緊急制動工況下的縱向車速估計方法*

曾小華，錢琦峰，2，宋大鳳，高皓銘，2，吳佳俊

（1.吉林大學，汽車仿真與控制國家重點實驗室，長春130000；2.吉林大學重慶研究院，重慶400000）

前言

車輛電子穩定性控制系統通過滑移控制器調節車輪制動力進而修正失穩狀態，反映車輪關鍵狀態的滑移率計算依賴于縱向車速，其估計精度對控制效果起決定作用。駕駛人在具有縱向坡度和附著變化路面等復雜環境下的直線/轉向緊急制動極易導致車輛失穩，如何保證在該工況下強魯棒性的縱向車速估計成為車輛動力學控制的首要任務。

當前常用的縱向車速估計方法主要基于非線性車輛或輪胎模型構造狀態觀測器、基于傳感器信號多源信息融合，聯合動力學模型與傳感器的濾波算法等。很多文獻通過汽車CAN總線或加速度傳感器對車速進行推算，但縱向坡度會引入縱向加速度誤差。基于模型和信號聯合對車速估計的方法很多，例如無跡卡爾曼濾波、自適應濾波、模糊系統和非線性參數時變觀測器等，但它們皆未考慮輪胎磨損、系統參數時變和受力環境未知且易突變等不確定因素。為提高估計算法的魯棒性，采用多個狀態聯合估計的方法，例如同時估計側向和縱向車速、道路附著系數和縱向車速聯合估計等。也有學者對特定場景進行縱向車速估計，例如制動工況、低附著路面等。綜合上述研究，縱向車速估計方法基本上均基于動力學模型和多維信息融合，然而在車輛失穩的復雜工況下，信號來源和模型經常受到干擾而無法準確反映縱向車速信息，單一提高濾波算法的復雜度和參考的信息量不僅不能提高估計精度，反而影響控制系統的魯棒性。眾所周知，狀態估計是為控制算法服務的，估計算法作為控制算法的單向輸入，即控制算法的優劣直接取決于狀態估計的準確度。因此很多學者設計魯棒性強的抗干擾控制算法，以減少狀態估計誤差帶來的影響，但鮮有在設計控制邏輯時考慮狀態估計的計算需求。縱向參考車速在緊急制動工況下難以準確估計，其難點在于4個車輪同時處于滑移狀態，均無法從中提取縱向車速信息。本文中提出一種車輪滑移控制和縱向車速估計的聯合算法，打破現有狀態估計和控制單向參數傳遞的關系，在縱向估計算法設計時考慮對滑移控制算法結構的影響，以便進入特殊的控制期為縱向車速估計算法提供更好的估算環境。

基于上述設計思想，面對4個車輪均出現較大滑移不能反映車速的事實，引入一種車速估計算法能直接影響車輪滑移控制邏輯的機制，通過不斷調整4個車輪的制動力，保證4個車輪中始終存在一個車輪處于弱制動力的控制狀態，且在一定時間內保持穩定，允許該車輪的滑移率不完全跟隨目標滑移率，并讓該車輪的制動力系數與滑移率處于線性區，進而間接基于該車輪的轉速推導出縱向車速。為減小該機制引起的制動效能衰退，提出車輪優選邏輯，根據時間周期和車輪狀態靈活更換車輪。從改變滑移控制策略的角度解決了在緊急制動情況下縱向車速估計的難題。

1 縱向車速估計整體實施方案

縱向車速估計整體實現方案如圖1所示。從車輪原始的轉速入手，根據制動力系數與滑移率的關系，校正輪胎滑移率對縱向速度的影響，得到輪心速度。根據剛體運動轉換，結合橫擺角速度和轉向盤轉角等信息，將輪心速度轉換到質心處。然后基于模糊系統計算4個車輪的置信度，并將轉換到質心的4個輪速加權，作為縱向車速的測量值。

圖1 縱向車速估計整體實現方案

在緊急制動工況下引入一種特殊滑移控制狀態，該狀態用于調整車輪制動力以優化輪速變化，并將該狀態稱為調整適應期，車輪進入和退出該狀態須經過一系列的判斷、優選、設定流程，且能影響模糊邏輯，并提高處于調整適應期車輪的置信度。為增強估計算法魯棒性，利用輪胎制動力計算車輛的縱向加速度，并基于縱向車速測量值對其校正，然后經過縱向加速度一步預測得到縱向車速的預測值。最終根據車速預測值和測量值加權，得到最終的縱向車速估計結果。

2 縱向車速估計算法

2.1 輪速加權融合計算縱向車速測量值

車輪制動時由式（1）輪胎滑移率計算式可得到車輪轉速與輪心縱向速度的關系。在緊急制動過程中車輪制動力與滑移率的關系會表現出高度非線性，進而觸發車輪滑移控制器。當車輪受到的制動力較小時，可假設在緊急制動過程中輪胎縱向制動力系數與滑移率保持線性關系，如式（2）所示。受到大制動力的車輪將不再滿足該假設，根據式（2）算得的結果不可信，不過考慮到輪胎非線性關系變化復雜且不利于在線實時計算，仍采用式（2）計算，但會在下文設計的模糊系統中降低車輪的置信度。輪胎縱向制動力系數計算如式（3）所示。

式中：s為輪胎滑移率；為車輪轉速；為車輪半徑；為輪心處的縱向線速度，=1，2，3，4，分別代表前左輪、前右輪、后左輪、后右輪；為方便描述，下文所有帶下角標的變量均指不同車輪，而不帶下角標的所屬車輪變量默認對4個車輪均適用。

式中：為制動力系數；為輪胎制動力系數與滑移率線性關系區的比例系數。

式中：為車輪受到車輪坐標系的縱向制動力；為車輪垂向載荷；為靜態車輪垂向載荷；為加權系數，以減小車輪垂向力估計誤差帶來的影響。

在、、已知的條件下，根據式（1）和式（2）可以得到車輪轉速與其縱向線速度的轉換關系為

車輛在直線行駛工況且滿足式（2）的條件下，等于縱向車速，而在轉向工況下須基于剛體運動轉換關系推算輪心縱向線速度與車輛質心線速度之間的關系。圖2為車體運動學示意圖。圖中和分別為輪心線速度在車輪坐標系中的橫向和縱向分量，和分別為輪心線速度在車輛本體坐標系中的橫向和縱向分量，δ為車輪轉向角。

圖2 車體運動學關系

為將輪心縱向線速度轉換到質心處，首先須將車輪坐標系轉換到車輛本體坐標系，然后在本體坐標系中根據剛體上點的運動關系換算到質心處。以左前輪為例，輪心速度分別向車輪和車輛本體兩個坐標系橫縱坐標分解，其中車輪坐標系中的縱向速度可通過車輛本體坐標系中的橫縱速度表示：

由于質心處縱向速度與前后軸中心處的縱向車速均在車輛本體坐標系下且方向一致，因此三者完全相同，即

式中、和分別為前軸中心點、后軸中心點和質心處的縱向速度。

由于后軸車輪不轉向，因此后軸的車輪坐標系與車輛本體坐標系方向一致，假設車輛后軸不發生較大側滑，則可認為后軸兩車輪的輪心處橫向速度為零。考慮到橫擺角速度的影響，在車輛本體坐標系中，由剛體運動轉換可得輪心橫向速度：

式中：為軸距；為質心到前軸距離；為質心到后軸距離；為車輛本體橫擺角速度。

前軸中心點縱向速度與輪心縱向速度關系為

式中為輪距。

根據相同的轉換方法分別對右前輪、左后輪、右后輪進行分析，得出相似的轉換關系。

綜合式（5）~式（8），可以推導出4個車輪在車輪坐標系中的輪心縱向速度到質心處的轉換關系：

式中'(=1，2，3，4)為轉換到質心處的車輪速度。

至此，聯合式（3）、式（4）、式（9）~式（12），即可將車輪原始轉速轉換到車輛質心處。在滿足上述假設條件下，每個車輪轉換后的結果均能得到縱向車速。然而輪速信號受到干擾、參數不準確、假設不合理等問題均會導致輪心線速度與縱向車速之間存在較大偏差。因此須根據車輛狀態和輪速的關系進行模糊邏輯處理，可得4個車輪對縱向車速的置信度，然后將置信度作為權重系數對4個車輪轉換后的質心處縱向速度進行加權融合。

目前基于模糊邏輯系統計算輪速置信度的文獻較多，一般可參考'、?'（'的變化率）和輪胎受力等信息，計算每個車輪的置信度，具體信息的輸入如下：

（1）'、?'和?'（?'的變化率）；

（2）4個車輪'之間的差異和相對大小；

（3）4個車輪?'之間的差異和相對大小；

（4）'與縱向車速估計值之間的差異；

（5）車輪的縱向力和垂向力。

普遍認為在緊急制動工況下適合估算車速的信號狀態表征總結如下：

（1）?'的絕對值較小；

（2）4個車輪?'的最大值與最小值相差較小（同時針對4個車輪）；

（3）?'與車輛估計的縱向加速度較接近；

（4）?'較小時，縱向力也較小，且'和車速估計值接近。

關于模糊邏輯構造的文獻較多，本文主要采用文獻［8］中的模糊邏輯構建方法，具體細節不在此贅述。得到每個車輪置信度后對'加權處理，得到的縱向車速測量值為

式中f為車輪的加權系數，由模糊邏輯計算得到，代表每個車輪的置信度。

在緊急制動情況下4個車輪均出現較大滑移，得到的置信度均較小，導致最終結果'不可信。為應對上述情況，在2.3節中將聯合車輪滑移控制器，在車輪防抱死基礎上，對車輪制動力進行調整，使4個車輪中始終存在一個處于小滑移或弱制動的優選車輪，避免4個車輪在緊急制動情況下均處于動力學關系復雜的非線性區，基于上述模糊邏輯計算得到優選車輪的置信度將會增大。為提高算法的魯棒性，應對輪速信號存在錯誤等情況，在2.2節中基于動力學模型估計質心處的縱向加速度，進而對車速進行預測。

2.2 基于動力學模型計算縱向車速預測值

動力學模型需要車輪縱向和側向輪胎力作為輸入來計算縱向加速度。由于輪胎受力情況難以準確估計，所以為提高縱向車速估算的魯棒性，盡可能減少對輪胎力的依賴，由此保證車輛在任何工況下都能準確估計縱向車速。

首先假設前軸兩車輪轉向角相同，即

式中為前軸兩車輪轉向角的均值。

圖3為車輛受力分析，根據車輛在縱向方向的合力計算縱向加速度，縱向合力和加速度分別為

圖3 車輛受力分析示意

式中：F為車輛受到的縱向合力；F和F分別為車輪受到的縱向制動力和側向力；為整車質量；a為縱向加速度。

由式（15）可以看出，前軸轉向在縱向加速度計算中引入車輪側向力，為避免側向力估計精度差帶來的誤差，須盡可能消除側向力的引入。

車輛側向受力平衡式為

車輛橫擺受力平衡式為

式中：a為側向加速度；I為橫擺轉動慣量。

由于轉向角較小，且前輪側向力基本一致，為盡可能消除側向力的引入，對式（17）中的側向力之差項簡化為

利用式（18）簡化式（17），可得前輪轉向產生的側向合力為

綜合式（15）和式（19），計算縱向加速度僅依靠前后軸車輪制動力之和與之差、側向加速度、前輪轉角和橫擺角速度變化率，而不必引入輪胎側向力，并用計算得到的縱向加速度對車速進行一步預測。

2.3 面向縱向車速估計的車輪滑移控制設計

一般滑移控制器將車輪的滑移率控制在目標滑移率附近，雖然達到了車輪防抱死時滑移率已較小的效果，但車輪只要有滑移，'就不可信，制動力估計精度變差，直接影響基于動力學模型所計算的加速度。由于滑移控制器作用時輪胎處于非線性工作區，故采用基于模型的濾波方法難以描述其動力學特性，且受到車載控制器的計算能力和參數時變影響，導致電子穩定性控制系統難以精確調整車輛狀態。為從根本上解決該問題，須從車輪滑移調整的角度出發，在正常滑移控制的基礎上，引入一種專門用于縱向車速估計而設計的滑移控制模式，并將該模式簡稱為“調整適應期”。在該模式下，車輪受到穩定的弱制動力，且允許不跟隨目標滑移率，以提高車輪在模糊邏輯系統中的置信度。

2.3.1 調整適應期車輪優選

調整適應期車輪優選流程如圖4所示。在滑移控制器中引入調整適應期是為解決緊急制動所導致的縱向車速估計困難，而在非必要條件下滑移控制器進入調整適應期反而會造成制動不足，因此應在4個車輪全處于防抱死滑移控制狀態下才能允許車輪優選。在需要車輪進入調整適應狀態后，進入調整適應期的車輪由于不再跟隨滑移控制設定的目標滑移率，可能出現制動力不足、制動跑偏等影響整車制動性能的問題。因此調整適應期內的車輪不僅能夠利用其轉速間接推導出縱向車速，且還要盡可能降低所造成的影響。4個車輪中僅需其中一個車輪進入調整適應期即可滿足縱向車速估計，因此須對車輪優先級排序。為應對優選車輪突發狀態變化和長時間制動力不足導致制動不足等問題，須判斷優選車輪是否退出調整適應狀態，并選擇其他車輪作為優選對象，最終得到的優選車輪進入調整適應期。

圖4 調整適應期優選流程

根據調整適應期內的車輪處于弱制動力、平穩自由旋轉等期望狀態，適合進入該狀態的車輪應滿足以下要求：

（1）輪胎垂向力較小且較為穩定，在穩定的弱制動情況下可跟隨車身位移而轉動；

（2）滑移率較小，不傾向于滑移；

（3）目標滑移率較小，即車輪期望制動力較小，相比其他車輪提供的制動力較小；

（4）轉速變化率穩定，振動幅度小。

基于上述調整適應期內的車輪要求，應在不同道路和駕駛員輸入條件下，對4個車輪進行優先級排序。由于制動工況軸荷向前轉移，一般前輪需要提供的制動力較大，因此后軸車輪優先級較高。排序方式分以下4種情況。

（1）兩側附著不同的路面下，低附著一側車輪制動力較低，若進一步降低車輪制動力，會導致車輛向高附著一側偏轉。因后軸低附著一側車輪存在抱死傾向，故優先級最高的車輪為高附著一側的后輪，其次是低附著一側的前輪，然后是低附著一側的后輪。

（2）轉向工況下，因軸荷向外側車輪轉移，故該側須提供大制動力，因此可將轉向工況的優先級確定方法類比兩側附著不同的路面。

（3）直行工況下，根據輪速信號的可信度大小，并參考后軸車輪的優先級高于前軸車輪的方式排序。

（4）不同附著對接路面下，由低附著進入高附著路面時，高附著車輪須增大制動力以避免制動不足，因此前軸不允許作為優選車輪。且前軸附著變化時后軸緊跟著進入到附著變化，因此也須禁止后軸進入調整適應期。在這種情況下4個車輪無優先級。

在4個車輪優先級確定后，選擇優先級最大的作為優選車輪，若該車輪上個周期已處于調整適應期且超過了該狀態期的最大允許時間后，則應使車輪正常跳出調整適應狀態。若路面復雜變化等情況使最高優先級的車輪狀態處于側向穩定控制介入、車輪存在較大滑移或脫離地面等失穩狀態，以及所有車輪都在小滑移狀態或駕駛員不再制動而不必要進行優選等條件時，最高優先級車輪不再合適進入調整適應期。最高優先級車輪正常跳出或禁止進入調整適應期時，須降低該車輪的優先級并對下一優先級車輪重復上述判斷。若4個車輪均沒有被選中進入調整適應期，則該控制周期內調整適應期優選過程也要結束，該周期內每個車輪的滑移控制器均處于正常滑移控制狀態。

2.3.2 滑移控制器設計

經過調整適應期優選的車輪在其滑移控制過程中應轉入調整適應狀態，并進行弱制動力控制。為避免車輪在調整適應狀態和正常滑移控制狀態之間切換時過大的制動轉矩變化而導致車輪振動或整車沖擊，引入“調整過渡”狀態，用于協調狀態轉移過程。因此每個車輪的滑移控制器應包含正常滑移控制、調整過渡和調整自適應3種狀態。圖5為直行緊急制動時每個車輪的滑移控制器所處狀態變化的示例。由圖可見，在每個狀態階段下，存在車輪進入調整適應期，并在調整適應期結束后緊接著進入調整過渡期，且另外一個車輪會隨之進入調整適應期。

圖5 每個車輪的滑移控制器狀態變化示意

鑒于本文主要內容為縱向車速估計，對車輪滑移控制器內部算法和原理等具體設計內容不做詳細展開，在每個車輪滑移控制器的每個狀態下均采用可變系數的“前饋+比例項反饋”控制算法為基礎，然后根據3種狀態進行適當調整。

滑移控制器的控制偏差為實際滑移率與期望滑移率的差，即

式中：為滑移率；為期望滑移率；為滑移控制器的滑移控制偏差。

車輪滑移控制器在正常滑移控制狀態下，期望制動轉矩為上個控制周期估算的車輪制動轉矩與誤差比例項之和，即

車輪滑移控制器在調整適應狀態時，車輪實際滑移無需跟隨目標滑移率，為盡快降低車輪目標制動力且保持穩定的弱制動力，須快速衰減前饋項，同時屏蔽比例項所產生的期望制動轉矩變化，但當滑移較大時應啟用比例控制以快速降低期望制動轉矩，即

車輪滑移控制器在調整過渡狀態時，須將調整適應狀態下的轉矩值過渡到正常滑移控制狀態下，同時還受比例項的影響，即

2.4 基于加權融合的縱向車速估計

由2.1節和2.3節可知，4個車輪進入防抱死滑移控制時將會觸發車輪優選邏輯，并挑選出適合進入調整適應期的車輪，由于在調整適應期內車輪受到制動力較小，能夠跟隨整車的平動而接近自由旋轉，基于2.1節中模糊邏輯系統計算的置信度遠大于其余3個車輪，進而采用式（13）加權得到的縱向車速結果比較可信。為減小2.2節中制動力估計誤差對縱向加速度的影響，計算縱向加速度的偏置和校正后的縱向加速度，分別如式（25）和式（26）所示。然后根據校正后的縱向加速度進行一步預測，如式（27）所示，最后將縱向速度的測量值和預測值加權融合，如式（28）所示。

式中：()為第周期的加速度偏置值；為加權系數，用來對()平滑濾波；()為第周期的縱向車速預測值；'()為第周期的縱向車速測量值。

式中：為加速度的偏置值；?為校正后的縱向加速度。

式中：為每個估計周期的時間步長；?(-1)為第-1周期的縱向速度估計值。

式中K為縱向車速估計的加權系數。

需要說明的是，加權融合的縱向車速估計類似卡爾曼濾波算法的設計思想，即根據式（13）和式（27）分別得到縱向車速的測量值和預測值，并利用式（28）對兩者加權融合。但由于上述的計算過程不嚴格滿足卡爾曼濾波算法的理論假設和推導過程，因此加權系數K根據經驗給定。

3 估計算法測試

3.1 測試環境

圖6為縱向車速估計的算法測試環境，基于MATLAB/Simulink仿真平臺，將被控對象模型和縱向車速估計算法進行集成，被控對象包括CarSim車輛動力學模型和AMESim液壓閥組模型，兩者均通過自帶的聯合仿真S函數與Simulink進行交互；為便于控制器的編譯和定標，縱向車速估計算法的實現方式為嵌入式C語言，利用Visual Studio建立算法運行環境，基于共享內存技術，將集成后的被控對象模型與車速估計算法聯合仿真，在離線條件分別為高/低附著直行緊急制動工況和高/低附著換道并緊急制動工況下對縱向車速估計算法的精度和具有調整適應期的滑移控制器的制動性能進行測試。工況和預瞄駕駛員模型均直接在CarSim中設定，其中高附和低附路面的附著系數分別為0.9和0.3，期望滑移率分別為0.07和0.04。輪胎模型采用CarSim內部的查表模型，在2.1節中所用到的輪胎半徑、輪胎制動力系數和滑移率線性關系的比例系數與輪胎模型盡量保持一致。在2.2節中計算縱向加速度所需的車輪縱向制動力，根據AMESim液壓閥組模型的輪缸壓力計算得到。換道為雙移線工況，駕駛員模型預瞄時間為1 s。在離線仿真環境下充分對算法驗證測試后，搭建硬件在環仿真平臺，利用真實控制器對算法的實時性和有效性進行驗證；在實際駕駛輸入條件下，利用CarSim提供的虛擬場景進行駕駛員閉環測試。

圖6 算法測試環境

在所有測試工況下，選取車輛初速度為80 km/h，且初始狀態為自由滑行，并在2 s時刻緊急制動，即CarSim中駕駛員模型操縱主缸壓力在仿真時間為2 s時階躍到4 MPa，直到車輛停車為止。車輛主要參數如表1所示。控制器主要參數如表2所示。

表1 車輛主要參數

表2 控制器參數

3.2 高附著路面直行工況

圖7為高附直行工況下的輪速與調整適應狀態的變化情況。圖中標記了不同車輪進入調整適應狀態的時間段，后右輪和前左輪交替進入調整適應期。車輪在調整適應期內的制動力較小，可認為隨車輛非滑移運動，轉速與估計車速的變化曲線基本保持平行。在調整適應期和正常滑移控制之間的調整過渡狀態時，制動力平穩增加，因此車輪減速度也不斷增加。圖8為高附直行工況下的縱向車速估計結果，實際車速為CarSim車輛模型輸出的車速，估計結果與實際車速基本一致，誤差基本上維持在1 km/h范圍內。

圖7 高附著直行工況輪速與調整適應狀態變化

圖8 高附著直行工況縱向車速估計結果與誤差

3.3 低附著路面直行工況

在低附著直行工況緊急制動時軸荷向前軸轉移，后軸所提供的制動力較小。若某一車輪長時間處于調整適應期，車輛易制動跑偏，因此車輪須頻繁地進入和退出調整適應期。圖9為低附直行工況下輪速與調整適應狀態的變化，與高附直行工況對比可看出，車輪每次處于調整適應狀態時間較短且多次進入或退出該狀態，以保證引入的調整適應期不會導致車輛失穩等安全問題。圖10為低附直行工況下的縱向車速估計結果，可得到與高附直行工況下類似的結論。

圖9 低附著直行工況輪速與調整適應狀態變化

圖10 低附著直行工況縱向車速估計結果與誤差

3.4 高附著路面轉向工況

在轉向工況下車輪進入調整適應期的優選邏輯與直行工況相比有所變化，它優先傾向于轉向內側車輪。圖11為高附轉向工況下輪速與調整適應狀態的變化情況，圖12為高附轉向工況下的縱向車速估計結果，圖13為高附轉向工況目標與實際行駛軌跡對比。在轉向初期開始制動，然后向左轉向換道，由于制動距離較短，換道結束后便停車。由于后軸期望提供的制動轉矩較小且避免轉向內側車輪垂向力過小而發生抱死的風險，因此后軸轉向外側車輪優先進入調整適應期，即后右輪在轉向階段處于調整適應期，然后前左輪短暫進入調整適應期后又退出，后右輪再次進入調整適應期。

圖11 高附著轉向工況輪速與調整適應狀態變化

圖12 高附著轉向工況縱向車速估計結果與誤差

圖13 高附著轉向工況目標與實際行駛軌跡

3.5 低附著路面轉向工況

低附著路面緊急制動并換道易導致車輛失穩，制動時間較長且調整適應期更替復雜。圖14和圖15分別為低附轉向工況前半段和后半段的輪速和調整適應期狀態變化。圖16為低附轉向工況的車速估計結果，圖17為低附轉向工況下的目標與實際行駛軌跡。由于側向滑移的影響，縱向車速估計誤差相比其他工況稍大，但也基本保持在大約2 km/h以內。在前半段車輛左轉換道，因此后右輪和前左輪先后交替進入調整適應期。后半段7~9 s內右轉向，因此前左輪、后右輪和后左輪依次被優選進入調整適應期。在9~12 s內轉為直行后前左輪和后右輪交替被優選。從行駛軌跡可以看出，車輛沒有喪失轉向能力，由于整車無橫擺穩定性控制，出現了一些側向滑移。但與普通正常滑移控制相比，調整適應期內的車輪能夠提供較大的側向力，在一定程度上提高了整車的側向穩定性。

圖14 低附著轉向工況輪速與滑移控制器狀態-前半段

圖15 低附著轉向工況輪速與滑移控制器狀態-后半段

圖16 低附著轉向工況縱向車速估計結果與誤差

圖17 低附著轉向工況目標與實際行駛軌跡

3.6 制動性能測試

為驗證具有調整適應期的滑移控制器的制動性能，對比了無滑移控制（車輪抱死）、傳統滑移控制（無調整適應期）和具有調整適應期的滑移控制（本文所提出）三者的制動性能，統計了3種制動方式在直行制動和轉向制動工況下的制動時間，分別如表3和表4所示。其中無滑移制動控制器在制動開始時便直接將車輪抱死，失去轉向能力。由于無調整適應期的傳統滑移控制器縱向車速估計不準確，因此直接采用CarSim輸出的縱向車速用來計算車輪滑移率。

從表3和表4可以看出，3種制動方式的制動時間基本一致，由于傳統滑移控制每個車輪一直保持在最佳制動滑移率下，所受到的制動力最大，因此制動時間最短。在高附著路面具有調整適應期的滑移控制器比無滑移控制器制動時間短，在低附著路面調整適應期內的車輪制動力很小，因此制動時間最長。調整適應期的引入沒有引起車輛制動性能的衰退，不僅接近正常的滑移控制器制動時間，且能提高車輛的側向穩定性。

表3 直行制動工況時間 s

表4 轉向制動工況時間 s

4 結論

摒棄傳統估計算法設計思想，鑒于緊急制動工況下縱向車速估計困難，設計了基于滑移控制器和縱向車速計算的聯合縱向車速估計算法。為避免緊急制動過程中4個車輪均出現滑移進入復雜非線性區內難以提取車速，在滑移控制器中引入了調整適應期狀態和與正常滑移控制協調的調整過渡期狀態，設計了車輪優選邏輯、優選觸發和優選退出的機制，在達到車速估計目標前提下，保證了滑移控制器原有的制動性能。通過搭建的輪速信號處理轉換邏輯得到縱向車速估計測量值，以及車輛動力學模型在無側向力需求下計算縱向加速度基礎值，并通過加速度的校正，減小縱向制動力誤差，最終加權融合縱向車速預測值和測量值，完成縱向車速估計。在低/高附著路面直行和轉向工況下分別進行緊急制動測試，驗證了縱向估計算法的精確度和引入調整適應期后滑移控制器的制動效能。目前算法驗證缺少真實場景下的信號干擾和被控對象的真實性，下一步擬在實車上集成液壓制動單元控制策略，開展進一步的測試。