踩下电门的一瞬间四个车轮同时开始疯狂空转仪表盘上的车身稳定系统灯闪成一片方向盘在手里像一条挣扎的鱼车尾却已经提前一步甩了出去——这就是高性能四驱电动爹在雪地上的日常。很多人以为四驱就是雪地神器其实在低附着路面上电机瞬间输出大扭矩反而让车辆更容易突破附着极限。而解决这个问题的核心就是一套能把车辆动力学状态死死拽住在稳定域内的控制算法。今天要聊的就是滑模控制在四驱电动车稳定性控制中的实际应用特别是雪地漂移这种极端工况下的表现。这篇文章适合正在做车辆底盘控制、对车辆动力学和功能安全感兴趣的工程师以及想搞清楚稳定性控制底层原理的学生我会尽量用实际工程踩坑的口吻讲清楚思路。1. 电动爹的“失控瞬间”到底发生了什么1.1 电动车雪地打滑的物理根源先搞清楚一个基本问题为什么同样的轮胎、同样的路面电动车比燃油车更容易打滑核心原因有两点。第一电机响应速度极快。燃油车从踩油门到扭矩完全到达轮端要经过发动机转速爬升、变速箱降挡、离合结合这一整套流程响应有个几百毫秒的“缓冲”。而永磁同步电机从指令到输出峰值扭矩基本只要十几毫秒。这个响应速度放在干燥路面上是优势放在冰雪路面上就成了“突袭”——轮胎侧向力和纵向力瞬间被打穿。第二电动车的单轮大扭矩输出能力强。四驱电动车的每一个轮子都配着能独立输出两三百牛米以上的驱动单元四个轮子加起来就是上千牛米。而轮胎能传递到地面的附着力是由路面附着系数和垂直载荷共同决定的。雪地上的附着系数大概在0.2到0.35之间压实冰面甚至低到0.1哪怕轮胎垂直载荷有一千斤单个驱动轮能安全传递的驱动力也只有几百牛。这么大的扭矩发出去轮胎的驱动滑移率会瞬间冲到百分之几十甚至完全空转。这里需要引入一个关键参数滑移率λ。驱动工况下定义成(轮速-车速)/车速当λ超过当前路面的最佳峰值滑移率之后轮胎的纵向力系数先升后降侧向力系数则单调下降。也就是说如果车轮完全空转轮胎的侧向力几乎归零此时车轮没有任何抵抗侧滑的能力——这就是为什么一打滑就失控越踩越滑。1.2 车身为什么就“不听使唤”了车身姿态失控直接用横摆角速度γ来分析。把车看成一个绕铅垂轴转动的刚体横摆角速度就是这个刚体绕垂直轴的旋转速度单位是弧度每秒。驾驶员通过方向盘给车轮一个转角轮胎产生侧偏力这个侧偏力对质心取矩就产生了横摆力矩驱动车身转动。车辆稳定时横摆角速度与方向盘转角之间应该是一个线性稳态关系——你打多少方向车就按比例转多少。但路面附着力不足时这个线性关系被破坏了。你打方向前轮期望产生侧向力但实际轮胎能给出的力有限而且后轮也可能因为驱动力过大而失去侧向力质心处的横摆力矩平衡被打乱。极端情况下后轴的侧向力先消失车尾向外甩出横摆角速度失去控制车开始绕质心高速旋转——这就是漂移失控的力学本质。这里要说一个工程界公认的“失控判据”当横摆角速度严重偏离驾驶员期望值同时质心侧偏角持续增大时车辆就进入了不稳定状态。质心侧偏角β就是车辆实际速度方向与车身纵轴方向的夹角。很多人只盯着横摆角速度其实β才是判断车是否即将“转圈”的关键指标。β一旦超过一定阈值通常路面附着条件越差阈值越小雪地上可能只有几度车辆就已经进入了任何驾驶员都很难救回来的状态。1.3 为什么说“四驱雪地漂移”是最难的控制工况四驱电动车最大的优势是每个轮子的扭矩都能独立控制这同时也是控制系统最棘手的地方。扭矩可独立控制意味着你可以随时调节每个轮子的驱动力/制动力但是控制自由度越多对控制算法和分配策略的要求就越高。传统机械四驱的中央差速器把前后轴扭矩按固定比例锁死电子系统能干预的只是个别车轮的制动自由度有限但问题也简单。而四驱电动车四个轮子各有独立电机相当于四个独立执行器任何一个轮子的扭矩分配错了都可能让原本稳定的车辆失控。雪地漂移工况则进一步把难度拉满。漂移是车辆在后轮附着力突破极限的状态下通过驾驶员持续的转向和油门控制让车身保持一个相对可控的横摆状态。但要“可控地漂移”不是关掉稳定性控制纯靠人来操作而是控制系统在介入和放手之间找到平衡点既要允许一定程度的侧滑来维持漂移姿态又要防止横摆角速度发散变成旋转。这就对控制器的鲁棒性提出了非常苛刻的要求。在这种环境下PID控制的增益往往很难整定附着系数从0.3跳到0.1再跳到0.25轮胎的非线性特性剧烈变化车辆动力学参数质心位置、含驾驶员后的总质量、转动惯量都在变。PID依赖的线性化模型假设在这种场景下基本失效。我们最终选择了滑模控制就是因为它对模型不确定性和外扰有天然的“撕不烂”的能力。2. 滑模控制一个愿意“硬扛”不确定性的控制器2.1 先从“一条无法跨越的曲线”说起滑模控制的基本思想用大白话讲就是给系统的状态误差定义一个“滑模面”然后设计控制律让系统状态无论从哪个初值出发都能在有限时间内被“拉”到这个滑模面上并一直待在滑模面上滑动直到误差归零。可以这样想象你手里有一根磁铁地面上画了一条曲线滑模面系统状态就是一个铁球。不管铁球初始在哪里控制律的作用就是让它受到一个始终指向曲线的力先到达曲线然后沿着曲线滚向目标点。关键点在于一旦铁球“吸”到了曲线上它对模型参数的偏差、外部扰动就不再敏感——因为它的运动轨迹被这条曲线“结构化”地约束住了。在车辆稳定性控制中滑模面一般把横摆角速度误差和质心侧偏角误差组合起来。比如定义一个滑模变量s (γ − γ_ref) c · (β − β_ref)其中γ_ref和β_ref是期望的横摆角速度与质心侧偏角c是一个权重系数。当s等于0时意味着横摆角速度误差和质心侧偏角误差满足一个指定的相对关系。这个滑模面上车辆的状态轨迹是动态稳定的你偏离一点它会自己收敛回来。2.2 “拉”上滑模面的手段等速趋近律设计滑模控制律时常见的一种做法是“趋近律法”。它强制滑模变量s的变化速度满足指定规律典型形式是ds/dt −k · sign(s) − q · s这个式子拆开理解第一项−k·sign(s)是等速趋近项k决定了系统无论远离滑模面多远都会以恒定的速度把它往回拉第二项−q·s是指数趋近项q让s在远离滑模面时趋近速度更快接近时变慢抑制过冲。为什么选择这种趋近律而不是直接设计一个控制律让误差指数衰减因为滑模控制的核心思想不是“把误差算得准不准”而是“无论不确定性多大状态都要被强制拉到滑模面上”。等速趋近项里的sign(s)是硬约束它不依赖精确模型只要增益k大于系统不确定性上界那么状态就一定会被拉回去。这就是鲁棒性的来源。把车辆动力学方程代入后最终得到的直接横摆力矩控制律长这样M_z I_z · [dγ_ref/dt − c·(dβ/dt − dβ_ref/dt) − k·sign(s) − q·s]注意这个式子中的dγ_ref/dt和dβ_ref/dt可以从参考模型算出dβ/dt可以通过状态估计获得I_z是整车绕铅垂轴的转动惯量。M_z就是我们最终要施加到车身上的额外横摆力矩。2.3 为什么不用PID也不用MPC这里必须解释一下为什么我们把目光锁定在滑模控制。在一般的高附着路面工况PID配合前馈完全够用。因为它工作点附近轮胎特性近似线性反馈增益固定也能保证稳定性。但雪地工况的线性区间太窄了。有一次我们在压实雪地上测试用PID参数跑低速正弦扫频工况低速段调好的增益到了高速段直接发散原因就是轮胎侧偏刚度随垂直载荷转移和附着系数变化而剧烈波动固定增益无法覆盖整个工况面。MPC其实在理论上是最优解它可以把执行器约束、状态约束一起纳入优化目标在冰面上依然能计算出一系列最优扭矩分配。但问题在于MPC每步都要在线求解一个带约束的二次规划计算耗时通常几十毫秒对于控制周期要求5到20毫秒的底盘稳定性控制来说实时性非常吃紧。即使现在算力上来了在量产ECU上依然很难保证最坏情况下的计算耗时。滑模控制是中间路线。它的计算量极小核心控制律就是几十行浮点运算它对付不确定性靠的是结构性的“硬拉”而不是精确建模模型参数偏多少都能容忍。代价就是它里面那个sign(s)项在当时抖动的执行器上并不友好。这一点后面单独说。2.4 抖振滑模控制最大的“槽点”与破解法如果直接把sign(s)项施加在扭矩指令上电机扭矩会以极高频在正负之间来回跳这叫抖振。扭矩一抖轮速跟着抖驱动系统发出嗡嗡的噪音电机控制器过流风险还高。一开始我们实车调试扭矩指令抖到整车像按摩椅数据曲线全是毛刺。这就是滑模控制“理论完美、工程想哭”的典型场景。破解抖振的标准手段是引入边界层。把符号函数sign(s)换成饱和函数sat(s/Φ)其中Φ是边界层厚度。当滑模变量s的绝对值小于Φ时sat(s/Φ)等于s/Φ是一个连续线性函数不再有两个极端状态之间的硬切换。这样在滑模面附近控制量就变得平滑了。代价是引入了稳态误差。边界层越厚抖振抑制越明显但最终误差也越大。这里面有一个平衡点问题。我们实测下来Φ取0.5左右横摆角速度稳态误差能控制在±0.05 rad/s内这在雪地上已经足够用了。再结合自适应增益——误差大时用大步长、误差小时用小步长——整个控制器的手感和效果都能提升不少。另外一个现代解法是超螺旋算法它可以保证在滑动变量面上连续控制的同时理论上的鲁棒性保持不丢失。不过超螺旋算法参数整定比较复杂我们后续版本再考虑第一版实车用的就是边界层饱和函数效果稳定。3. 实操从控制律到四轮扭矩分配3.1 需要哪些状态信号把控制器落实到工程你最需要的是这几个信号纵向车速v_x由车轮轮速融合惯导估算得到不能用GPS雪地里更新频率和精度都不够。横摆角速度γ来自车辆IMU惯性测量单元这是滑模反馈的关键量。质心侧偏角β这个量没有传感器直接可测必须靠状态估计。通常用扩展卡尔曼滤波把IMU的纵向/横向加速度、横摆角速度和四轮轮速作为输入用车辆动力学模型预测β。参考横摆角速度γ_ref由方向盘转角、纵向车速、轮胎参数计算得出。这里要提醒一下β的估计精度直接决定控制效果。雪地上β动辄好几度估计不准控制就“看不见”车辆的姿态恶化趋势。3.2 参考模型理想状态下“应该转多少”稳定性控制不是让车“不转”而是让车按驾驶员的意图转。所以需要计算出参考横摆角速度γ_ref和参考质心侧偏角β_ref。用线性二自由度自行车模型就可以算γ_ref v_x / (L·(1 K·v_x²)) · δ其中L是轴距δ是前轮转角K是稳定性因数由前后轴侧偏刚度和质量分布决定。车速越低横摆增益越高方向盘越灵敏车速越高K·v_x²占主导稳定性因数让参考横摆角速度增长放缓防止驾驶员在高速下打方向时车辆响应过于激烈。β_ref在稳定性控制里一般取接近0或者很小因为稳定行驶时质心侧偏角应尽量小。在漂移工况下β_ref会适当设置一个较小的非零值允许驾驶员维持可控的横摆姿态但这个值不会超过路面允许的安全阈值。另外要注意γ_ref必须受路面附着条件约束。物理上横摆角速度不可能超过当前路面能承受的最大值 |γ_ref| ≤ μg/v_x。g是重力加速度μ是附着系数。如果不加这个限制控制器会在低附着路面要求车辆做出根本不可能实现的横摆响应最终产生超调甚至诱发横向翻覆风险。3.3 滑模面的工程化设计与参数整定滑模面的参数选择直接决定车辆的瞬态响应特性。我们用的是这个组合误差形式s (γ − γ_ref) c·(β − β_ref)c一般取0.3到1.2之间单位是秒为了量纲一致。c越大质心侧偏角在滑模面里占权重越大车辆对侧滑的抑制越强但可能会限制驾驶员的主动漂移操作。第一版我们保守地把c取0.8后续跑雪地漂移标定时逐步降到0.4才找到“既能稳住又允许漂移”的平衡点。控制参数上初步给一组实测可复现的初始值k 3.0等速趋近增益q 8.0指数趋近增益Φ 0.5边界层厚度c 0.8滑模面系数这三个参数先过仿真再上实车微调。如果发现横摆角速度跟踪滞后明显优先增大q如果出现系统震荡就增大Φ或者减小k。需要强调的是k不是越大越好k太大执行器长期满负荷工作且边界层外切换增益过大会把系统推向机械振动。3.4 四轮扭矩分配M_z怎么变成四个电机的扭矩指令得到总体的横摆力矩需求M_z之后下一步是把它分配到四个车轮的扭矩指令上。前后轴之间的分配策略跟整车的加速需求和转弯工况相关。我们的做法是先满足驾驶员加速踏板请求对应的纵向总需求F_x_total再在这个基础上叠加一个横摆力矩产生的左右轮扭矩差。假设前轴轮距为d_f、后轴轮距为d_r那么横摆力矩M_z和四个轮子纵向力的关系是M_z (−F_fl F_fr)·d_f/2 (−F_rl F_rr)·d_r/2注意这里Fl和Fr是同轴左右轮的纵向力力的方向以驱动力正方向定义。要让车辆产生向左的横摆力矩就需要右侧车轮的驱动力大于左侧。实际算法通常在每根轴上分配一个基础扭矩然后叠加ΔTΔT F_x_diff·r / d。其中r是轮胎滚动半径。分配策略上有一个重要的边界条件电机扭矩要受峰值扭矩和过温保护限制轮胎驱动力不能超过当前路面附着力上限否则会再次打滑。我们是把“轴间分配”“左右差动”分两步做用二次规划在线求解最优目标同时加入执行器饱和约束。二次规划问题虽然比MPC小得多每步求解也就几个毫秒工程上完全可以接受。3.5 仿真环境搭建与验证流程在设计阶段强烈建议先用高精度车辆动力学仿真软件搭好环境把控制器算法固化下来再上实车。我们用的是Simulink车辆动力学仿真软件联合仿真。车辆模型精度最关键的是轮胎模型雪地工况下要选择能反映非线性附着特性的模型比如魔术公式轮胎模型并针对压实雪、浮雪、冰面设置不同的峰值附着系数。仿真验证矩阵至少包括低速匀转弯验证稳态跟踪精度正弦扫频转向验证频域响应和相位滞后雪地直线加速验证驱动防滑功能雪地阶跃转向验证瞬态横摆响应漂移工况验证允许滑移下的稳定性边界每一条用例都要跑几组不同附着系数的组合记录横摆角速度跟踪均方根误差、质心侧偏角峰值、扭矩指令抖振幅度三个指标。我们当时定的验收基线是雪地工况横摆角速度跟踪误差均方根小于0.1 rad/s质心侧偏角峰值不超过8度扭矩指令抖振幅度小于峰值扭矩的5%。4. 雪地实测从仿真到实车踩过的坑4.1 传感器噪声和通信延时仿真里看不到的“隐形敌人”仿真里一切信号都是完美采样的控制器“以为”自己在一个理想世界里。但上了实车数据链路瞬间不理想。IMU的横摆角速度信号带噪声轮速脉冲有量化误差控制指令通过CAN总线发出还有20ms到50ms的延迟。这些延时叠加在一起会让滑模控制器的鲁棒性大打折扣——尤其当边界层Φ取得比较小时噪声会让控制器误判系统已进入滑动模态导致实际误差一直无法收敛。我们在第一次雪地实测中就踩过这个坑。控制器在软件测试里跑得好好的实车一跑横摆角速度跟踪曲线毛刺十分严重扭矩指令高频抖动。排查到最后发现是IMU信号没有前置低通滤波把几十赫兹的高频机械振动信号混进了反馈通道。解决方法是两件事给横摆角速度信号加一阶低通滤波截止频率取20Hz过滤高频机械噪声同时把控制周期从10ms放宽到20ms给通信链路留出稳定吞吐的余量。代价是控制带宽稍微降低但在雪地这种主要能量集中在低频的工况里影响可以接受。4.2 附着系数估计不准滑模增益怎么调滑模控制理论上对不确定性鲁棒但k的取值必须覆盖不确定性上界。在雪地上附着系数从冰面的0.1到浮雪的0.3波动这个波动范围很大如果你把k取成一个固定上限理论上是安全了但实际跑起来扭矩指令会非常“暴躁”车辆出现明显的顿挫而且电机过温保护会频繁触发。我们最后采取的做法是“自适应增益”用实时估计的附着系数动态调整k。附着系数估计方法基于纵向滑移率-驱动力斜率识别——当滑移率较小且驱动力增长斜率陡峭时说明路面附着好k可以取小一点当同样的滑移率对应的驱动力增长斜率平缓时说明路面附着差k取大一些。实测下来自适应增益能把整车的驾驶性提升一个档次在浮雪和压实冰面交替出现的路面上也不怕。4.3 漂移工况下的控制边界到底怎么处理雪地漂移测试是整套系统调试的高潮。漂移时驾驶员会主动给大油门让后轮持续滑动车身用大约25到35度的横摆角进行大角度转弯。这时候稳定性控制器如果还按常规工况把所有侧滑都归零那漂移姿态根本维持不住车会“直直地”推头出去。所以漂移工况的控制边界要重新定义。我们不是直接关掉控制器而是把β_ref从原来的0放宽到当前路面允许的最大值同时调低滑模面里β的权重c。具体做法是检测到驾驶员方向盘转角快速增大且油门开度大、横摆角速度远超参考值进入“可控漂移模式”。在这个模式下质心侧偏角的目标值根据估计附着系数实时计算c降到0.3左右γ_ref还是按原来的线性模型计算但允许±15%的跟踪误差带。这套规则标定完之后漂移姿态能够稳定维持而且一旦驾驶员收油或反打方向控制器能快速把β拉回稳定状态安全性提升很明显。4.4 一个容易忽略的执行器问题电机过热限制最后提一个和算法无关、但实际工程中快把团队坑惨的问题电机过温。雪地漂移连续跑驱动电机长时间在峰值扭矩附近工作电机温度和逆变器温度很快逼近限值。如果扭矩分配策略只盯着车辆稳定性完全不管电机热负荷那跑几圈下来某个轮子的扭矩就会被电机控制器强制限制为零。一旦有一个轮子失去驱动力横摆力矩输出突然丢失本身稳定的滑模控制也瞬间崩溃。排查这类问题时我们花了整整一个下午才发现问题不在控制算法而在执行器保护限值。解决思路是在扭矩分配优化问题的目标函数里加入电机温度作为约束或者用简单的线性插值做一个温度-扭矩降额函数对温度高的电机暂时限制其可用扭矩上限。这个和稳定性控制本身无关但不解决它任何稳定性控制算法都跑不了完整的试验。5. 常见问题与排查速查表5.1 问题速查表现象可能原因解决方案扭矩指令高频抖振反馈信号噪声大加低通滤波增大边界层Φ横摆角速度跟踪滞后趋近律增益q太小增大q或减小边界层厚度Φ低速时车辆“发飘”β权重c过小β估计误差大增大c检查质心侧偏角估计滤波参数高速时车辆过稳定驾驶员觉得“轴”γ_ref受附着约束检查γ_ref限幅是否过于保守合理放宽约束漂移无法维持被控制器“救回来”漂移模式和常规模式切换逻辑未触发调整漂移模式触发阈值降低滑模面c单个轮子扭矩突然清零电机过温保护激活在扭矩分配中加入温度降额约束整车持续跑偏横摆角速度稳态偏差不为零边界层引起的稳态误差增大q或加入积分补偿项车辆大幅侧滑后再也救不回来β已经超过可恢复阈值在β超过阈值前预置横摆力矩输出提前介入5.2 基于个人经验的避坑清单这里分享几条从实战里总结出的经验。第一条千万不要在仿真里过度信任“完美状态的滑模”一旦你把传感器噪声和时间延迟加进仿真整个控制器设计很可能要大改。建议从第一天起就在仿真环境里加入噪声源和通信延迟模型这样仿真结果才有参考价值。第二条滑模参数的整定顺序有讲究。先整定滑模面权重c再整定趋近律k和q最后才动边界层Φ。我见过不少团队一上来就调Φ调了一整天都没定位到根本问题因为Φ只是缓解抖振的“创可贴”并不能解决控制器结构级的动态缺陷。第三条对所有超过阈值的状态变量都要做记录尤其是质心侧偏角的峰值和持续时间。这个数据在实车调试阶段能帮你快速定位是“控制律问题”还是“边界条件问题”。有时候轮胎已经达到物理极限任何控制算法都救不回来必须靠提前预判状态的边界条件来避免进入不可恢复区域。最后再说一个我在写这套控制算法时最有体会的地方。滑模控制的成功本质上是“鲁棒性要靠结构保证而不是靠精确建模”。车辆动力学里面那些难以精确测量的胎面摩擦状态、悬挂运动学、温度漂移统统不需要你精确建模滑模面的强制收敛特性会把它们当作“有界扰动”来处理。但是这种“硬扛”是有代价的它把不确定性转移到了执行器的磨损和噪声上。所以真正上乘的车辆稳定性控制不是追求控制理论的纯粹而是合理地在滑模控制的强硬和边界层的柔软之间找到那个让驾驶员感觉“车辆随心想动”的平衡点。做控制和开车一样硬扛到底不算本事知道什么时候该让一点才是真正的技术。
