4. 车辆横向与横摆动力学建模

车辆横向与横摆动力学是状态估计与底盘传感融合的核心基础。无论是ESC、AFS还是自动驾驶横向控制，估计器都需要一个能描述“方向盘转角如何转化为横摆角速度与侧向加速度”的模型。本节从单轨模型出发，逐步引入双轨模型、侧偏刚度与不足转向梯度，并讨论线性二自由度参考模型与非线性轮胎模型在估计中的适用边界。

4.1 坐标系与变量约定

为保持全文一致，先明确约定：采用ISO 8855车辆坐标系，x轴指向车辆前方，y轴指向左侧，z轴向上；横摆角速度r绕z轴，逆时针为正；侧向加速度a_y沿y轴正方向为正；前轮转角δ以左转为正。轮胎侧偏角α定义为轮胎速度方向与轮胎纵向平面之间的夹角，侧偏力F_y与α方向相反。这些符号约定直接影响后续模型公式与估计器残差符号，必须在建模前固定。

4.2 单轨模型：横向动力学的骨架

单轨模型（自行车模型）将左右车轮合并到车辆纵轴线上，假设左右轮胎力学对称、忽略侧倾与载荷转移。它用两个自由度描述横向运动：侧向速度v_y与横摆角速度r。其运动方程为：

m(v̇_y + v_x·r) = F_yf·cosδ + F_yr
I_z·ṙ = l_f·F_yf·cosδ − l_r·F_yr

其中m为整车质量，I_z为横摆转动惯量，l_f、l_r为质心到前、后轴距离，F_yf、F_yr为前、后轴等效侧偏力。在小角度假设下cosδ≈1，方程进一步简化。单轨模型的价值在于：它抓住了横向动力学的本质——前轴产生侧偏力驱动横摆，后轴产生侧偏力抑制横摆，二者之差决定横摆角加速度。

4.3 双轨模型：引入左右差异

当车辆进入大侧向加速度工况（a_y>0.4g），左右车轮垂直载荷差异显著，轮胎侧偏力不再对称，单轨模型误差增大。双轨模型保留四个车轮的独立侧偏力，并引入每个车轮的垂直载荷F_z,ij。其横摆方程变为：

I_z·ṙ = l_f(F_yfl+F_yfr) − l_r(F_yrl+F_yrr)
      + (t_f/2)(F_xfr−F_xfl) + (t_r/2)(F_xrr−F_xrl)

其中t_f、t_r为前、后轮距。双轨模型能描述左右制动力差异产生的横摆力矩（ESC差动制动的基础），也能反映载荷转移对侧偏力的影响。代价是参数更多、需要估计或测量的量更多（如各轮垂向力、路面附着系数）。在估计器设计中，双轨模型常用于ESC的参考模型或高精度仿真验证，而单轨模型用于实时估计。

4.4 侧偏刚度与不足转向梯度

线性轮胎模型假设侧偏力与侧偏角成正比：F_y=C_α·α，C_α为侧偏刚度（N/rad）。前、后轴等效侧偏刚度分别记为C_f、C_r。将线性轮胎代入单轨模型，可得稳态横摆角速度增益：

r/δ = v_x / (L + K·v_x²)
K = m/L² · (l_r/C_f − l_f/C_r)

K即不足转向梯度。K>0为不足转向，K=0为中性转向，K<0为过多转向。K的符号和大小直接决定车辆稳态响应特性，也是估计器判断车辆是否接近操纵极限的重要参数。工程上，C_f、C_r随载荷、胎压、路面变化，因此在线估计侧偏刚度是横向状态估计的关键环节。

4.5 线性二自由度参考模型

线性二自由度模型是估计器中最常用的参考模型。其状态空间形式为：

d/dt [v_y]   = [ -(C_f+C_r)/(m·v_x)    -v_x - (l_f·C_f - l_r·C_r)/(m·v_x) ] [v_y]
     [r ]     [ (l_r·C_r - l_f·C_f)/(I_z·v_x)   -(l_f²·C_f + l_r²·C_r)/(I_z·v_x) ] [r ]
             + [ C_f/m ] δ
               [ l_f·C_f/I_z ]

该模型假设轮胎始终在线性区、小角度、恒定纵向速度。它的输出r和a_y可作为“理想响应”与实测值比较，用于ESC的不足/过多转向判断。例如，当实测横摆角速度显著大于参考值且持续一定时间，可判定为过多转向趋势，触发后轮制动或前轮转角修正。参考模型的精度取决于C_f、C_r的准确性，因此工程上常采用递推最小二乘或卡尔曼滤波在线辨识侧偏刚度。

4.6 非线性轮胎模型与适用边界

当侧偏角超过约4°~6°，侧偏力进入饱和区，线性模型严重高估轮胎能力。此时需采用非线性轮胎模型，常用形式包括：

• 魔术公式（Pacejka）：F_y=D·sin(C·arctan(B·α−E(B·α−arctan(B·α))))，参数B、C、D、E分别控制刚度、形状、峰值和曲率。适合高精度仿真与验证。
• 分段线性/双线性模型：线性区+饱和区两段，计算量小，适合实时估计。
• 刷子模型：基于轮胎接地印迹弹性变形，物理意义清晰，但参数辨识复杂。

在估计器设计中，非线性轮胎模型的适用边界需权衡：精度与实时性。对于量产ESC，通常采用线性模型+侧偏刚度在线修正+饱和补偿因子；对于自动驾驶横向控制，可采用非线性模型+滚动时域估计。关键判断依据是当前侧偏角估计值：若|α|<4°，线性模型误差可接受；若|α|>6°，必须切换非线性模型或降低估计器置信度。

4.7 模型选择与估计器设计要点

综合以上分析，横向与横摆动力学模型的选择可归纳为以下判断逻辑：

实际工程中，估计器往往不是单一模型，而是多模型切换或交互多模型（IMM）结构：低速用运动学模型，中速用线性动力学模型，高速大侧偏用非线性模型。模型切换的判据包括车速、横摆角速度、侧向加速度和侧偏角估计值。切换过程需注意状态量一致性和协方差重置，避免估计器发散。

最后强调：无论选择哪种模型，都必须与传感器配置匹配。横摆角速度传感器、侧向加速度传感器、方向盘转角传感器和轮速传感器是横向估计的最小配置。若缺少侧向加速度传感器，则需通过轮速和横摆角速度积分间接估计，精度和鲁棒性会下降。模型精度再高，也无法弥补传感器信息的缺失。