车辆线控转向系统关键技术研究综述

屈 翔,陈 豪,张 君,王 伟

(1.重庆理工大学 汽车零部件先进制造技术教育部重点实验室, 重庆 400054;2.重庆理工大学 机械工程学院, 重庆 400054)

0 引言

车辆转向系统向着舒适、安全、灵活的目标不断发展,经历了机械转向(mechanical steering,MS)、液压助力转向(hydraulic power steering,HPS)、电动液压助力转向(electro-hydraulic power steering,EHPS),直至当前被广泛应用的电动助力转向系统(electric power steering,EPS)。

线控转向(steering-by-wire,SBW)系统作为线控底盘的关键执行系统,受益于转向盘与转向轮之间的电气连接,打破了转向柱的限制,减轻了产品重量,减少了所需空间,增加了设计灵活性;SBW系统可实现模块化结构,利于提高转向系统与底盘其他子系统的耦合性和控制自由度;系统控制器可根据传感器采集的信号判断驾驶员转向意图,并结合控制策略计算出前轮转角,辅助驾驶员完成复杂的转向操作,同时将真实舒适的路面信息反馈给驾驶员[1-4]。

SBW系统具有变传动比和路感控制多样化的优势,开发人员可根据车辆实际用途设计相应的变传动比和路感反馈策略[5-6]。通过采用卡尔曼滤波技术等作为状态估计算法[7],进一步优化了系统的控制精度,被广泛应用于车辆工程中。

本文从SBW基本结构、演变历史及2个关键技术展开叙述,详细介绍了线控转向系统的路感模拟技术与变传动比技术,对SBW技术发展进行了展望。

1 SBW系统基本结构及演变历史

1.1 SBW系统基本结构

SBW系统基本结构[8]如图1所示,主要由电子控制单元、转向辅助电机和传感器组成,取消了传统车辆的机械转向柱连杆[9],实现了转向盘与转向轮的解耦。可细分为:上层主要由转向盘、转角传感器、路感电机组成;下层由转向电机、齿轮齿条机构、转向轮等组成。转向盘与执行机构间的机械连接被线控系统代替,由电信号控制车辆完成转向。

图1 SBW系统基本结构

前轮和转向盘的机械解耦提高了车辆的被动安全,避免车辆在发生正面碰撞时,机械管柱给驾驶舱人员造成严重的伤害;线控系统布置更加自由[10],减小了不同车型转向系统的设计成本和难度;转向传动比更灵活,开发人员可根据不同人群的喜好和需求自由设计传动比控制策略,改善汽车的操控性能及乘坐舒适度[11-12]。但是由于没有机械杆,驾驶员很难直接获取当前路面信息[13],需要通过路感电机生成的阻力矩来模拟路面给驾驶员带来的反馈。

1.2 SBW系统演变历史

19世纪80年代,机械转向系统开始发展,早期结构简单,驾驶员依靠水平杆手柄完成转向任务,操作十分困难,容易造成交通事故。为减轻驾驶负担,增加车辆安全性和操纵轻便性,1894年潘哈德公司首次提出使用转向盘代替水平杆,机械转向系统也逐渐发展成熟。

机械转向路感沉重,驾驶员容易疲劳,1897年Ernest等[14]提出液压助力转向器,1926年美国Pierce-Arrow汽车公司Francis W.Davis推进了液压助力转向系统的商业化进程,解决了转向沉重的问题。随着电控技术革新,电动助力转向(如图2[15])逐渐进入大众视野,20世纪中期Letourneau等[16]提出一套与拖拉机适配的EPS,1956年Lincoln等[17]提出用电动组件代替液压组件辅助驾驶员完成转向任务,随后电动助力转向系统快速发展,成为目前应用最广的车载转向系统。

图2 EPS系统结构

EPS系统无法较好地完成主动转向功能[18],成为汽车智能化发展的阻碍,SBW系统由于与未来车辆概念高度匹配,而成为下一代转向系统的研究热点。SBW系统源于航天技术,在汽车上的应用可追溯至20世纪50年代[19],北美和中欧地区多家汽车企业设想用线控信号来代替转向管柱。90年代后德国多家公司发布搭载SBW系统的概念车[20],如宝马公司的BMW Z22车型、奔驰公司的F400Carving、克莱斯勒公司的R129等。

21世纪初美国通用、意大利Berstone、日本丰田、法国雪铁龙、韩国现代和起亚等各大汽车厂商以及斯坦福大学、吉林大学、同济大学等国内外高校开始对SBW展开系统研究。

直至2013第一款SBW量产车辆(英菲尼迪Q50)[21]在欧洲及美国市场问世,但该车仍保留了机械备份,在实用性和成本控制上引发了广泛讨论。

2 SBW系统关键技术

SBW系统的两大关键技术(路感模拟技术与变传动比技术)是推进该系统大规模量产的重要因素。卡尔曼滤波作为重要的参数估计算法,在线控转向车辆中应用广泛,与SBW关键技术的关系如图3所示。

图3 卡尔曼滤波、路感及变传动比与SBW关键技术的关系

路感是驾驶员通过触觉[22]获取路面信息的重要来源,SBW系统由于取消了机械连接,需通过路感模拟技术为驾驶员补偿路面感知信息。变传动比技术直接影响车辆稳定性,不同工况下车辆的转向特性不同,匹配合适的传动比可减轻驾驶员的体能消耗和精神负担。路感控制和传动比控制在设计特性上完全解耦,但在工程应用中应考虑相互影响,路感反馈策略和变传动比控制策略直接影响驾驶员感受,所以在设计时,应充分考虑两者的匹配度。路感控制和传动比控制的输入量均可采用卡尔曼滤波器统计。卡尔曼滤波算法是状态参数估计的重要方法,可以为系统提供更准确的估计值,提高路感真实度和变传动比匹配度。

3 路感模拟技术

由于SBW系统无法给驾驶员固有的转向感觉,存在使驾驶员出现误操作而导致交通事故的风险,需要路感模拟技术给驾驶员带来路面的反馈信息。驾驶员通过转向盘上的手感获取有关道路和转向轮的反馈信息,有助于完成过弯、变道等驾驶任务[23]。路感是SBW技术发展的关键问题,主要解决:将车轮与路面的转向阻力矩,以及由于轮胎侧偏特性产生的回正力矩反馈到转向盘上,以便驾驶员了解车辆运动状况,获得与EPS系统同等手感。在研究过程中需要考虑到系统参数变化、信号干扰等内部影响因素,以及路面状况变化和运动姿态变化等外部影响因素。

路感控制是对路面反馈力矩和转向盘回正力矩的控制[22]。要使驾驶员获得真实路感,实质是通过合理控制策略将下层电机和传感器的数据信息通过上层路感电机模拟并传递到转向盘上,让驾驶员获得路面反馈力矩和转向盘回正力矩。

3.1 反馈力矩控制

反馈力矩主要由道路和轮胎相互作用产生,是SBW系统为驾驶员提供路感和车辆运动状态的关键部分,Zhao等[24]收集了不同驾驶场景下的反馈力矩数据,采用K均值聚类算法(K-means clustering algorithm,KMA)将收集的实验数据分为4个典型大类,对比2种建模方法的精确度,择优选择GPRM(Gaussian process regression model)来训练反馈力矩模型。Zhang等[25]为提高SBW系统力矩反馈精度,通过卡尔曼滤波器优化预测值和测量值并实时更新,减小白噪声导致的估计值误差。Liu等[26]设计了随车速变化的路感力矩反馈算法,改善了车辆的稳定性,同时将较为成熟的PID和前馈控制算法应用于SBW系统电机控制中,提高了电机电流的控制精度和转向系统的路感反馈质量。为提高路感电机可靠性,Xu等[27]针对SBW路感电机信号采集模块故障,提出基于卡尔曼滤波器的电机转矩传感器故障检测方法,有效改善了路感系统稳定性。Avinash等[28]把简化的路感反馈模型与轮胎力矩模型相结合,客观考虑参数影响,使路感力矩反馈更加直观,保证驾驶员获得的路感具有一定保真度,有利于获取真实的路面情况。Zheng等[29]同样提出具有高保真度的力矩反馈模型,此模型将系统参数中影响反馈力矩的参数分类,并综合考虑各个参数的影响程度,使模型的反馈力矩更加精确。这种全局分析的思想,有利于提高路感的真实度。此外为改善路感的真实性,Wang等[30]提出一种TSMC(terminal sliding mode control)路感设计方法,该方法在转向扭矩反馈模型(该模型包括阻尼转矩、惯性转矩、对准力矩和顶升转矩)基础上有效保证了反馈力矩的准确性和真实性。Su等[31]将转向盘的反馈力矩看成轮胎的等效摩擦力矩,为了让等效力矩能够平滑地传递到驾驶员手上,采用数学方法(双曲线正切函数)来还原路感,得到客观的力矩数据。

上述文献以路感真实度和驾驶员感受作为设计目标,在实际工程设计中,成本是不可忽略的重要因素,Nguyen等[32]用成本较低的电流传感器来测量转向电机电流,并设计控制算法为系统增加阻尼进而获得一个新力矩,参考电机电流和转矩的理论关系,将测得的电流信号表示成驾驶员所需的路感,这种方案不仅控制了成本,且实现简单,能够得到直观的路面信息和轮胎力信息。

反馈力矩的研究与轮胎动力学紧密相关,不同运动状态、不同路面附着系数轮胎弹性形变量存在差异,这些因素影响着轮胎动力学,在工程研究中,为了便于理论实现,通常会将轮胎假设成刚性,并作一些忽略,例如在研究车辆横向控制动力学时常用的2自由度模型[33],此模型忽略了风阻和悬架作用等影响因素,但基本能描述车辆的运动状态。对于一些极限工况的研究,此模型输出的参数远远不够,需要更复杂的5自由度[34]、7自由度[35]等车辆模型。

3.2 回正力矩控制

车辆回正力矩容易受轮胎摩擦力影响,导致转向系统回正性能变差,降低线控车辆的操纵稳定性,将驾驶负担再次施加到驾驶员身上。主动回正控制是指当驾驶员松手或不再给转向盘施加转向力矩时,转向盘能够自动回到初始位置,并保持直线行驶,很大程度上减轻了驾驶疲劳感[36-37]。

滑模控制(sliding mode control,SMC)有较高的鲁棒性,可抑制系统内部参数变化带来的影响及由负载引起的扰动,提高动态响应稳定性。具体控制步骤可分为:选择一个滑动变量,若该变量趋近于零,系统就趋近于稳定状态;设计一个由滑动变量定义的非线性反馈定律,使轨迹与滑动表面重合,此时系统干扰可被有效抑制[37-38]。

Ikram等[39]和Sun等[40]提出了将自适应滑模控制器(adaptive sliding mode control,ASMC)用于改善SBW系统回正性能。此方法将轮胎摩擦力矩和系统回正力矩看作外部干扰因素,控制器用于处理干扰因素的不确定性,并设计自适应定律估计系统的回正系数,可有效补偿自对准力矩的干扰损失、提高系统跟踪精度。Sun等[41]设计的滑模学习控制器,能抑制可变齿轮比对转向性能的影响,因系统具有学习已有闭环控制策略的能力,不需要获取车辆参数变化和回正力矩变化便能实现将回正力矩等路感信息反馈到转向盘上。此外武国飞等[36]观察到了SBW系统回正超调和不足现象,并提出相应的滑模回正控制策略对路感电机进行控制,引入指数趋近律提高系统响应速度,实验数据证明在该策略控制下的回正性能较好,不存在回正不足或超调现象。文献[42-45]采用滑模控制最终实现了将转向轮转角收敛为转向盘转角的目标,减小了系统参数、路况变化等不确定因素的影响,且提高了非线性系统抗干扰能力。不同的是Wang等[45]发现回正力矩对转向性能的影响比转矩脉冲扰动影响更为明显,为解决这一问题,在滑模控制的基础上使用双曲切线信号来模拟系统回正力矩,以提高车辆的鲁棒性能,缓解回正力矩对转向系统产生的影响。

回正力矩是路感技术研究的重要方向,近年来受到大量学者关注。回正力矩控制技术是评价SBW系统好坏的指标,也是主动转向的研究基础。如何改善回正力矩达到与助力转向系统相同的效果是研究的核心问题。回正不足或超调等现象与转向盘自由间隙[46]的力相关特性未受到学界的广泛关注,从力传递特性分析上层回正力矩与下层转向执行机构的关系,将其转化成电机间的电信号传递特性,利于设计SBW系统真实的回正力矩。

为提高SBW路感质量,Liang等[47]对路感进行分层控制,在上层采用混合H/H控制提高系统鲁棒性,并综合考虑多种不确定因素对转矩的影响;下层采用卡尔曼滤波器减小电流谐波,有效提高系统路感控制性能。行驶工况下,颠簸路面会使得路感反馈系统出现较大波动,给驾驶员造成精神负担。Liang等[48]重新定义了路感扭矩方程式,并在此理论基础上设计具有双闭环结构的控制器以跟踪路感转矩和转角信息,使得驾驶员获得的手感稳定且波动小。Tian等[49]采用PID及其衍生算法为驾驶员提供较好的路感力矩及回正力矩,并通过对SBW传动比进行优化设计来提高路感质量,解决了低速转向轻便与高速转向稳定的矛盾。

3.3 路感控制参数估计方法

SBW系统路感控制输入量大多采用传感器测量值,测量信号受到噪声的影响会导致精度下降,而传感器本身不具备过滤噪声的功能,须通过滤波算法估计出更准确的参数信息。

在传感器的鲁棒性问题上,Bajcinca等[50]为减小传感器故障率,提出了基于扩展卡尔曼滤波器的估算策略,滤波器被用于估计车轮摩擦力矩,并将估计值信号与SBW控制系统进行信号耦合,为路感控制提供了有效参考方法。Tong等[51]基于SBW和线控制动集成控制,控制参数输入主要来源于扩展卡尔曼滤波器,这种方法不仅解决了一些传感器无法测量的参数,而且代替了部分价格昂贵的传感器,为SBW研究提供了实验方法。Zhang等[52]在提出的前轮转角传感器容错方案中采用卡尔曼滤波算法估计车辆前轮转向角,有效减小了传感器故障和过程噪声带来的不利影响。Zou等[53]提出的传感器容错补偿策略,与Zhang等[52]有着同样的目的,均为提高SBW车辆前轮转角传感器的容错性能,不同的是Zou等[53]考虑到车辆是一个复杂的非线性系统,因此采用由预测模块和校正模块组成的扩展卡尔曼滤波器来估计转向轮转角。

3.4 小结

综上所述,推动路感技术发展的核心动力是为驾驶员提供舒适、真实的驾驶体验。但不同人群所需的路感反馈特性存在差异,在不破坏路感真实度的前提下,可考虑根据驾驶习惯为不同驾驶者提供反馈方案。如考虑到车辆的速度、侧向加速度及转向盘转角对驾驶员路感力矩的影响,在原有的机械转向路感转矩基础上设计驾驶员偏好的路感力矩修正算法,让驾驶员在不同车速下获得偏好路感。

4 变传动比技术

线控转向系统的传动比是指转向盘转角与前轮转角的比值[54],它直接影响车辆的操纵稳定性和主动安全性,传动比控制流程如图4所示。传统转向系统由于受到机械耦合限制,角传递特性可设计范围狭窄,而SBW系统实现了机械解耦,解放了设计传动比的受限条件,可以自由设计转向盘转角与前轮转角之间的关系。

图4 传动比控制

车辆传动比特性包括:随运动状态变化的稳态特性及变化过程中的瞬态特性。主要受车速、横摆角速度、横摆角速度差和转向盘转角影响。当传动比为固定值,在低速变道或掉头工况,转向盘需要转动较大角度,增加了驾驶员的体能消耗;在高速行驶工况,转向盘细微的变化便会导致车辆左右晃动,甚至失稳,增加了驾驶难度,降低了车辆稳定性。SBW变传动比技术可参考当前车速控制上下层转角关系,让传动比随着车速的增大而减小,使车辆转向增益不随速度变化,达到低速转向灵活轻便,高速转向精确稳定的目标[18-19,55-56]。

变角传动比设计方法主要有2种,分别是:恒定横摆角速度的变角传动比设计方法和随车速或转角变化的变角传动比设计方法。

4.1 恒定横摆角速度变传动比设计方法

横摆角速度与转向轮转角构成线性关系,保证车辆在行驶过程中横摆角速度与车速无关,给车辆乘员稳定的转向感受,抑制随车速或转角增大带来的侧倾感,减轻车内乘员身体负担,提高车辆舒适性和稳定性。

彭文典等[57]基于横摆角速度不变设计传动比控制策略,将车辆状态参数作为变传动比控制策略输入信号,得到理想传动比,通过转向器实际传动比将其换算成理想电机转角。对下层电机采用反馈控制,降低转向跟踪误差和信号延迟。赵树恩等[58]和赵林峰等[59]发现传动比对车辆高速和低速工况的影响更明显,传动比过小会导致低速转向过于灵敏,传动比过大则会导致高速转向过于迟钝。为了解决这一问题,2篇文章分别提出:在高低速区间采用固定传动比,在中速区域采用横摆角速度增益不变的变传动比策略,设计满足不同车速的理想变传动比;基于横摆角速度增益不变,设置变角传动比上下限,实时修正车辆前轮转角,减小实际前轮转角与理想前轮转角的误差,主动修正车辆运动姿态,防止出现失稳状态。Huang等[60]设计了基于横摆角速度增益不变和横向加速度增益不变的可变转向比(variable transmission ratio,VSR)算法,并结合2种增益的优点提出动、静态VSR算法。通过实验验证动态VSR可变转向比算法自抗扰能力更强,车辆表现更稳定。Xiang等[61]根据线控转向叉车模型(TE60)的参数设计基于恒定横摆角速度增益不变的理想传动比,将模糊控制技术应用在变传动比控制器上,车辆可准确快速地跟踪驾驶员期望的轨迹。

4.2 随车速或转角变化的变传动比设计方法

基于横摆角速度增益不变的变传动比设计方法,在低速工况会导致传动比过小,转向轮容易到达极限,转向过于灵敏;在高速工况会导致传动比过大,转向盘容易到达极限,造成转向迟钝。为解决上述问题,引入随车速或转角变化的变传动比设计方法。该方法主要考虑传动比与车速和转向盘转角之间的关系,对不同车速区间和转向盘转角设计传动比控制策略,保证车辆在各区间获得期望的转向灵敏度。

徐飞翔等[62]基于模糊控制理论,将转向盘转角和车辆行驶速度作为变传动比控制器的输入量,并提出模糊控制器内部规则;车速、转向盘转角、转向传动比的隶属度函数值;输入输出信息模糊化规则,在减轻低速转向负担的同时提高高速行驶操纵稳定性。为了解决同样的问题,Yang等[63]设计了基于自适应模糊控制理论的可变转向比控制策略,该策略将反馈控制与前馈控制结合,分别以驾驶员输入的前轮转角和车辆运动速度作为系统输入量,为提高车辆稳定性,开发了传动比补偿策略,以保证在不同转向角度下车辆的横摆角速度增益不变。Zhang等[64]根据泛布尔代数逻辑控制方法设计SBW系统变角传动比控制器,通过传感器测量横摆角速度及增益作为逻辑规则反馈信号,将控制器输出的传动比由小到大划分为5个等级,分别对应不同车速和转向盘转角。改善了SBW车辆的转向特性,可防止车辆出现高速大转角工况导致侧翻。Zheng等[65]基于采用操纵杆的SBW车辆设计速度修正因子,将传动比变化看作线性过程,对不同车速下的实际转角进行修正,以达到转角随车速变化的目的。宗长富等[66]充分考虑到传动比随车速变化的特性,提出不同车速段变增益设计方案,在中、高速段分别以横摆角速度增益、稳态侧向加速度增益为设计依据,在低速段则是以典型工况和驾驶员习惯为依据,改善了驾驶员的体验感、车辆紧急避障和弯道跟踪性能。

对于变传动比的研究,除上述2种方法外,吉林大学高振海等[67]提出由SBW系统的主控制器算法来完成传动比的改变,以驾驶员目标转角和车辆模型实际转角的差值作为算法输入量,实现对转向系统角传动比补偿,可以很好地辅助驾驶员完成转向任务。长安大学Yuan等[68]参考模糊控制理论设计了理想的车辆传动比模型,该模型涵盖了大部分影响因素与传动比的关系,在此基础上引入分区控制概念,由中央处理器来判别车辆运动状态,再确定分区算法是否介入,优化了模型在高速工况下的转向性能。江苏大学Liu等[69]考虑到线控智能车辆具有自动驾驶功能,将SBW系统变传动比设计区分为乘员驾驶下和自动驾驶下的变传动比策略,并满足在2种模式间自由切换。在传统驾驶模式下,通过粒子群优化(PSO)算法优化后的变传动比,更注重驾驶员的感受;在自动驾驶模式下,同样是PSO算法优化后的传动比,增强了自动驾驶轨迹跟踪能力和车辆行驶的安全性。值得注意的是Liu等[69]采用离线优化的方式,以空间换时间,提高了系统决策速度。

4.3 变传动比控制参数估计方法

恒定横摆角速度变角传动比设计方法和随车速或转角变化的变角传动比设计方法均是基于车辆状态参数的控制方法,获得精准的控制器输入值将直接影响控制效果。

为此Wang等[70]基于车辆3自由度模型估计横摆角速度的同时,一并估计质心侧偏角和纵向加速度等,得到了更真实的车辆行驶状态。Mirzaeinejad等[71]和Chu等[72]为估计车辆横、纵向速度,用无迹卡尔曼滤波对测量值进行估计计算,为主动安全控制提供优化数据。此外Wang等[70]用此方法估计路面的摩擦因数,更准确地描述出车辆运动状态;但Chu等[72]对估计条件要求更低,具有处理条件变化的应急能力。Iqbal等[73]使用卡尔曼滤波器估计不同路况下轮胎转弯刚度系数。当估计出一组有效轮胎侧偏刚度系数后,立即关闭估计器,将估计参数变为常数,以提高估计值的收敛精度。

车辆转向伴随着质心侧偏角的变化,这也是传动比控制中重要的参考变量,变传动比控制的本质是使车辆在各速度区间均能保持稳定行驶。Nam等[74]基于2自由度模型利用扩展卡尔曼滤波器估计车辆侧滑角,使车辆在轨迹跟踪时不易跑偏。Zhang等[75]同样基于车辆2自由度动力学模型,对比扩展卡尔曼滤波和无迹卡尔曼滤波估计的车辆质心侧偏角精度,择优选择无迹卡尔曼滤波实时监控车辆稳定性。Deng等[76]同样是基于3自由度车辆模型采用无迹卡尔曼滤波器根据车辆当前状态参数估计车辆实时重心高度,为重心实时变化的车辆提供了动态控制方法。Fu等[77]提出了一种基于埃尔曼神经网络(elman neural network,ENN)和无迹卡尔曼滤波的优化算法,将ENN处理非线性的优势和无迹卡尔曼滤波处理不确定性的能力相结合,用于估计车辆状态参数,该滤波器的整体误差低于传统的无迹卡尔曼滤波。

4.4 小结

变传动比技术同样是SBW系统关键技术,适当的传动比满足了线控底盘的高性能要求,不仅能够给乘员带来舒适的驾乘体验,还能提高车辆安全性。变传动比技术与主动转向密切相关,行业内已提出了大量变传动比控制策略,但未充分考虑不同人群对于车辆转向感受的差异性,导致驾驶员对不匹配的传动比付出过多的适应代价,因此,如何在不破坏高速转向稳定与低速转向轻便的平衡前提下,满足不同驾驶员偏好的角传递特性,需要研究人员收集并分析大量的驾驶人数据,从而对变传动比控制策略进行修正与调整。

SBW系统力传递特性和角传递特性不耦合,路感控制和传动比控制实现完全解耦,但完全不考虑两者的相互影响同样会给驾驶员造成较差的驾驶体验。车辆高速行驶时,转向系大传动比会导致车身姿态不易控制;低速行驶时,转向系小传动比会影响路感和驾驶员对车辆的操纵,使得路感控制策略在相应工况下不能给驾驶员带来完全舒适的体验。

5 结论

路感模拟技术向着为驾驶员提供真实舒适路感的目标不断发展,近年衍生出个性化路感等研究方向,目标人群难以细化是该方向需要重点解决的问题;变传动比技术的2种设计方法均是为了提高操纵稳定性,使车辆在不同工况下具有最优转向响应;以卡尔曼滤波技术为主的参数估计算法在提高车辆参数估计精度的同时也增加了计算量。

本文详细分析了线控转向系统的研究现状,得出如下展望。

1) 路感个性化。路感是驾驶员作出动作判断的重要依据,应力求给驾驶员提供接近真实的路面信息,同时考虑到不同驾驶员驾驶习惯的差别,可设计不同行为习惯的路感控制策略,为不同驾驶人群提供真实舒适的驾驶感受。

2) 安全可靠。为加快SBW车辆的量产化,需要提高其安全性能,增强系统的鲁棒性,由于转向盘与转向机构解耦,软件一旦出现故障,车辆将不可控,所以应加强软件系统的安全冗余性能,让其具有自主学习、自主处理故障的能力。

3) 精准控制。为提高车辆的稳定性能,设计更准确的车辆状态参数估计算法,提高控制精度。利用算法控制是线控车辆的一大优势,参数估计不仅限于所阐述的横摆角速度等,而且应考虑到车辆位置信息、下一时刻运动轨迹等,并将数据转化成转向轮的转角信号,实现运动轨迹和车辆转角的耦合控制。