4. 车辆状态估计与传感器融合

底盘横纵向一体化控制要做出正确的力矩分配与轨迹修正，前提是控制器“知道”车辆此刻的真实运动状态。然而，量产车上真正能直接测量的量非常有限：四个轮速、一个纵向/横向加速度、一个横摆角速度、一个方向盘转角，以及制动/驱动系统的内部信号。质心侧偏角 β、纵向车速 v_x、路面附着系数 μ 这些对稳定性控制最关键的变量，几乎都无法用单一传感器直接测得。因此，状态估计与传感器融合是横纵向一体化控制的第一道工程门槛。

一、可用信号与它们的“盲区”

先明确本节采用的坐标系与符号约定：车辆坐标系 x 轴指向车头前方，y 轴指向驾驶员左侧，z 轴向上；横摆角速度 r 绕 z 轴，逆时针（向左转）为正；质心侧偏角 β = arctan(v_y / v_x)，向左偏为正。全文与图示均遵循此约定。

轮速传感器给出的是轮速 ω_i，乘以有效滚动半径 r_e 得到轮心纵向速度的近似值。它的盲区在于：制动抱死、驱动打滑、轮胎滑移率较大时，轮速与车速不再成比例；转弯时内外轮速差、轮胎侧偏都会引入偏差。IMU 提供纵向加速度 a_x、横向加速度 a_y 与横摆角速度 r，动态响应快、噪声小，但存在零偏（bias）与安装误差，且加速度计测量的是比力，包含重力分量与坡度影响。转向角传感器给出方向盘转角 δ_sw，经传动比 i_s 得到前轮转角 δ_f = δ_sw / i_s，但悬架与转向系统的弹性变形（侧向力柔度）会使实际前轮转角与名义值存在偏差。横摆角速度 r 通常由 IMU 直接测量，是估计中最可靠的观测量之一。

把这些信号放在一起看，就能理解为什么必须做融合：轮速在低速和滑移工况下不可信，IMU 在长时间积分后漂移，转向角在侧向力大时失真，而横摆角速度虽然可靠，却只能反映绕 z 轴的转动，无法单独给出 β 与 v_x。

二、Kalman 滤波在底盘估计中的落地方式

Kalman 滤波之所以成为量产估计的主力，是因为它把“模型预测”和“传感器观测”按各自的不确定度加权。工程上通常采用扩展 Kalman 滤波（EKF）处理车辆动力学中的非线性项。状态量取 x = [v_x, v_y, r, β]ᵀ，量测量取 z = [v_wheel, r_meas, δ_f]ᵀ。预测步用单轨模型：

v̇_x = a_x + v_y·r
v̇_y = a_y − v_x·r
ṙ   = (l_f·F_yf − l_r·F_yr) / I_z
β   = arctan(v_y / v_x)

其中 F_yf、F_yr 由轮胎侧偏刚度与侧偏角计算，侧偏角又依赖 v_x、v_y、r 与 δ_f。更新步则用轮速构造纵向速度观测、用 IMU 的 r 作为横摆角速度观测。关键在于 Q 与 R 的整定：Q 反映模型误差（如轮胎刚度随载荷变化），R 反映传感器噪声。低速时轮速可信度高，R_wheel 取小；高速大侧向加速度时轮速滑移增大，应调大 R_wheel，让滤波器更信任 IMU 与模型。

三、质心侧偏角估计的难点与观测器补充

β 是稳定性控制的核心判据，但它无法直接测量。常用做法有两种：一是把 β 作为 EKF 的状态量，通过 v_y 与 v_x 间接得到；二是设计 Luenberger 观测器或滑模观测器，用横摆角速度误差 (r_meas − r_est) 作为校正项。滑模观测器对模型不确定性鲁棒，适合 μ 变化剧烈的工况，但需要处理抖振。工程上常把两者结合：EKF 负责常规工况，观测器在低速、大滑移、强非线性时接管或做残差校验。

一个实用的判断依据是残差监控：若 |r_meas − r_est| 持续超过阈值（例如 0.05 rad/s 且持续 200 ms），说明模型或传感器出现异常，应触发降级策略，例如切换到纯运动学估计或提高 R 值。这类逻辑在 Bosch 的量产方案中属于标准配置。

四、Bosch 量产估计方案的工程特征

Bosch 在 ESC 与横纵向一体化控制器中采用的估计方案，有几个值得注意的工程特征。第一，分层估计：底层用轮速与 IMU 做快速运动学融合，得到 v_x 与 r；上层用动力学模型估计 β 与 μ，两层之间通过时间尺度分离，底层高频、上层低频。第二，工况自适应：根据滑移率、侧向加速度、方向盘转速划分工况，动态调整 Q/R 与模型参数。第三，冗余与降级：当某个传感器失效或残差超限时，估计器自动切换到备用观测模型，保证控制器不会因估计失效而误动作。第四，与执行器协同：估计出的 μ 直接用于力矩分配的上限约束，β 用于稳定性判据，r 用于横摆力矩闭环。

五、一个可复现的估计验证示例

假设在干燥沥青路面（μ≈0.9）上做稳态圆周试验：车速 60 km/h，方向盘转角保持使侧向加速度约 4 m/s²。此时轮速滑移率小，轮速可信；IMU 的 r 测量约 0.25 rad/s。用 EKF 估计，若模型侧偏刚度取 80000 N/rad（前轴）、90000 N/rad（后轴），初始 β 估计为 0，则收敛后 β 应在 1.5°～2.5° 量级。若把路面改为冰雪（μ≈0.2），同样转向输入下侧向加速度只能到约 1 m/s²，轮速滑移增大，此时应调大 R_wheel，并观察 β 估计是否仍能跟踪真实趋势。判断估计是否可用的标准是：残差有界、β 不出现持续发散、切换工况后能在 0.5 s 内重新收敛。

状态估计不是控制器的附属品，而是横纵向一体化控制能否安全工作的前提。轮速、IMU、转向角、横摆角速度各有盲区，Kalman 滤波与观测器的作用正是把这些互补信息按不确定度加权，输出控制器真正需要的 v_x、β、r 与 μ。理解每个信号的物理含义、误差来源与融合逻辑，才能在标定与排障时快速定位问题。