模型参数(如μ_max)。例如，对于线性区：F_x ≈ C_λ * λ，用RLS估计C_λ。

回归向量，参数向量，遗忘因子，RLS更新公式

在线递推估计轮胎模型参数，计算效率高，适合实时估计。

对计算效率要求高的实时估计。

优点：计算量相对较小，可在线递推。局限：对数据激励敏感，可能发散。

表5.1.6：参数估计（递归最小二乘）

5.91.9.5

基于轮胎刚度变化

监测轮胎纵向或侧向刚度变化，因为刚度与路面附着潜力相关。例如，通过高频激励估计轮胎刚度，推断路面类型。

轮胎纵向/侧向刚度估计值，刚度-摩擦系数映射

轮胎刚度在不同路面上有差异，可作为路面类型或附着潜力的间接指标。

作为辅助估计方法，与其他方法融合。

优点：无需大滑移，可连续估计。局限：关系不直接，标定困难。

表5.91.9.1：基于车轮动力学（刚度是线性模型参数）

5.91.9.6

基于车载摄像头/光学传感器

利用摄像头拍摄路面图像，通过图像处理或深度学习识别路面类型(沥青、雪、冰)，并根据先验知识给出附着系数范围。

路面图像，图像特征，分类结果，先验μ范围

直接视觉感知路面材质，提供路面类型的定性或半定量估计。

作为其他估计方法的先验信息或融合信息。

优点：直接感知，提前预知。局限：受光照、天气影响，不能提供精确μ值。

表5.94.1：车道线检测（类似感知技术）

5.91.9.7

基于声学/振动传感器

分析轮胎-路面噪声或振动频谱特征，识别路面类型和粗糙度，间接推断附着系数。

声音/振动信号，频谱特征，路面类型分类

利用轮胎与路面接触产生的声音或振动差异来识别路面。

低成本辅助路面识别，与其他传感器融合。

优点：成本低，可连续监测。局限：受环境噪声干扰，精度有限。

表5.91.9.6：基于摄像头（多模态感知）

5.91.9.8

基于信息融合的多源估计

融合车轮动力学、摄像头、声学等多种传感器的估计结果，得到更可靠、准确的路面摩擦系数估计。融合方法：加权平均、卡尔曼滤波、神经网络等。

多源估计值，融合权重/算法，最终估计值

综合利用多种信息，提高估计的准确性、鲁棒性和可靠性。

高级底盘控制系统，对估计精度和可靠性要求高。

优点：提高估计精度和可靠性。局限：传感器增多，融合算法复杂。

表5.94.5：传感器融合（应用于路面估计）

5.91.9.9

自适应轮胎模型参数

将轮胎模型关键参数(如μ_max, C_λ)作为时变参数，设计自适应律在线更新，使模型输出与实际测量力/加速度匹配。

轮胎模型参数，参数自适应律(如梯度法)，更新率

使轮胎模型自适应当前路面，提高模型精度，进而提高基于模型的控制性能。

需要精确轮胎模型的底盘控制，如DYC。

优点：提高模型精度，改善控制性能。局限：需要足够的激励，否则参数漂移。

表5.1.5：自适应控制（参数自适应）

5.91.9.10

路面摩擦系数地图

利用车联网，将当前估计的路面摩擦系数与GPS位置结合，上传至云端，形成实时路面摩擦地图，供其他车辆使用。

GPS位置，估计的μ，时间戳，云端地图

实现路面摩擦信息的车车、车路共享，为预测性控制提供信息。

车联网环境下的协同安全应用。

优点：信息共享，提前预警。局限：依赖通信和众包数据质量。

表5.95.6：车路协同系统（信息共享的应用）

5.91.10.1

基于运动学的车速估计

利用非驱动轮轮速、加速度传感器信息，通过运动学关系估算车速。例如，对纵向加速度积分并修正：v_est = ∫a_x dt + 修正(基于轮速)。

轮速ω_i，纵向加速度a_x，车速估计v_est

在无打滑车轮时，利用轮速直接计算车速；在加速/制动时，结合加速度积分。

基础车速估计，为其他估计提供基准。

优点：简单，计算量小。局限：在四轮打滑或滑水时失效。

表5.91.1.2：参考车速估计算法（ABS中应用）

5.91.10.2

扩展卡尔曼滤波(EKF)状态估计

建立非线性车辆动力学模型作为状态方程，以低成本传感器(IMU, 轮速, 转向角)为观测，用EKF估计状态：x=[v_x, v_y, γ, β, ...]^T。

非线性状态方程，观测方程，状态向量x，EKF增益

融合多传感器信息，基于动力学模型，最优估计车辆状态，处理非线性。

需要高精度状态估计的底盘控制系统，如ESC。

优点：可估计多个状态，最优融合，处理非线性。局限：计算复杂，依赖模型精度。

表5.1.20：状态估计（扩展卡尔曼滤波）

5.91.10.3

无迹卡尔曼滤波(UKF)状态估计

与EKF类似，但采用无迹变换处理非线性，避免雅可比矩阵计算，通常比EKF有更高的精度和稳定性。

状态向量，无迹变换采样点，UKF更新

比EKF更精确地处理非线性系统，尤其适用于强非线性车辆模型。

对非线性估计精度要求高的场合。

优点：非线性估计精度高，无需计算雅可比。局限：计算量略大于EKF。

表5.1.20：状态估计（无迹卡尔曼滤波）

5.91.10.4

滑模观测器(SMO)状态估计

设计滑模面，使估计状态滑动到真实状态。例如，侧偏角观测器：基于横摆率和侧向加速度，设计滑模观测器估计v_y和β。

滑模面s，切换增益，观测器方程

对模型不确定性和扰动具有鲁棒性，收敛速度快。

模型不确定性大，需要快速收敛的估计。

优点：鲁棒性强，收敛快。局限：存在抖振，需光滑处理。

表5.1.20：状态估计（滑模观测器）

5.91.10.5

轮胎力估计

基于车辆动力学方程和状态估计，反算轮胎力。例如，纵向力：F_x = (T_wheel - I_w*ω̇)/R；侧向力：利用侧向动力学方程估算。

车轮扭矩T_wheel，车轮转动惯量I_w，车轮加速度ω̇，轮胎力F_x, F_y

提供关键的轮胎力信息，用于轮胎力控制、路面估计等。

需要轮胎力信息的先进控制，如DYC。

优点：提供关键轮胎信息。局限：依赖模型和参数精度。

表5.91.19：基于轮胎力估计的底盘控制（需轮胎力估计）

5.91.10.6

质心侧偏角估计

质心侧偏角β = arctan(v_y / v_x)。通过估计纵向速度v_x和侧向速度v_y得到。常用EKF、SMO或基于运动学的方法。

纵向速度v_x，侧向速度v_y，质心侧偏角β

表征车辆侧滑程度的关键状态，是稳定性控制的重要输入。

ESC、DYC、AFS等稳定性控制系统。

优点：为稳定性控制提供关键状态。局限：难以直接测量，估计精度至关重要。

表5.91.3.4：侧偏角门限控制（需要侧偏角估计）

5.91.10.7

车辆质量与重心位置估计

利用纵向动力学方程，通过最小二乘法或观测器在线估计车辆质量m和重心位置(如a,b)。例如，根据驱动力和加速度关系估计质量。

纵向力F_x，纵向加速度a_x，质量估计m，重心位置a,b

车辆质量和重心位置变化(如载客、载货)影响动力学，在线估计可提高控制适应性。

载荷变化大的车辆(如卡车、客车)。

优点：适应载荷变化，提高控制精度。局限：需要足够的激励(加速度变化)。

表5.1.6：参数估计（车辆参数估计）

5.91.10.8

路面坡度估计

利用纵向动力学方程和加速度传感器，估计道路坡度角θ。方程：a_x_sensor = (F_x - F_res)/m - g*sinθ，其中a_x_sensor为传感器测量值。

纵向加速度测量a_x_sensor，纵向力F_x，坡度角θ

为坡道起步辅助、预测巡航等提供道路坡度信息。

坡道起步辅助(HSA)，预测性巡航控制(PCC)。

优点：提高坡道相关功能性能。局限：估计受加速度测量偏差影响。

表5.92.4：预测性巡航控制（需要坡度信息）

5.91.10.9

轮胎垂向载荷估计

基于悬架行程传感器或动力学方程估计各轮胎垂向载荷F_z。动态载荷转移：ΔF_z = (ma_yh)/d (侧向) 或 (ma_xh)/L (纵向)。

侧向加速度a_y，纵向加速度a_x，重心高度h，轮距d，轴距L

轮胎垂向载荷影响轮胎力，是轮胎力估计和分配的重要参数。

需要精确轮胎力控制的系统，如高性能DYC。

优点：提供载荷信息，改善控制。局限：需知道重心高度等参数。

表5.91.4.5：轮胎力分配优化（需垂向载荷）

5.91.10.10

传感器故障诊断与容错估计

监测传感器(如轮速、IMU)信号，检测故障(如偏移、卡滞、噪声异常)，并利用冗余信息或模型进行容错估计，保证状态估计的可靠性。

传感器信号，故障标志，容错估计算法

提高状态估计系统的可靠性，在传感器故障时仍能提供可用的估计值。

对安全性要求高的底盘控制系统。

优点：提高系统可靠性。局限：需要一定的冗余或模型精度。

表9.5.2：故障诊断与容错控制

5.91.11.1

基于车间时距的PID控制

期望车间距：d_des = τ * v_ego + d0。速度/加速度控制：a_cmd = PID(Δd, Δv)，其中Δd = d_act - d_des，Δv = v_ego - v_pre。

车间时距τ，最小安全距离d0，实际车间距d_act，相对速度Δv

通过调节自车加速度，使实际车间距跟踪基于时距的期望车间距，并保持与目标车相对速度为零。

高速公路跟车巡航，基础ACC功能。

优点：结构简单，易于实现。局限：应对前车急变工况不够平顺，参数τ固定。

表5.92.2：纵向控制（ACC是纵向控制的子集）

5.91.11.2

分层ACC控制架构

上层：决策层，根据目标车状态、自车状态、驾驶员设置，计算期望加速度a_des。下层：执行层，通过节气门/制动控制实现a_des。

期望加速度a_des，上层决策逻辑，下层执行器控制

分离功能，上层处理策略，下层精确跟踪加速度指令，便于开发和集成。

多数ACC系统的标准架构。

优点：模块化，层次清晰。局限：层间通信和响应延迟。

表5.91.8.1：分层协调控制架构（类似思想）

5.91.11.3

模型预测控制(MPC) ACC

构建包含自车与前车运动学/动力学模型、车间距、速度、加速度约束的优化问题，在线滚动求解最优加速度序列。

预测时域Np，控制时域Nc，系统模型，代价函数，约束

显式处理多种约束（安全距离、最大加减速度、舒适性），实现多目标优化控制。

对舒适性、安全性、燃油经济性有综合要求的ACC。

优点：处理约束能力强，控制性能优越。局限：在线计算量较大。

表5.1.8：模型预测控制

5.91.11.4

基于安全距离模型的控制

采用可变时距或基于制动过程的安全距离模型。如：d_safe = v_ego * τ + (v_ego² - v_pre²)/(2*a_max_decel) + d0。

安全距离d_safe，最大减速度a_max_decel，时距τ

确保即使在最坏情况下（前车紧急制动），自车也能在安全距离内刹停，安全性优先。

对安全性要求高的ACC，或交通拥堵场景。

优点：安全性高。局限：车间距可能较大，易被加塞。

表5.92.2.7：紧急制动辅助（安全模型相关）

5.91.11.5

模糊逻辑ACC控制

将车间距误差Δd、相对速度Δv等输入模糊化，基于专家经验制定模糊规则，输出期望加速度的模糊量，再解模糊。

输入：Δd, Δv；输出：a_cmd；模糊集，模糊规则

模拟人类驾驶员跟车行为，不依赖精确数学模型，鲁棒性好。

需要模拟自然、拟人化跟车行为的ACC。

优点：拟人化，舒适性好。局限：规则设计依赖经验，理论分析难。

表5.3.1：模糊控制

5.91.11.6

协同自适应巡航控制 (CACC)

通过V2V通信获取前车（或多前车）的加速度等信息，控制律：a_cmd = K1a_pre + K2Δv + K3*Δd。

前车加速度a_pre，通信延迟，控制器增益K1, K2, K3

利用前车加速度信息进行前馈控制，减少反应延迟，缩短安全车间距，提升交通流效率。

车联网环境下的车队行驶，智能交通系统。

优点：显著缩短跟车距离，提高道路容量。局限：依赖V2V通信的可靠性与低延迟。

表5.95.6：车路协同系统

5.91.11.7

ACC的舒适性优化

在控制目标中显式考虑加加速度（jerk）限制，如：J = ∫(Δd² + w1a² + w2jerk²)dt。

加加速度jerk，舒适性权重w1, w2

限制加速度变化率，使加速和减速过程更平顺，提高乘坐舒适性。

对舒适性有高要求的乘用车ACC。

优点：显著提升乘坐舒适性。局限：可能牺牲部分跟车响应速度。

表5.91.11.3：MPC ACC（可在代价函数中考虑jerk）

5.91.11.8

切入/切出 (Cut-in/Out) 处理

雷达/摄像头探测到相邻车道车辆切入本车前方时，ACC需重新识别目标并调整控制策略。核心是目标识别与切换逻辑。

目标车辆ID，相对位置/速度，切入/切出判断逻辑

应对真实交通流中常见的车辆换道行为，保证ACC系统在复杂场景下的可用性和安全性。

城市快速路、高速公路等多车道场景。

优点：增强系统在复杂场景下的适应性。局限：目标切换瞬间可能引起控制冲击。

表5.94.6：目标识别与跟踪（感知层支持）

5.91.11.9

弯道ACC控制

在弯道中，根据道路曲率调整期望车速或时距，并考虑雷达探测几何变化（前车可能脱离探测区域）。

道路曲率κ，弯道限速v_curve，雷达探测角补偿

使ACC在弯道中合理控制车速，并正确选择跟车目标，避免误触发。

高速公路弯道、盘山路等场景。

优点：扩展ACC使用场景至弯道。局限：依赖高精度道路曲率信息。

表5.91.5.10：预测性前轮转向（共享道路曲率信息）

5.91.11.10

全速域/启停型ACC (FSRA)

扩展传统ACC（>30km/h）至低速乃至静止状态。当前车停止时，自车可刹停并保持停止（Auto Hold）；前车启动后，自动或经驾驶员确认后重新起步。

工作速度下限（0 km/h），起步控制逻辑，驾驶员确认机制

实现从高速到拥堵、直至停车再起步的全工况自适应巡航，极大减轻驾驶负担。

城市拥堵路况，频繁启停的跟车场景。

优点：极大缓解拥堵驾驶疲劳。局限：系统长时间停车后，可能需要驾驶员轻触油门或按键确认启动。

表5.92.3：拥堵辅助驾驶（功能集成）

5.91.12.1

天棚阻尼控制 (Skyhook)

假设车身与惯性空间（天空）有阻尼c_sky，阻尼力F_d = c_sky * żs。其中żs为车身绝对速度。作动器力跟踪此力。

天棚阻尼系数c_sky，车身速度ż_s，目标力F_d

在不影响轮胎接地的前提下，有效抑制车身振动，理想情况下能将车身与路面振动隔离。

提升乘坐舒适性，尤其是抑制车身低频共振。

优点：大幅提升舒适性，概念清晰。局限：需车身绝对速度，实际中需估计。

表5.91.7.3：天棚阻尼控制（侧倾控制中的应用）

5.91.12.2

地棚阻尼控制 (Groundhook)

假设车轮与车身之间有阻尼c_ground，阻尼力F_d = c_ground * (żu - żs)。其中ż_u为车轮速度。

地棚阻尼系数c_ground，车轮-车身相对速度(żu-żs)

侧重于控制车轮（簧下质量）跳动，提高轮胎接地性，从而改善操控稳定性。

提升车辆操控性和轮胎接地性。

优点：改善轮胎接地，提升操控。局限：可能牺牲部分舒适性。

表5.91.7.4：地棚阻尼控制（侧倾控制中的应用）

5.91.12.3

混合天棚-地棚控制

控制力为天棚与地棚策略的加权和：F = α * c_sky * żs + (1-α) * c_ground * (żu - ż_s)。α为[0,1]可调权重。

权重系数α，天棚/地棚阻尼系数

通过调整权重α，在舒适性（天棚）和操控性（地棚）之间取得平衡。

需要兼顾舒适与操控的主动悬架。

优点：平衡舒适与操控，可调。局限：需要调节α的策略。

表5.91.7.5：混合天棚-地棚控制（侧倾控制中的应用）

5.91.12.4

线性二次型最优控制 (LQR)

建立悬架系统状态空间模型，设计性能指标J=∫(q1zs²+q2(zs-zu)²+q3zu²+rF²)dt，求解最优状态反馈控制力F=-Kx。

状态向量x，权重q1,q2,q3,r，反馈增益矩阵K

在车身加速度（舒适性）、悬架动行程、轮胎动载荷（接地性）和控制能耗之间取得最优平衡。

追求综合性能最优的主动悬架。

优点：理论严谨，多目标优化。局限：依赖精确的线性模型，全状态反馈。

表5.1.7：LQR最优控制

5.91.12.5

模型预测控制(MPC)主动悬架

建立包含悬架动行程、控制力约束的预测模型，在线滚动求解有限时域最优控制问题，优化未来时域内的舒适性与接地性。

预测模型，舒适性/接地性代价函数，约束条件

显式处理悬架动行程和控制力等硬约束，实现约束下的最优控制。

对约束有严格要求的主动悬架。

优点：能显式处理约束。局限：在线计算量大。

表5.1.8：模型预测控制

5.91.12.6

H∞鲁棒控制

设计控制器使从路面干扰w到被控输出z（如车身加速度）的H∞范数（即 worst-case 增益）最小化，以应对模型不确定性和干扰。

广义被控对象，干扰w，被控输出z，H∞性能指标γ

保证在最坏的路面干扰和模型不确定性下，系统仍能保持稳定和一定的性能水平。

对鲁棒性要求高的主动悬架，模型不确定性大。

优点：鲁棒性强，保证最坏情况性能。局限：设计保守，可能牺牲最优性能。

表5.1.14：H∞鲁棒控制

5.91.12.7

预瞄控制 (Preview Control)

利用前向传感器（如摄像头、激光雷达）获取前方路面高程信息z_road_preview，提前调整悬架作动器力，以抵消即将到来的路面冲击。

预瞄距离L，前方路面高程z_road(t+τ)，提前时间τ

利用未来信息提前动作，显著改善对已知扰动的抑制效果，理论上能达到最优控制性能。

装备了前向路面感知传感器的车辆。

优点：大幅提升舒适性。局限：依赖准确的前向感知信息。

表5.92.6：预测性巡航控制（预瞄思想）

5.91.12.8

自适应阻尼控制 (CDC)

根据车身加速度、车速、方向盘转角等信号，实时调节减震器阻尼系数（多级可调或连续可调）。控制策略多为查表或简单逻辑。

阻尼系数设定值，调节阀电流/开度，查表（Map）

通过改变阻尼力，在舒适模式（软阻尼）和运动模式（硬阻尼）之间切换，适应不同驾驶需求。

配备连续可调阻尼减震器的半主动悬架。

优点：成本低于全主动，能显著改善性能。局限：只能耗散能量，不能注入能量。

表5.91.7.9：驾驶模式自适应侧倾控制（类似）

5.91.12.9

车身高度调节与水平控制

根据车速、驾驶模式或载荷，自动调节车身高度。高速时降低以减小风阻、提高稳定性；越野时升高以增加通过性。

目标车身高度，当前高度，调节速度

优化空气动力学、稳定性和通过性，并保持车身水平。

高端乘用车、SUV、空气悬架系统。

优点：多功能，提升综合性能。局限：系统复杂，成本高。

表5.92.4.9：车身高度控制（在悬架中的应用）

5.91.12.10

集成侧倾/俯仰/垂向控制

统一控制四个车轮的悬架作动力，同时管理车身侧倾、俯仰和垂向运动。控制力：F_i = F_heave + F_pitch_i + F_roll_i。

垂向力F_heave，俯仰力矩补偿力F_pitch_i，侧倾力矩补偿力F_roll_i

将车身三个方向的姿态控制集成在一个框架下，实现全局最优的驾乘品质。

配备全主动悬架的高端车型。

优点：全局优化，性能潜力最大。局限：控制策略复杂，成本高昂。

表5.91.7.10：集成侧倾与垂向控制（扩展至俯仰）

5.91.13.1

制动压力闭环控制 (PID/前馈)

目标压力P_cmd来自上层（如ACC、ESC）。控制律：I_valve = PID(P_cmd - P_act) + FF(a_des)。I_valve为电磁阀电流。

目标压力P_cmd，实际压力P_act，阀电流I，前馈项FF

精确、快速地跟踪上层控制器发出的目标制动压力指令，是实现线控制动的基础。

所有基于液压的线控制动系统（如EHB、IBC）。

优点：实现压力精确控制。局限：依赖压力传感器精度和电磁阀响应。

表5.1.1：PID控制

5.91.13.2

制动感觉模拟器控制

模拟传统真空助力器的踏板力-行程特性。F_pedal = K(p) * x_pedal + D(p) * v_pedal，其中K(p)、D(p)可能与主缸压力p相关。

踏板力F_pedal，踏板行程x_pedal，踏板速度v_pedal，模拟器特性K(p),D(p)

在解耦式线控制动中，为驾驶员提供符合习惯和预期的制动力感。

解耦式线控制动系统（如Booster-by-wire）。

优点：可编程踏板感觉，适应不同模式。局限：模拟真实、线性的脚感是挑战。

表5.91.5.7：路感模拟与补偿（转向系统类似）

5.91.13.3

制动冗余与容错控制

主执行器（如电机）失效时，备用系统（如机械冗余、备用液压源）接管。切换逻辑基于故障诊断结果。

故障标志位，主/备用系统状态，切换逻辑

提高线控制动系统的可靠性，在主系统失效时仍能提供基本的制动能力，满足功能安全要求。

所有涉及行车安全的线控系统，尤其是满足ASIL-D要求的系统。

优点：提供失效可操作性，满足高安全等级。局限：增加系统复杂性和成本。

表5.93.8：冗余与容错控制

5.91.13.4

能量回收与液压制动协调

在再生制动时，协调电机再生制动力F_reg和液压制动力F_hyd，使总制动力F_total = F_reg + F_hyd 满足驾驶员需求，且回收能量最大。

总制动力需求F_total，最大再生力F_reg_max，液压力F_hyd，协调策略

最大化回收制动能量，延长电动车续航，同时保证制动感觉平顺自然。

电动车、混合动力车的制动过程。

优点：提高能量回收效率。局限：协调策略复杂，需保证制动感觉一致性。

表5.92.7：再生制动控制

5.91.13.5

解耦式制动压力控制

踏板行程与主缸压力机械解耦。主缸压力被封闭在模拟器内，车轮制动压力由电机-泵单元独立建立。压力建立与踏板深度无直接比例关系。

踏板位移传感器信号，电机/泵控制信号，轮缸压力

实现踏板感觉可调和制动压力快速、独立控制，为高级制动功能（如精确ESC）提供基础。

新一代解耦式线控制动系统（如博世iBooster、大陆MK C1）。

优点：踏板感可调，建压快，控制自由度高。局限：系统复杂，失效模式需仔细处理。

表5.91.13.2：制动感觉模拟器控制（配合使用）

5.91.13.6

湿路面制动盘擦拭

在雨天间歇性轻施加制动，使制动盘与摩擦片保持微小接触，以蒸发水分，缩短制动响应时间。控制逻辑：if (雨刮开启 & 车速>阈值) then 间歇施加小压力。

雨刮信号，车速，制动压力（微小），擦拭频率

保持制动盘干燥，确保雨天条件下制动响应的即时性，防止制动衰退。

雨天自动启用的安全功能。

优点：提高雨天制动安全性。局限：轻微增加能耗和磨损。

表5.91.1：ABS（属于扩展的制动安全功能）

5.91.13.7

自动驻车制动 (Auto Hold)

车辆刹停后，自动施加并保持驻车制动。当驾驶员踩下油门时，自动释放。控制逻辑基于车速、刹车踏板、油门踏板信号。

车速信号，刹车踏板状态，油门踏板状态

在坡道或红灯等待时，自动保持车辆静止，防止溜车，解放驾驶员双脚。

城市拥堵、坡道起步、红灯等待。

优点：提高便利性和安全性。局限：需驾驶员适应“给油即走”逻辑。

表5.92.3.9：拥堵辅助（功能集成）

5.91.13.8

液压制动辅助进阶 (HBA+)

在紧急制动时，不仅快速建立压力（传统HBA），还能根据轮速信号主动、精确地调制压力以防止车轮抱死，是HBA和ABS的集成。

踏板踩下速度/力度，轮速信号，压力调制

在驾驶员紧急制动但踏板力不足时，系统不仅快速建压，还主动防止抱死，实现最短制动距离。

驾驶员紧急制动但操作不当的情况。

优点：进一步缩短紧急制动距离，集成化。局限：是HBA和ABS的逻辑融合，非全新算法。

表5.91.1.9：制动力辅助(BA/EBA)（是其进阶版）

5.91.13.9

刹车盘自动清洗

在特定条件下（如长时间未使用刹车后），系统自动、轻微、短时地施加制动，以清除刹车盘上的污垢、铁锈或冰霜。

时间/里程阈值，制动压力（轻微）

保持制动盘清洁，确保制动性能始终处于最佳状态，尤其在潮湿或寒冷天气后。

车辆长时间停放后，或潮湿/寒冷环境启动后。

优点：维持制动性能。局限：驾驶员可能察觉轻微制动或噪音。

表5.91.13.6：湿路面制动盘擦拭（类似功能）

5.91.13.10

制动系统状态监测与诊断

在线监测制动液液位、摩擦片磨损、压力传感器、阀体状态等。通过压力-流量特性、电阻变化等判断故障。

压力传感器读数，阀电流，液位传感器，磨损传感器

实时监测制动系统健康状态，提前预警潜在故障（如摩擦片耗尽、液位低），提高安全性。

车辆日常运行中持续进行。

优点：预防性维护，提高安全性。局限：传感器增多，成本增加。

表9.5.2：故障诊断与容错控制

5.91.14.1

转向路感模拟

基于车辆状态（车速、侧向加速度、横摆率等）和方向盘转角，计算并反馈给方向盘电机一个模拟的转向力矩：T_feedback = f(v, a_y, γ, δ)。

车速v，侧向加速度a_y，方向盘转角δ，模拟力矩T

在方向盘和车轮机械解耦后，为驾驶员提供符合习惯、反映车辆状态和路面信息的力反馈。

所有线控转向系统，提供驾驶感觉。

优点：路感可编程，适应不同模式。局限：模拟真实、自然的路感是技术挑战。

表5.91.5.7：路感模拟与补偿（AFS中的路感模拟）

5.91.14.2

可变转向传动比控制

方向盘转角到前轮转角的传动比随车速变化：δ_wheel = δ_sw / i(v)。低速时i小（转向灵敏），高速时i大（转向稳定）。

车速v，传动比函数i(v)，方向盘转角δ_sw，前轮转角δ_wheel

实现低速灵活、高速稳定的转向特性，超越传统机械转向的限制。

线控转向系统的基础功能，改善操纵性。

优点：大幅改善低速灵活性和高速稳定性。局限：传动比变化规律需精心设计。

表5.91.5.1：可变传动比控制（AFS中类似，但SbW更灵活）

5.91.14.3

前轮转角闭环伺服控制

上层给出目标前轮转角δ_cmd，下层转向电机伺服控制器（如PID+前馈）驱动电机实现目标转角：I_motor = PID(δ_cmd - δ_act)。

目标前轮转角δ_cmd，实际前轮转角δ_act，电机电流I

精确、快速地跟踪上层控制器（驾驶员指令或自动驾驶规划）发出的前轮转角指令。

线控转向执行层的核心控制。

优点：实现转角精确跟踪。局限：需高精度转角传感器和响应快速的电机。

表5.1.1：PID控制（用于位置伺服）

5.91.14.4

转向系统状态观测与补偿

通过电机电流、转速等估计转向系统状态，如齿条力、摩擦、惯性，并在控制中补偿，提高跟踪精度和路感真实性。

估计齿条力F_rack，摩擦补偿T_fric，惯性补偿T_inertia

抵消转向系统内部摩擦、惯性等非线性因素，使转向响应更直接、路感更清晰。

高精度、高性能线控转向系统。

优点：提高控制精度和路感真实性。局限：需要准确的观测器模型。

表5.1.20：状态估计（应用于转向系统）

5.91.14.5

主动回正控制

在驾驶员松开方向盘时，主动控制方向盘电机施加回正力矩，使方向盘平顺、快速地回到中间位置。控制力矩与方向盘偏角和车速相关。

方向盘偏角θ，车速v，回正力矩T_return

改善转向回正特性，使车辆在弯道后能自动、平顺地回正，提升驾驶品质。

所有配备电动助力转向(EPS)或线控转向的系统。

优点：提升回正性能和驾驶高级感。局限：需与路感模拟协调，避免冲突。

表5.91.14.1：转向路感模拟（回正是路感的一部分）

5.91.14.6

与稳定性控制系统协同

当ESC通过差动制动干预时，线控转向可同时施加补偿转角，辅助ESC更快稳定车辆，并减少制动干预强度。

ESC横摆力矩需求ΔM_ESC，前轮补偿转角δ_assist

利用转向响应快的优点辅助稳定性控制，提高稳定性，并减少制动带来的减速和不适感。

车辆接近或处于失稳工况时。

优点：增强稳定性控制效果，提高舒适性。局限：协同控制策略复杂。

表5.91.5.6：与ESC的集成协调控制（AFS中类似）

5.91.14.7

容错控制与冗余设计

采用冗余的传感器（双转角传感器）、执行器（双绕组电机）和控制器，当主系统失效时，无缝切换至备用系统，保证基本转向功能。

主/备用系统状态，故障诊断，无缝切换逻辑

满足功能安全最高等级（ASIL-D），确保在任何单一故障下，转向系统不丧失全部功能。

对安全性要求极高的线控转向系统。

优点：提供极高的安全性和可靠性。局限：成本、重量、复杂度大幅增加。

表5.91.13.3：制动冗余与容错控制（类似概念）

5.91.14.8

驾驶模式可调转向特性

根据驾驶模式（舒适、运动、经济）调整路感模拟的轻重、传动比的大小、回正特性的强弱。

驾驶模式选择，路感强度，传动比，回正增益

为驾驶员提供多样化的转向手感，满足不同偏好和驾驶场景。

提供多种驾驶模式的可调转向系统。

优点：个性化，提升驾驶体验。局限：模式切换可能导致驾驶员不适应。

表5.91.7.9：驾驶模式自适应侧倾控制（类似）

5.91.14.9

抑制方向盘抖动与路噪

检测并滤除通过转向系统传递到方向盘的不希望的高频振动（如轮胎不平衡、路面激励），通过电机施加反向力矩抵消。

方向盘振动频率/幅值，滤波器，反向补偿力矩

提高方向盘静肃性，隔绝不良路面振动，提升豪华感和舒适性。

对NVH要求高的豪华车型。

优点：提升静音性和舒适性。局限：可能过滤掉部分有用的路面信息。

表5.91.14.1：转向路感模拟（需区分有用路感和无用振动）

5.91.14.10

方向盘随动（脱手检测与保护）

在自动驾驶模式下，方向盘可随前轮转角自动旋转，或在脱手检测到一定时间后，自动施加微小力矩提醒驾驶员接管。

自动驾驶状态，脱手检测时间，随动/提醒策略

在自动驾驶时提供自然的驾驶舱交互，或在需要接管时有效提醒驾驶员。

L3及以上自动驾驶车辆的转向人机交互。

优点：提升自动驾驶用户体验和安全性。局限：需准确的脱手检测和自然的随动算法。

表5.3.6：人机交互（驾驶员监控与交互）

5.91.15.1

基于横摆力矩需求的分配

上层控制器（如ESC、DYC）计算出所需附加横摆力矩ΔM_z，通过优化或规则分配给各驱动轮扭矩：min

T

s.t. ΔM_z = Σ(±T_i * d/(2R))。

所需横摆力矩ΔM_z，各轮扭矩T_i，轮距d，轮胎半径R

5.91.15.2

主动式限滑差速器控制

通过电控多片离合器对左右半轴施加可变的锁止扭矩T_lock，控制左右轮扭矩分配。T_lock = f(Δω, a_y, δ...)，其中Δω为左右轮速差。

锁止扭矩T_lock，左右轮速差Δω，控制策略

在普通开式差速器基础上，主动控制锁止程度，优化牵引力和过弯性能。

高性能燃油车、跑车，提高过弯牵引力和敏捷性。

优点：改善牵引力和弯道性能。局限：仍基于差速器，分配范围有限。

表5.91.15：扭矩矢量分配控制（机械实现方式之一）

5.91.15.3

左右轮独立驱动扭矩分配

针对左右轮独立驱动（如轮毂电机、双电机），直接、独立地控制左右轮驱动扭矩T_L, T_R。可直接产生横摆力矩：ΔM_z = (T_R - T_L) * d/(2R)。

左/右轮扭矩指令T_L, T_R，轮距d，半径R

最大的扭矩分配自由度，可快速、精确地产生任意所需的横摆力矩。

轮毂电机电动车，或前后桥双电机电动车。

优点：分配自由度高，响应快，控制精确。局限：成本高，增加簧下质量（轮毂电机）。

表5.91.15.1：基于横摆力矩需求的分配（具体实现方式）

5.91.15.4

前后轴扭矩分配控制

针对四驱车辆，控制中央多片离合器，动态分配前后轴扭矩分配比K。K = T_front / T_total，通常随工况变化。

前后扭矩分配比K，前后轴需求扭矩T_front, T_rear

根据路面和驾驶条件，优化前后轴扭矩分配，改善加速、过弯和能耗性能。

适时四驱、全时四驱车辆。

优点：改善牵引力、稳定性和效率。局限：分配自由度低于左右独立分配。

表8.4.8：四轮驱动控制

5.91.15.5

最大牵引力分配

在低附路面或急加速时，将更多扭矩分配给附着系数高的车轮。基于轮速、滑转率等信息估计各轮附着力，进行分配。

各轮估计可用附着力μ_i*F_z_i，扭矩分配优化

最大化车辆总驱动力，实现最佳加速性能。

低附路面起步、急加速。

优点：最大化牵引力，提高加速性能。局限：可能不兼顾横摆稳定性。

表5.91.2.2：驱动轮制动干预（通过制动实现类似效果）

5.91.15.6

最小能耗分配

以驱动系统总能耗最小为目标，在满足总驱动力需求的前提下，优化分配各电机/发动机扭矩。考虑电机效率Map。

总需求扭矩T_req，各动力源效率曲线η_i(T)，优化算法

在满足驾驶需求的前提下，使驱动系统工作在综合最优效率区，降低能耗。

多电机驱动的电动车，注重能效。

优点：降低能耗，增加续航。局限：可能牺牲部分动力响应。

表8.4.7：多电机驱动控制（能耗优化）

5.91.15.7

轮胎负荷率均衡分配

以各轮胎的负荷率（利用率）最小化或均衡化为目标分配轮胎力。负荷率 ρ_i = √(F_xi²+F_yi²) / (μ_i*F_zi)。

各轮胎纵向力F_xi, 侧向力F_yi，垂向载荷F_zi，负荷率ρ_i

避免单个轮胎过度使用其附着极限，最大化整体稳定裕度，提高过弯极限。

赛道或极限驾驶，追求最大过弯速度。

优点：最大化车辆稳定性极限。局限：需要准确的轮胎力和路面附着信息。

表5.91.4.5：轮胎力分配优化（目标之一）

5.91.15.8

差动制动与驱动扭矩协同

协调差动制动和主动驱动扭矩分配，实现横摆力矩控制。例如，制动内侧轮（差动制动）同时增加外侧轮驱动扭矩（扭矩矢量）。

差动制动力矩T_brake_diff，差动驱动力矩T_drive_diff

结合制动和驱动两种方式产生横摆力矩，控制更灵活，可减少能量损失。

集成ESC和扭矩矢量分配的系统。

优点：控制自由度更高，效率更高。局限：控制策略和协调更复杂。

表5.91.4.6 和 5.91.15.1 的协同

5.91.15.9

基于驾驶模式的扭矩分配

根据驾驶模式（舒适、运动、越野、节能）采用不同的扭矩分配策略。如运动模式侧重后驱/外轮，节能模式侧重前驱/高效电机。

驾驶模式，预设的分配策略Map

提供差异化的驾驶体验，适应不同驾驶风格和路况。

具备多种驾驶模式选择的高端车型。

优点：个性化，场景适应性强。局限：策略标定工作量大。

表5.91.7.9：驾驶模式自适应侧倾控制（类似理念）

5.91.15.10

越野模式扭矩分配

针对越野场景，采用高锁止率或完全锁止差速器，或通过单轮制动模拟差速锁，将扭矩强制传递给有附着力的车轮。

差速锁止状态，轮间滑转率，扭矩锁定逻辑

在车轮打滑时，将扭矩强制传递给仍有附着力的车轮，最大化越野脱困能力。

SUV、越野车在沙地、泥地、雪地等低附路面。

优点：极大提高越野通过性和脱困能力。局限：铺装路面上使用会导致转向困难、磨损。

表5.91.2.10：越野模式TCS（扭矩分配是脱困关键）

5.91.16.1

整车运动协调控制器 (VMU)

作为顶层决策者，根据驾驶员输入、车辆状态、ADAS请求，计算整车级的运动目标（合力/力矩）：[F_x_des, F_y_des, M_z_des]^T。

期望纵向力F_x_des，期望侧向力F_y_des，期望横摆力矩M_z_des

将驾驶员的加速、制动、转向意图，以及ADAS的轨迹跟踪请求，统一解算为整车级的力/力矩指令。

所有集成式底盘控制的顶层决策。

优点：统一决策，避免子系统冲突。局限：对算力和软件架构要求高。

表5.91.8.1：分层协调控制架构（顶层）

5.91.16.2

控制分配算法

将VMU输出的整车级力/力矩指令，分配给底层的转向、驱动、制动、悬架等执行器。数学上是一个（可能带约束的）优化问题。

整车指令向量v_des，执行器效率矩阵B，执行器约束，分配算法

在满足各执行器物理约束的前提下，最优地实现整车运动目标，并优化能耗、磨损等次级目标。

具有多执行器冗余的先进底盘（如轮毂电机、后轮转向、主动悬架）。

优点：充分利用执行器冗余，实现全局优化。局限：优化问题实时求解有挑战。

表5.91.8.3：控制分配

5.91.16.3

执行器故障诊断与重构

监测各执行器（电机、阀、传感器）状态，诊断故障。一旦发生故障，在控制分配中调整效率矩阵B，利用剩余健康执行器重新分配任务。

故障标志，重构后的效率矩阵B_f，重分配优化

提高系统的容错能力，在部分执行器失效时，仍能维持基本的车辆运动控制功能。

对功能安全和可用性要求高的先进底盘。

优点：增强系统可靠性和安全性。局限：剩余执行器的能力可能受限。

表5.91.8.7：失效-安全与功能降级

5.91.16.4

驾驶模式统一管理

接收驾驶模式选择信号（舒适、运动、越野等），并统一调整所有底盘子系统（转向、悬架、动力、制动）的控制参数和目标特性。

驾驶模式指令，各子系统参数Map

为驾驶员提供高度协同、风格一致的全局驾驶体验，各子系统行为协调一致。

具备多种可调驾驶模式的车辆。

优点：提供集成化、一致性的驾驶体验。局限：各子系统标定匹配工作量大。

表5.91.14.8：驾驶模式可调转向特性（子系统之一）

5.91.16.5

自动驾驶与驾驶员控制的仲裁

当ADAS/自动驾驶系统与驾驶员同时发出控制指令时，进行仲裁。例如，AEB紧急制动优先于驾驶员油门；或在L3级，系统请求接管时，逐渐移交控制权。

驾驶员指令，自动驾驶指令，控制权状态，仲裁逻辑

确保在任何时刻，车辆只有一个明确的主控方，避免控制冲突，并安全地处理控制权交接。

人机共驾，尤其是L2-L4级自动驾驶车辆。

优点：保障控制权明确，提高安全性。局限：仲裁逻辑复杂，需考虑多种边缘场景。

表5.3.6：人机交互（控制权交接）

5.91.16.6

基于服务的架构通信

底盘域内各ECU通过基于以太网的SOA（面向服务架构）进行通信，发布和订阅服务（如“提供轮速”、“请求制动压力”），而非传统的信号交互。

服务接口，服务发布者/订阅者，通信中间件

实现软硬件解耦，提高软件复用性和可扩展性，支持OTA升级，便于功能迭代。

新一代电子电气架构下的域控制器。

优点：灵活，可扩展，支持OTA。局限：对通信带宽和实时性要求更高。

表9.2.5：整车电子电气架构（域集中式）

5.91.16.7

底盘系统状态统一估计与融合

域控制器集中处理来自全车各处的传感器信号（IMU、轮速、转角等），运行统一的状态观测器，为各子系统提供一致、准确的车辆状态估计。

多源传感器数据，集中状态观测器（如EKF），统一状态向量

避免各子系统使用不一致的状态估计值，提高控制的一致性和精度，减少传感器重复。

域集中式电子电气架构下的底盘系统。

优点：数据一致，估计更优，减少传感器冗余。局限：对中央控制器算力要求高，是单点故障。

表5.91.10：车辆状态估计（集中化实现）

5.91.16.8

在线参数与特性自适应

在线识别车辆参数（如质量、惯量）和轮胎特性（如峰值附着系数），并自动更新域控制器内相关模型和控制参数。

在线参数估计算法，模型参数更新

使底盘控制系统自适应车辆载荷变化、轮胎磨损、性能衰减等，在全生命周期保持最优性能。

商用车（载荷变化大）或高性能车（追求极限）。

优点：自适应性强，维持性能。局限：在线识别算法需稳定可靠。

表5.91.9.9：自适应轮胎模型参数（集中化实现）

5.91.16.9

预测性底盘协同控制

利用前视传感器（摄像头、雷达）和地图信息，预测前方道路曲率、坡度、颠簸，提前协调各底盘子系统做好准备。

前方道路曲率κ，坡度θ，路面不平度z，预瞄时间

提前调整悬架刚度、车身高度、转向传动比等，优化即将到来的弯道、坡道或颠簸的通过性、舒适性和稳定性。

配备前向感知和导航地图的智能汽车。

优点：变被动应对为主动准备，提升综合性能。局限：依赖准确的前向感知和预测。

表5.91.17：预测性底盘控制（集中协调实现）

5.91.16.10

网络安全与功能安全

在软件层面实现ISO 26262功能安全机制（如监控、测试）和ISO 21434网络安全机制（如加密、入侵检测），确保底盘域控制器的安全可靠运行。

安全机制（看门狗、逻辑监控、测试），安全等级（ASIL），网络安全协议

防止因随机硬件故障、系统故障或恶意网络攻击导致底盘系统失效或误动作，保障人身安全。

所有涉及底盘控制的电子控制系统，尤其是线控系统。

优点：保障系统功能安全和网络安全。局限：大幅增加软件复杂度和开发成本。

表9.5.1：功能安全 (ISO 26262)， 表9.5.3：网络安全 (ISO 21434)

5.91.17.1

预测性主动悬架

利用前向摄像头或激光雷达获取前方路面高程轮廓z_road(s)，提前调整悬架作动器力F_preview，优化未来时域内的车身垂向加速度。

前方路面高程z_road(s)，预瞄距离L，悬架控制力F_preview

提前“看到”颠簸并主动准备，显著减少车身振动，理论上能达到最优控制效果。

装备了路面预瞄传感器的豪华车、旗舰车型。

优点：大幅提升乘坐舒适性。局限：依赖高精度、高可靠性的前向感知。

表5.91.12.7：预瞄控制（应用于悬架）

5.91.17.2

预测性车身高度调节

结合导航地图和摄像头，识别前方道路类型（如减速带、越野路面），提前升高或降低车身高度。

前方道路类型识别，目标车身高度，调节时机

提前调整车身高度以适应不同路况，如通过减速带前降低车身（提高舒适性），或进入非铺装路前升高车身（提高通过性）。

配备空气悬架和导航/摄像头的车辆。

优点：优化通过性和舒适性。局限：需要准确的道路类型识别和定位。

表5.91.12.9：车身高度调节与水平控制（预测性版本）

5.91.17.3

预测性后轮转向

根据前方道路曲率和车速，提前对后轮施加一个小的同向转角，以改善车辆进入弯道时的瞬态响应。

前方道路曲率κ，车速v，预测性后轮转角δ_r_pre

使车辆更平滑、更快速地响应弯道，减少车身侧倾和横摆延迟，提升弯道驾驶品质。

配备后轮转向和道路预瞄的车辆。

优点：改善弯道瞬态响应和舒适性。局限：对曲率预测精度要求高。

表5.91.6.1：后轮转向（加入预测信息）

5.91.17.4

预测性扭矩矢量分配

根据前方弯道曲率和驾驶风格，在入弯前提前将更多扭矩分配给外侧车轮，产生一个微小的辅助转向力矩。

前方道路曲率κ，驾驶风格，预测性扭矩分配ΔT_pre

提前为过弯做好准备，使车辆转向响应更敏捷，提高过弯极限和驾驶乐趣。

配备扭矩矢量分配和道路预瞄的性能车。

优点：提升弯道操控性和响应性。局限：需与驾驶员意图协调，避免干预过度。

表5.91.15.1：基于横摆力矩需求的分配（预测性应用）

5.91.17.5

预测性能量管理

根据前方道路坡度、曲率、交通流预测，优化动力系统（发动机、电机、电池）和底盘（如可调悬架高度影响风阻）的工作点，以最小化能耗。

前方道路坡度θ(s)，曲率κ(s)，车速规划v(s)，能耗优化

在长距离行驶中，通过提前规划车速和底盘状态，最大化能量利用效率，增加电动车续航。

电动车长途行驶，特别是带有导航路线时。

优点：显著提高能效，延长续航。局限：依赖准确的地图、交通信息和驾驶习惯预测。

表8.5.2：预测性能量管理（PEM）

5.91.17.6

预测性制动盘预热/干燥

利用导航和天气信息，在预测到长下坡或湿滑路面前，轻微、间歇地施加制动，使制动盘适度升温至最佳工作温度或蒸发水分。

前方道路坡度θ，天气信息，制动盘温度模型，预加热策略

确保在需要高强度制动前，制动系统已处于最佳工作状态（温度、干燥），缩短制动距离。

山区长下坡，或雨天高速行驶。

优点：提高制动系统准备度，增强安全性。局限：轻微增加能耗和磨损。

表5.91.13.6：湿路面制动盘擦拭（预测性版本）

5.91.17.7

基于V2X的预测性控制

接收来自V2V（前车急刹）、V2I（红绿灯相位、道路湿滑预警）或V2N（交通流、天气）信息，提前协调底盘系统应对。

V2X消息（事件、状态），预响应时间，底盘动作

利用网联信息超越传感器视线，提前更长时间预知风险或优化机会，做出更优决策。

智能网联汽车，车路协同场景。

优点：超越视距，信息更丰富，决策更优。局限：依赖V2X通信的普及、可靠性和低延迟。

表5.95.6：车路协同系统（V2X）

5.91.17.8

预测性稳定性控制

结合驾驶员操作（急打方向）、车辆状态和道路曲率，预测车辆是否有失稳风险。如有风险，提前轻微施加制动或调整悬架，增加稳定裕度。

失稳风险指标（如β/β_dot相平面），预测时域，预控制动作

在车辆实际达到稳定性控制门限之前，提前进行温和干预，防止失稳发生，或降低后续ESC的干预强度。

激进驾驶、紧急避障等高风险场景。

优点：变被动补救为主动预防，控制更平顺。局限：风险预测模型需准确，避免误干预。

表5.91.3：ESC（预测性版本）

5.91.17.9

个性化预测性底盘调校

学习驾驶员的驾驶习惯和偏好，并据此微调预测性控制的参数。例如，激进型驾驶员，预测性扭矩矢量分配更积极。

驾驶员风格识别，个性化控制参数映射

使预测性控制策略适应不同驾驶员的风格，提供个性化的驾乘体验。

具备驾驶员识别和自适应学习能力的智能汽车。

优点：个性化，提升用户体验。局限：需有效的驾驶员建模和学习算法。

表5.91.5.9：基于驾驶风格识别的自适应（应用于预测控制）

5.91.17.10

多目标协同预测优化

建立包含舒适性、能耗、稳定性、操控性等多目标的代价函数，利用预测信息，在一个优化框架下协同求解未来一段时间内各底盘系统的最优控制序列。

多目标代价函数，预测模型，系统约束，协同优化求解器

从整车层面全局优化未来一段旅程的底盘系统行为，实现综合性能最优。

高度集成和智能化的下一代底盘系统。

优点：全局、多目标、长时域优化，潜力巨大。局限：问题复杂度高，在线求解极具挑战。

表5.91.8.4：多目标协调优化（预测性版本）

5.91.18.1

防侧翻稳定性控制 (RSC)

监测横向载荷转移率(LTR)或侧倾角，当超过阈值时，通过制动和发动机干预降低车速和侧翻风险。LTR≈

2ha_y/(gd)

，h为重心高，d为轮距。

横向载荷转移率LTR，侧倾角φ，阈值LTR_th

防止商用车（特别是高重心车辆）在弯道或紧急变道时发生侧翻。

商用车高速过弯、紧急避障。

5.91.18.2

防折叠稳定性控制

监测牵引车与挂车之间的铰接角（articulation angle）及其变化率，当铰接角过大或变化过快时，通过制动牵引车或挂车进行纠正。

铰接角α，铰接角速度α̇，阈值

防止牵引车-挂车组合在弯道或变道时发生折叠（“jackknife”）或甩尾（“trailer swing”）。

铰接式车辆（卡车+挂车）转弯、制动、变道。

优点：防止危险的折叠和甩尾事故。局限：需在牵引车和挂车上安装传感器和制动系统。

表5.91.18：商用车ESC（核心功能之一）

5.91.18.3

横摆稳定性控制 (YSC)

基本原理同乘用车ESC，控制牵引车的横摆运动，使其跟踪驾驶员转向意图。但由于载荷、轴距、惯量巨大，控制参数和策略需调整。

横摆角速度γ，侧偏角β，参考模型，控制算法

保持牵引车本体的方向稳定性，防止牵引车自身失稳，是折叠控制的基础。

牵引车在低附路面或紧急转向时的稳定性控制。

优点：保持牵引车稳定，是组合车辆稳定的基础。局限：车辆参数变化范围极大，标定复杂。

表5.91.3：ESC（针对商用车特性调整）

5.91.18.4

载荷自适应控制

根据载荷重量和重心高度，自适应调整RSC、ESC的控制门限和增益。载荷可通过悬架高度传感器、空气弹簧压力或动力学估计获得。

载荷质量m，重心高度h_est，自适应控制参数

使稳定性控制系统适应从空载到满载的巨大参数变化，始终保持有效。

载荷变化剧烈的卡车、客车。

优点：提高控制系统在全载荷范围内的有效性和适应性。局限：需要可靠的载荷估计。

表5.91.10.7：车辆质量与重心位置估计

5.91.18.5

挂车稳定性控制 (TSC)

在挂车上独立安装传感器和制动系统，监测挂车状态（如横摆率），当挂车失稳时，直接对挂车车轮实施制动。可与牵引车ESC通过通信协同。

挂车横摆率，挂车制动控制

直接稳定挂车，特别是防止挂车甩尾，与牵引车ESC协同实现列车整体稳定。

配备电控制动系统(EPB)的智能挂车。

优点：直接有效控制挂车失稳。局限：需挂车配备相应系统，增加成本。

表5.91.18.2：防折叠稳定性控制（挂车端的主动控制）

5.91.18.6

发动机制动协调

在ESC/RSC激活时，除了行车制动，自动触发更高等级的发动机制动（如排气制动、缓速器），提供强大且持久的减速力。

ESC激活信号，发动机制动请求等级

利用发动机提供无热衰退的持续制动力，辅助稳定控制系统，特别适用于长下坡。

商用车在长下坡或持续制动时的稳定性控制。

优点：提供强大、持久的辅助制动力，减少行车制动器热衰退风险。局限：需发动机支持可调制动等级。

表5.92.4.8：下坡辅助（DAC）

5.91.18.7

稳定性控制与自适应巡航协同

当ACC跟随前车时，稳定性控制模块监控弯道和侧向稳定性。若预测到ACC的跟车速度可能导致侧翻风险，则请求ACC主动减速。

ACC设定速度，RSC侧翻风险预测，协同请求

在自适应巡航中主动考虑稳定性（特别是防侧翻），提前降速，预防风险。

商用车在弯道使用ACC时。

优点：将纵向控制与横向稳定性主动结合，提升安全。局限：需ACC与ESC系统深度交互。

表5.91.11：自适应巡航控制（与ESC协同）

5.91.18.8

胎压监测与稳定性控制联动

接收来自胎压监测系统(TPMS)的胎压异常信号。当胎压严重不足时，主动降低稳定性控制系统的部分门限（如最高允许车速），并警示驾驶员。

胎压信号，控制门限调整值，驾驶员警告

在轮胎出现问题时，提前采取更保守的控制策略并警告驾驶员，防患于未然。

轮胎亏气或扎胎时。

优点：利用TPMS信息增强安全性。局限：TPMS信号可能存在延迟或误差。

表5.93.7：胎压监测系统(TPMS)

5.91.18.9

电子制动系统(EBS)与ESC集成

EBS提供更快、更精确的轮端压力控制。ESC直接向EBS发送精确的目标压力指令，实现更快速、更精细的稳定性控制干预。

ESC目标压力指令，EBS压力响应

利用EBS的线控优势和快速建压能力，提升ESC系统的响应速度和精度。

配备EBS的现代商用车。

优点：控制更快速、更精确，性能优于传统气制动+ESC。局限：依赖EBS系统，成本较高。

表5.93.4：电子制动系统(EBS)

5.91.18.10

事件数据记录(EDR)

在发生事故或严重稳定性事件时，记录事件前后一段时间内的关键车辆数据（车速、制动、转向、稳定性控制状态等）。

触发条件（如减速度>阈值），记录的数据帧，存储

用于事故分析和责任鉴定，也可用于分析控制系统性能和改进算法。

事故发生后的事故重建和责任分析。

优点：为事故分析提供客观数据。局限：涉及隐私和数据安全问题。

表9.5.4：事件数据记录(EDR)与数据安全

5.91.19.1

基于动力学方程的轮胎力观测器

利用整车/车轮动力学方程，结合易于测量的信号（加速度、轮速等），反算轮胎力。例如，纵向力：F_x = (T_wheel - I_w*ω̇)/R。

车轮扭矩T_wheel，转动惯量I_w，角加速度ω̇，车轮半径R

不依赖轮胎模型，直接基于力学原理估算轮胎力，物理意义明确。

基本轮胎力估计，用于控制或监测。

优点：原理简单直观。局限：需要准确的车轮扭矩和转动惯量，对噪声敏感。

表5.91.10.5：轮胎力估计（基于动力学方程）

5.91.19.2

基于扩展卡尔曼滤波(EKF)的轮胎力估计

将轮胎力作为状态变量或模型参数，与车辆状态一起进行估计。状态方程：车辆动力学模型；观测方程：IMU、轮速等测量。

状态向量（包含轮胎力），系统模型，观测模型，EKF

在非线性框架下，最优地融合多传感器信息和模型，估计轮胎力及其他状态。

需要高精度、非线性轮胎力估计的控制系统。

优点：估计精度高，可处理非线性，抗噪。局限：计算复杂，依赖模型精度。

表5.91.10.2：扩展卡尔曼滤波状态估计（应用于轮胎力）

5.91.19.3

基于轮胎模型的力估计

利用轮胎模型（如刷子模型、魔术公式）和估计的轮胎状态（滑移率、侧偏角），计算轮胎力：F_x,y = f(λ, α, F_z, μ)。

轮胎模型f，滑移率λ，侧偏角α，垂向载荷F_z，摩擦系数μ

利用轮胎模型的解析或经验关系，从轮胎状态推算轮胎力。

在轮胎状态和模型参数已知时，快速估算轮胎力。

优点：计算量相对小。局限：严重依赖轮胎模型和参数的准确性。

表7.1.3：轮胎模型（魔术公式等）

5.91.19.4

直接测量（轮胎力传感器）

通过安装在轮毂或悬架上的力传感器（如应变片、光学传感器）直接测量轮胎六分力。

测量力/力矩：F_x, F_y, F_z, M_x, M_y, M_z

最直接、最准确的获取轮胎力的方式，无模型误差。

车辆研发、测试、或极高端的控制系统。

优点：精度高，实时，无模型误差。局限：成本极高，耐用性、环境适应性挑战大，难以量产。

表7.1.1：轮胎六分力传感器

5.91.19.5

基于轮胎力估计的极限工况控制

实时计算各轮胎的附着利用率（负荷率）ρ_i。当某个轮胎的ρ_i接近1时，提前干预（如调整扭矩分配、施加制动力），防止其打滑或侧滑。

轮胎负荷率ρ_i = √(F_xi²+F_yi²)/(μ_i*F_zi)，阈值

在轮胎达到附着极限前主动干预，最大化利用轮胎附着潜力，并保持车辆稳定。

赛道驾驶，极限操控，或低附路面稳定性控制。

优点：主动预防失稳，提高极限性能。局限：依赖高精度的轮胎力和路面附着估计。

表5.91.8.6：基于轮胎力优化的协调

5.91.19.6

基于轮胎力的路面附着估计

基于当前估计的轮胎力F_x,y和轮胎状态（λ, α），利用轮胎模型反推当前的最大附着系数μ_max。例如，μ_est = F_x / (F_z * λ) 在线性区近似。

估计轮胎力F_x,y，滑移率λ，侧偏角α，垂向载荷F_z，估计μ_max

利用轮胎力信息更直接地估算路面峰值附着系数，为控制系统提供关键参数。

高级ABS、ESC、TCS等需要路面信息的系统。

优点：提供直接的路面附着信息。局限：在轮胎饱和（大滑移）时估计不准确。

表5.91.9：轮胎-路面摩擦估计（基于轮胎力）

5.91.19.7

轮胎健康状态监测

分析估计的轮胎力、压力、温度等参数的长期变化或异常波动，判断轮胎磨损、不均、损伤或慢漏气等健康状态。

轮胎力频谱/趋势，压力变化，温度异常

实时监测轮胎健康状况，提前预警潜在安全问题（如偏磨、鼓包、慢漏气）。

车辆日常运行中的预测性维护和安全监测。

优点：实现轮胎状态的预测性维护。局限：需要建立准确的健康状态评估模型。

表5.91.13.10：制动系统状态监测与诊断（类似）

5.91.19.8

最优轮胎力分配控制

在已知各轮胎实时附着潜力（μ_i*F_zi）和所需整车合力/力矩下，求解最优的轮胎力分配，使总附着利用率最低或能耗最小。

优化目标（如 min max(ρ_i)），整车力/力矩约束，轮胎附着圆约束

在物理约束下，最优地分配各轮胎力，以实现所需的整车运动，同时最大化稳定裕度。

具有多执行器（如轮毂电机、后轮转向）的先进底盘。

优点：理论上的全局最优控制。局限：实时求解复杂优化问题挑战大。

表5.91.4.5：轮胎力分配优化（基于估计的轮胎力实现）

5.91.19.9

车辆状态与参数联合估计

设计统一观测器，同时估计车辆状态（v_x, v_y, γ, β）和关键参数（如轮胎侧偏刚度C_α，峰值附着系数μ_max）。

增广状态向量（包含状态和参数），联合观测器（如双EKF）

利用轮胎力与车辆状态的耦合关系，同时提高状态和参数的估计精度。

对状态和参数估计精度要求极高的先进控制。

优点：状态与参数估计互相促进，提高整体精度。局限：观测器设计复杂，可能存在可观测性问题。

表5.91.10.2 与 5.91.9.3 的结合

5.91.19.10

容错控制与执行器故障检测

比较基于模型的轮胎力估计值与基于执行器指令/简单模型的计算值。若存在显著不一致，可能指示执行器（如制动卡钳、转向电机）故障或性能下降。

模型估计力F_est，执行器预期力F_act，残差，故障阈值

利用轮胎力作为中间变量，检测执行器故障，为底盘系统的容错控制提供依据。

高安全性要求的线控底盘系统。

优点：提供了一种执行器故障检测的新手段。局限：需区分是执行器故障还是轮胎/路面变化导致的差异。

表5.91.8.7：失效-安全与功能降级（故障检测方法之一）

5.91.20.1

低附路面ABS优化

在冰、雪等低附路面，降低ABS的控制压力、压力梯度，并允许稍高的滑移率，以寻找最佳制动点，同时防止过度减压导致制动距离过长。

低附路面压力上限P_low，减压梯度，目标滑移率λ_low

适应低附路面轮胎特性（µ-λ曲线峰值低且平缓），在防抱死和缩短制动距离间取得最佳平衡。

冰雪路面紧急制动。

优点：优化低附路面制动性能。局限：需准确识别路面类型。

表5.91.1.5：基于路面识别的自适应ABS

5.91.20.2

分离路面（对开路面）制动控制

在左右附着系数差异巨大的路面制动时，通过差动制动和转向干预，抑制车辆跑偏（制动力不等导致横摆力矩）。控制目标：最小化横摆角速度γ和跑偏距离。

左右轮制动力差异ΔF_x，横摆力矩补偿，转向角补偿

在保证制动效能的同时，保持车辆的直线行驶稳定性，防止因两侧制动力不均导致的失控。

对开路面（如一侧冰面一侧沥青）制动。

优点：提高分离路面制动稳定性和方向可控性。局限：制动距离可能长于高附路面一侧。

表5.91.3：ESC（分离路面是典型工况）

5.91.20.3

低附路面牵引力控制优化

在低附路面，允许驱动轮有更高的滑转率（如15%-30%），以“刨”出路面，获得更大牵引力。同时控制策略更柔和，防止扭矩突降导致失速。

低附目标滑转率λ_low_T，扭矩调节梯度，允许的滑转率波动范围

适应低附路面牵引特性，在防止过度打滑和获得足够牵引力间取得平衡，帮助车辆起步、脱困。

冰雪、沙地、泥地起步和加速。

优点：改善低附路面起步和加速能力。局限：轮胎磨损和能耗可能增加。

表5.91.2.10：越野模式TCS

5.91.20.4

坡道起步辅助 (HSA)

车辆在坡道上刹停后，系统自动保持制动力防止溜车。当驾驶员踩下油门，驱动力大于下滑力时，自动释放制动。

坡度角θ（估计），车辆质量m，制动力保持/释放逻辑

帮助驾驶员在坡道上平稳起步，防止后溜，提高便利性和安全性。

坡道起步，特别是手动挡车辆。

优点：消除坡起恐慌，防止后溜。局限：可能需要驾驶员轻微加油门才释放。

表5.91.10.8：路面坡度估计

5.91.20.5

陡坡缓降控制 (HDC)

在陡峭下坡时，系统自动控制制动，将车速维持在一个设定的低速度（如5-10 km/h），驾驶员无需踩刹车。

设定车速v_set，实际车速v，坡道角度θ，制动压力控制

使车辆在陡峭下坡时能以安全、恒定的低速行驶，驾驶员可专注于转向，提高越野安全性和可控性。

SUV、越野车陡坡下坡。

优点：提高陡坡下坡的安全性和可控性。局限：长时间使用可能导致制动系统过热。

表5.92.4.8：下坡辅助（DAC）（乘用车版）

5.91.20.6

雪地/沙地驾驶模式

切换至特殊模式，调整动力总成（平缓扭矩输出）、变速箱（早升档）、转向（更轻）、ESP（允许更大滑移）、四驱系统（锁定）等参数。

模式切换信号，各子系统参数Map（扭矩图、换挡曲线、ESP阈值等）

通过协调多个子系统，使车辆动态特性更适合低附或松软路面，提高通过性和可控性。

冰雪路面、沙地、泥地等非铺装路面行驶。

优点：一键优化整车设置，简化驾驶员操作，提升特定路况性能。局限：模式切换可能不覆盖所有复杂路况。

表5.91.8.4：多目标协调优化（针对特定模式）

5.91.20.7

涉水辅助控制

当检测到车辆涉水（如轮速信号因水阻出现异常波动）时，自动保持低挡位、稳定油门，并轻微施加制动以擦干制动盘。

轮速异常波动检测，变速箱锁止，稳定扭矩请求，间歇制动

帮助车辆平稳通过涉水路段，防止发动机熄火、变速箱进水，并在出水后快速恢复制动效能。

通过积水较深的路段。

优点：提高涉水通过性和安全性，保护动力

5.91.21.1

自动紧急制动（AEB）

基于感知系统（雷达/摄像头）计算碰撞时间（TTC），当TTC低于阈值时，分阶段预警和制动。控制律：a_brake = f(TTC, relative_speed, distance)。

碰撞时间TTC，相对速度，距离，制动减速度a_brake

在驾驶员未及时反应时自动制动，避免或减轻碰撞。

前向碰撞预警和自动制动。

优点：显著减少追尾事故。局限：可能因误识别导致误触发。

表5.92.2.7：紧急制动辅助

5.91.21.2

车道保持辅助（LKA）

基于摄像头识别车道线，计算横向偏差e和航向偏差θ，通过EPS施加转向力矩：T_assist = Kpe + Kdθ。

横向偏差e，航向偏差θ，转向助力矩T_assist

辅助驾驶员将车辆保持在车道中央，减少无意识的车道偏离。

高速公路等结构化道路。

优点：减轻驾驶员负担，提高安全性。局限：对车道线清晰度要求高。

表5.91.5.2：主动前轮转向（用于横向控制）

5.91.21.3

集成巡航控制（ICC）

结合ACC和LKA，实现纵向和横向的联合控制，使车辆在车道内自适应巡航。

纵向控制（ACC）+横向控制（LKA）

在单车道内实现部分自动化驾驶，减轻驾驶员负担。

高速公路跟车巡航。

优点：同时解放脚和手（需监控）。局限：仅适用于结构化道路。

表5.91.11和5.91.21.2的结合

5.91.21.4

交通拥堵辅助（TJA）

在低速拥堵场景下，扩展ICC功能，支持自动跟车、停车、起步，并可应对缓慢的切车。

工作速度范围（0-60 km/h），跟车距离，起步响应时间

在拥堵路况下大幅减轻驾驶员负担。

城市快速路、高速公路拥堵路段。

优点：极大缓解拥堵驾驶疲劳。局限：复杂交通流中可能需频繁接管。

表5.92.3：拥堵辅助驾驶

5.91.21.5

自动变道辅助（ALC）

在驾驶员确认后，系统自动控制转向、加速、制动，完成车道变更。包括环境感知、路径规划、轨迹跟踪。

目标车道，变道时间，轨迹曲线（多项式），横向加速度限制

辅助驾驶员安全、平顺地完成车道变更。

高速公路等结构化道路的超车场景。

优点：简化变道操作。局限：需驾驶员确认，对周围车辆有要求。

表5.92.1：路径规划与轨迹生成

5.91.21.6

紧急转向辅助（ESA）

在AEB可能无法避免碰撞时，系统在保证安全的前提下，辅助驾驶员进行转向避障。包括转向力矩辅助和路径修正。

避障路径，转向力矩辅助，与AEB的协同

在制动距离不足时，通过转向避让来避免事故。

前车突然制动或行人窜出。

优点：提供额外避撞手段。局限：对环境和驾驶员操作要求高。

表5.92.8：避障路径规划

5.91.21.7

智能大灯控制（IHC）

根据摄像头识别的对向来车、同向跟车，自动切换远近光灯，或调整光束图案避免眩目。

对向/同向车辆位置，灯光控制指令

自动优化灯光照射范围，提高夜间行车安全性和礼貌性。

夜间行车，特别是会车和跟车时。

优点：提高夜间视野，减少眩目。局限：摄像头在恶劣天气可能受限。

表5.94.5：环境感知（车辆检测）

5.91.21.8

驾驶员状态监控（DMS）

通过摄像头检测驾驶员视线方向、头部姿态、眼睑闭合等，判断驾驶员是否分心或疲劳，并发出警告。

视线方向，眨眼频率，打哈欠，头部姿态

监测驾驶员状态，确保在需要时能及时接管车辆。

所有ADAS功能开启时，特别是L2级。

优点：提高系统安全性，防止误用。局限：涉及隐私，可能误报。

表5.3.6：人机交互（驾驶员监控）

5.91.21.9

全景影像与自动泊车

通过环视摄像头合成车辆周围全景图像，并自动控制转向、挡位、加速、制动完成泊车。

车位识别，轨迹规划，横向/纵向控制

辅助驾驶员观察盲区和自动泊车，提高便利性和安全性。

狭窄车位泊车，低速通过狭窄区域。

优点：极大简化泊车操作。局限：对车位清晰度有要求，天气影响摄像头。

表5.92.5：自动泊车系统

5.91.21.10

交叉路口辅助（ICA）

在无信号灯交叉路口，检测横向来车，预警或自动制动以防止碰撞。

横向来车检测，碰撞时间TTC，制动决策

减少交叉路口事故，尤其是视线受阻时。

无信号灯交叉路口，十字路口。

优点：应对复杂路口场景。局限：感知系统需检测各个方向来车。

表5.92.8：交叉路口防碰撞

5.91.22.1

轨迹跟踪控制

给定参考轨迹（x_ref(t), y_ref(t)），设计控制器使车辆实际位置（x,y）跟踪参考轨迹。常用方法：纯跟踪、Stanley、MPC。

参考轨迹，横向误差e_lat，航向误差e_head

使车辆精确地沿着规划好的路径行驶。

自动驾驶车辆路径跟踪。

优点：直接实现轨迹跟踪。局限：对轨迹质量和车辆模型有要求。

表5.91.8.2：轨迹跟踪与路径跟随

5.91.22.2

模型预测控制（MPC）轨迹跟踪

构建包含车辆动力学模型、约束（加速度、曲率、摩擦圆）的优化问题，在线求解未来时域内的最优控制序列（前轮转角、加速度）。

预测模型，约束，代价函数（跟踪误差、控制量、舒适性）

在满足多种约束的前提下，实现精确、平滑的轨迹跟踪。

对舒适性和安全性要求高的自动驾驶。

优点：显式处理约束，多目标优化。局限：计算量大，对模型精度敏感。

表5.1.8：模型预测控制

5.91.22.3

纵向速度规划与跟踪

根据道路曲率、限速、前车、交通灯等规划速度曲线v_ref(s)，并通过油门/制动控制跟踪。

参考速度v_ref，实际速度v，加速度规划

生成满足安全、舒适、效率的速度曲线，并精确跟踪。

自动驾驶车辆纵向控制。

优点：实现平滑、经济的速度跟踪。局限：需准确的前方信息。

表5.92.2：纵向控制（扩展至规划）

5.91.22.4

行为决策与运动规划

基于交通场景、交通规则、其他交通参与者行为，做出决策（跟车、换道、超车等），并生成相应的轨迹和速度曲线。

行为决策（有限状态机、POMDP等），运动规划（路径+速度）

在复杂交通环境中做出合理决策，并生成可执行的运动计划。

城市道路、高速公路等复杂场景。

优点：实现高层次智能决策。局限：决策逻辑复杂，需处理不确定性。

表5.3.4：行为决策

5.91.22.5

紧急避障与最小风险策略

当遇到无法避免的碰撞风险时，系统选择碰撞伤害最小的策略（如选择碰撞对象、角度、速度）。

碰撞伤害评估，最小风险轨迹

在事故不可避免时，最小化对乘员和其他交通参与者的伤害。

极端危险场景。

优点：降低事故严重程度。局限：涉及伦理和法律问题。

表5.92.8：避障路径规划（极端情况）

5.91.22.6

车辆编队控制

多车通过V2V通信保持固定间距或时距行驶。控制律：a_i = f(Δd_i, Δv_i, a_{i-1})，其中Δd_i, Δv_i为与前车的间距和速度差。

车间距/时距，前车加速度，控制器增益

提高道路容量，减少风阻，节省燃油。

高速公路卡车编队。

优点：提高交通效率，节能减排。局限：依赖可靠的V2V通信。

表5.95.6：车路协同系统（V2V应用）

5.91.22.7

无保护左转控制

在无专用左转信号灯的路口，自动驾驶车辆需判断对向直行车辆、行人等，寻找安全间隙完成左转。

间隙判断，加速度规划，轨迹生成

处理城市道路中极具挑战性的无保护左转场景。

城市交叉路口无保护左转。

优点：实现复杂场景的自动驾驶。局限：需准确预测其他交通参与者行为。

表5.91.22.4：行为决策与运动规划（具体应用）

5.91.22.8

自动掉头控制

在允许掉头的路口或路段，规划并执行掉头轨迹，通常涉及多次前进和后退。

掉头轨迹规划（Reeds-Shepp曲线等），挡位控制，转向控制

实现自动掉头操作，适用于狭窄道路。

狭窄道路掉头，U形弯。

优点：完成复杂操纵。局限：需足够空间和精确控制。

表5.92.5：自动泊车（类似轨迹规划）

5.91.22.9

自动驾驶车辆稳定性协调

在自动驾驶模式下，当车辆接近稳定性极限时，运动控制模块与底盘稳定性控制系统（ESC）协同，调整轨迹或速度以确保稳定。

稳定性裕度，轨迹调整，与ESC的交互

确保自动驾驶车辆在安全稳定的前提下执行指令。

高速过弯，低附路面等极限工况。

优点：提高自动驾驶安全性。局限：可能影响乘坐舒适性或任务完成。

表5.91.8：底盘集成与协调控制

5.91.22.10

车路协同自动驾驶控制

利用V2I信息（信号灯相位、路口拓扑等）优化车速和路径，实现绿波通行、协同通过交叉路口等。

V2I信息，信号灯相位和时长，协同控制算法

提高通行效率，减少拥堵和排放。

智能网联环境下的交叉路口。

优点：超越单车感知，全局优化。局限：依赖完备的V2I设施。

表5.95.6：车路协同系统

5.91.23.1

再生制动协调控制

协调电机再生制动力和液压制动力，最大化能量回收，同时保证制动感觉和稳定性。协调策略：串联/并联/智能分配。

总制动力需求，最大再生力，电池SOC，协调策略

回收制动能量，延长续航里程。

电动车、混合动力车制动时。

优点：节能，增加续航。局限：需保证制动感觉一致，电池SOC高时回收受限。

表5.92.7：再生制动控制

5.91.23.2

单踏板驾驶模式

松开油门踏板时，电机提供较大的再生制动力，使车辆明显减速甚至停车。制动踏板仅用于紧急制动或较大减速度需求。

油门踏板位置，再生制动强度映射

简化驾驶操作，提高能量回收效率。

日常驾驶，特别是拥堵路况。

优点：操作简便，节能效果好。局限：需驾驶员适应，制动灯点亮逻辑需特殊处理。

表5.92.7.9：单踏板驾驶控制

5.91.23.3

轮毂电机独立驱动控制

各轮毂电机独立控制，实现扭矩矢量分配、差速、甚至差动制动。控制自由度大。

各轮毂电机扭矩指令T_i，控制分配算法

实现精确的横摆力矩控制，提高操控性和稳定性。

轮毂电机驱动的电动车。

优点：控制灵活，响应快。局限：增加簧下质量，成本高，密封和散热挑战。

表5.91.15.3：左右轮独立驱动扭矩分配

5.91.23.4

多电机驱动扭矩分配

对于前后双电机或多电机电动车，优化分配各电机扭矩以实现效率最优或性能最优。

总需求扭矩，各电机效率MAP，优化目标（效率/性能）

提高驱动系统整体效率或满足性能需求。

双电机/多电机电动车。

优点：提高能效或性能。局限：控制策略复杂。

表5.91.15.4：前后轴扭矩分配控制

5.91.23.5

电池状态与底盘控制协同

根据电池温度、SOC、健康状况（SOH）调整驱动功率、再生制动回收功率，以保护电池。

电池温度，SOC，SOH，功率限制

在底盘控制中考虑电池状态，延长电池寿命，防止过热。

高温、低温、低SOC等极端条件。

优点：保护电池，延长寿命。局限：可能限制车辆性能。

表8.4.5：电池管理系统（BMS）

5.91.23.6

低噪声与振动（NVH）控制

电机扭矩波动可能引起振动噪声，通过控制算法抑制扭矩谐波，或通过主动悬架、主动噪声控制抵消。

电机扭矩谐波，主动悬架作动力，主动噪声抵消信号

提高电动车平顺性和静谧性。

电机中高速运行，特别是扭矩波动明显时。

优点：改善NVH，提升品质。局限：增加控制复杂性。

表5.91.12：主动悬架控制（用于NVH）

5.91.23.7

电动车防滑控制特殊性

电机响应快，扭矩控制精确，可快速调节驱动扭矩以防止打滑。控制策略可更精细，如模型预测控制。

目标滑转率，电机扭矩调节，快速响应

利用电机快速响应的优势，实现更精细的牵引力控制。

低附路面起步、加速。

优点：控制更快速、精确。局限：电机过载保护需考虑。

表5.91.2：牵引力控制系统（TCS）

5.91.23.8

能量回收与稳定性协调

在弯道或低附路面，需协调再生制动和稳定性控制，防止过度回收导致车轮抱死或失稳。

再生制动扭矩，稳定性状态，协调策略

在保证稳定性的前提下，尽可能多地回收能量。

弯道制动，低附路面制动。

优点：安全与节能兼顾。局限：在极限工况下可能需优先稳定性。

表5.91.8.4：多目标协调优化

5.91.23.9

底盘一体化热管理

电机、电池、电控的热管理与空调、电池冷却等集成，优化能耗，同时保证底盘部件工作温度。

各部件温度，冷却系统功率，热管理策略

提高能源利用效率，保证部件可靠工作。

高温环境，激烈驾驶。

优点：提高能效和可靠性。局限：系统复杂。

表8.5.4：整车热管理

5.91.23.10

电动车平台与底盘布置

电动车平台（如滑板底盘）电池平铺，带来低重心、轴荷分布均匀等优势，影响底盘控制策略设计。

重心高度，轴荷分布，转动惯量

利用电动车平台的低重心优势，设计更激进的底盘控制策略，提高操控极限。

电动车专用平台。

优点：天生具有更好的操控稳定性基础。局限：电池布置可能影响离地间隙。

表8.4.1：电动车平台架构

5.91.24.1

传感器故障诊断

基于冗余传感器、物理模型一致性、信号合理性等检测传感器故障（偏移、卡滞、噪声异常）。例如，比较IMU和轮速推算的加速度。

传感器信号，残差，故障阈值

检测出故障传感器，避免错误信号导致控制失效。

所有依赖传感器的底盘控制系统。

优点：提高系统可靠性。局限：可能需要冗余传感器。

表9.5.2：故障诊断与容错控制

5.91.24.2

执行器故障诊断

通过监测执行器（电机、电磁阀）的电流、位置、压力反馈，与期望值比较，诊断执行器卡滞、失效、性能衰减。

执行器指令，反馈信号，残差

检测执行器故障，以便启用备份或调整控制策略。

线控制动、线控转向等关键执行器。

优点：及时发现执行器故障。局限：某些故障难以与外部干扰区分。

表5.91.13.3：制动冗余与容错控制

5.91.24.3

通信故障诊断

监测总线（CAN, FlexRay）通信的帧丢失、延迟、错误帧，诊断通信节点故障或总线干扰。

通信错误计数，帧周期，校验和

确保控制单元间通信的可靠性，及时检测通信故障。

分布式底盘控制系统。

优点：保障通信完整性。局限：需定义明确的通信协议和诊断机制。

表9.2.6：车载网络通信

5.91.24.4

软件监控与逻辑测试

通过看门狗、程序流监控、逻辑测试（如输入输出合理性检查）检测软件运行异常。

看门狗计时，程序流签名，逻辑检查

检测软件跑飞、死锁等故障，触发系统复位或安全状态。

所有嵌入式控制软件。

优点：检测软件故障，提高鲁棒性。局限：可能增加软件复杂性。

表9.5.1：功能安全 (ISO 26262)

5.91.24.5

执行器冗余控制

当主执行器故障时，切换到备用执行器。如线控制动中，主电机失效时，启用备用电机或机械备份。

故障标志，执行器切换逻辑

在主执行器故障时，维持系统基本功能，提高系统可用性。

对安全至关重要的线控系统。

优点：提高系统容错能力。局限：增加成本和复杂性。

表5.91.13.3：制动冗余与容错控制

5.91.24.6

传感器信号重构

当某个传感器故障时，利用其他传感器信号和模型，估计故障传感器的信号。如用轮速和转向角估算横摆率。

故障传感器信号，观测器模型，估计信号

在传感器故障时，提供替代信号，使系统能降级运行。

关键传感器故障时。

优点：维持部分功能。局限：估计精度可能下降。

表5.91.10：车辆状态估计

5.91.24.7

控制律重构

当某个执行器或传感器故障后，调整控制律结构或参数，以适应降级的系统。如单轮制动失效后，调整ESC控制逻辑。

故障模式，重构后的控制律，降级模式

在系统部分功能失效后，调整控制策略以维持尽可能多的功能。

执行器或传感器故障后的容错控制。

优点：最大化利用剩余功能。局限：性能可能下降。

表5.91.8.7：失效-安全与功能降级

5.91.24.8

跛行回家（Limp Home）模式

在发生严重故障时，系统进入最小功能模式，使车辆能够以低速、安全地行驶到维修点。

故障等级，跛行模式策略（如限速、限制功能）

在严重故障下，仍能保证车辆的基本移动能力，避免抛锚。

关键系统（如动力、转向、制动）故障。

优点：提高车辆可用性。局限：性能严重受限。

表5.91.8.7：失效-安全与功能降级

5.91.24.9

故障预测与健康管理（PHM）

基于传感器数据和机器学习，预测部件（如电机、电池）的剩余使用寿命（RUL），提前安排维护。

传感器数据趋势，健康指标，预测模型

从被动维修转向预测性维护，提高可靠性，降低维修成本。

关键部件如线控执行器、电池。

优点：预测性维护，减少突发故障。局限：预测模型需大量数据训练。

表9.5.2：故障诊断与容错控制

5.91.24.10

功能安全概念与安全机制

按照ISO 26262，定义安全目标、安全状态、安全机制（如监控、测试、冗余）以确保系统在故障时进入或维持安全状态。

安全目标，ASIL等级，安全机制

系统性地管理和减轻因随机硬件故障和系统性故障导致的风险。

所有汽车电子控制系统，尤其是高ASIL等级的系统。

优点：系统化保证功能安全。局限：大幅增加开发和验证成本。

表9.5.1：功能安全 (ISO 26262)

5.91.25.1

模型在环仿真（MIL）

在仿真环境（如MATLAB/Simulink）中，将控制算法模型与被控对象模型（车辆模型）连接进行闭环仿真测试。

控制算法模型，车辆模型，测试用例

在早期验证控制算法逻辑和功能，无需硬件。

控制算法开发初期。

优点：快速迭代，成本低。局限：模型精度影响结果可信度。

表5.6.1：模型在环仿真

5.91.25.2

软件在环仿真（SIL）

将自动生成的或手写的控制软件代码（C代码）替换控制算法模型，与车辆模型进行闭环仿真测试。

控制软件代码，车辆模型，测试用例

验证自动代码生成的正确性，或测试手写代码。

控制软件单元测试。

优点：测试实际软件，更接近真实。局限：仍依赖车辆模型。

表5.6.2：软件在环仿真

5.91.25.3

处理器在环仿真（PIL）

将控制软件代码编译后，下载到目标微控制器（或仿真器）中运行，与车辆模型进行实时闭环仿真。

目标处理器，编译后的软件，车辆模型

验证软件在目标处理器上的运行情况，包括执行时间、定点量化效应等。

软件集成测试，验证实时性。

优点：测试处理器上的实际运行。局限：需要硬件或仿真器。

表5.6.3：硬件在环仿真（类似但更初级）

5.91.25.4

硬件在环仿真（HIL）

将真实的ECU（硬件）与实时仿真机（运行车辆模型、执行器模型、传感器模型）连接，进行闭环测试。

真实ECU，实时仿真机，I/O接口

在实验室环境下，对真实ECU进行全面的、安全的、可重复的测试，包括故障注入。

ECU软件集成和系统测试。

优点：高可靠性，可重复，可测试极端和故障情况。局限：设备昂贵，模型需实时。

表5.6.3：硬件在环仿真

5.91.25.5

车辆在环仿真（VIL）

将真实车辆的部分系统（如转向、制动）与仿真环境结合，测试控制系统在真实车辆上的表现，但部分场景虚拟。

真实车辆，仿真环境（如虚拟交通），接口

在真实车辆上测试，但提供虚拟的、可重复的复杂场景。

测试复杂场景和与真实车辆的交互。

优点：结合真实车辆和虚拟场景。局限：需要特殊设备，场景可能不够真实。

表5.6.4：车辆在环仿真

5.91.25.6

自动代码生成

从Simulink/Stateflow模型自动生成符合汽车标准（如AUTOSAR， MISRA-C）的C代码。

图形化模型，代码生成工具，配置参数

提高开发效率，保证代码与模型一致性，减少手写错误。

基于模型设计（MBD）的开发流程。

优点：提高效率，一致性，便于维护。局限：生成的代码可能不够优化，需验证。

表9.3.2：自动代码生成

5.91.25.7

标定与参数优化

通过实验设计（DOE），在实车或仿真中调整控制参数，使系统性能达到最优。常用工具有ATI Vision, CANape。

控制参数，性能指标，优化算法（如DOE）

使控制算法适应具体车型和配置，达到最佳性能。

新车开发中的底盘控制系统标定。

优点：使性能最优化。局限：耗时，成本高，依赖工程师经验。

表5.91.28：底盘控制系统标定与验证

5.91.25.8

测试用例设计与自动化测试

根据功能需求和测试标准（如ISO 26262），设计测试用例，并利用自动化测试工具执行和评估。

测试用例，测试脚本，通过/失败准则

系统性地验证软件功能，确保覆盖所有需求。

软件测试各个阶段。

优点：提高测试覆盖率和效率。局限：测试用例设计需要专业知识。

表5.6.5：测试用例设计

5.91.25.9

持续集成与持续测试

在代码仓库中，每次提交都自动触发构建、自动化测试（单元测试、集成测试），及早发现集成错误。

版本控制，构建服务器，自动化测试流水线

提高软件质量，加快开发周期。

大型软件团队协作开发。

优点：快速反馈，提高质量。局限：需要完善的自动化测试环境。

表9.3.5：持续集成/持续部署

5.91.25.10

符合功能安全要求的软件开发流程

按照ISO 26262要求，实施相应的开发流程，包括安全需求分析、安全架构设计、编码规范、测试验证等。

安全计划，安全需求，安全分析（FMEA，FTA）

确保软件开发过程满足功能安全要求，产出高完整性软件。

开发ASIL B/C/D等级的底盘控制软件。

优点：系统化保证软件安全性。局限：流程复杂，成本高。

表9.5.1：功能安全 (ISO 26262)

5.91.26.1

控制器局域网（CAN）在底盘中的应用

基于CSMA/CA的广播式通信协议。消息帧格式：SOF, ID, DLC, Data, CRC, EOF。ID决定优先级。

波特率（500kbps）， 报文ID， 数据长度（<=8字节）， 循环时间， 偏移量

为底盘各ECU（ESC, EPS, EMS等）提供可靠、确定性的实时数据交换，如轮速、横摆率、制动压力。

传统分布式底盘控制网络， 如ESC与发动机、变速箱通信。

优点：成本低， 鲁棒性好， 广泛支持。局限：带宽有限， 数据长度短， 非确定性延迟。

表9.2.3：控制器局域网（CAN）

5.91.26.2

车载以太网在底盘域的应用

基于TCP/IP协议栈， 使用100BASE-T1或1000BASE-T1物理层。采用Some/IP, DoIP等中间件。

带宽（100Mbps/1Gbps）， IP地址， 服务端口， QoS， 时间同步精度

为高带宽、低延迟的底盘应用（如摄像头、雷达数据、域控制器通信）提供高速骨干网。

智能驾驶域与底盘域通信， 高分辨率传感器数据传输， 软件刷写。

优点：高带宽， 支持服务化。局限：成本较高， 实时性需通过TSN等机制保障。

表9.2.8：车载以太网

5.91.26.3

FlexRay总线在底盘控制中的应用

基于TDMA和FTDMA的确定性通信协议。周期分为静态段（确定性）和动态段（事件触发）。

周期（1-5ms）， 静态时隙， 通道（A/B）， 波特率（10Mbps）

为高安全、高实时的线控系统（如线控制动、线控转向）提供确定性和冗余通信。

对通信延迟和可靠性要求极高的线控底盘系统。

优点：确定性延迟， 高可靠性， 冗余支持。局限：成本高， 带宽低于以太网， 复杂度高。

表9.2.5：FlexRay总线

5.91.26.4

时间触发网络（TTEthernet）

在标准以太网上实现时间触发（TT）通信， 将网络流量划分为TT流量、速率约束（RC）流量和尽力而为（BE）流量。

时间同步精度（<1us）， TT流量调度表， 守护机制

在以太网上实现硬实时、确定性的通信， 满足功能安全（ASIL D）要求， 支持多种流量类型共存。

集成驾驶、底盘、动力域的高性能集中式架构。

优点：硬实时， 高带宽， 支持混合关键性流量。局限：协议复杂， 配置和调度复杂。

表9.2.9：时间敏感网络（TSN）/时间触发以太网

5.91.26.5

AUTOSAR通信栈

软件分层结构， 包括PDU Router, COM, DCM等模块。提供统一的通信服务接口， 屏蔽底层网络差异。

通信矩阵， PDU， 信号， 网关路由表

实现应用软件与底层通信硬件的解耦， 提高软件可移植性和重用性。

基于AUTOSAR Classic Platform的底盘ECU软件开发。

优点：标准化， 可移植， 简化开发。局限：资源消耗相对较大， 配置复杂。

表9.3.3：AUTOSAR架构

5.91.26.6

服务导向架构（SOA）通信

基于Some/IP, DDS等中间件， 提供服务发现、发布/订阅、请求/响应等通信模式。

服务接口（IDL定义）， QoS策略， 服务实例

支持软件动态部署、更新和扩展， 实现松耦合的软件组件间通信。

基于高性能计算平台（HPC）和AUTOSAR Adaptive的下一代EE架构。

优点：灵活， 可扩展， 支持空中升级（OTA）。局限：实时性挑战， 系统复杂性高。

表9.4.5：服务导向架构（SOA）

5.91.26.7

信号路由与网关

在不同网络（CAN, LIN, FlexRay, Ethernet）间转换和路由信号/报文。涉及信号映射、协议转换、频率转换。

路由表， 信号映射关系， 网关处理延迟

实现不同网络域间的数据交换， 构建整车通信网络。

车身、底盘、动力、娱乐等不同网络域间的数据交互。

优点：实现网络互联， 隔离不同网络域。局限：是潜在的通信瓶颈和单点故障点。

表9.2.7：网关

5.91.26.8

网络管理（NM）

协调网络中各节点的睡眠和唤醒， 以节省静态功耗。常见策略：直接网络管理， 间接网络管理， 协同式网络管理。

网络管理报文， 睡眠指令， 唤醒源， 总线关闭恢复

在车辆休眠时关闭不必要节点的电源， 降低整车静态电流。

所有车载网络， 特别是底盘控制系统在车辆熄火后的休眠。

优点：降低静态功耗。局限：增加网络复杂性和唤醒延迟。

表9.2.10：网络管理

5.91.26.9

诊断通信（UDS）

基于ISO 14229 (UDS) 和 ISO 15765 (DoCAN) 等协议， 提供标准化的诊断服务， 如读取故障码、读写数据、例程控制。

服务ID (SID)， 子功能， 数据参数， 肯定/否定响应码

实现ECU的诊断、编程、测试和维护。

生产线ECU刷写， 售后服务故障诊断， 在线诊断。

优点：标准化诊断， 强大的诊断能力。局限：通信开销较大， 主要用于诊断而非实时控制。

表9.5.2：故障诊断与容错控制

5.91.26.10

网络安全防护（SecOC, IDS）

SecOC（安全车载通信）：为关键报文添加新鲜度值（Freshness Value）和MAC（消息认证码）， 防止重放和篡改。IDS（入侵检测系统）：监控网络流量， 检测异常行为。

新鲜度值计数器， MAC密钥， IDS规则库， 异常行为模型

保护底盘控制系统免受网络攻击， 确保通信的完整性、新鲜度和机密性。

所有涉及安全的底盘控制网络通信， 特别是线控系统。

优点：提高网络安全性。局限：增加通信延迟和ECU计算负载。

表9.5.3：网络安全 (ISO 21434)

5.91.27.1

危害分析与风险评估（HARA）

系统性地识别功能异常可能导致的危害， 评估其严重性（S）、暴露概率（E）和可控性（C）， 确定汽车安全完整性等级（ASIL）。

危害， 危害事件， S/E/C等级， ASIL等级（A/B/C/D/QM）

确定系统需要满足的安全等级， 是功能安全开发的起点。

任何新的底盘控制功能开发之初， 如线控制动、线控转向。

优点：系统化识别风险。局限：依赖专家经验， 评估具有一定主观性。

表9.5.1：功能安全 (ISO 26262) Part 3

5.91.27.2

安全目标与安全需求

针对每个ASIL等级的危害， 定义安全目标和功能安全需求（FSR）。安全目标应明确、可验证， 如“防止非预期制动”。

安全目标文本， 安全状态， 容错时间间隔， 功能安全需求

将高层安全目标分解为具体、可验证的技术要求。

从HARA到技术安全需求（TSR）的转化过程。

优点：将安全目标具体化。局限：需求可能不完整或难以验证。

表9.5.1：功能安全 (ISO 26262) Part 4-6

5.91.27.3

安全架构设计（冗余、监控）

设计技术安全概念， 包括安全机制：冗余（硬件/软件/时间冗余）、监控（逻辑监控、程序流监控、端到端保护）、诊断、测试。

安全机制类型， 诊断覆盖率（DC）， 故障检测时间， 冗余架构（双通道、三模冗余）

通过架构设计来检测和控制故障， 使系统在发生故障时进入或维持安全状态。

高ASIL等级（C/D）的底盘控制系统设计， 如制动、转向。

优点：从设计上保证安全。局限：增加系统复杂性和成本。

表9.5.1：功能安全 (ISO 26262) Part 4

5.91.27.4

故障模式与影响分析（FMEA）

自下而上分析硬件/软件/系统组件的潜在故障模式， 评估其影响、原因、发生频率和检测方法， 并提出改进措施。

故障模式， 影响， 严重度， 频度， 探测度， 风险优先级数（RPN）

识别设计弱点， 优先处理高风险故障。

硬件设计、软件设计、系统设计阶段。

优点：系统化、团队化分析。局限：工作量大， 对未知故障模式覆盖不足。

表9.5.2：故障诊断与容错控制

5.91.27.5

故障树分析（FTA）

自上而下分析， 从一个顶事件（如“制动失效”）开始， 逐级向下分析导致其发生的所有可能原因（逻辑与/或门）， 计算顶事件发生概率。

顶事件， 基本事件， 逻辑门（与/或）， 最小割集， 顶事件概率

定量评估系统可靠性， 识别导致顶事件的关键路径。

评估系统架构的可靠性， 特别是在安全分析中。

优点：定量， 图形化， 适合分析复杂系统。局限：对共因故障分析可能不足。

表9.5.2：故障诊断与容错控制

5.91.27.6

安全机制（如逻辑监控、自检）

逻辑监控：比较主通道输出与监控通道输出（如模型预测值、简化计算值）。自检：上电/运行时检查存储器、CPU、通信等。

监控阈值， 自检覆盖率， 故障反应（复位、关闭、进入安全状态）

在运行时检测故障， 是安全架构实现的具体手段。

软件中的安全监控机制， 如看门狗、程序流监控、控制算法合理性检查。

优点：实时检测故障。局限：可能增加计算负担， 存在误报风险。

表9.5.1：功能安全 (ISO 26262) Part 6

5.91.27.7

安全状态与故障处理

定义系统在检测到故障后应进入的状态， 如“故障降级模式”、“跛行回家模式”或“关闭”。故障处理包括故障指示、记录和恢复尝试。

故障等级， 安全状态定义， 故障反应时间， 驾驶员警告

确保在发生故障时， 系统行为是可预测的， 并且风险最低。

任何故障发生后的系统行为管理。

优点：规范故障处理流程。局限：安全状态可能影响功能可用性。

表5.91.8.7：失效-安全与功能降级

5.91.27.8

安全分析（依赖图、定性/定量）

依赖图：分析软件组件间的依赖关系， 识别共因故障。定性/定量分析：评估安全机制的有效性， 计算随机硬件失效度量（SPFM, LFM）。

依赖关系， 共因分析， 单点故障度量（SPFM）， 潜在故障度量（LFM）

验证安全概念是否足够， 并满足ASIL等级的要求。

功能安全评估和认证阶段。

优点：验证安全设计的充分性。局限：依赖准确的故障率数据。

表9.5.1：功能安全 (ISO 26262) Part 5, 9

5.91.27.9

功能安全验证与确认

验证：检查是否正确地构建了产品（“Are we building the product right?”）， 如测试。确认：检查是否构建了正确的产品（“Are we building the right product?”）， 如HARA审查。

测试用例， 测试覆盖率， 需求追踪矩阵， 安全评审

确保安全需求得到满足， 产品是安全的。

开发过程中的各个阶段， 从需求到测试。

优点：系统性保证安全。局限：成本高， 周期长。

表9.5.1：功能安全 (ISO 26262) Part 4, 8

5.91.27.10

安全案例（Safety Case）

一份结构化的论证文档， 收集所有安全证据（如HARA、安全需求、测试报告、分析报告）， 证明系统对于特定应用是足够安全的。

安全主张， 证据， 论证， 假设， 上下文

向监管机构、客户和内部管理层证明系统的安全性。

项目结束时， 用于功能安全评审和发布。

优点：系统化地组织和呈现安全证据。局限：文档工作量大， 需要持续维护。

表9.5.1：功能安全 (ISO 26262) Part 2

5.91.28.1

基于模型的标定

利用参数化的控制模型和车辆模型， 通过仿真优化算法（如DoE， 优化算法）离线寻找最优参数， 减少实车标定工作量。

控制模型参数， 优化目标（如跟踪误差最小）， 设计空间， 约束条件

在开发早期利用模型进行大量参数探索， 指导实车标定， 提高效率。

控制策略开发初期， 参数预标定。

优点：减少实车工作量， 可探索更大参数空间。局限：模型精度影响标定结果的有效性。

表5.6.1：模型在环仿真

5.91.28.2

快速控制原型（RCP）

将控制算法模型（如Simulink）自动生成代码， 并部署到高性能实时处理器（如dSPACE， NI）中， 与真实被控对象（车辆或HIL）连接进行实时测试和标定。

原型硬件， 自动生成代码， 实时参数调整， 数据采集

在算法开发阶段， 快速在真实或半真实环境中验证控制策略， 并在线标定参数。

新控制算法、新功能的早期实车验证。

优点：灵活性高， 迭代快， 便于算法验证。局限：原型硬件成本高， 与量产ECU有差异。

表5.6.2：软件在环仿真， 表5.6.3：硬件在环仿真

5.91.28.3

实车标定流程

在试验场或实际道路上， 驾驶员按照定义的标定工况（如阶跃转向、正弦停滞、制动等）驾驶车辆， 标定工程师通过标定工具在线调整参数并评估性能。

标定工况， 评估指标， 标定工具（如INCA, CANape）， 参数Map/曲线

获得最终量产参数， 确保车辆在实际环境中的性能满足设计要求。

底盘控制系统（ESC, EPS, CDC等）的最终性能标定。

优点：最真实， 最终结果。局限：耗时， 成本高， 受天气和场地限制。

表5.91.25.7：标定与参数优化

5.91.28.4

高低温、高原环境标定

在环境舱或特定地点（如黑河、昆仑山）， 测试和标定控制系统在极端温度（-40°C~85°C）和低气压（高原）下的性能。

环境温度， 海拔， 气压， 特殊环境下的参数调整

确保控制系统在全天候、全地域条件下都能可靠、稳定工作。

验证车辆的环境适应性。

优点：保证系统鲁棒性。局限：测试成本极高， 组织复杂。

表5.6.6：环境适应性测试

5.91.28.5

耐用性测试与验证

在强化路面、试验场等环境中， 长时间、高强度运行车辆， 测试控制系统的硬件耐久性和软件稳定性， 监测故障和性能衰减。

测试里程/时长， 故障记录， 性能衰减指标

验证系统和组件在车辆整个生命周期内的可靠性。

量产发布前的耐久性测试。

优点：提前暴露潜在耐久性问题。局限：周期长， 成本高。

表5.6.7：耐久性测试

5.91.28.6

硬件在环（HIL）标定

在HIL台架上， 连接真实ECU， 运行实时车辆模型， 通过自动化脚本模拟各种驾驶场景和故障， 进行参数标定和测试。

HIL台架， 实时模型， 自动化测试序列， 故障注入

在实验室安全、高效、可重复地进行大量测试和标定， 特别是极端和故障工况。

软件发布前的集成测试， 参数标定， 故障测试。

优点：安全， 高效， 可重复， 可测故障。局限：模型和接口的真实性有局限。

表5.6.3：硬件在环仿真

5.91.28.7

数据驱动的标定优化

收集大量实车驾驶数据， 利用机器学习（如强化学习、贝叶斯优化）自动寻找最优标定参数， 或建立性能预测模型。

驾驶数据， 性能指标， 优化算法， 预测模型

利用数据自动优化标定， 适应更广泛的驾驶风格和路况。

基于车队数据迭代优化标定， 个性化标定。

优点：自动化， 可能发现人工标定未发现的优化点。局限：依赖大量高质量数据， 可解释性差。

表5.91.29.9：AI在底盘控制系统标定中的应用

5.91.28.8

标定数据管理与版本控制

使用专业工具（如MTA, MDA）对标定数据（参数、曲线、Map）进行版本管理、差异比较、发布和刷写， 确保数据的一致性和可追溯性。

标定数据版本， 刷写文件（A2L, HEX）， 数据对比工具

管理庞大的标定数据， 协同多工程师工作， 保证从开发到生产的数据一致性。

多车型、多配置的标定数据管理， 软件版本发布。

优点：提高效率， 保证数据准确性。局限：需要专门工具和流程。

表9.3.5：持续集成/持续部署

5.91.28.9

虚拟标定与数字孪生

建立高保真的车辆数字孪生模型， 在虚拟环境中进行大部分标定工作， 大幅减少实车标定里程和时间。

高精度车辆模型， 虚拟驾驶场景， 虚拟标定工具

降低成本， 缩短开发周期， 实现“数字优先”的标定流程。

早期开发阶段， 疫情等限制实车测试时。

优点：大幅降低成本， 提高效率， 可并行。局限：模型精度是瓶颈， 最终仍需实车验证。

表5.91.31.9：数字孪生在底盘开发中的应用

5.91.28.10

标定工具链

包括标定工具（如CANape, INCA）、测量和诊断工具（如VX1000）、测试自动化工具（vTESTstudio）、数据管理工具（MTA）等组成的集成环境。

工具链集成， 数据交换格式（ASAM MCD-3）， 自动化脚本

为标定工程师提供一套完整、高效的软件工具， 支持从测量、标定到测试的全过程。

底盘控制系统开发、标定、测试的全流程。

优点：提高工作效率， 保证流程规范性。局限：工具成本高， 学习曲线陡。

表9.3.7：汽车软件开发工具链

5.91.29.1

神经网络车辆动力学模型

使用深度神经网络（如LSTM, Transformer）学习车辆状态的复杂非线性动力学：[x_{t+1}, y_{t+1}, ...] = NN(x_t, u_t, θ)。

网络权重θ， 输入状态x_t和控制u_t， 预测状态

建立比传统物理模型更精确、更能捕捉未建模动力学的“黑箱”或“灰箱”模型。

高保真仿真， 模型预测控制的预测模型， 状态观测器。

优点：可拟合复杂非线性， 精度可能更高。局限：需要大量数据， 可解释性差， 外推能力存疑。

表5.1.9：神经网络与深度学习

5.91.29.2

深度学习用于轮胎-路面摩擦估计

利用卷积神经网络（CNN）处理轮胎花纹图像、声音或振动信号， 或利用循环神经网络（RNN）处理动力学序列数据， 直接估计路面摩擦系数μ。

原始传感器数据（图像、音频、IMU信号）， 网络结构， 估计的μ值

绕过复杂的轮胎模型和状态估计， 直接从丰富传感器数据中提取路面附着信息。

高级驾驶辅助和自动驾驶系统的环境感知。

优点：可能实现更早、更准确的识别。局限：依赖特定传感器和数据， 泛化能力需验证。

表5.91.9.8：基于视觉/声音/振动信号的识别

5.91.29.3

强化学习用于ESP控制策略

将ESP控制问题建模为马尔可夫决策过程（MDP）， 设计状态、动作、奖励函数， 使用深度强化学习（如DDPG, SAC）训练控制策略网络π(a|s)。

状态s（车辆状态）， 动作a（制动力分配）， 奖励r（跟踪误差、稳定性）， 策略网络π

让控制器通过与仿真环境交互自主学习最优控制策略， 可能超越基于规则和模型的方法。

在仿真中训练ESP控制器， 适应复杂多变的路面和车辆工况。

优点：自主学习， 可能找到全局更优解。局限：训练不稳定， 安全难以保证， 实车部署风险高。

表5.1.10：强化学习

5.91.29.4

机器学习用于驾驶风格识别

使用聚类（如K-means）或分类（如SVM, 随机森林）算法， 从驾驶员操作数据（油门、制动、转向）中识别激进、正常、保守等驾驶风格。

操作时序数据， 特征（均值、方差、峰值）， 风格标签

理解驾驶员特性， 为个性化底盘调校（转向力、悬架刚度、ESP介入程度）提供依据。

自适应驾驶模式， 个性化车辆设置。

优点：实现车辆对驾驶员的主动适应。局限：风格定义主观， 存在过渡区间。

表5.91.5.9：基于驾驶风格识别的自适应

5.91.29.5

数据驱动的故障诊断

使用监督学习（分类）或无监督学习（异常检测）方法， 从历史传感器和执行器数据中学习正常和故障模式， 实现故障的早期预警和分类。

历史运行数据， 故障标签， 诊断模型（如自编码器、孤立森林）

利用数据模式进行故障诊断， 可发现难以用物理模型描述的故障。

预测性维护， 在线健康监测。

优点：无需精确物理模型， 可发现新故障模式。局限：需要大量带标签的故障数据， 可能误报。

表5.91.24.9：故障预测与健康管理（PHM）

5.91.29.6

AI用于悬架系统控制

使用强化学习或神经网络， 根据当前路况和车辆状态， 直接输出主动悬架的最优作动器力， 以同时优化舒适性和操控性。

状态（车身加速度、悬架行程等）， 动作（作动力）， 奖励函数（舒适性、轮胎接地性）

实现比传统LQR、Skyhook等更优的、自适应的悬架控制。

主动悬架和全主动悬架控制。

优点：可处理多目标复杂优化。局限：训练和验证成本高， 实时性要求高。

表5.91.12.6：最优控制（LQR）

5.91.29.7

神经网络预测控制

将神经网络作为MPC中的预测模型， 即x_{t+1}=NN(x_t, u_t)， 然后在线求解有限时域优化问题。结合了NN的表达力和MPC的约束处理能力。

NN预测模型， MPC优化时域， 系统约束

利用NN的高精度预测能力， 在满足约束下进行优化控制。

非线性强、模型复杂的底盘控制问题。

优点：高精度模型与优化控制结合。局限：在线优化计算量大， NN模型可能非凸。

表5.91.8.3：模型预测控制

5.91.29.8

端到端自动驾驶底盘控制

输入摄像头等原始传感器数据， 通过一个深度神经网络（如CNN+LSTM）直接输出底盘控制指令（转向角、油门、制动）。

原始传感器数据， 端到端网络， 控制指令

绕过感知、规划、控制的传统模块化流程， 直接学习从感知到控制的映射。

研究阶段， 简化自动驾驶栈。

优点：结构简洁， 可能减少误差累积。局限：可解释性极差， 安全验证困难， 需要海量数据。

表5.91.22：自动驾驶车辆运动控制

5.91.29.9

AI在底盘控制系统标定中的应用

使用贝叶斯优化、进化算法等优化算法， 自动搜索标定参数空间， 寻找使特定性能指标最优的参数组合。

标定参数， 性能指标（如麋鹿测试通过时间）， 优化算法

自动化、高效地完成复杂耗时的参数标定工作。

多参数、多目标、非线性强的底盘控制器标定。

优点：提高标定效率和质量， 减少对专家经验的依赖。局限：需要定义清晰的优化目标， 计算成本可能高。

表5.91.28.7：数据驱动的标定优化

5.91.29.10

生成对抗网络（GAN）用于场景生成

使用GAN生成逼真的驾驶场景数据（如车辆轨迹、传感器数据）， 用于扩充训练数据集或创建 corner case 场景。

真实场景数据， 生成器G， 判别器D， 生成场景

解决自动驾驶/ADAS算法训练数据不足、长尾分布和 corner case 稀缺的问题。

仿真测试， 算法训练数据增强。

优点：可生成大量、多样化的虚拟场景。局限：生成场景的真实性和物理合理性需仔细验证。

表5.91.31.6：传感器仿真

5.91.30.1

AUTOSAR Adaptive平台与线控底盘

面向高性能计算（HPC）和SOA的AUTOSAR标准。提供POSIX操作系统接口、C++语言支持、Some/IP通信等， 适用于高算力、高带宽的底盘域控制器。

自适应AUTOSAR架构， 服务， 执行管理， 通信管理

为集中式E/E架构下的复杂底盘软件（如融合、决策、控制）提供标准化、可扩展的运行框架。

下一代集中式电子电气架构中的底盘域控制器。

优点：支持高性能计算、SOA、OTA。局限：相比Classic Platform更复杂， 实时性需仔细设计。

表9.3.3：AUTOSAR架构

5.91.30.2

底盘域控制器硬件平台

集成多种芯片（MPU, MCU, FPGA）的高性能、高安全等级硬件平台。运行Classic AUTOSAR（实时控制）和Adaptive AUTOSAR（高性能计算）。

多核异构SoC， 功能安全等级（ASIL-D）， 信息安全模块， 高速通信接口

为复杂的线控底盘软件（感知、融合、规划、控制）提供强大的、安全的硬件计算基础。

底盘域控制器， 中央计算单元。

优点：算力集中， 资源利用率高， 易于集成。局限：设计复杂， 散热挑战大， 是单点故障。

表9.4.2：域控制器与中央计算平台

5.91.30.3

软件定义底盘

底盘功能主要由软件实现， 硬件资源虚拟化、标准化。通过软件更新（OTA）可增加新功能、优化性能、修复问题。

硬件抽象层， 虚拟机监视器， 应用软件， OTA更新包

将底盘功能与硬件解耦， 提高灵活性， 支持全生命周期功能进化。

支持OTA的智能电动汽车。

优点：功能迭代快， 个性化强， 生命周期价值延长。局限：软件复杂性爆炸， 安全与网络安全挑战巨大。

表9.4.3：软件定义汽车

5.91.30.4

线控底盘通信协议标准化

定义线控系统（转向、制动、驱动、悬架）内部及与域控制器间通信的服务接口、数据格式、时序要求、安全机制。如AUTOSAR标准中的服务定义。

服务接口描述（ARXML）， 报文ID/信号， 时序约束， 安全协议

实现不同供应商的线控执行器与底盘域控制器之间的即插即用和互操作性。

跨供应商的线控底盘系统集成。

优点：降低集成难度， 促进供应链多元化。局限：标准制定和推广需要行业共识和时间。

表5.91.26.6：服务导向架构（SOA）通信

5.91.30.5

功能安全与预期功能安全（SOTIF）

功能安全：解决因系统故障（随机硬件/系统性）导致的危害。SOTIF：解决因性能局限、误用导致的危害， 即使系统无故障。

功能安全：ASIL等级， 安全机制。SOTIF：触发条件， 场景库， 改进措施。

确保线控系统不仅自身可靠（功能安全）， 而且在预期使用场景下行为安全（SOTIF）。

线控制动、线控转向等安全关键系统的开发和认证。

优点：全面覆盖安全风险。局限：SOTIF场景无限， 验证极其困难。

表9.5.1：功能安全， 表9.5.5：预期功能安全

5.91.30.6

线控底盘开发工具链

包括建模工具（Simulink）， 代码生成工具（TargetLink, Embedded Coder）， 测试工具（HIL, SIL）， 标定工具（CANape）， 需求管理工具（DOORS）等。

工具链集成， 数据交换， 自动化流水线

为复杂的线控底盘系统提供从设计、实现、测试到标定的全链路工具支持。

线控底盘系统V模型开发全流程。

优点：提高开发效率和质量。局限：工具链昂贵， 集成和维护复杂。

表5.91.28.10：标定工具链

5.91.30.7

底盘即服务（CaaS）

将底盘动态控制功能（如舒适模式、运动模式、漂移模式）作为可通过OTA订阅和激活的服务提供给用户。

功能激活码， 服务订阅， 个性化参数配置

创造新的商业模式， 用户可按需购买和升级底盘性能。

高端智能电动汽车的增值服务。

优点：新的营收模式， 提升用户体验。局限：可能引起用户对功能“锁死”的争议。

表5.91.39.7：个性化底盘设置与记忆

5.91.30.8

开放式底盘平台

定义标准化的硬件接口和软件API， 允许第三方开发者为特定车型或平台开发底盘应用（如定制化的漂移程序、越野模式）。

硬件接口规范， 软件API/SDK， 应用商店

构建底盘控制的生态系统， 鼓励创新。

极客、赛车爱好者、专业改装市场。

优点：激发创新， 满足小众需求。局限：安全责任界定困难， 对主机厂技术能力要求高。

表9.4.6：汽车开放系统架构

5.91.30.9

跨车型平台化底盘控制器

开发一个硬件和基础软件平台， 通过配置不同的应用软件和参数， 适配不同车型（轿车、SUV、跑车）。

平台硬件， 基础软件（BSP, OS, 通信栈）， 车型配置数据

降低研发成本， 缩短开发周期， 提高零部件通用率。

大型汽车集团的多车型战略。

优点：规模效应， 成本降低。局限：平台设计需兼顾不同车型需求， 可能妥协。

表5.91.8.1：集成式底盘域控制

5.91.30.10

线控底盘测试验证规范

建立针对线控系统的特殊测试标准和规范， 包括故障注入测试、网络安全渗透测试、SOTIF场景测试、冗余切换测试等。

测试用例库， 故障注入列表， 网络安全攻击向量， 场景库

确保线控底盘系统在功能、性能、安全、网络安全等方面满足严苛的行业标准和法规要求。

线控底盘系统的认证和发布。

优点：系统性保证质量和安全。局限：测试用例极其庞大， 特别是SOTIF场景。

表5.91.27.9：功能安全验证与确认

5.91.31.1

车辆动力学仿真软件（CarSim, TruckSim）

基于参数化的多体动力学模型， 预置大量车辆模板和部件库。核心求解器计算车辆运动：M(q)q̈ + C(q, q̇)q̇ + K(q)q = F。

整车参数（质量、惯量）， 悬架K&C特性， 轮胎模型（魔术公式）， 驾驶员模型

快速搭建高精度车辆模型， 进行开环或闭环仿真， 用于控制算法开发和性能评估。

底盘控制系统（ESC, ACC, AEB等）的算法设计、验证和优化。

优点：模型精度高， 开发速度快， 与MATLAB/Simulink无缝集成。局限：商业软件， 许可费用高， 模型是“灰箱”。

表5.1.1：车辆动力学建模

5.91.31.2

多体动力学建模

使用ADAMS, SIMPACK等软件， 从三维CAD几何和物理属性出发， 建立包含柔性体的详细多体动力学模型， 通过数值积分求解运动方程。

部件几何与质量属性， 连接副（铰链）， 力元（弹簧、阻尼、作动器）， 求解器设置

建立高保真度的车辆模型， 分析部件的受力、变形和振动， 用于部件级设计和分析。

悬架硬点优化， 衬套刚度分析， 操纵稳定性根因分析。

优点：模型精度极高， 可分析载荷和应力。局限：建模复杂， 计算速度慢， 与控制软件耦合不便。

表5.1.2：多体系统动力学

5.91.31.3

实时仿真与硬件在环（HIL）

将车辆模型、传感器模型、执行器模型编译成实时代码， 运行在实时仿真机（如dSPACE SCALEXIO）中， 与真实ECU通过I/O板卡连接， 构成闭环测试系统。

实时仿真机， I/O接口板卡， 帧时间（≤1ms）， 车辆模型复杂度

在实验室中对真实ECU进行安全、高效、可重复的全面测试， 包括极端工况和故障注入。

ECU软件集成测试， 控制功能验证， 故障诊断测试。

优点：安全， 高效， 可重复， 可测故障和极端工况。局限：设备昂贵， 模型需简化以满足实时性。

表5.6.3：硬件在环仿真

5.91.31.4

驾驶员在环仿真

驾驶员在包含方向盘、油门/制动踏板、视景系统的驾驶模拟器中， 与实时车辆模型进行交互， 评估车辆动态性能和控制系统的主观感受。

驾驶模拟器（运动平台， 视景系统， 力反馈方向盘）， 驾驶员模型， 场景

在开发早期评估车辆的操纵性、稳定性和控制系统的“人-车”交互性能。

主观评价， 人机交互研究， 驾驶辅助系统测试。

优点：可获取主观评价， 早期发现设计问题。局限：模拟器逼真度影响结果， 成本高。

表5.6.4：车辆在环仿真

5.91.31.5

交通场景仿真

使用VTD, Prescan等软件， 构建包含道路、交通标志、信号灯、其他车辆、行人等元素的虚拟交通环境。

静态场景（道路、建筑）， 动态参与者（车辆、行人）， 行为模型， 天气条件

为ADAS和自动驾驶功能的测试提供丰富、可重复的虚拟交通场景。

AEB, ACC, LKA, TJA等功能的虚拟测试。

优点：场景可编程， 可穷尽 corner cases， 成本低。局限：交通参与者行为模型的真实性是关键。

表5.3.7：场景仿真与测试

5.91.31.6

传感器仿真（摄像头、雷达、激光雷达）

在虚拟环境中， 基于物理原理生成摄像头图像、雷达点云、激光雷达点云， 注入给感知算法或融合模块。

传感器物理模型（焦距、FOV、分辨率、噪声模型）， 材质属性， 天气效果

在虚拟环境中测试和训练感知算法， 无需昂贵的实车数据采集。

感知算法开发与测试， 数据闭环训练。

优点：可生成大量标注数据， 成本低， 场景灵活。局限：仿真与真实数据的差距（sim-to-real gap）。

表5.91.29.10：GAN用于场景生成

5.91.31.7

自动驾驶仿真平台（CARLA, LGSVL）

开源的自动驾驶仿真平台， 集成车辆动力学、传感器仿真、交通场景和ROS/ROS2接口， 支持端到端的自动驾驶算法测试。

开源平台， 可编程API， ROS/ROS2接口， 丰富的资产库

为学术界和工业界提供统一的、高保真的自动驾驶研发和测试平台。

自动驾驶全栈算法（感知、规划、控制）的研发与测试。

优点：开源， 社区活跃， 功能全面。局限：车辆动力学和传感器模型保真度需持续优化。

表5.3.8：自动驾驶仿真平台

5.91.31.8

云仿真与并行计算

将仿真任务（如蒙特卡洛测试、参数扫掠）部署到云计算平台， 利用其强大的并行计算能力， 在短时间内运行海量测试用例。

云服务器集群， 并行任务调度， 仿真容器化

极大加速测试验证进程， 实现百万公里甚至十亿公里级别的虚拟测试。

ADAS/自动驾驶系统的大规模回归测试和验证。

优点：测试规模巨大， 速度快， 弹性伸缩。局限：数据传输成本， 仿真场景管理和结果分析复杂。

表9.4.7：云计算与车用边缘计算

5.91.31.9

数字孪生在底盘开发中的应用

建立与物理实体（车辆、部件）完全对应的虚拟模型， 通过实时数据交互， 实现状态同步、性能预测、健康管理和优化。

高保真模型， 实时数据流， 数据-模型融合算法， 预测模块

在产品全生命周期内， 实现虚拟与现实的深度交互， 用于预测性维护、性能优化和个性化服务。

车辆健康管理， 个性化驾驶模式调校， 远程诊断。

优点：全生命周期管理， 实现预测和优化。局限：高保真模型构建和维护成本高， 数据安全与隐私。

表5.91.28.9：虚拟标定与数字孪生

5.91.31.10

仿真模型验证与确认（V&V）

验证：检查模型是否正确实现了设计意图（“Are we building the model right?”）。确认：检查模型是否准确反映了现实系统（“Are we building the right model?”）。

测试用例， 误差度量（如RMSE）， 置信区间， 灵敏度分析

确保仿真模型具有足够的可信度， 能够用于支持工程决策。

任何基于仿真的设计、测试和评估活动。

优点：提高仿真结果的可信度。局限：完全确认一个复杂模型极其困难， 尤其是对于边角案例。

表5.6.5：测试用例设计

5.91.32.1

电子制动系统（EBS）

基础制动：基于踏板位移传感器信号， ECU控制比例阀实现制动压力精确控制。附加功能：集成ABS, TCS, ESC, AEB。

踏板位移/力传感器， 前/后轴压力控制阀， 制动压力， 减速度

实现比传统气制动更快速、精确的制动压力控制， 并为高级功能（如ACC, AEB）提供基础。

现代卡车、客车的气制动或气液混合制动系统。

优点：响应快， 控制准， 集成度高。局限：系统复杂， 成本高于传统气制动。

表5.91.13：线控制动系统

5.91.32.2

电子稳定控制（ESC） for Truck

基本原理同乘用车ESC， 但针对商用车高重心、质量大、铰接（挂车）等特点， 模型和控制参数需特殊设计， 并集成防侧翻（RSC）功能。

横摆率， 侧向加速度， 方向盘转角， 制动压力控制， 侧翻稳定性阈值

防止商用车（特别是高重心车辆）发生侧滑和侧翻事故。

卡车、客车在弯道或紧急避障时的稳定性控制。

优点：显著提升商用车主动安全性。局限：控制策略需考虑挂车影响， 标定复杂。

表5.91.3：电子稳定控制系统（ESC）

5.91.32.3

防侧翻稳定性控制（RSC）

实时计算车辆的侧翻预警指标（如横向载荷转移率LTR）， 当超过阈值时， 通过主动制动或降低发动机扭矩来降低侧翻风险。LTR = (F_zr - F_zl) / (F_zr + F_zl)。

横向载荷转移率， 侧倾角/角速度， 车速， 转向角

专门防止高重心车辆（客车、罐车、空载卡车）的侧翻事故。

高重心商用车高速过弯或紧急变道。

优点：针对商用车最大安全风险之一。局限：依赖于准确的车辆参数和状态估计。

表5.91.3.7：防侧翻控制（RSC）

5.91.32.4

防折叠控制

防止牵引车与挂车之间的折叠（“jackknifing”）现象。通过监测牵引车与挂车之间的铰接角， 在折叠风险高时对挂车车轮或牵引车后轮进行制动。

铰接角， 铰接角速度， 折叠风险指标， 对挂车的制动力控制

提高铰接式车辆（牵引车+半挂车）的行驶稳定性。

卡车-半挂车组合在制动或低附路面行驶时。

优点：防止危险的折叠事故。局限：需要测量或估计铰接角， 控制涉及协调牵引车和挂车制动。

表5.91.3.8：防折叠控制

5.91.32.5

挂车稳定性控制

为挂车单独配备的ESC系统， 或通过牵引车与挂车之间的通信（如ISO 7638）， 由牵引车统一协调控制挂车制动， 防止挂车摆振或侧翻。

挂车横摆率/加速度， 与牵引车的通信信号， 挂车制动压力

提高带挂车列车的整体稳定性， 特别是防止挂车引发的失稳。

牵引车带挂车（尤其是多节挂车）行驶时。

优点：提升列车整体安全性。局限：需要额外的挂车传感器/ECU或可靠的车间通信。

表5.91.3.9：挂车稳定性控制

5.91.32.6

胎压监测系统（TPMS） for 商用车

监测商用车多个车轮（包括挂车）的胎压和温度， 通过无线传输在仪表盘显示。对商用车安全、油耗和轮胎寿命至关重要。

胎压， 胎温， 电池电量， 无线传输（如433MHz）

预防因胎压异常导致的爆胎、油耗增加和轮胎异常磨损。

所有商用车的轮胎状态监测。

优点：提高安全性， 节约运营成本。局限：传感器电池寿命有限， 需要为挂车配置中继器。

表5.91.4：胎压监测系统（TPMS）

5.91.32.7

盘式制动与鼓式制动的控制差异

盘式制动：响应快， 散热好， 更易与EBS/ESC集成， 控制更精确。鼓式制动：制动力大， 成本低， 但热衰退和响应延迟更明显， 对控制算法要求更高。

制动器类型， 热容量， 响应延迟， 控制策略参数

不同的制动器物理特性导致其与电子控制系统的匹配和控制策略需要调整。

商用车制动系统选型与控制策略设计。

优点：盘式制动性能更好， 利于集成。局限：盘式制动成本高， 鼓式制动需特殊控制补偿其缺点。

表5.91.13.2：液压制动系统与电控

5.91.32.8

商用车自适应巡航（ACC）

基本功能同乘用车ACC， 但需考虑商用车质量大、制动响应慢、下坡速度保持、车队行驶等特殊需求。控制策略更注重平顺性和经济性。

跟车时距， 最大减速度限制， 下坡辅助， 经济模式

减轻驾驶员长途驾驶疲劳， 并通过平稳控制降低油耗。

商用车在高速公路上的巡航驾驶。

优点：提升舒适性和安全性， 有节油潜力。局限：对前车切入切出的响应需更谨慎。

表5.92.1：自适应巡航控制（ACC）

5.91.32.9

预测性巡航控制（PCC） for 商用车

结合地图（坡度、曲率、限速）和GPS信息， 提前规划最优车速曲线， 利用下坡滑行、上坡提前加速等策略， 实现油耗最优。

地图数据， 坡度信息， 车速规划曲线， 油耗模型

显著降低商用车燃油消耗（通常可达2-5%）。

在已知路线上行驶的商用车。

优点：有效节油， 提升经济性。局限：依赖高精度地图和定位， 对交通流的适应性有待提高。

表5.92.2：预测性巡航控制（PCC）

5.91.32.10

商用车队列行驶

多辆商用车通过V2V通信组成紧密队形， 后车自动跟随前车， 保持极小的固定时距或距离。领头车由人工驾驶， 后车可自动驾驶。

车间距/时距， V2V通信， 队列控制算法， 加入/离开协议

大幅降低风阻， 节省燃油（>10%）， 提高道路通行能力， 缓解驾驶员疲劳。

高速公路上的卡车车队。

优点：节能效果显著， 提高效率。局限：依赖可靠、低延迟的V2V通信， 法律法规有待完善。

表5.95.6：车路协同系统（V2V应用）

5.91.33.1

摩托车防抱死制动系统（ABS）

基本原理同汽车ABS， 但需考虑摩托车两轮特性， 特别是前轮抱死极易导致摔车。通常采用独立控制或关联控制（前后轮压力关联）。

轮速， 滑移率阈值， 制动压力调节（增压、保压、减压）

防止制动时车轮抱死导致摔车， 并尽量缩短制动距离。

摩托车紧急制动， 湿滑路面制动。

优点：显著提升摩托车制动安全性。局限：系统需非常快速和精确， 成本较高。

表5.91.1：防抱死制动系统（ABS）

5.91.33.2

摩托车牵引力控制（TCS）

监测后轮是否过度打滑（驱动轮）， 通过减少点火提前角、断油或控制节气门来降低发动机扭矩。高级系统可结合IMU感知车身姿态。

前后轮速差， 发动机转速， 油门开度， 车身倾角

防止加速时后轮打滑导致侧滑或抬头， 提高出弯加速稳定性。

大油门起步， 弯道加速， 低附路面行驶。

优点：提高加速稳定性和可控性。局限：介入可能影响驾驶乐趣， 对高水准骑手可能感觉干扰。

表5.91.2：牵引力控制系统（TCS）

5.91.33.3

摩托车弯道ABS

在ABS基础上， 集成IMU以感知车身倾角（Roll Angle）。在弯道制动时， 根据倾角动态调整ABS控制阈值， 允许更大的滑移率而不至于因车轮抱死导致摔车。

车身倾角， 车速， 轮速， 倾角自适应的滑移率阈值

允许在弯道中更大力、更安全地制动， 而不易引发摔车。

摩托车在弯道中遇到障碍需要紧急制动。

优点：极大地提升了弯道制动安全性， 是摩托车电控的里程碑。局限：系统复杂， 成本高。

表5.91.1.7：弯道ABS

5.91.33.4

摩托车防抬头控制

监测前轮离地高度或俯仰角速率， 当检测到车头非预期抬起（wheelie）时， 通过干预发动机扭矩或对前轮轻微制动来抑制抬头。

前轮离地高度（估算）， 俯仰角速率， 油门开度， 干预强度

防止大油门加速时过度抬头导致失控， 同时允许一定程度的可控抬头（性能模式）。

大排量摩托车急加速， 或弹射起步时。

优点：防止因抬头失控， 提升加速安全性。局限：可能被追求特技的车手视为限制。

表5.91.2.7：防抬头控制（Wheelie Control）

5.91.33.5

摩托车防翘尾控制

监测后轮离地高度或俯仰角速率， 在紧急制动时， 若检测到后轮即将抬起（stoppie）， 通过调节前后制动力分配， 或略微释放前轮制动压力来抑制。

后轮离地高度（估算）， 俯仰角速率， 总制动力， 前后制动力分配

防止紧急制动时后轮过度抬起， 保持车辆稳定。

摩托车紧急制动， 特别是前轮制动力过大时。

优点：提升紧急制动稳定性。局限：与最短制动距离的目标可能存在冲突， 需要权衡。

表5.91.2.8：防翘尾控制（Stoppie Control）

5.91.33.6

摩托车侧滑控制

监测车身侧滑角（或横摆率与车体姿态的关系）， 当检测到后轮侧滑时， 通过干预发动机扭矩和对侧滑反向的车轮施加轻微制动， 以修正车身姿态。

车身侧滑角（估算）， 横摆率， 侧向加速度， 干预策略

防止后轮侧滑导致的摔车， 提高弯道中的容错度。

弯道中油门过大或路面突然湿滑导致后轮侧滑。

优点：提高弯道行驶安全性。局限：控制难度大， 需要非常快速的感知和响应。

表5.91.3.3：横摆稳定性控制（YSC）

5.91.33.7

摩托车电子悬架调节

根据车速、加速度、路面状况自动或手动调节悬架的压缩/回弹阻尼， 甚至弹簧预载。提升舒适性或操控性。

阻尼调节阀， 弹簧预载调节电机， 骑行模式（舒适/运动）， 传感器信号

适应不同路况和骑行风格， 兼顾舒适性与运动性。

运动旅行摩托车， 探险车， 超级跑车。

优点：一车多用， 适应性好。局限：系统复杂， 重量和成本增加。

表5.91.12.4：连续阻尼控制（CDC）

5.91.33.8

摩托车骑行模式

集成控制发动机图谱、油门响应、牵引力控制、防抬头控制、ABS介入程度、悬架设置等， 提供如“雨天”、“街道”、“运动”、“赛道”等预设模式。

模式开关， 动力输出曲线， 电控系统介入等级， 悬架设定

一键改变车辆整体性格， 适应不同骑手水平和路况。

现代中大排量多功能摩托车。

优点：极大提升车辆适应性和安全性。局限：模式间的差异调校需要深厚的经验。

表5.91.5.8：集成驾驶模式

5.91.33.9

摩托车稳定性控制综合系统

将ABS、TCS、弯道ABS、防抬头、防翘尾、侧滑控制等多个电控功能集成在一个ECU中， 协同工作， 提供全方位的稳定性保护。

集成ECU， 6轴IMU， 轮速传感器， 协同控制算法

为骑手提供最高级别的主动安全保护， 简化了以往多个独立系统。

高端豪华旅行摩托车， 超级跑车。

优点：功能全面， 协同增效。局限：成本高昂， 系统极其复杂。

表5.91.8.5：车辆动力学综合管理（VDM）

5.91.33.10

摩托车线控技术

将传统拉索或液压控制的油门、离合器、制动、换挡改为电信号控制， 实现更精确的控制和与电控系统的深度集成。如电子油门（线控油门）、线控制动、快速换挡辅助。

手把/踏板位置传感器， 电控执行器， 冗余安全设计

为摩托车电控系统提供更直接、快速的执行接口， 并实现如定速巡航、发动机制动控制等新功能。

高端摩托车， 概念车， 未来智能化摩托车。

优点：控制精确， 集成度高， 赋能新功能。局限：成本高， 可靠性要求极高， 骑手接受度。

表5.91.13：线控制动系统， 表5.91.11：线控转向系统

5.91.34.1

赛车牵引力控制（TCS）

在轮胎附着极限边缘精确控制驱动轮滑移率， 实现最大加速。策略极端激进， 可能允许一定的可控滑移。控制方式包括点火断油、节气门、差速器锁止甚至制动干预。

目标滑移率（近极限）， 轮速差， 油门踏板行程， 赛道模式

在出弯时提供最大牵引力， 实现最快圈速， 同时防止过度打滑导致失控或轮胎过热。

F1， WEC， GT等赛车的弯道加速和出弯。

优点：最大化加速性能。局限：对轮胎磨损和温度管理要求高。

表5.91.2：牵引力控制系统（TCS）

5.91.34.2

赛车防抱死制动系统（ABS）

允许在抱死边缘进行极高频率的压力调节， 在直道和弯道中实现最短制动距离和最优制动稳定性。可结合车手偏好进行个性化设置。

制动压力调节频率（极高）， 滑移率控制点， 前后制动力分配（可调）

实现最短制动距离， 并在弯道制动时保持车辆稳定性和转向能力。

赛车进入弯道前的制动区。

优点：缩短制动距离， 提高弯道制动稳定性。局限：在某些赛车系列（如F1）中被禁用以增加挑战性。

表5.91.1：防抱死制动系统（ABS）

5.91.34.3

赛车差速器控制

控制限滑差速器（LSD）的锁止率和预紧， 影响车辆转向特性（不足/过度）。可以是机械式、电子式或主动式。主动差速器可实时分配左右轮扭矩。

锁止率/预紧力， 扭矩偏置比， 控制MAP（根据油门、转向、车速）

优化牵引力分配， 调整车辆弯道中的动态特性（推头/甩尾）， 适应不同赛道和车手风格。

过弯时的动力分配， 出弯加速。

优点：强大工具， 可精细调整车辆平衡。局限：调校复杂， 需要丰富的经验。

表5.91.7：限滑差速器与扭矩矢量

5.91.34.4

赛车主动悬架

通过液压或电磁作动器， 实时、主动地控制四个车轮的悬架刚度和高度， 以维持最佳的车身姿态和轮胎接地载荷， 最大化机械抓地力。

作动器力， 目标车身姿态（侧倾、俯仰、高度）， 轮胎载荷均化

在任何赛道条件下保持最佳的轮胎接地印痕， 最大化过弯速度和稳定性。

F1（历史上）， 高性能原型赛车。

优点：性能极致， 近乎无敌。局限：成本极高， 复杂度高， 目前在多数顶级赛事中被规则禁止。

表5.91.12.3：全主动悬架

5.91.34.5

赛车能量回收系统（ERS）

在制动时通过电机（MGU-K）回收动能， 在加速时释放储存的电能（通过MGU-K）辅助驱动。能量管理策略是比赛胜负关键。

电池电量（SoC）， 回收/释放功率， 部署策略（如出弯、直道）

提高动力总成输出功率， 并作为重要的战术工具（攻击/防守）。

F1， WEC（LMP1， Hypercar）， Formula E。

优点：增加额外动力， 提高比赛策略性。局限：系统重量和复杂性增加， 有故障风险。

表8.3.7：再生制动系统

5.91.34.6

赛车驱动扭矩矢量分配

通过电机（电动赛车）或带离合器的差速器（燃油赛车）， 主动、快速地向左右驱动轮分配不同扭矩， 产生横摆力矩， 辅助转向或稳定车身。

左右轮扭矩差， 横摆力矩指令， 分配策略（过度/不足转向补偿）

提高弯道灵活性， 减少转向不足， 或帮助控制车尾姿态。

电动方程式（FE）， 部分高性能燃油赛车。

优点：响应极快， 控制精确， 是强大的动态调节工具。局限：增加传动系统复杂性和能量损耗。

表5.91.7.6：主动扭矩矢量分配

5.91.34.7

赛车制动平衡调节

车手可在驾驶过程中通过方向盘拨片或旋钮， 实时调节前后轴的制动力分配， 以适应燃油消耗、轮胎磨损和赛道条件的变化。

制动平衡偏置（Bias）， 调节步长

让车手根据实时情况优化制动效能和车辆平衡， 是重要的驾驶工具。

比赛中， 随着载油量减少和轮胎磨损， 动态调整刹车脚感。

优点：赋予车手实时调整能力， 是重要的比赛工具。局限：需要车手具备高超的技术和判断力。

表5.91.13.5：制动辅助与协调控制

5.91.34.8

赛车空气动力学控制（DRS）

可动空气动力学部件。例如， DRS（减阻系统）在特定赛道区域打开尾翼襟翼， 减少阻力以获得更高直道速度， 便于超车。

DRS开启/关闭条件， 襟翼角度

在比赛中创造超车机会， 增加观赏性。

F1， 部分GT赛事， 在指定直道区域允许使用。

优点：增加超车可能性。局限：是一种“人工”创造超车机会的规则， 并非纯粹的性能系统。

（空气动力学， 非直接底盘控制）

5.91.34.9

赛车数据采集与实时调校

通过遍布赛车的数百个传感器， 实时采集并遥传海量数据（车轮速度、载荷、温度、压力、位置等）， 供工程师分析并给出实时调校建议。

传感器数据流， 遥传带宽， 数据分析软件， 调校建议（胎压、差速器、悬架）

在比赛周末或测试中， 快速理解和优化赛车设置， 是“赛道工程”的核心。

比赛周末的自由练习、排位赛和正赛。

优点：基于数据做出精确决策， 最大化赛车性能。局限：数据量巨大， 需要专家团队快速解读。

表5.91.28.3：实车标定流程（极端版本）

5.91.34.10

赛车线控制动与转向

与民用车线控类似， 但追求极致的响应速度、轻量化和可靠性。为集成制动能量回收、扭矩矢量等功能提供基础。

踏板/方向盘模拟器， 电液/电机制动执行器， 线控转向电机， 响应延迟（极低）

实现制动、转向与其他控制系统（如ERS， 扭矩矢量）的深度集成， 并减轻重量。

顶级电动方程式赛车， 未来高端燃油赛车。

优点：实现更高度的集成控制， 减重。局限：对可靠性和响应速度的要求达到极致， 成本极高。

表5.91.13：线控制动系统， 表5.91.11：线控转向系统

5.91.35.1

驱动防滑与牵引力控制集成

当TCS（动力总成端）介入（如降低扭矩）仍无法防止打滑时，ESP（底盘端）介入对打滑轮进行制动，产生差动制动力矩辅助控制。控制律：u_total = u_TCS(λ, μ) + u_ESP(Δω)

驱动轮滑移率λ， 轮速差Δω， 发动机扭矩请求， 制动力矩

综合利用发动机降扭和单轮制动， 在低附路面或大扭矩请求下提供更强大、更快速的驱动防滑能力。

大马力车辆在冰雪路面或急加速起步时。

优点：控制效果更强， 响应更全面。局限：制动器会产生额外磨损和热量。

表5.91.2：牵引力控制系统， 表5.91.3：电子稳定控制

5.91.35.2

换挡过程中的扭矩协调

在自动变速箱换挡期间， 动力总成控制器（TCU）与发动机控制器（ECU）协调， 快速、精确地调节发动机扭矩， 同时底盘控制器（ESP/VDC）可施加微量制动力以补偿扭矩中断， 保证换挡平顺性和车身稳定性。

换挡时序， 目标离合器压力， 发动机扭矩补偿量， 制动力矩补偿量

消除换挡顿挫， 在换挡（特别是降档）过程中保持车辆姿态稳定。

自动变速箱（AT， DCT）的升档和降档过程。

优点：提升换挡品质和行驶稳定性。局限：控制时序和扭矩协调要求高精度。

表7.6.2：自动变速控制

5.91.35.3

基于底盘状态的发动机控制

底盘域控制器（如VDC）将车辆动态状态（如转向角、横摆率、侧向加速度）发送给发动机控制器， 发动机据此调整扭矩响应图谱和油门灵敏度。例如， 在激烈驾驶时提供更直接的动力响应。

车辆动态模式， 转向角变化率， 横向加速度， 发动机响应图谱

使动力输出与驾驶员意图及车辆动态更匹配， 提升驾驶体验和主动安全性。

运动驾驶模式下， 或车辆接近稳定性极限时。

优点：实现动力与操控的深度协同。局限：需要高速、可靠的总线通信。

表5.91.5.8：集成驾驶模式

5.91.35.4

混合动力模式切换与底盘协调

在混合动力车辆进行纯电、并联、串联等模式切换， 或发动机启停时， 底盘控制系统（如ESP）通过轻微制动或调整电机扭矩， 补偿动力源的扭矩突变/中断， 保证平顺性和稳定性。

动力源切换状态， 目标驱动扭矩， 实际扭矩响应， 补偿扭矩/制动力

消除混合动力系统模式切换时的冲击和顿挫， 实现无感切换。

HEV/PHEV车辆在模式切换、发动机启动瞬间。

优点：提升混合动力车的行驶平顺性和高级感。局限：系统复杂度高， 标定工作量大。

表8.2.1：混合动力构型与能量管理

5.91.35.5

四驱系统与底盘稳定性控制协同

当ESP检测到车辆失稳时， 不仅通过制动干预， 还将目标横摆力矩需求发送给四驱控制器。四驱系统通过动态调整前后轴及左右轮扭矩分配， 更主动、高效地纠正车身姿态。ΔM_yaw = f(T_req, ESP_status)

横摆力矩需求， 前后轴扭矩分配比， 左右轮扭矩矢量分配

利用四驱系统快速的扭矩分配能力， 辅助或部分替代制动干预， 实现更平顺、更高效的稳定性控制。

全时/适时四驱车辆在弯道或低附路面的极限工况。

优点：控制介入更平顺， 动力损失小。局限：依赖于高性能的电控四驱系统。

表5.91.7：限滑差速器与扭矩矢量， 表5.91.3：电子稳定控制

5.91.35.6

预测性能量管理与底盘控制

基于导航、雷达、摄像头等感知的未来路况信息（坡度、曲率、交通流）， 协同优化动力总成（发动机/电机工作点）和底盘（预调节悬架刚度、高度）的控制策略， 以实现全局能量最优。

前方道路坡度/曲率， 交通流预测， 电池SOC， 能量消耗模型

在保证动态性能的前提下， 最大化整车能量效率， 延长续航里程。

混合动力/电动汽车在高速巡航或长途行驶时。

优点：显著提升能效。局限：依赖高精度地图和可靠的预测算法。

表5.92.2：预测性巡航控制

5.91.35.7

扭矩矢量与差速器锁止协同

在越野或极端牵引工况下， 扭矩矢量系统主动制造轮间转速差以实现转向， 而差速器锁（如有）则限制转速差以提供最大牵引力。两者需协同工作， 由中央控制器根据模式（铺装路/越野）和工况决策。

驾驶模式（公路/越野）， 车轮滑转状态， 方向盘转角， 锁止器状态

在铺装路面利用扭矩矢量提升操控， 在越野路面利用差速锁提升脱困能力， 避免系统冲突。

高性能SUV或硬派越野车的全路况驾驶。

优点：一车多能， 兼顾公路操控与越野脱困。局限：系统复杂， 成本高。

表5.91.7.5：后桥扭矩矢量分配

5.91.35.8

底盘控制系统与变速箱换挡策略

变速箱换挡策略（TCU）不仅考虑车速和油门， 还接收底盘信息（如纵向/横向加速度、当前挡位牵引力）。例如， 在弯道中保持当前档位或禁止升档， 以保证出弯动力和稳定性。

纵向/横向加速度， 挡位， 换挡MAP修正系数

使换挡逻辑与车辆动态状态相匹配， 避免在极限驾驶时不合时宜的换挡破坏平衡。

运动驾驶或赛道驾驶模式下的弯道中。

优点：提升激烈驾驶时的动力连贯性和可控性。局限：可能增加变速箱换挡次数和磨损。

表7.6.3：换挡策略与标定

5.91.35.9

电机扭矩控制与ESP协同

在电动车上， ESP可以直接、快速地向电机控制器发送精确的扭矩请求（正扭矩或负扭矩/能量回收）， 实现更精确的横摆稳定性控制和驱动防滑。T_motor_req = f(ESP_logic)

电机扭矩请求（带符号）， 响应时间， 扭矩精度

利用电机扭矩响应快、控制精度高的特点， 实现比传统燃油车更快速、更细腻的底盘稳定性控制。

纯电动汽车的稳定性控制、牵引力控制。

优点：响应速度极快（毫秒级）， 控制精度高。局限：对电机和电池系统的功率和响应能力要求高。

表5.91.3：电子稳定控制， 表8.1.1：电机特性与控制

5.91.35.10

全轮驱动扭矩分配与底盘动态

全轮驱动控制器根据各轮附着条件、驾驶员意图和车辆状态， 实时动态分配前后轴及左右轮扭矩。与VDC协同， 不仅用于提升牵引力， 更作为主动横摆控制的手段。T_front, T_rear, T_left, T_right = Allocation_Logic(Vehicle_State)

前后轴扭矩分配比， 左右轮扭矩分配比， 横摆力矩控制权重

实现从纯牵引力优化到综合操控性优化的进化， 主动塑造车辆的转向特性。

高性能全轮驱动轿车、SUV在多种路况下的行驶。

优点：提升操控灵活性和主动安全性上限。局限：系统复杂， 标定和调校难度大。

表5.91.7.8：全轮驱动扭矩分配， 表5.91.3：电子稳定控制

5.91.36.1

主动前轮转向与ESP协同

当ESP介入制动以稳定车身时， AFS系统可叠加一个小的补偿转向角， 辅助驾驶员纠正方向， 使车辆恢复稳定的过程更平顺、更符合直觉。δ_AFS = K * M_ESP， 其中K为增益， M_ESP为ESP产生的横摆力矩。

ESP横摆力矩请求， AFS补偿角度， 协同控制增益

降低ESP介入时对驾驶员的干扰和突兀感， 使稳定性控制过程更自然、有效。

车辆濒临失控， ESP强力介入时的纠偏过程。

优点：改善ESP介入时的驾驶体验和主观安全感。局限：需要AFS与ESP间的高速通信和协同控制算法。

表5.91.6.1：主动前轮转向（AFS）

5.91.36.2

后轮转向与ESP协同

RWS根据车速提供同向或反向转向。在与ESP协同时， RWS可根据ESP状态调整后轮转角， 例如在ESP介入时减小后轮转角增益， 或提供额外的横摆阻尼。

车速， ESP激活状态， 后轮转角补偿

避免RWS与ESP控制目标冲突， 或在ESP工作时， 利用RWS提供额外的稳定性辅助。

配备RWS的车辆在极限工况或ESP激活时。

优点：使RWS和ESP两个强耦合系统协调工作。局限：控制逻辑复杂， 参数匹配难度大。

表5.91.6.4：后轮转向（RWS）

5.91.36.3

线控转向与底盘域控制集成

转向指令完全由电信号传递， 转向执行器（电机）由底盘域控制器统一协调。可与所有底盘电控系统（ESP， AFS/RWS， 悬架）深度集成， 实现全局最优的车辆动态管理。

方向盘转角/扭矩指令， 底盘域综合控制指令， 前轮转角

实现转向系统与其他底盘系统的毫秒级协同， 为高级自动驾驶和极致操控提供基础。

下一代线控底盘平台， 高级别自动驾驶车辆。

优点：控制自由度最大化， 实现全新的操控体验和功能。局限：功能安全和冗余设计挑战巨大。

表5.91.11：线控转向系统， 表5.91.8.1：集成式底盘域控制

5.91.36.4

可变转向比与驾驶模式集成

转向系统的传动比（方向盘转角与前轮转角之比）可根据驾驶模式（舒适、运动、赛道）动态改变， 同时转向力感特性也相应调整， 提供差异化的操控感受。

驾驶模式， 车速， 转向比MAP， 转向力感特性曲线

在低速时提供敏捷的转向（大转向比）， 在高速时提供稳定的转向（小转向比）， 并匹配驾驶风格。

配备可变转向比系统（如齿条并行式， 线控转向）的车辆。

优点：兼顾低速灵活性与高速稳定性， 提升用户体验。局限：机械结构复杂（非线控方案）或成本高（线控方案）。

表5.91.6.3：可变转向比系统

5.91.36.5

转向感觉与车速、驾驶模式适配

通过EPS软件调节助力曲线、阻尼和摩擦补偿， 使方向盘力感随车速和驾驶模式变化。例如， 运动模式下手感更重、路感更清晰。

车速， 驾驶模式， 目标转向手感曲线（助力， 阻尼）， 实际手感反馈

为驾驶员提供与车辆动态和驾驶意图相匹配的转向反馈， 增强人车沟通感。

所有配备电动助力转向的现代车辆。

优点：显著影响主观驾驶品质。局限：手感调校非常主观， 需要大量经验。

表5.91.10.7：转向感觉与手力矩控制

5.91.36.6

四轮转向与横摆稳定性控制

将RWS的转角控制直接纳入VDC的横摆力矩控制框架。VDC计算所需的横摆力矩后， 可分配一部分由RWS通过轮胎侧向力产生， 另一部分由ESP通过差动制动力产生。M_yaw = F_y_r * l_r + ΔF_x * track/2

横摆力矩总需求， RWS分配权重， 后轮侧向力F_y_r

综合利用转向和制动产生横摆力矩， 优化控制效率， 减少制动带来的减速和不适感。

配备四轮转向的高性能车辆在极限操控时。

优点：控制更平顺， 减少制动干预， 保持车速。局限：需要精确的轮胎力估计和协同控制器。

表5.91.6.4：后轮转向（RWS）， 表5.91.3.4：直接横摆力矩控制

5.91.36.7

主动转向与车道保持辅助集成

LKA系统在检测到车辆偏离车道时， 通过EPS施加轻微的纠正力矩或直接叠加一个小的转向角。与AFS结合时， 可直接控制前轮转角， 干预更平顺、精准。

车道中心线横向偏差， 横向偏差变化率， 转向介入力矩/角度

辅助驾驶员将车辆保持在车道中央， 减轻长途驾驶疲劳， 提升安全性。

高速公路等结构化道路上的辅助驾驶。

优点：提升驾驶安全性和舒适性。局限：在曲率大或车道线不清时性能下降， 需驾驶员监控。

表5.92.4：车道保持辅助（LKA）

5.91.36.8

转向系统故障诊断与容错

实时监控转向系统传感器（转角、扭矩）、电机、控制器的状态。一旦检测到故障（如信号丢失、电机过流）， 立即启动冗余机制（如备用传感器、降功率模式）或提示驾驶员接管， 并确保系统进入安全状态。

传感器信号一致性， 电机电流/位置， 故障码， 容错策略（降级， 关闭）

确保转向系统在发生故障时， 仍能提供基本的转向能力或安全地关闭， 满足功能安全要求。

所有电动助力转向和线控转向系统。

优点：保障转向系统的功能安全。局限：冗余设计增加成本和复杂性。

表5.91.27.6：安全机制

5.91.36.9

转向系统与自动驾驶的接口

为自动驾驶控制器（ADCU）提供标准的转向控制接口（如转角指令、控制模式）和状态反馈接口。同时， 自动驾驶控制器需监控转向系统的可用性和状态。

目标转角指令， 控制模式（自动驾驶/手动）， 转向系统状态， 故障信息

实现自动驾驶系统对车辆横向运动的精确、可靠控制。

L2+及以上级别的自动驾驶功能。

优点：实现自动驾驶的横向控制。局限：接口需要标准化， 并满足高安全等级（ASIL D）。

表5.91.22：自动驾驶车辆运动控制

5.91.36.10

转向系统网络安全防护

对转向系统的控制指令、状态信息和内部通信进行身份认证、完整性和新鲜性校验（如使用SecOC）， 防止被恶意篡改、重放或注入非法指令。

消息认证码（MAC）， 新鲜度值（Freshness Value）， 安全密钥

防止针对转向系统的远程攻击或本地攻击， 确保转向控制权不被非法夺取。

具备网联功能或线控转向的智能网联汽车。

优点：保障转向系统的网络安全。局限：增加通信延迟和计算资源消耗。

表5.91.26.10：网络安全防护

5.91.37.1

主动悬架与ESP协同控制

当ESP检测到车辆转向不足或过度时， 除了制动干预， 还可指令主动悬架瞬时调整四个减震器的阻尼或力， 改变轮胎垂直载荷分布， 从而影响轮胎侧向力， 辅助稳定车身。F_{sus_i} = f(ESP_status, a_y, γ)

ESP状态， 目标车身姿态调整量， 各减震器作动力

利用悬架系统快速产生额外的稳定力矩， 与ESP协同工作， 实现更快、更平顺的稳定性控制。

车辆濒临失控的极限工况。

优点：控制维度增加， 稳定性控制更有效、更舒适。局限：成本高昂， 能耗高。

表5.91.12.3：全主动悬架， 表5.91.3：电子稳定控制

5.91.37.2

侧倾控制与横摆稳定性控制集成

在弯道中， 主动悬架或主动稳定杆通过产生抗侧倾力矩来抑制车身侧倾， 保持轮胎良好的接地性。同时， 这个抗侧倾力矩的分配（前后轴）可以影响车辆的不足/过度转向特性， 与横摆稳定性控制目标协同。M_{anti-roll} = K_φ * φ + K_φdot * φ̇

车身侧倾角φ， 侧倾角速度φ̇， 前后抗侧倾力矩分配系数

提升弯道操控稳定性， 并可通过前后抗侧倾力矩分配微调车辆转向特性。

车辆高速过弯。

优点：提升弯道极限和乘坐舒适性。局限：系统复杂度高， 能耗较大（电液/电动系统）。

表5.91.12.2：主动横向稳定杆

5.91.37.3

车身高度调节与空气动力学

在高速时， 主动悬架降低车身高度， 以减少空气阻力和升力， 提高高速稳定性和能效。在越野时升高车身， 提高通过性。与自适应尾翼等空气动力学部件联动。

车速， 驾驶模式， 目标车身高度， 空气动力学模式（如尾翼角度）

优化车辆在不同速度下的空气动力学表现， 兼顾能效、下压力和通过性。

高性能跑车的高速行驶， SUV的越野模式。

优点：一车多能， 性能优化。局限：机械结构复杂， 成本高， 降低重心会牺牲悬架行程。

表5.91.12.5：车身高度调节

5.91.37.4

悬架刚度阻尼可调与驾驶模式

CDC或MRC等半主动悬架根据驾驶模式（舒适、运动、赛道）切换不同的阻尼/刚度MAP， 改变车辆的操纵性和舒适性基调， 与动力总成、转向系统的模式变化同步。

驾驶模式， 车速， 车身加速度， 阻尼力MAP

一键改变车辆的整体性格， 满足不同场景和用户偏好。

配备驾驶模式选择功能的车辆。

优点：显著提升车辆适应性和用户体验。局限：硬件成本高于普通悬架。

表5.91.12.4：连续阻尼控制

5.91.37.5

预测性悬架控制与道路识别

利用前置摄像头、雷达或导航地图识别前方道路不平度（减速带、坑洼、路面接缝）。主动悬架提前调整阻尼或作动力， 以最优姿态通过障碍， 提升舒适性和稳定性。

前方道路高程信息， 预测时间， 预瞄距离， 悬架作动计划

实现“魔毯”般的平顺行驶体验， 显著提升复杂路况下的舒适性和车轮贴地性。

车辆驶过已知或探测到的路面不平。