中汽研：技术新突破能否吹起智能驾驶浪潮？

　　随着智能电动汽车新型底盘电控技术的发展，使得路面动力学信息及车辆状态观测技术成为线控底盘域控制的关键。与此同时，路面信息作为车辆外部核心输入，其对车辆行驶安全性、操纵稳定性、乘坐舒适性等底盘关键性能，以及道路维修保养、数据信息管理等交通运输道路管理等均具有举足轻重的作用。因此，王振峰博士认为自动驾驶汽车的“线控底盘路面信息与车辆状态一致性观测技术”对汽车的安全性、稳定性行驶具有重大影响。

　　该项技术发展是大势所趋

　　依据国家政策要求，预计到2025年，L1/L2级自动驾驶将成为标配，L3级实现规模商业化，L4/L5级进入市场；其中，‘线控底盘’作为自动驾驶“充要条件”起到核心关键‘角色’，进而使得发展线控底盘路面信息与车辆状态一致性观测技术迫在眉睫。与此同时，从市场角度出发，由于智能电动汽车已搭载了各类型传感器，不同类型传感器的性能和功能较传统汽车有很大区别，且各类型传感器之间功能上互相补充；智能电动汽车外界感知的信息量及控制算法相对传统传感器发生根本性的变革，性能表现和功能可靠性都与传统传感器有很大区别。在此背景下，如何更好的利用这些信息，使得底盘更加智能更加智慧，是目前需要解决的难题。

　　王振峰博士分享了目前该项主要有三大难点：

　　一，动力学耦合机理及精细化建模。不论是车辆动力学开发，还是底盘开发，这是一个永恒的问题。虽然是永恒的问题，但是由于其输入条件不同，所以对应的非线性耦合条件也不尽相同。

　　二，路面和车辆信息一致性精确观测。即使路面本身估计较准，车辆本身估计也较准，但是底盘作为整体的系统，必然不可能孤立存在，其是相互联系的，如何使得路面和车辆状态做一个很好的匹配，进一步服务于底盘的线控，是需要解决的难点。

　　三，路面及车辆观测信息高效验证技术。此部分属于前两大难点的延伸，进一步的使得“路面信息与车辆状态一致性观测”形成了闭环，更好验证本身的技术和方法的有效性。

　　细化技术内容与技术路线

　　针对于以上难点，对应着研发人员所需要做的工作。

　　首先是精细化建模，因为精细化是相对性的，底盘动力学控制器和传感器是很复杂的，所以王振峰博士所说的精细化是针对不同的传感器控制器和执行器之间的匹配度来建立模型，进一步分析模型里面的耦合关系。

　　另外一部分是一致性估计，其也分两部分：第一部分是对本身路面和车辆状态有很好的估计。第二部分是进行匹配。其团队内部做了技术路线，从原始的理论到工程的应用，最后到工程的实践形成闭环。

　　技术落地，打破壁垒

　　再好的规划，也需要具体实施方案，同样再好的技术也一定要找到一个合适的载体。因为线控底盘是软硬结合的产物，必然不能孤立来做。王振峰博士结合团队实际情况，选择以线控悬架作为突破口切入来逐步分阶段的实际落地。

　　路面作为悬架系统的主要外部输入，传统意义上认为悬架改善车辆平顺性就足够，但是随着智慧底盘或者线控底盘的发展，用户不仅仅希望改善乘坐舒适性的同时，也希望将操纵稳定性性能得到兼顾提升，即如何在新的线控底盘或者新的智慧底盘作用下使得平顺性及操纵稳定性相互矛盾的双方可相对的弱化，渐渐的增加车辆本身的安全域，针对这块，其团队提出了基于路面一致性识别的整体方案。

　　左图是整体的车辆状态精确输入观测逻辑，其主要用到了自适应卡尔曼滤波，它对路面过程噪声方差做了有效匹配，进而使得不同的路面输入与车辆状态识别有效匹配，之后再准确快速输入到底盘控制中优化底盘性能，即车辆在操纵稳定性和平顺性得到兼顾提升。

　　在路面识别上，传统的路面识别更多是车上通过加速度和位移传感器，相当于车辆有了状态感知以后做出的随动控制，此方法缺少必要的预判性，针对此情况其团队提出了通过摄像头与加速度及位移传感器融合的方法，弥补此缺憾。

　　当然，转向同时也是需要利用一致性估计，即不同的路面输入结合不同的车辆状态，转向怎么做。在图中，其团队的方法是控制器/控制算法，转向有两种模式，一种是转速转角跟踪，一种是转距跟踪。针对线控转向王振峰博士团队提出了一些方案，从软件和硬件层面分别对转向做一个很好的开发和验证。

　　实用案例，干货满满

　　王振峰博士介绍了六个案例。

　　第一个是线控悬架开发，以测试为主。

　　第二个是国外厂家的悬架，进行工况的验证，从具体的曲线和驾乘性来说效果还是比较明显的。

　　第三个是国内供应商针对不同的匹配车型，对功能开发做一个验证，控制器的HIL或者带负载的硬件在环均可实现。

　　第四个是线控悬架算法开发及验证，结合天棚控制算法，模型预测控制算法，改善线控悬架驾乘性能。

　　第五个是线控转向开发，利用控制器、算法，更好的对现有转向控制器或转向算法做一个迭代和升级。

　　第六个是其团队自主设计的开发台架工具，在做实车之前，利用台架工具开展的算法开发及验证台架。

　　未来看好，研判整体发展趋势

　　算法离开了硬件相当于是孤魂野鬼，如果只做硬件不做算法相当于是行尸走肉，这很好的点破了线控底盘状态一致性所面临的问题。

　　王振峰博士总结了三个部分：

　　第一部分是协调控制算法开发，因为不同的传感器、执行器及控制器对应的控制算法是不尽相同的，必须形成一个有机的整体。

　　第二部分是功能安全，线控底盘的核心是功能安全，特别是L3级及其以上自动驾驶样车。

　　第三部分是在保证前两步情况下做集成协同优化，更好的满足不同等级车辆关于安全性、驾乘性、可靠性的优化匹配。

　　以上三个部分是软件层面的线控底盘研发方向；另一方面，电子电气构架也是需要重点考虑的，其直接和实车搭建了一个有机整体来服务于算法或者整车性能开发，本身的电子电器构架存在较大的耦合性，后续将会向解耦式趋势发展。

　　综上，王振峰博士认为线控底盘集成趋势会越来越明显，不仅仅是驱动/制动，更多可能是驱动转向或者悬架本身的集成式开发。通用化平台也会日益明显，集成化，模型化形成趋势，并与车路云协同。软硬件解耦趋势也会日益加强，对应的数据开放的程度，要求供应商，主机厂也会适当开放接口，使得线控底盘在智慧同时更安全、更高效、更舒适地运行。软件的比重在后续发展也会越来越大，初步估计到2030年，软件比重将占到整车30%，这也是行业所提的软件定义汽车的主要原因。