📚 课程目录第1章课程导入与工程对象界定

1. 课程导入与工程对象界定

《ZF车辆状态估计与底盘传感融合工程》讨论的不是单一算法，而是一条从底盘传感器到整车状态量的完整工程链路。学习目标可以概括为三件事：第一，理解车辆状态估计要解决什么物理问题，即哪些量无法直接测量、为什么必须估计；第二，掌握底盘传感融合的基本方法，包括传感器建模、坐标与时间对齐、观测方程构造、滤波器与优化求解；第三，能够把方法落到 ZF 典型底盘架构上，形成可配置、可标定、可验证的工程实现。

核心问题来自一个现实矛盾：整车控制越来越依赖精确状态量，但关键状态量往往不可直接测量。例如质心侧偏角 β、轮胎侧向力 Fy、路面附着系数 μ、车身侧倾角 φ，这些量要么没有量产传感器，要么测量成本高、噪声大、安装受限。可测的通常是轮速、横摆角速度、纵向/横向加速度、方向盘转角、制动压力、悬架高度等。状态估计的任务，就是利用这些可测量，通过车辆动力学模型和传感融合，反推出不可测量。

车辆状态估计的基本关系可写为：ẋ = f(x, u, θ) + w，y = h(x, u, θ) + v。其中 x 为待估状态（如 vx、vy、β、r、φ），u 为可测输入（方向盘转角、驱动/制动力矩），y 为传感器测量，θ 为参数（质量、轴距、轮胎侧偏刚度、附着系数），w、v 分别为过程噪声与测量噪声。工程难点不在公式本身，而在 θ 随载荷、胎压、路面变化，w、v 统计特性未知，且传感器存在安装偏差与时间延迟。

系统边界需要明确界定。本课程聚焦“底盘域状态估计与传感融合”，输入边界是底盘传感器与整车 CAN 信号，输出边界是供 ESP、EPS、CDC、四驱分配、自动驾驶横向控制使用的状态量。不深入发动机燃烧、电池化学等动力总成内部机理，但会涉及驱动/制动力矩对纵向动力学的影响。时间尺度上覆盖 10 ms～100 ms 的实时估计，以及离线标定与验证环节。

典型车型与底盘架构方面，以 ZF 参与度较高的乘用车底盘为对象：前麦弗逊/双叉臂、后多连杆悬架，配备 ESC、EPS、CDC 连续阻尼控制，部分车型带后轮转向或电驱动桥。传感器集合通常包括：四轮轮速传感器、双轴加速度计、横摆角速度传感器、方向盘转角传感器、制动主缸压力传感器、悬架高度传感器。这些传感器分布在不同的 ECU 与总线上，采样率、量程、坐标系并不统一，融合前必须做统一。

课程整体路线图按“由物理到算法、由算法到工程”推进。第一阶段建立车辆动力学基础：坐标系定义、轮胎模型、3DOF/7DOF 车辆模型，明确状态量与参数的关系。第二阶段进入传感融合方法：卡尔曼滤波及其非线性扩展、观测方程构造、时间同步与坐标变换、故障检测与置信度管理。第三阶段面向工程实现：在 ZF 底盘架构上完成传感器配置、模型标定、实时性优化与 HIL/实车验证。第四阶段进入专题：路面附着估计、侧偏角估计、侧倾状态估计、多传感器故障重构。

为了便于后续章节对照，这里给出一个教学示例参数集，用于说明典型 C 级乘用车的估计模型量级。以下数值为合理假设的示例，不是实测结果：整车质量 m = 1650 kg，轴距 L = 2.70 m，前轴到质心距离 a = 1.20 m，后轴到质心距离 b = 1.50 m，质心高度 h = 0.55 m，横摆转动惯量 Iz = 2600 kg·m²，前轮侧偏刚度 Cαf = 80000 N/rad，后轮侧偏刚度 Cαr = 90000 N/rad。在 vx = 20 m/s、δ = 2° 的稳态工况下，可用线性二自由度模型估算稳态横摆角速度与侧偏角，作为滤波器初值与合理性检查依据。

示例：线性二自由度稳态估算（教学用，非实测）
输入：vx = 20 m/s, δ = 2° = 0.0349 rad
参数：m=1650, a=1.20, b=1.50, L=2.70
      Cαf=80000, Cαr=90000

稳态横摆角速度：
r_ss = vx * δ / (L + K_us * vx^2)
K_us = m*(b/Cαf - a/Cαr) / L^2
     = 1650*(1.50/80000 - 1.20/90000) / 2.70^2
     ≈ 1650*(1.875e-5 - 1.333e-5) / 7.29
     ≈ 1650*5.42e-6 / 7.29 ≈ 1.23e-3 s^2/m

r_ss = 20*0.0349 / (2.70 + 1.23e-3*400)
     ≈ 0.698 / (2.70 + 0.492) ≈ 0.219 rad/s

稳态侧偏角（近似）：
β_ss ≈ b/L * δ - m*a/(L*Cαr) * vx^2/L * δ
     ≈ 0.556*0.0349 - 1650*1.20/(2.70*90000)*400/2.70*0.0349
     ≈ 0.0194 - 0.0081 ≈ 0.0113 rad ≈ 0.65°

这个示例说明了两件事：第一，估计器需要先有模型量级概念，才能判断滤波输出是否合理；第二，参数误差会直接放大到状态估计，例如 Cαr 偏差 20% 会明显改变 β_ss。因此后续标定与在线辨识不是可选项，而是工程必需。

学习本课程时建议始终带着三个问题：这个状态量为什么不能直接测？当前传感器组合能观测到它吗？估计结果在什么工况下会失效？这三个问题贯穿全部 30 章。

工程对象界定还涉及接口与验证。估计器对外输出应包含状态量、置信度、有效标志与时间戳；对内需要明确模型版本、参数集、传感器配置。验证通常分三层：模型在环验证观测方程与滤波收敛性，HIL 验证实时性与总线时序，实车验证在双移线、正弦转向、对开路面、坡道等工况下对比参考设备。只有三层都通过，状态估计才具备上车条件。