編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

在智能駕駛的控制執行過程中，通常輸出給執行器的指令主要以加速度（或制動）和轉向角的形式。這些指令通常通過車輛控制單元（VCU）或執行器控制器傳遞到物理執行機構（如電動轉向系統、制動系統、加速器等）。因此，控制閉環一般在執行器端閉合，智能駕駛控制系統更多地關注高層的規劃和控制指令輸出，確保執行器能夠根據系統要求進行精確操作。同時，智能駕駛系統也可能通過感知反饋進行更高層次的控制閉環，比如車速、位置、障礙物距離等用于調整策略和路徑。這種架構使得系統具有更好的模塊化和魯棒性，各個控制環節都能夠獨立優化，提升整車的控制精度和穩定性。

然而，近年來智能駕駛技術的研發趨勢逐漸朝著將更高層次的執行控制整合到智駕系統的方向發展。這意味著不僅是規劃與決策層面，而是包括車輛執行器的控制閉環也會被納入智能駕駛系統中，而不再依賴于執行器本身的獨立閉環控制。這個趨勢背后的驅動力包括更高的系統集成度、整體性能優化以及對復雜駕駛任務的需求。

在全局閉環控制方面。傳統的車輛控制架構中，車身控制（如加速、制動、轉向等）往往由車輛控制器或執行器的閉環系統負責，這種架構將高層次的智能決策與底層執行分離。但現在，越來越多的智駕系統正在集成底層的閉環控制，智能駕駛系統不僅負責生成控制指令，還直接處理實時反饋，完成對車身的閉環控制。例如，對加速度、轉向角度的直接反饋控制，以及車速、位置等傳感器的綜合處理。這種方法允許智能駕駛系統能夠以更細粒度來優化車輛的動態響應。   

在軟件集成度上，將車身的閉環控制移交給智能駕駛系統，可以減少系統中的冗余控制層，并通過統一的控制算法優化整體車輛動態。這對于復雜駕駛場景（如城市擁堵路段、自動泊車、自動變道等）尤為重要，因為這些場景需要更快速和精確的控制響應，集成的全局控制能夠提供更流暢的駕駛體驗。

在協同優化方面，當智能駕駛系統承擔整個車輛的控制閉環時，系統可以同時考慮車輛動力學、環境感知、路徑規劃等多個因素，從而更好地優化駕駛決策。例如，路徑規劃的算法不僅要確保車輛的行駛安全性，還需要與車輛動力學特性結合，做出更符合實際工況的決策。通過深度集成的控制，智能駕駛系統可以實時動態調整控制策略，從而最大化車輛的安全性、舒適性和能效。

在硬件能力的提升方面，這一趨勢的實現依賴于智駕系統硬件計算能力的增強。隨著芯片和傳感器技術的進步，智駕系統能夠處理更多實時數據，做出更復雜和精確的控制決策。同時，實時性、推理能力、內存管理、能耗優化等在設計大模型時得到了高度關注，使得智駕系統能有效地承擔起更復雜的閉環控制任務。

然而，這種趨勢也帶來了新的挑戰，如系統安全性和冗余設計，因為一旦將整個閉環交給智駕系統，系統的故障將影響到整體的車輛安全。為此，研發中會引入更多的冗余控制機制和故障處理策略，確保在出現問題時仍能安全應對。

實際上，隨著智能駕駛系統能力的增強，研發趨勢確實正在朝著將車身閉環控制與智能駕駛系統深度融合的方向發展。本文將以技術的視角詳細講述如何從智駕的角度對整個車身底盤進行全局控制。這種對車身的綜合控制能力，標準稱之為VMC（Vehicle Motion Control，車輛運動控制）。   

VMC的控制原理

VMC 主要負責根據車輛的動力學模型和當前狀態，計算出控制車輛所需的力和力矩，以實現穩定的行駛控制。它通過接收來自傳感器的數據，如車輛速度、加速度、轉向角度等，以及來自其他功能模塊的指令，如目標速度、路徑規劃等，進行實時計算并輸出控制信號給執行器，以提高車輛的行駛穩定性、安全性和操控性。

拋開智駕上層來講，以下表示的是 VMC 底盤控制的原理圖：

基于如上分析我們可以很清楚的看到，智駕系統想要接管整個底盤域的前端控制，就必須著手解決以上幾個關鍵環節中的參數調節與控制。即首先，智駕系統需要代替底盤控制端充分采集到車輛運動傳感器、轉向傳感器、制動傳感器以及車輪傳感器提供的如上數據信息。這些信息既用于感知端目標與自車目標相對位置、速度等信息的判斷，也是自車規控模塊軌跡計算的前提。其次，結合自車底盤ECU提供的穩定性判斷、控制策略制定和協調控制，智駕系統需要充分的車身數據分析與控制執行決策。最后，通過橫縱向控制執行端ECU，實現車輛的閉環控制。 

這里我們將重點分析各個采集控制模塊具體需要做哪些信息采集及邏輯計算。

首先是完成如下車身傳感器數據的采集。

1、車輛運動傳感器：包括加速度傳感器、陀螺儀、車速傳感器等，用于實時監測車輛的加速度、角速度、車速等運動狀態參數。

2、轉向傳感器：檢測方向盤的轉角、轉向速度等信息，以了解駕駛員的轉向意圖。

3、制動傳感器：監測制動踏板的位置、壓力等參數，判斷車輛的制動狀態。

4、車輪傳感器：如輪速傳感器，提供各個車輪的轉速信息，用于計算車輛的滑移率等參數。

其次是車身數據分析與決策。

1、穩定性判斷：根據傳感器采集到的數據，VMC 系統分析車輛的當前行駛狀態，判斷車輛是否處于穩定狀態。例如，通過比較實際車輛運動狀態與理想模型的差異，確定車輛是否存在過度轉向、不足轉向、側滑等不穩定情況。

2、控制策略制定：如果車輛處于不穩定狀態，VMC 系統會根據具體情況制定相應的控制策略。例如，在過度轉向時，系統可能會對外側車輪施加適當的制動，以減小車輛的轉向半徑；在不足轉向時，系統可能會對內側車輪施加制動或增加外側車輪的驅動力，以提高車輛的轉向響應。

3、協調控制：VMC 系統需要對制動、轉向和動力系統進行協調控制，以實現最佳的控制效果。例如，在制動控制時，系統需要考慮制動分配、制動壓力的調節等問題，以確保車輛的穩定性和制動性能；在轉向控制時，系統可能會根據車輛的行駛狀態調整轉向助力，以提高駕駛員的操控感受。   

最后，則是最關鍵的執行控制。從橫縱向角度上講，包含制動、轉向、動力這三個大的方面。

1、制動控制：通過控制制動系統的壓力，實現對各個車輪的制動。VMC 系統可以單獨控制每個車輪的制動壓力，以實現精確的制動控制。例如，在車輛發生側滑時，系統可以對側滑一側的車輪施加較大的制動壓力，以恢復車輛的穩定性。

2、轉向控制：通過調整轉向助力系統的參數，改變駕駛員的轉向感受。例如，在車輛高速行駛時，系統可以增加轉向助力的阻尼，以提高車輛的穩定性；在車輛低速行駛時，系統可以減小轉向助力的阻尼，以提高駕駛員的操控靈活性。

3、動力控制：通過調整發動機的輸出功率和扭矩，實現對車輛的動力控制。例如，在車輛加速時，系統可以增加發動機的輸出功率，以提高車輛的加速性能；在車輛行駛過程中，系統可以根據車輛的行駛狀態調整發動機的輸出扭矩，以提高車輛的穩定性和燃油經濟性。

VMC控制的理論模型

VMC理論模型通常基于車輛動力學原理建立，以下是其主要的理論模型及相關公式說明。由于VMC表示整個車身的整體且全面的運動理論學，因此需要充分的將橫向、縱向和橫擺三個方面的理論學綜合加以分析。

1、縱向動力學模型

車輛的縱向運動主要受驅動力、制動力和空氣阻力等因素影響。根據牛頓第二定律，車輛縱向動力學方程可表示為：

其中，m是車輛質量，是車輛縱向速度，是驅動力，是車輛縱向阻力。車輛驅動力主要由發動機或電機提供，可以表示為，其中是傳動系統輸入扭矩，是傳動系統效率，是車輪半徑。

車輛縱向阻力包括滾動阻力、空氣阻力和坡度阻力等，可以表示為：

其中是滾動阻力，是空氣阻力，是坡度阻力，是重力加速度，f是滾動阻力系數，是空氣密度，是空氣阻力系數，是車輛迎風面積，是道路坡度。

2、車輛橫向動力學理論學

車輛橫向動力學方程可表示如下：

其中，vy是車輛橫向速度，Fy是車輛橫向力，Fr,y是車輛橫向阻力。車輛橫向力主要由輪胎提供，可以表示為，其中是前輪橫向力，是后輪橫向力。輪胎橫向力通常采用線性或非線性輪胎模型來計算，例如采用線性輪胎模型時，其中Cf和Cr分別是前輪和后輪的側偏剛度，和分別是前輪和后輪的側偏角。

3、橫擺動力學理論學

橫擺動力學方程可以表示為：Iz是車輛繞 z 軸的轉動慣量，wz是車輛橫擺角速度，Mz是車輛繞 z 軸的力矩。車輛繞 z 軸的力矩主要由輪胎橫向力產生，可以表示為，其中a和b分別是車輛質心到前軸和后軸的距離。

基于如上分析，VMC 通常以車輛的穩定性和跟蹤性能為目標，設定目標函數。例如，可以設定目標函數為最小化車輛實際狀態與期望狀態之間的誤差，如車輛橫向偏差、橫擺角偏差等。

根據車輛動力學方程和目標函數，通過控制算法計算控制輸入，如車輛的轉向角、驅動力等。常用的控制算法有線性二次調節器（LQR）、模型預測控制（MPC）等。以 LQR 為例，通過求解 Riccati 方程得到最優反饋增益矩陣，然后根據車輛狀態誤差計算控制輸入。

VMC更適合放到智駕域控端還是底盤端？

將 VMC放到智駕域控端和放到底盤域控端都存在一定的風險，難以簡單地判斷哪個風險更大，需要從不同角度進行分析。

1、將 VMC 放到智駕域控端風險

首先，是系統復雜性增加。

由于智駕域控主要負責自動駕駛的感知、決策和控制等功能，將 VMC 整合到智駕域控端會增加系統的復雜性。這可能導致系統的可靠性降低，因為更多的功能集成在一起，一旦出現問題，可能會影響多個系統的正常運行。   

其次，是通信延遲。

智駕域控通常需要處理大量的傳感器數據和進行復雜的計算，這可能會導致通信延遲。如果 VMC 的控制指令不能及時傳遞到底盤執行機構，可能會影響車輛的穩定性和安全性。

最后，是軟件兼容性問題。

智駕域控和底盤系統可能來自不同的供應商，將 VMC 放到智駕域控端可能會出現軟件兼容性問題。這可能需要更多的時間和資源來進行集成和測試，增加了項目的風險。

2、將 VMC 放到底盤域控端的風險

首先，是缺乏全局信息。

底盤域控主要負責車輛的底盤控制，如制動、轉向和懸掛等。如果將 VMC 放到底盤域控端，可能會缺乏自動駕駛系統的全局信息，如車輛的位置、速度、目標等。這可能會影響 VMC 的控制效果，降低車輛的行駛穩定性和安全性。

其次，升級較困難。

如果需要對 VMC 進行升級或改進，可能需要對底盤域控進行相應的升級。這可能會比較困難，因為底盤系統通常比較復雜，升級過程可能會影響車輛的正常運行。

進一步講，將VMC控制模塊放在底盤域也有一些功能局限性。

底盤域控的計算能力和存儲容量可能有限，這可能會限制 VMC 的功能和性能。例如，在處理復雜的車輛動力學模型和控制算法時，可能會出現計算能力不足的問題。

那么，在自動駕駛控制中，到底應該將VMC放置在何處呢？

如上分析，將 VMC 放到智駕域控端和放到底盤域控端都存在一定的風險。在實際應用中，需要根據具體的需求和系統架構來進行權衡和選擇。同時，為了降低風險，需要進行充分的測試和驗證，確保系統的可靠性和安全性。  

實際上放置的具體位置需要綜合考慮多方面因素。

如果放在智駕域控端，其優勢比較明顯，即信息集成度高、協同控制能力強。由于智駕域控通常能夠獲取豐富的環境感知信息和車輛自身狀態信息，將 VMC 放在這里可以更好地結合自動駕駛的全局規劃和決策，實現更精準的車輛運動控制。

舉例：在遇到復雜路況時，能夠根據周圍車輛的位置、速度以及道路的幾何形狀等信息，實時調整車輛的加速度、轉向角度等參數，以確保行駛的安全性和舒適性。

同時，智駕系統還可以與自動駕駛的其他功能模塊（如感知、決策等）進行更緊密的協同工作，提高整個自動駕駛系統的效率和性能。例如，在進行自動超車時，VMC 可以與決策模塊密切配合，根據當前車輛狀態和周圍環境，精確控制車輛的加速、轉向和制動，實現安全、快速的超車動作。

當然，將 VMC 集成到智駕域控端會使系統的復雜度大幅提高，增加了開發、調試和維護的難度。一旦出現問題，可能會影響整個自動駕駛系統的正常運行。同時，也會提高對計算資源要求。因為，此時智駕域控通常需要處理大量的感知數據和進行復雜的決策計算，再加上 VMC 的功能，可能會對計算資源提出更高的要求，增加硬件成本。   

如果放到底盤域控端，其明顯的優勢就是其較強的專業性。底盤域控專注于車輛底盤系統的控制，對車輛的動力學特性有更深入的了解和更專業的控制能力。將 VMC 放到底盤域控端可以充分發揮其在車輛運動控制方面的專業優勢，確保車輛的穩定性和操控性。

舉例：在高速行駛或緊急制動時，能夠更快速、準確地響應車輛的動態變化，及時調整底盤系統的參數，保證車輛的安全。當然，VMC由底盤域控制時，其獨立性也較高。即使智駕域控出現故障，底盤域控仍然可以獨立工作，保證車輛的基本行駛安全。例如，在自動駕駛系統出現故障時，底盤域控可以切換到傳統的駕駛模式，由駕駛員控制車輛，降低事故風險。

當然這種控制的局限性也很明顯。首先就是信息局限性。由于底盤域控獲取的信息相對有限，可能無法充分了解自動駕駛的全局規劃和決策，導致 VMC 的控制效果受到一定影響。例如，在進行自動泊車時，如果底盤域控不能及時獲取停車位的準確位置和周圍環境信息，可能會影響泊車的準確性和效率。其次是協同難度較大。與智駕域控端的其他功能模塊協同工作相對困難，可能需要額外的通信和協調機制，這也就增加了系統的復雜性。

基于以上的優劣勢分析，不難看出，VMC 的放置位置沒有絕對的答案，需要根據具體的自動駕駛系統架構、應用場景和技術要求來進行選擇。在一些高端的自動駕駛系統中，可以采用分布式架構，將 VMC 的部分功能分別放在智駕域控端和底盤域控端，實現優勢互補。例如，在正常行駛情況下，由智駕域控端的 VMC 模塊根據全局規劃和決策進行宏觀的車輛運動控制，而在緊急情況下，底盤域控端的 VMC 模塊可以迅速響應，確保車輛的安全。同時，無論 VMC 放在哪里，都需要建立可靠的通信機制和安全機制，確保各個模塊之間能夠及時、準確地傳遞信息，并在出現故障時能夠及時采取相應的安全措施，保障自動駕駛的安全可靠運行。

智駕端控VMC的具體實施調節策略    

基于以上分析，VMC 的理論模型基于車輛動力學方程，通過設定目標函數和采用控制算法，計算控制輸入以實現對車輛的穩定控制。實際應用中，還需要考慮模型的準確性、計算效率以及傳感器噪聲等因素的影響。

實際上，VMC需要采取一定的實時調整“控制策略”。輸入的這些變量能讓 VMC 系統實時了解車輛的當前狀態，以便在運行過程中動態調整控制策略。例如，當檢測到車輛實際速度與期望速度有偏差時，VMC 可以及時調整驅動力或制動力指令，使車輛盡快達到期望速度。

同時，智駕系統的VMC控制還需要充分改善“控制精度”。這個過程主要通過反饋變量，PID 控制器可以不斷調整控制參數，提高控制精度。但這只是其中一方面，VMC 系統還可能采用其他更復雜的控制算法，反饋變量為這些算法提供了關鍵的輸入信息，共同實現對車輛運動的精確控制。

此外，這里還不得不提到的是VMC整體對控制的“安全保障”，并設計一定的“安全預警機制”。其中涉及故障檢測與診斷，反饋檢測變量可以幫助系統監測車輛的運行狀態，及時發現異常情況。例如，如果橫擺角速度突然超出正常范圍，可能意味著車輛出現了不穩定的情況，系統可以立即采取相應的安全措施，如降低車速、調整轉向等，以防止事故發生。通過利用反饋變量可以設置各種安全預警機制。比如，當車輛接近障礙物時，通過車輛位置信息和速度信息可以計算出碰撞風險，并提前向駕駛員發出警報或自動采取制動措施。   

當然，讓智駕系統直接控制VMC系統，并非其擅長的。因此，從最開始的邏輯實現到后續的性能評估和系統改進，是整個智駕系統不斷提升性能，走的更遠的必要條件。

這里的性能評估，反饋變量可以用于評估 VMC 系統的性能。通過分析車輛實際速度、橫擺角速度等變量在不同工況下的表現，可以判斷 VMC 系統的穩定性、響應速度和控制精度等方面的性能是否達到設計要求。根據反饋變量提供的信息，可以對 VMC 系統進行不斷改進和優化。例如，通過分析車輛在不同路況下的行駛數據，可以調整控制算法的參數，提高系統對各種路況的適應性；或者通過收集大量的反饋數據進行機器學習和數據分析，進一步提升 VMC 系統的性能和智能化水平。

如何降低將 VMC 集成到智駕域控端所帶來的系統復雜度？

實際上要回答這個問題需要了解如何在自動駕駛控制中實現 VMC 和其他功能模塊的協同工作。

首先，需要明確各模塊功能與接口。例如，在高速行駛時，VMC 會根據車輛的速度和轉向角度，計算出合適的橫向力和縱向力，以保持車輛的穩定性和安全性。其次是確定其他功能模塊的作用。包括感知數據采集、路徑規劃模塊、決策模塊及執行器模塊的設計方法，這類設計只需要參照當前智駕系統標準的設計方式即可。最后，為了實現 VMC 與其他功能模塊的協同工作，需要設計清晰的接口，確保各模塊之間能夠準確地傳遞數據和指令。接口的設計應考慮數據的類型、格式、頻率等因素，以確保數據的準確性和實時性。例如，VMC 與傳感器模塊之間的接口可以采用標準化的數據格式，如 ROS（Robot Operating System）消息格式，以便于數據的傳輸和處理。VMC 與路徑規劃模塊之間的接口可以采用目標路徑點的形式，以便于 VMC 計算出控制車輛所需的力和力矩。   

其次，建立有效的通信機制。這涉及選擇合適的通信協議。在自動駕駛系統中，各模塊之間需要進行大量的數據傳輸和指令交互，因此需要選擇合適的通信協議，確保數據的可靠性和實時性。常見的通信協議包括 CAN（Controller Area Network）總線、Ethernet 等。CAN 總線是一種廣泛應用于汽車領域的通信協議，具有高可靠性、實時性強等優點。Ethernet 則具有帶寬高、擴展性好等優點，可以滿足自動駕駛系統對大量數據傳輸的需求。

同時，實現數據同步也是一個需要重點解決的問題。由于各模塊之間的數據采集和處理時間可能不同，因此需要實現數據同步，確保各模塊之間的數據一致性。數據同步可以通過硬件同步或軟件同步的方式實現。硬件同步可以采用同步時鐘信號的方式，確保各模塊之間的數據采集時間一致。軟件同步則可以通過時間戳、數據緩存等方式，實現數據的同步處理。

此外，還應該建立故障檢測與處理機制。在自動駕駛系統中，各模塊之間的通信可能會出現故障，因此需要建立故障檢測與處理機制，確保系統的可靠性和安全性。故障檢測可以通過監測通信狀態、數據校驗等方式實現。當檢測到通信故障時，系統應能夠及時采取相應的處理措施，如切換到備用通信通道、重新啟動通信模塊等，以確保系統的正常運行。

最后，還要進行系統集成與測試。在完成各模塊的開發和測試后，需要進行系統集成，將各模塊組合在一起，形成一個完整的自動駕駛系統。系統集成需要考慮各模塊之間的接口兼容性、通信協議一致性、數據同步性等因素，確保系統的正常運行。系統集成完成后，需要進行功能測試，驗證 VMC 與其他功能模塊的協同工作效果。功能測試可以采用模擬測試和實際路測的方式進行。模擬測試可以通過搭建虛擬環境，模擬車輛的行駛場景和傳感器數據，對自動駕駛系統進行測試。實際路測則可以在真實的道路環境中，對自動駕駛系統進行測試，驗證其在實際場景中的性能和可靠性。在功能測試過程中，可能會發現系統存在一些性能問題，如響應時間過長、控制精度不高等。針對這些問題，需要進行性能優化，提高系統的性能和可靠性。性能優化可以通過調整算法參數、優化通信機制、提高硬件性能等方式實現。

-- END --

聲明：內容源自焉知汽車，文中觀點僅供分享交流，不代表本公眾號立場，如涉及版權等問題，請您告知，將及時處理！