2. 商用车基础
商用车智能驾驶系统不是“把乘用车方案放大”那么简单。商用车按用途、总质量、轴数与车身结构差异巨大,底盘、动力、制动、转向和电气架构也各有工程约束。理解这些基础对象,才能判断传感器装在哪里、执行器如何接管、线控底盘能否满足冗余要求,以及电气架构是否支撑高算力与高安全。本节围绕六个关键词展开:分类、车型、底盘、动力、制动转向、电气架构。
一、商用车分类:先看用途与总质量
商用车通常指用于运输人员或货物的车辆,与乘用车最核心的区别在于“生产工具”属性。工程上常按三类维度交叉分类:
- 按用途:载货汽车、牵引车、自卸车、专用作业车(环卫、消防、混凝土泵车)、客车(公交、公路客车)。
- 按总质量:轻型(<4.5t)、中型(4.5~12t)、重型(>12t)。智能驾驶重卡多集中在重型牵引与自卸场景。
- 按轴数与驱动:4×2、6×4、8×4 等,直接影响轴荷分配、制动回路数量与转向轴布置。
分类决定了智能驾驶的“设计输入”。例如,城市公交关注低速行人避让与精准进站,干线物流重卡关注高速巡航、节油与队列行驶,矿区自卸车关注封闭场景下的循迹与卸载点定位。同一套感知算法,在不同车型上的安装高度、盲区范围和振动谱都不同。
二、典型车型与底盘结构
典型商用车可归纳为四类:牵引车+半挂、载货单车、自卸车、客车。牵引车通过鞍座连接半挂,形成铰接列车,其运动学本质是“多体铰接”,倒车与低速转向时挂车轨迹与车头不一致,是智能驾驶控制中的经典难点。
底盘结构上,商用车普遍采用梯形车架(纵梁+横梁)作为承载基础,前后桥通过钢板弹簧或空气悬架连接。转向轴、驱动轴、从动轴分工明确。对智能驾驶而言,关键底盘接口包括:
- 悬架:空气悬架可调车身高度,影响传感器标定与离地间隙;钢板弹簧则振动更直接。
- 车架:纵梁是传感器支架、线束与气路的主要敷设通道,需考虑扭转与疲劳。
- 鞍座/上装:牵引车鞍座与挂车连接处存在相对运动,挂车传感器与主车之间需要可靠通信。
三、动力系统:柴油、天然气与电动化
商用车动力以柴油发动机为主,天然气(LNG/CNG)在干线物流中占比上升,纯电与换电重卡则集中在短倒、港口、矿区等场景。动力系统对智能驾驶的影响主要体现在纵向控制:
- 发动机扭矩响应:柴油机扭矩建立存在涡轮迟滞,纵向控制需做前馈补偿。
- 变速箱:AMT 是智能驾驶重卡的主流选择,换挡策略与巡航控制需协同。
- 缓速器与排气制动:长下坡时辅助制动,是纵向速度规划的重要执行器。
- 电驱动:电机扭矩响应快、可精确控制,更适合线控与能量回收。
下表对比三类动力在智能驾驶纵向控制中的关键差异:
| 动力类型 | 扭矩响应 | 典型执行器 | 智能驾驶关注点 |
|---|---|---|---|
| 柴油+AMT | 较慢,有迟滞 | 发动机、AMT、缓速器 | 换挡协同、长下坡热管理 |
| 天然气 | 中等 | 燃气发动机、AMT | 气耗与动力平衡、加气站规划 |
| 纯电/换电 | 快且精确 | 电机、电控、制动能量回收 | 续航、换电、扭矩安全冗余 |
四、制动与转向系统:线控是接管的前提
商用车制动普遍采用气压制动,因为气压系统能提供大制动力且便于挂车连接。典型回路包括行车制动、驻车制动、辅助制动与挂车制动。智能驾驶要实现纵向接管,必须通过EBS/ABS 的线控接口发送减速度请求,而不是简单加装机械推杆。
转向系统方面,传统商用车多为液压助力转向。线控转向(EPS/线控液压)需要解决大扭矩、路感反馈与失效冗余。对智能驾驶而言,横向控制的核心问题是:在液压助力基础上叠加电机控制,还是直接采用线控转向。前者改装成本低但控制精度受限,后者精度高但需满足功能安全与法规要求。
五、电气架构:从分布式到域集中
传统商用车电气架构以分布式 ECU + CAN 总线为主,J1939 是重型商用车的应用层协议。随着智能驾驶引入,架构正从分布式向域集中/中央计算演进。典型分层如下:
- 感知层:摄像头、毫米波雷达、激光雷达,通过车载以太网或 CAN FD 接入。
- 计算层:智能驾驶域控制器,承担感知、规划、控制。
- 执行层:EBS、EPS、发动机/电机控制器,通过 CAN 接收控制指令。
- 通信层:CAN/CAN FD、J1939、车载以太网、TSN,需满足时延与冗余。
下面用一张架构图展示商用车智能驾驶的典型信号链与系统分层,帮助理解“感知—计算—执行—通信”之间的关系:
六、案例与复盘:从“能开”到“能安全接管”
以某干线物流重卡智能驾驶改装为例:底盘为 6×4 柴油牵引车,AMT 变速箱,气压 EBS,液压助力转向。项目初期只加装摄像头与前向雷达,通过 CAN 读取车速与发动机扭矩,实现自适应巡航。但很快遇到三个问题:
- 纵向控制抖动:柴油机扭矩迟滞导致加减速不平顺,后加入前馈与换挡协同后改善。
- 横向控制精度不足:液压助力转向叠加电机控制存在回差,车道保持出现画龙。
- 电气架构瓶颈:原车 CAN 总线负载率高,新增传感器数据与控制器指令相互挤占,时延上升。
复盘结论是:商用车智能驾驶的瓶颈往往不在算法,而在底盘线控能力、动力响应特性与电气架构带宽。正确的工程顺序应是:先评估底盘与电气架构,再确定传感器配置与控制策略,最后做功能安全与冗余设计。