东南大学殷国栋教授团队：智能电动汽车线控制动关键技术与研究进展丨JME文章推荐

学术 2024-11-08 18:55 北京

提示：点击上方"机械工程学报"↑关注我吧

引用论文

张奇祥, 王金湘, 张伊晗, 张荣林, 靳立强, 殷国栋. 智能电动汽车线控制动关键技术与研究进展[J]. 机械工程学报, 2024, 60(10): 339-365.

ZHANG Qixiang, WANG Jinxiang, ZHANG Yihan, ZHANG Ronglin, JIN Liqiang, YIN Guodong. Key Technologies and Research Progress of Brake-by-wire System for Intelligent Electric Vehicles[J]. Journal of Mechanical Engineering, 2024, 60(10): 339-365.

http://www‍.cjmenet.com.cn/CN/10.3901/JME.2‍0‍24‍.10.‍33‍9

(戳链接，下载全文)

智能电动汽车要求制动系统能够实现主动制动和制动能量回收等功能，传统制动系统不能满足上述需求。线控制动系统具有结构紧凑、响应迅速、控制精确、兼容性强等优势，是实现自动驾驶的理想执行机构，已成为当前的研究热点。为系统、及时地掌握该领域的发展态势，综述智能电动汽车线控制动系统的关键技术与研究进展。东南大学殷国栋教授团队介绍线控制动系统的类型及其特点，明确线控制动系统结构方案的发展趋势和研究重点，归纳线控制动系统的典型产品及其特性，提出智能电动汽车线控制动系统的总体控制架构。在此基础上，对线控制动系统的测试与建模、动力缸压力控制、轮缸压力控制、轮缸压力估算、电磁阀控制、夹紧力控制、踏板感模拟控制、传感器故障诊断和个性化控制等关键技术进行梳理。概述基于线控制动系统的制动防抱死、自适应巡航及自动紧急制动等车辆纵向运动控制方法。最后，对智能电动汽车线控制动系统研究所面临的问题及未来的发展趋势进行分析和展望。他们的研究成果以题为《智能电动汽车线控制动关键技术与研究进展》发表在《机械工程学报》2024年第10期。

行业现状

研究聚焦于智能电动汽车线控制动系统关键技术的深入探索，并从系统性与及时性角度梳理了该领域的最新研究进展。智能电动汽车的出现，使得线控制动系统成为未来自动驾驶的关键组成部分，其优势在于取消传统的液压或机械连接，完全由电信号控制，从而实现快速响应与高精度控制。线控制动系统的应用在轻量化、智能化及高集成度等方面具备显著优势，使得其逐渐成为下一代制动系统的主流方案。

研究首先介绍了线控制动系统的类型、典型产品及其总体控制架构。以电子液压制动系统(EHB)和电子机械制动系统(EMB)为例，系统分析了不同制动系统的构成及控制特性。对于智能电动汽车的具体需求，提出了独特的个性化控制方案与主动制动功能，帮助实现与驾驶者差异化需求的匹配。同时，系统具有制动能量回收功能，能够解耦动力传动系统，实现智能驾驶下的能量管理优化。

针对当前研究综述存在的不足，研究进一步深入探讨了系统关键技术，包括踏板感模拟反馈、传感器故障诊断、个性化控制和纵向运动控制等方面。不同于传统的综述，内容中强调了新型集成控制策略以及级联非线性控制方案的优势，尤其是在基于驾驶个体差异性的个性化主动制动控制及预期功能安全的自动紧急制动控制方面。通过涵盖最新涌现的控制技术方法，研究提供了系统性总结，并展望了未来技术发展方向，为线控制动系统在智能网联汽车上的推广应用奠定了坚实基础。

论文亮点

线控制动系统的类型与典型产品

✦

1. 电子液压制动系统

结构创新：电子液压制动系统保留了液压的成熟性，采用“液压泵+高压蓄能器”或“电机+减速机构”供压，取消了传统真空助力器。
踏板反馈：增加了踏板感觉模拟器，实现了半解耦或全解耦模式，提升了驾驶员的踏板反馈体验。
技术集成化：One-Box方案集成了制动主缸、副主缸、踏板感觉模拟器和液压控制单元，满足L4级自动驾驶的需求，成为研究重点。
高效控制：能够实现精确的液压力控制、主动制动和制动能量回收，满足智能电动汽车的高效需求。

图1 电子液压制动系统的主要类型及其组成架构

2. 电子机械制动系统

响应迅速：因摒弃了液压元件，减少了制动液引起的延迟，实现更快速的响应，提升安全性。
结构紧凑：轻量化设计减少了体积和质量，便于灵活布置，符合智能电动汽车模块化发展趋势。
独立控制：实现车轮制动力矩的独立控制，易于与车辆纵向动力学系统集成。
研究重点：自增力机构（如楔块）的应用成为研究热点，提升了系统的制动力输出和寿命。

图2 电子机械制动系统的组成架构

3. 典型产品

市场占有：Bosch和Continental等企业的电子液压制动产品占据全球市场份额80%以上，成为行业标准。
国产进展：国内企业如亚太机电、比亚迪等积极开发线控制动系统并实现量产化应用，标志着本土化进展加速。
创新性方案：例如，One-Box的IBS系统具备多通道液压力调节和高度集成特点，适合高要求的自动驾驶系统。

智能电动汽车线控制动架构

✦

多层次架构设计：智能电动汽车线控制动系统由感知层、决策控制层和电控执行层组成，层级分明，有利于信息的流动和指令的执行。
多源信息融合：感知层通过多传感器、相机、雷达等硬件的融合技术，实时获取并整合外部环境、自车状态及车-路-云交互信息，确保系统的全面感知。
高效决策与控制：决策控制层对感知数据进行综合分析，以判定环境和车辆状态，迅速做出合理的决策，并通过整车控制器(VCU)、电机控制器、电池管理系统(BMS)等设备，快速精准地执行目标动作。
独立驱动与能量回收：电控执行层中的各轮毂电机具备独立控制模块，能够分别执行驱动、转向、制动及悬架调节，优化能量利用并实现制动能量回收。
前后轴的协同：系统设计上，前轴采用电子液压制动系统，后轴为电子机械制动系统，通过VCU实现快速精准的制动力控制和分配，满足高级驾驶辅助需求。

图3 智能电动汽车的线控制动系统架构

线控制动系统的关键技术

✦

1. 系统测试与建模

动态摩擦与非线性特性建模：电子液压制动系统中的液压特性强烈的非线性和动态摩擦特性，通过特性测试和建模提升控制器的精确度和鲁棒性。
执行机构的多重建模方法：针对制动电机、传动机构等关键执行机构进行建模，使用多种摩擦模型（如LuGre、Stribeck模型）以更好地匹配系统特性。

图4 典型的集成式电子液压制动系统结构示意图

2. 动力缸压力控制

多控制策略应用：包括滑模控制、模型预测控制等多种控制策略，实现对液压力的精准调节，满足高级驾驶辅助系统需求。
压力控制优化：Two-Box和One-Box系统采用约束自适应控制、分段PI控制等方法，通过减少压力波动，提升控制的精度和稳定性。

3. 轮缸压力控制

成熟控制算法的应用：使用PID、模糊推理、前馈与反馈结合等算法，实现轮缸压力的精确控制，提升系统的响应速度和适应性。
高集成度的设计：One-Box系统将液压控制单元集成，减少了组件复杂度，并提供更流畅的压力控制体验。

4. 轮缸压力估算

实时估算方法：通过结合车轮动力学和执行器动态特性进行轮缸压力估算，弥补传感器不足的同时增强控制精度。
扩展卡尔曼滤波的应用：结合车轮动力学和动态特性估算，使用卡尔曼滤波减少估算误差，提升估算的可靠性和适应性。

5. 电磁阀控制

多类型电磁阀选择：通过应用开关阀、高速开关阀、线性阀等不同电磁阀类型，优化流量控制，提高系统压力响应和稳定性。
创新控制算法：如高频PWM智能脉宽调制和T-S模糊控制，进一步提高系统对复杂工况的适应性，优化防抱死控制性能。

图5 高速开关阀结构简图

6. 夹紧力控制

高效控制算法：根据系统结构（如减速齿轮、行星齿轮），采用遗传算法、滑模控制和双环级联控制等方法，保障夹紧力控制的精确性。
自增力结构的研究：滑模变结构控制应用于自增力机构，克服楔块和传动装置的非线性问题，提升系统的鲁棒性。

7. 踏板感模拟控制

主动/被动踏板感模拟：被动模拟器通过弹簧和橡胶体组合实现基础反馈，主动模拟器则通过控制电机输出力矩，满足个性化踏板需求。
再生制动的协调控制：通过ESP与Ebooster协同控制，实现踏板解耦，模拟再生制动的踏板感，提高踏板反馈的精确性。

图6 踏板感控制策略框图

8. 传感器故障诊断

多维度故障检测方法：采用基于解析模型、信号处理、知识的诊断方法，在保持成本低的同时增强容错能力。
解析冗余和多重故障检测：基于粒子滤波和T-S模糊等方法，实现电流、位置、速度等关键参数的故障诊断，提升控制系统的稳定性。

图7 传感器故障类型

9. 个性化控制

驾驶行为识别：通过动态时间扭曲、高斯混合模型等方法对驾驶行为进行识别，区分驾驶员的个性化风格（如攻击性、一般型、保守型）。
个性化主动制动策略：基于驾驶员行为特征，动态调整制动建压速度，实现更贴合驾驶风格的主动制动体验，提高驾驶舒适性和满意度。

图8 驾驶人个性化驾驶行为分辨研究框架

基于线控制动的纵向运动控制

✦

1. 制动防抱死控制

车速与路面附着系数估算：采用多信息融合算法与传感器技术，提供全工况下的车速估算和附着系数估算，提高制动精度和适应性。
多种控制算法应用：包括逻辑门限值控制、PID控制、滑模控制、模糊控制、模型预测控制等，分别适用于不同的制动系统（如泵驱EHB、Two-Box、One-Box）。
冗余控制架构：部分方案为保证安全性，采用了基于滑模控制的冗余控制架构，适应多种复杂路况，提升系统可靠性。

图10 ABS 功能示意图

2. 自适应巡航控制

切换策略设计：定速巡航与自主跟车间的切换基于跟车时距与碰撞时距，考虑了多种车速状态，增强了控制逻辑的适应性。
定速巡航的平滑控制：通过微分跟踪器与样条线设计避免速度超调和系统振荡，提升巡航的平稳性与能耗效率。
自主跟车优化控制：采用LQR与模型预测控制，优化自车与前车的距离保持与速度匹配，确保跟车稳定性。

图11 自适应巡航控制架构

3. 自动紧急制动控制

紧急制动响应优化：为避免减速度上升导致执行器饱和，采用微分跟踪器平滑减速度目标，提升执行器的匹配度与响应时间。
基于安全车距的策略：通过实时计算临界安全距离，平衡安全性与驾驶舒适性，制定合理的触发条件，提升紧急制动的避撞效果。
分级控制策略：针对不同场景（如前车静止、低速行驶、急减速），分为部分制动和紧急制动两级，提供适应性强的安全保障。

图12 硬件在环试验台框架

结论

(1) 智能电动汽车的发展对制动系统提出了新的要求，传统的真空助力制动系统无法实现精确的主动压力控制和高效的制动能量回收，正逐渐被线控制动系统所取代。线控制动系统的结构精简、响应迅速、兼容性强，是实现高级别自动驾驶的理想执行机构，但是其仍面临动态摩擦扰动、液压强非线性特性以及控制集成与融合等问题的挑战。

(2) 本文对智能电动汽车线控制动系统关键技术的研究进展进行了全面系统地梳理和总结。介绍了线控制动系统的类型，归纳了线控制动系统的典型产品，总结了线控制动系统的发展重点，提出了智能电动汽车线控制动系统的总体控制架构。在此基础上，对系统测试与建模、动力缸压力控制、轮缸压力控制、轮缸压力估算、电磁阀控制、夹紧力控制、踏板感模拟控制、传感器故障诊断和个性化控制等关键技术进行了梳理。概述了基于线控制动系统的制动防抱死、自适应巡航及自动紧急制动等车辆纵向运动控制方法。

(3) 智能电动汽车线控制动系统尚处于技术发展的初级阶段，相关研究的广度和深度还有待进一步地拓展。未来的研究应着力于硬件的优化、创新与集成及功能拓展、基于精确建模的压力与容错控制、考虑驾驶个体差异的个性化控制、线控制动与线控底盘的集成融合、基于线控制动的车辆运动控制及试验验证的丰富与完善等核心关键技术，建立针对智能电动汽车线控制动系统的全新开发模式与测试标准体系，为智能电动汽车线控制动系统的推广与应用提供有力的技术支撑。

前景应用

自动驾驶是智能网联电动汽车的重要发展方向，L3及以上高级别自动驾驶的实现，需要快速响应并精确执行的底盘，以达到执行底层与控制上层间的高度协同。线控底盘取消了液压或机械连接，完全改用电信号控制，具有响应速度快、控制精度高的独特优势，完美契合智能网联电动汽车的行驶需求，是未来实现高级别自动驾驶甚至无人驾驶的重要执行基石。线控制动系统在响应速度和控制精度等方面具有显著的优势，是决定智能网联电动汽车能否实现高级别自动驾驶甚至无人驾驶的关键执行基础。虽然国内外学者针对线控制动系统的关键技术进行了广泛的研究，并取得了一定的研究成果，但目前的研究水平还有待提高，研究的广度和深度也有待拓展。本文从六个重要方面对智能电动汽车线控制动系统的未来研究方向进行展望，旨在鼓励和启发研究者提出更多创新性的技术思路和方案，进一步推动线控制动系统的发展与应用。

相关文章推荐

[1] 余卓平, 徐松云, 熊璐, 等. 集成式电子液压制动系统鲁棒性液压力控制[J]. 机械工程学报, 2015, 51(16)：22-28.

[2] 张奇祥, 靳立强, 靳博豪, 等. EMB夹紧力控制与传感器故障诊断研究进展[J]. 汽车工程, 2022, 44(05)：736- 746+755.

[3] ZHAO J, CHEN Z, ZHU B, et al. Precise active brake- pressure control for a novel electro-booster brake system [J]. IEEE Transactions on Industrial Electronics, 2019, 67(6)：4774-4784.

[4] SHI Q, HE L. A model predictive control approach for electro-hydraulic braking by wire[J]. IEEE Transactions on Industrial Informatics, 2022, doi：10.1109/TII.2022. 3159537.

作者及团队介绍

殷国栋，东南大学首席教授，江苏特聘教授，博士生导师，国家杰出青年科学基金获得者，中国汽车工程学会会士，教务处处长，机械工程学院教授，网络空间安全学院智能网联汽车信息安全研究中心主任，江苏省智能电动运载装备工程研究中心主任。现兼任教育部高等学校工程训练教学指导委员会委员、江苏省智能网联汽车标准化技术委员会副主任委员、江苏省汽车工程学会副理事长等。

王金湘，教授，博士生导师，东南大学机械工程学院院长助理, 实践与创新中心主任，江苏省智能电动运载装备工程研究中心副主任。主持国家自然科学基金项目4项，获教育部科技进步一等奖1项，江苏省科学技术奖一等奖1项，在IEEE Trans.、《机械工程学报》等行业顶级期刊发表学术论文20余篇。

张奇祥，东南大学学术型博士研究生。主要研究方向为智能底盘线控技术，自动驾驶决策规划。近三年，在IEEE ITS、TIV、《机械工程学报》等行业顶级期刊发表学术论文5篇，受理/授权国家发明专利10余项；主持江苏省研究生科研与实践创新计划项目1项、国家建设高水平大学公派研究生项目1项。

主创作者团队主要研究方向

团队主要研究方向包括：车辆动力学与控制，智能底盘线控技术，电动汽车与智能网联汽车，车联网与车路协同，高端机械装备等

作者主要研究方向为智能底盘线控技术，自动驾驶决策规划等。

团队相关文章推荐

[1] Zhenwu Fang, Jinxiang Wang*, Zejiang Wang, Jinhao Liang, Yahui Liu, and Guodong Yin, A Human-Machine Shared Control Framework Considering Time-Varying Driver Characteristics, IEEE Transactions on Intelligent Vehicles, Early Access, 2023, DOI: 10.1109/TIV.2023.3268070.

[2] Yongjun Yan, Lin Peng, Jinxiang Wang*, Hui Zhang, Tong Shen, and Guodong Yin, A Hierarchical Motion Planning System for Driving in Changing Environments: Framework, Algorithms, and Verifications, IEEE/ASME Transactions on Mechatronics, Early Access, 2022, DOI:10.1109/TMECH.2022.3219617.

[3] Yanbo Lu, Jinhao Liang, Faan Wang, Guodong Yin*, Dawei Pi, Jiwei Feng, and Haoji Liu, An Active Front Steering System Design Considering the CAN Network Delay, IEEE Transactions on Transportation Electrification, Early Access, 2023, DOI: 10.1109/TTE.2023.3267949.

[4] Yan Wang, Jingyu Hu, Faan Wang, Haoxuan Dong, Yongju Yan, Yanjun Ren, Chaobin Zhou, and Guodong Yin*, "Tire Road Friction Coefficient Estimation: Review and Research Perspectives," Chinese Journal of Mechanical Engineering, vol. 35, no. 1, pp. 1-11, 2022.

[5] Tong Shen, Guodong Yin*, Yanjun Ren, Fanxun Wang, Bin Feng, and Jinhao Liang, " Stability and Maneuverability Guaranteed Torque Distribution Strategy of DDEV in Handling Limit: A Novel LSTM-LMI Approach," IEEE/ASME Transactions on Mechatronics, vol. 27, no. 6, pp. 5647-5658, Dec. 2022.

[6] Guoshun Cai, Liwei Xu, Ying Liu, Jiwei Feng, Jinhao Liang, Yanbo Lu, and Guodong Yin*, "Robust Preview Path Tracking Control of Autonomous Vehicles under Time-Varying System Delays and Saturation," IEEE Transactions on Vehicular Technology, Early Access, 2023, DOI: 10.1109/TVT.2023.3250 328.

[7] Yan Wang, Chen Lv, Yongjun Yan, Pai Peng, Faan Wang, Liwei Xu, and Guodong Yin*, An Integrated Scheme for Coefficient Estimation of Tire Road Friction with Mass Parameter Mismatch under Complex Driving Scenarios, IEEE Transactions on Industrial Electronics, vol. 69, no. 12, pp. 13337-13347, Dec. 2022.

作者：张奇祥

责任编辑：杜蔚杰

责任校对：张强

审核：张强

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

更多精彩视频

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！