📚 课程目录第1章课程导论与坐标系基础

1. 课程导论与坐标系基础

各位同学，欢迎来到《车辆动力学建模与卡尔曼滤波应用》的第一章。

我是这门课的主讲。在汽车电子和底盘控制领域摸爬滚打了十几年，我越来越觉得，动力学建模和状态估计是区分“调参工程师”和“系统工程师”的分水岭。今天咱们先把地基打牢。

1.1 车辆动力学建模的意义

说白了，我们为什么要建模型？

因为车不会告诉你它下一秒要干什么。ESP、ABS、主动悬架，这些系统要提前判断车辆状态。没有模型，控制器就是瞎子。

核心观点： 模型是控制器的“先验知识”。它告诉系统“正常情况下车会怎么动”，这样当实际运动和模型预测不一致时，我们才能知道——哦，路面滑了，或者轮胎要失去抓地力了。

我举个例子。2015年我做某个国产SUV的ESP标定时，发现车辆在低附着系数路面（比如冰雪路面）上总是介入太晚。后来排查原因，就是模型里用的轮胎侧偏刚度是干沥青路面的标定值。你看，模型不准，控制效果直接打折。

车辆动力学模型主要解决三个问题：

预测：给定方向盘转角、油门、制动，车接下来会怎么走？
分析：车辆的稳态响应是推头还是甩尾？横摆角速度增益是多少？
估计：当传感器信号有噪声或丢失时，如何用模型“补”出真实状态？

嗯，这里要注意，模型不是越复杂越好。做工程不是发论文，计算实时性和参数可辨识性往往比精度更重要。我个人习惯，先从最简单的自行车模型入手，再根据需要逐步增加自由度。

1.2 卡尔曼滤波在车辆状态估计中的作用

好，模型有了，但模型算出来的东西准吗？

不一定。模型有误差，传感器有噪声。怎么办？把两者结合起来——这就是卡尔曼滤波干的事。

卡尔曼滤波的核心思想，我总结成一句话：用模型做“预测”，用传感器做“修正”。

个人经验： 我在做分布式驱动电动汽车的纵向车速估计时，遇到过一个问题：轮速传感器在低附着路面会打滑，GPS在隧道里没信号。单独用任何一个都不靠谱。后来用卡尔曼滤波把轮速、加速度计、GPS融合起来，车速估计精度从±5 km/h 提升到了 ±0.3 km/h。这就是融合的力量。

卡尔曼滤波在车辆上的典型应用场景：

应用场景	估计状态	常用传感器
纵向车速估计	车速、加速度	轮速、IMU、GPS
质心侧偏角估计	侧偏角、横摆角速度	IMU、方向盘转角、轮速
轮胎-路面附着系数估计	μ、轮胎力	IMU、轮速、驱动力矩
车辆位置与姿态	位置、航向角	GPS、IMU、轮速

你想想看，如果没有卡尔曼滤波，我们只能用传感器原始信号。那信号里混着噪声、偏差、甚至丢包，直接拿去做控制，后果可想而知。

1.3 常用坐标系定义

做动力学建模，第一件事就是定坐标系。坐标系乱了，后面全白干。我见过太多新手在这个坑里栽跟头。

我们主要用三种坐标系：

1.3.1 惯性坐标系（大地坐标系）

固定在地面上，不随车辆运动而改变。通常用 X_I-Y_I-Z_I 表示。

X_I：通常指向正北或车辆初始行驶方向
Y_I：垂直于X_I，指向右侧
Z_I：垂直地面向上（右手定则）

这个坐标系用来描述车辆的绝对位置和航向。GPS给出的经纬度，最终都要转换到这个系里。

1.3.2 车辆坐标系

固连在车辆质心上，随车一起运动。用 x_v-y_v-z_v 表示。

x_v：沿车辆纵轴，指向车头
y_v：垂直于纵轴，指向驾驶员右侧
z_v：垂直向上

IMU（惯性测量单元）输出的加速度和角速度，默认就是在车辆坐标系下的。这也是我们做状态估计时最常用的坐标系。

1.3.3 轮胎坐标系

固连在每个轮胎的接地点上。用 x_t-y_t-z_t 表示。

x_t：轮胎滚动方向（向前）
y_t：轮胎侧向（向左或向右，SAE和ISO标准有差异）
z_t：垂直地面向上

避坑指南： 我曾经在做一个轮胎力估算项目时，把SAE标准和ISO标准的轮胎坐标系搞混了。SAE标准里y轴指向右侧，ISO标准里y轴指向左侧。结果侧向力的符号全反了，仿真结果看起来像车在“漂移”但实际上模型是错的。花了两天排查，最后发现是坐标系定义不一致。所以，开工前一定要确认你用的是哪个标准。

1.4 坐标变换矩阵推导

坐标系定义好了，接下来就是怎么从一个系变到另一个系。这就要用到坐标变换矩阵。

最常见的变换是从车辆坐标系到惯性坐标系。假设车辆航向角为 ψ（绕z轴旋转），那么变换矩阵为：

R(ψ) = | cos(ψ)  -sin(ψ)  0 |
       | sin(ψ)   cos(ψ)  0 |
       | 0        0        1 |

举个例子，车辆坐标系下的速度 [u, v, 0]^T（u是纵向速度，v是侧向速度），转换到惯性系：

| Ẋ_I |   | cos(ψ)  -sin(ψ)  0 |   | u |
| Ẏ_I | = | sin(ψ)   cos(ψ)  0 | * | v |
| 0   |   | 0        0        1 |   | 0 |

展开就是：

Ẋ_I = u * cos(ψ) - v * sin(ψ)
Ẏ_I = u * sin(ψ) + v * cos(ψ)

这个公式在车辆运动学模型里会反复出现。我建议你手推一遍，不要死记硬背。

小技巧： 推导坐标变换矩阵时，记住一个原则——“新坐标 = 旋转矩阵 × 旧坐标”。旋转矩阵的每一列，就是旧坐标系的基向量在新坐标系下的投影。想清楚这个几何意义，你永远不会搞错符号。

另外，从惯性系到车辆系的变换，就是上面矩阵的转置（因为旋转矩阵是正交矩阵）：

R(ψ)^T = | cos(ψ)   sin(ψ)  0 |
         | -sin(ψ)  cos(ψ)  0 |
         | 0         0       1 |

至于轮胎坐标系到车辆坐标系的变换，多了一个前轮转角 δ。对于前轮转向的车辆，左前轮和右前轮的变换矩阵略有不同，但核心思想是一样的——绕z轴旋转一个角度 δ。

1.5 本章知识体系总览

说了这么多，咱们用一张图把本章的核心逻辑串起来。

这张图把本章的脉络理清楚了。从左到右：我们先理解为什么要建模，然后搞清楚在哪个坐标系里建模，最后掌握怎么在不同坐标系之间切换。这三块搞定了，后面章节的动力学方程推导和卡尔曼滤波设计，你才能跟得上。