智能驾驶背景下乘用车商用车人机共享转向系统发展趋势报告-2024-04-智能网联

智能驾驶背景下转向系统发展趋势1、乘用车智能转向系统2、商用车智能转向系统3、人机共享转向控制4、智能避撞系统5、小结附、

EPS相关技术汇报提纲21、乘用车智能转向系统1.1

电动助力转向系统1.1.1

EPS结构示意图1.1.2

EPS工作原理ECU3转矩电流电动机齿轮齿条转向器转矩传感器转向轴减速机构车速1、乘用车智能转向系统1.3

EPS发展趋势面向汽车智能化的电动助力转向系统解决方案：1-D

T(u)电机力矩

EPS转向系sy统stem电机力矩实E际P系统助力表systemEPS转向系统轨迹规划/路径跟踪问题目标转向角转角伺服控制器控制器路感问题驾驶员操纵

力矩PID(s)1-D

T(u)控制器系统自动驾驶模式电动助力模式驾驶员目标

转角

神经肌肉

实际转向角目标转向角助力表PID(s)41、乘用车智能转向系统前轮主动转向系统AFS结构及工作原理AFS结构示意图转向柱行星架5电机输出轴方向盘输入轴行星齿轮A行星齿轮B转向齿条1、乘用车智能转向系统前轮主动转向系统AFS结构及工作原理AFS作用及工作原理可变传动比i执行电机实际车辆方向盘驾驶员参考车辆模型−δ*+控制器y+δmodifyyreff

+δ

*θhThδ−6及转向轮齿轮齿条1右转向拉杆及转向轮转向驱动电机1方向盘1.2.2

AFS关键技术

转角叠加电机与方向盘的力解耦：转角叠加电机对转向手感的干扰抑制

随速变传动比技术：保证低速转向轻便和高速转向稳定1、乘用车智能转向系统

基于主动转向的车辆稳定性控制技术：车辆运动跟随驾驶员意图的同时保证动力学稳定性

结构复杂

轮胎磨损

失效保护行星齿轮机构171.2.3

前轮独立主动转向系统转向驱动电机2左转向拉杆行星齿轮机构2齿轮齿条21、乘用车智能转向系统线控转向系统SBW结构及工作原理81、乘用车智能转向系统驾驶员

控制器

转向交互1.3.3线控转向系统的发展趋势

线控转向系统的个性化路感风格设计

基于线控转向系统的人机共驾解决方案91.3.2

线控转向系统的关键技术

线控转向系统的理想路感设计高精度路感模拟

路面不平导致的的路感波动抑制

线控转向系统的前轮转角伺服控制

线控转向系统的冗余设计：传感器冗余/控制器冗余/执行器冗余驾驶员目标驾驶辅助系统目标车-路系统后轮主动转向系统后轮转向系统的工作原理

后轮主动转向系统的结构示意图1、乘用车智能转向系统副车架

后轮主动转向系统的三种工作模式左转向横拉杆

右转向横拉杆转向驱动电机

转向丝杠逆相位转向零相位转向同相位转向右转向节左转向节低速10高速中速1.4.2

后轮主动转向系统的关键技术

前轮/后轮转向角度比设计

低速行驶的转弯灵活性和高速行驶的方向稳定性控制策略

基于主动后轮转向的车辆动力学稳定性控制1.4.3

后轮独立主动转向系统

两后轮协调转向，可提高车辆行驶稳定性

两后轮反向张开或内收，可产生一定的制动作用1、乘用车智能转向系统推杆滚珠丝杠机构转向节连接球头 齿轮减速器车架连接球头驱动电机后桥半轴电动i伸缩臂111、乘用车智能转向系统1.5

差速转向/差动转向

低速大转角转弯可能有困难；

轮胎磨损困难严重；

高速修正汽车行驶方向，改善稳定性有作用。T/

vM

z

/

12在市内街区由于与非自动驾驶汽车并存，发生交通事故可能性较高。如何解决事故（尤其是人身事故）的责任认定问题，从法律法规层面来看还非常困难在非公共区域内能够按照自主制定的规则应对，测试和运营相对较容易在开放性道路上，则需要建立诸如“专用车道”等公共规则2、商用车智能转向系统2.1商用车自动驾驶需求更加迫切、进程或更快较好的自动驾驶应用基础带来诸多好处提高道路安全性；优化交通流量；降低燃油消耗；

……自动驾驶的需求解决驾驶员不足。从长时间驾驶中解放出来，以及应对“收发订单”等追加业务操作在感知到危险情况下瞬间调整行进方向以确保安全性系统成本由用户承担面临的课题作为“不会发生碰撞事故的汽车”提供更加安全的驾驶环境帮助弱势群体（高龄者、残障人士）的出行法律法规系统成本乘用车13商用车能够促成削减运输过程中的人工成本，节省下来的这部分就可以填补到高额的系统成本上2、商用车智能转向系统智能为应对商用车智能驾驶趋势，需要转向系统具备完成车道偏离辅助、列队行驶等功能的能力新一代的年轻驾驶员对驾驶舒适性要求较高将近一半的驾驶员存在腰、肩、颈部的职业病，转向系统的操纵轻便性有望提高高速行驶时操纵稳定性较好，路感清晰为避免疲劳驾驶和集中注意力，转向系统的操纵负担应尽量小舒适安全2.2智能化商用车对新型转向系统的新要求142、商用车智能转向系统电液转向响应滞后、

角度控制难；不能直接用于自动回正、

泊车和智能转向的转角、转矩控制2.3

传统EPS和ECHPS在商用车智能转向控制应用上存在瓶颈受EPS电机功率及空间限制，

目前只能用于中小型乘用车智能转向控制电磁阀及/控制器转向传感器15控制器减速器电机2、商用车智能转向系统在原有循环球式液压助力转向器基础上叠加一套传感器-助力电机-控制单元总成实现功能 技术背景随速助力 增强高速转向手感的同时保证低速转向轻便性应急转向 在液压助力系统失效时，

助力电机完成系统必要的助力转向功能主动回正 车辆完成转向动作之后，

助力电机协助驾驶员完成转向轮回正部分自动驾驶 在特殊驾驶场景下，

系统在驾驶员的监控下，

执行车辆侧向路径引导操作，

比如自动转向功能侧风补偿 助力电机保证车辆在遇到侧向风时处于直行状态，

减轻驾驶员精神负担和物理操作负荷162.4主流解决方案ZFReAX-Column

MountedZFReAX-Gear

Mounted2.5

探索形方案采用48

V系统的电机、减速齿轮等取代现有系统。省去油泵或储液箱，与传统液压转向系统相比，实现了10%轻量化，

同时由于不再需要补油，可维护性同时提高。与乘用车EPS最大的差异就是电机。ZF该款新产品上搭载的电机最大扭矩为70Nm。可产生的轴向力最大为55kN，可支持大型卡车。ZFReAXEPS(in

development)2、商用车智能转向系统172、商用车智能转向系统集成式商用车电液耦合转向系统控制器及性能测试平台开发+24VBatt+5VDGNDIGN3

phasepowerMotor

controllerCANHCANLFaultsignals+5VDCRTACRTBCRTCHALLCQEPAQEPBOthersIGNCANHCANLPowerlineDigital

signalAnalogysignalCommunicationGNDPWM

T1PWM_T2HALLAMotor

assemblyHALLB2.6课题组在商用车智能转向方面进行的研究From

vehicle120120+24VBattGNDPWM_

PPWM

_S182、商用车智能转向系统电机助力曲线MAP图车速2.6课题组在商用车智能转向方面进行的研究地面转向阻力矩驾驶员在环场景下助力电机助力曲线三维MAP图设计车辆动力学模型驾驶员手力矩192、商用车智能转向系统外层横向循迹控制器开环特性测试、分析嵌套式商用车转向控制架构2.6课题组在商用车智能转向方面进行的研究驾驶员不在环，即无人驾驶场景下商用车横向自动循迹控制策略设计实际方向盘转角理论建模车辆状态道路-环境信息K(

)θ多目标自适应调度控制策略内层目标转角跟随控制器b1s+b2c1s+

c2b3s+b4c3s

+c4s+

c5车辆侧向动力学仿真模型电动辅助转向子系统转角跟随控制策略设计2q120q2nWeightedLPVsystemWu车-路控制模型目标前轮转角2F(s)仿真分析uF(s)=s2+d1

11s+s2+d32s

+2 2s2+d21s+1s2+d42s

+

2yΔmC(s)=

a1G(

)θ

Wrw WwWnzWz自动化等级名称定义驾驶员执行全部的或部分的动态驾驶任务（DDT）0无自动化驾驶员是整个智能化系统唯一的决策者和执行者1驾驶辅助ADS在特定环境条件下执行DDT中的纵向或横向运动控制子任务2部分自动化ADS在特定环境条件下完成汽车的纵向和横向运动控制子任务自动驾驶系统（ADS）执行全部的动态驾驶任务（DDT）3有条件自动化ADS在特定环境条件下完成DDT的全部任务，

根据系统要求，驾驶者提供合适的应答4高度自动化ADS在特定环境条件下完成DDT的全部任务，

根据系统要求，驾驶者不一定需要对系统所有的请求作出应答5完全自动化ADS在所有人类驾驶者可以应付的环境条件下完成DDT的全部任务，

驾驶者不一定需要对系统所有的请求作出应答3.

人机共享转向控制3.1

自动驾驶技术分级213.

人机共享转向控制3.2

驾驶员驾驶带来的问题社会困境过依赖情景意识降低完全自动驾驶带来的问题疲劳驾驶驾驶员分心223.

人机共享转向控制3.3

共享型转向控制驾驶员和智能系统同时在环，分享车辆转向控制权，人机一体化协同完成车辆转向驾驶任务23视觉感知神经调节肌肉发力感知层决策层执行层传感系统执行机构控制单元执行层决策层感知层玩家1人机同为控制实体，双方受控对象交联耦合，状态转移相互制约，具有双环并行的控制结构。基于动态非合作博弈理论的人机共享交互式转向建模3.

人机共享转向控制驾驶员智能系统驾驶员目标力矩/转角交互×智能系统目标1共享转向过程动态博弈过程信息交互参与者2系统动态

车路系统

转角/力矩叠加博弈均衡策略玩家2参与者124共享型转向控制主要有角度叠加型和力矩叠加型两类。这里主要进行了角度叠加型共享转向控制的研究。实验验证环节主要是基于dSPACE实时仿真平台，

dSPACE作为目前主流的快速原型和硬件在环开发平台已经在汽车产品开发领域得到越来越广泛的应用。为了使实验结果更加真实可信，车辆模型用包含轮模型，并运行于PXI主机上。转向系统则用我组开发的线控转向试验台进行角度叠加的共享转向控制方面的研究。3.

人机共享转向控制3.4

基于前轮主动转向的共享型转向控制研究共享转向控制硬件在环（HIL）验证基于dSPACE实时仿真平台Steering胎侧偏非线性的Carsim整车co

n

tro

ls

ign

al

VehiclestateSteering

control

signalAngle

sensor

signalAngle

sensor

signalInteractivesteering

controllerRoad

informationNonlinearevaluation

modelRackand

pinionassemblyRoad

trajectoryPinion

angleSteering

wheel

assembly25驾驶员和智能系统目标路径设定驾驶工况为高速公路上的双移线，驾驶员由于疲劳驾驶或分心等因素未能识别该进行转向操作，期望路径为直线；智能系统根据环境感知及决策系统规划处目标路径并控制方向盘进行轨迹跟踪，期望路径为双移线。这里仅给出开环纳什和闭环纳什均衡策略下的仿真及实验结果。所谓开环和闭环主要指的是博弈的参与在在博弈过程中所能得到的信息上的不同。3.

人机共享转向控制3.5

仿真及实验结果开环纳什博弈策略结果闭环纳什博弈策略结果26车辆行驶环境传感、感知、信息融合及定位系统 决策系统车载传感器运动控制系统纵向运动控制横向运动控制自动驾驶汽车4、智能避撞系统4.1避障系统总体方案高精度定位信息预处理信息融合车辆运动状态感知交通标识检测行驶区域检测交通参与物感知车道信息检测轨迹规划行为预测 风险评估行为决策27智能避撞系统自动驾驶汽车dmU U

Uv,

p运动控制系统紧急制动控制系统方案轮胎滑移率控制层基于鲁棒补偿的RBF神经网络控制IEHB执行器控制层IEHB执行器的控制策略λdiλdiPWMvxoiIEHB执行器踏板行程模拟器SU电动主缸液压调节单元 IEHBM 控制器P

U P

U PU P

UFL RR RL FRTb_

ij284、智能避撞系统自动驾驶汽车4.2.2

直接横摆力矩控制系统方案IEHB执行器执行层IEHB执行机构控制μβvxPe

_

ij参考模型层理想值识别与估计层观测器驾驶员控制指令Yd

,δYPe

_

ijay,Y,

ΦijYdY,Ydβd β,

βdδδ

,PMPb

_

ijPWMY,Φij,δ,

PMvxvxμvxδ横摆力矩控制层基于ARBFNN-SMC的横摆力矩控制器M制动力矩分配层转向特性识别

&

制动车轮选择&

制动力矩调控Fbrake_

ijΦ

ij294、智能避撞系统4.2.3

IEHB系统仿真模型建立304、智能避撞系统4.2.4 转向控制系统方案车辆运动学模型

车辆动力学模型

参考路径模型

vx,vxvy,yCr,

βs,Kep,μΔΨCarSim车路-系统vx,

vyvx.vyy

,ββ,y,Cr,μ,ep,

vxK

,eΨ

,μed

(.)++δsaΔˆ

f自适应神经网络逼近器自适应机制RBF神经网络Δˆ

r鲁棒转向控制器反演控制机制变结构控制314、智能避撞系统决策系统避撞轨迹规划与风险评估模型评估每一个种群的适应度适应度

=创建初始随机种群种群大小

Np=

100&

染色体长度

Lc=

20&

终止代数

Gt=

500y=

ATX选择最优个体赌轮选择法Pi

=

适应度i 适应度i通过遗传交叉创造下一代交叉概率

Pc=

0

.

8执行变异变异概率

Pm=

0

.

160yTU(U−1)(2U−

1)344

)|2J|GΨ开始停止所采用的遗传算法方案示意图获得最优解x1

+30yT|l

（

xT)2〈T2

(|O(x0

,

y0

)

代数

>

GtWl

X(xT

,

yT

)U(U−1)

〉DLWf

O 是否XYY324、智能避撞系统(|xT=

nxfl驾驶行为决策〈|lyT

=

myfl4.3.1

避撞轨迹规划与风险评估模型（续）分析行驶车速

vx、车间距

xfl

和路面附着

μ对安全距离模型的影响运动控制系统2

μg(||（μ=0.3xfl

)||xfl 22 p

2y

fl2)

2μ=1传感系统环境信息3 h

YESYES1+x

>

T1

v

2 p1

yfly=AT

X

ck

=334、智能避撞系统深度强化学习基于规则的驾驶行为决策训练数据集(s,