第2章:车辆纵向控制

2.1 车辆纵向动力学模型

注:车辆的纵向控制是指控制车辆行驶方向上的加减速,使得汽车可以按照期望的速度行驶,并保持安全的前后车距(即对汽车油门 / 刹车的控制);


2.1.1 车辆纵向受力模型

  • :轮胎纵向力(前后轮的驱动力,由车辆的引擎产生的将车向前推动的力)
  • :滚动阻力(车辆在道路上行驶时轮胎 / 路面形变从而产生一个接触面,在这个接触面上轮胎与地面之间的摩擦力就是滚动阻力)
  • :空气阻力

2.1.2 空气阻力计算公式

  • :空气密度(和大气压力 + 空气温度有关,知道这两项就可以通过查询汽车密度表获取当前的空气密度)
  • :汽车风阻系数(通过风洞测试得到,一般轿车的风阻洗漱在0.28左右,SUV会更高在0.32左右)
  • :车辆在运动方向上的投影面积(一般取车辆【宽x高】的79%~84%)
  • :实时车速(风阻是和速度的平方成正比,所以高速行车风阻会很大)
  • :风速(一般情况下风速和车速相比都很小,所以经常忽略其为0)

2.1.3 轮胎纵向力计算公式

:前后轮纵向刚度

  • 假设路面摩擦力为一个轮胎的法向载荷常数,则轮胎纵向力为滑动率****的一个函数(如上图);
  • 在低滑动率的时候(-0.1~0.1),轮胎纵向力和轮胎滑动率成正比,而正比这部分的斜率我们通常成为纵向刚度;

:前后轮滑动率

  • :滑移率(在刹车的时候发生)
  • :滑转率(在加速的时候发生)
  • 在加速 / 刹车的时候才有滑移率 / 滑转率,这个时候轮胎和地面之间是动摩擦;
  • 在匀速行驶的时候,车辆轮胎和地面之间是静摩擦,之间没有相对位移;
    滑动率的计算公式推导:
  • :滚动半径(本身轮胎半径为R,但是轮胎在和路面接触时存在形变,所以真实的滚动半径记为
  • :滚动角速度
  • :轮胎实际纵向速度
  • :车辆实际纵向速度
  • 在干燥的路面上行驶时,我们的滑动率都是很小的,所以我们使用一个简化的线性轮胎模型来表示;
  • 但是如果路面比较湿滑,换言之就是滑动率比较大的时候,就不能再使用这样的线性轮胎模型了,需要使用非线性轮胎模型来计算(常见的非线性模型有 Magic Formula);

2.1.4 滚动阻力计算公式

:滚动阻力(本质上是摩擦产生的阻力)

:轮胎法向载荷(也是导致轮胎形变的力,这个力在轮胎形变产生的接触面上分配是不均匀的,如上图的曲线)

:滚动阻力系数(取值范围为0.01~0.04,常用车的轮胎滚动阻力系数为0.015)
计算法向载荷

  • 针对车辆建立纵向力矩平衡方程

注意:在以车为坐标系来分析车辆的力矩平衡时,车是不发生旋转的,力矩是平衡的

  • 将所有力的作用点都平移到坐标系上,力的作用点到坐标原点的距离就是力臂;

  • 没有在力矩平衡等式中出现的力,肯定是本身力的方向就和坐标轴重合,因此没有力臂,也就没有力矩;如轮胎滚动阻力都是作用在轮胎和地面的接触面上的,因此力臂为0,

  • 即力矩为0;

  • 为车辆重心的高度;

  • 后轮接地处为坐标系参考点,建立力矩平衡等式

  • 力矩平衡等式

  • 前轮接地处为坐标系参考点,建立力矩平衡等式

  • 力矩平衡等式
    滚动阻力计算公式:


2.1.5 总结

  1. 纵向控制的输入:油门 / 刹车
  2. 纵向控制的输出:纵向速度 / 纵向加速度 / 跟车距离

a

a

a

a

2.2 经典控制理论


相关推荐
一定要AK35 分钟前
刷题时的学习笔记
c++·笔记·学习
2501_920953862 小时前
工业4.0时代,制造企业精益管理咨询的标准化实施步骤
大数据·人工智能·制造
~央千澈~3 小时前
《2026鸿蒙NEXT纯血开发与AI辅助》第四章 对鸿蒙next项目结构目录详解以及实战解决一个最初的依赖安装的报错·卓伊凡
人工智能
xinlianyq3 小时前
2026企业流量破局:四大主流短视频矩阵获客系统深度解析与选型指南
人工智能·矩阵
workflower4 小时前
用硬件换时间”与“用算法降成本”之间的博弈
人工智能·算法·安全·集成测试·无人机·ai编程
Cx330❀5 小时前
一文吃透Linux System V共享内存:原理+实操+避坑指南
大数据·linux·运维·服务器·人工智能
OPHKVPS5 小时前
Anthropic 为 Claude Code 推出“自动模式”:AI 编码工具迈向更高自主性
网络·人工智能·安全·ai
Allen_LVyingbo5 小时前
斯坦福HAI官网完整版《2025 AI Index Report》全面解读
人工智能·数学建模·开源·云计算·知识图谱
金融小师妹5 小时前
基于AI通胀预期建模与能源冲击传导机制的政策分析:高频信号下的风险再评估
人工智能·svn·能源