11月10日-12日，由中国汽车工业协会和武汉市人民政府共同主办的“2023中国汽车供应链大会暨第二届中国新能源智能网联汽车生态大会”在武汉经开区举办。本届供应链大会以“踔厉奋发，攻坚克难——打造安全、韧性、绿色汽车供应链”为主题，设置了“1场战略峰会、1场大会论坛、9场主题论坛”共11场会议，围绕供应链安全与布局、新型汽车供应链打造、传统供应链升级、全球化发展等热点话题进行深入交流与探讨，寻找构建世界一流汽车供应链的对策、方法和路径。其中，在11月12日上午举办的“主题论坛六：智能底盘——智能电动开创汽车底盘新时代”上，北京英创汇智科技有限公司D+事业部总监邵东发表精彩演讲。以下内容为现场发言实录：
尊敬的各位领导、各位同事，大家上午好，我叫邵东，来自北京英创汇智汽车技术有限公司，我主要分享关于智能汽车底盘动力学域控的相关思考。
底盘域控的技术背景和研究意义。当前在车辆领域交通事故伤亡率比较高，而且财产损失比较大，我们面临很严重的人员安全问题，当前的汽车排放污染相对比较严重。安全、节能、高效一直是汽车工业长期发展目标。
现有底盘机电系统架构主要包括转向、制动、悬架、传动和驱动系统，当前系统架构固有特性限制是底盘的动力学发挥，主要体现在两个层面，一个是各个底盘的子功能模块独立控制，独立开发，他们在控制决策上有一定的难度，所以说系统不够安全，另一方面在整车电子电气架构上过于冗杂，造成匹配开发难度比较高，也不够高效。现有的底盘动力学是相对割裂的，割裂式分布式底盘开发模式就会存在一些问题，首先在底盘零部件供应链上相对比较分散，开发和匹配成本较高。各个系统信息相互独立，很难形成完整的车辆动力学模型，模型不够精准。车辆各个子系统的控制目标是互斥的，很难达到很好的协调匹配效果，在协调过程中可能会发现失稳情况，不够安全。综上所述，现有底盘安全还是有进一步提高的空间。
当前汽车工业进入智能化时代，智能车辆是一种机械化、自动化、信息化、智能化深度融合的产物，智能汽车的颠覆性变革有望引领世界第四次工业革命。通过智能汽车的快速发展，驾驶权逐渐由驾驶员转交到智能机器，整体底盘动力学系统是不变的。
从传统底盘到线控底盘的转变保证了汽车安全和高效，但是基本车辆动力学固有特性是不会变的。催生域控产生的线控技术的快速发展，当前线控技术是各个汽车零部件供应商互相博弈的很关键抓手，当前我国国产化线控底盘也面临着一些困难和阻碍，给国产化智能化线控底盘带来了发展契机。
传统的集成底盘控制和动力学预控有什么区别？这是动画展示驾驶员操作下的底盘电控基本逻辑，这个底盘集成控制还是基于应急反馈机制，只有当车辆发生事故之后，电控系统才会介入，保证车辆安全。只不过在集中控制下我们可以综合各个电控接口做相关协调控制，从根本来讲底盘集成控制还是属于反馈控制，没有摆脱反馈控制的范畴。
我们的底盘域控和集成控制最大的区别在于可以实现自顶而下的车辆动力学模型数字化建模，当传统驾驶员消失之后，代替驾驶员的就是底盘域的精确动力学模型，可以实时对车辆运动学边界进行预描，提前进入线控执行控制，保证舒适和安全性。综上所述，底盘域控是可以促进制动、驱动、转向、悬架的配合联动，保障车辆动力学的稳定性，可以促进当前电子电气架构由分布式向多域值集中发展。
当前智能汽车主要有两大很重要的模块，一个是智驾域，一个是底盘域，他们之间互相配合工作，来满足当前的智能汽车系统架构。智驶区主要负责感知融合、定位导航、智能决策、轨迹规划，底盘域负责底盘信息融合，模型解算和最终的协调控制。通过建立预控体系可以实现传统意义上的汽车不能实现的东西，比如说我们可以实现所有底盘传感器的信号整合和信号融合，通过动力学观测和统一实时解算，建立车辆动力学概率模型，基于实时数据推断隐变量分布，实现高响应度的模型调整，基于智能博弈的多目标底盘域分层协调控制机制，降低执行器的开发成本。我们在预控的应用核心思路主要是精确把控和预瞄当前路面和车辆状况，底盘预控制器也能解决传统底盘的常见问题，通过交通道路的识别以及动力学模型解算，来实现传统ESC上的防侧翻、防侧滑功能。
当前研究进展和成果。我们主要是以突破国外封锁和算法从硬件到软件的全方位突破，到一些独立过程的设计，突破传统智能汽车分布式架构，从传感器到车辆动力学模型，以及到最终的协调控制，我们进行全方位的技术变革。在中间我们也布局了相当多的专利，更具体一点包括整体的架构，状态观测、模型解算和协调控制是关键核心，我们为了解决信号相对独立的问题，设计了一个模型的迭代解算，为了解决底盘控制端的应用冲突和控制适配问题，提出了动力学协调控制机制，在硬件方面我们也独立设置了底盘预控硬件方案，包括各种驱动模式，来满足多重制动器的需求。
在软件方面我们做三层架构，首先是传感器信号处理，包括滤波、信息校验等等，然后我们做了动力学模式状态观测，因为涉及到未来的自动驾驶汽车，我们根据智驾和驾驶员的两重接口做车辆意图识别，最终利用有限状态机仲裁机制实现多目标的协同控制。在状态观测体系中核心点在于多元传感器信息的融合，能够精确量化车辆动力学状态，同时探索车辆在一些复杂情况下的稳定运行边界，由于传感器是进行整合，所以说我们需要对所有传感系统进行二次校验，包括全时域安全运行稳定。
我们对安全信息进行识别，包括车身侧翻、倾斜等等，还有轮胎力的观测。轮胎力是很关键的一环，是动力学观测的信息基础，能够影响动力学稳定性的控制性能，而且能够影响动力学模型的精度，基于我们之前对车辆控制学相关经验的积累，有一套成熟的轮胎动力学算法，在模型解算方面，传统的ESP是使用车辆二次模型控制的，为了适应未来多自由度的控制集成器架构，我们建议底盘动力学模型需要进行解算。
我们提出15DOF解算机制，包括整车信息、悬架信息和整车信息，正好配合了驱动、制动、转向和悬架动力学控制。在模型运用方面我们考虑各种因素，模型运用需要考虑不配套的情况，加速度，侧倾、俯仰情况，我们会对车辆动力学模型进行降级，灵活使用15DOF车辆模型。
关于软件算法体系验证，我们有一套完整的开发方案，对之前的状态观测和模型解构策略进行系统性验证。在协调控制方面，我们主要是采取分层控制架构，包括决策层和执行层，决策性主要负责基于功能目标协同控制机制之后对各个执行器进行目标分配，执行层主要专注于执行层的驱动机的驱动策略，为了应对不同的驾驶情景，我们对传统常见的情景进行分类，分类之后会对不同的场景运用不同的控制性能指标，来满足不同控制场景下的控制需求。
这里是我们做协同控制的例子，首先是全地形四驱和TCS的协调控制，我们针对比较复杂的工况，保证加速起步的舒适性、安全性和起步的加速性，在转向稳定性引导领域我们设计了这套根据驾驶员的操作情况，车辆模型进行提前识别，如果车辆提前发生横向失误，我们改变助力水平，避免进一步危险的情况，减小ESP，进一步提升安全性和舒适性。
在传统ABS领域我们也做了一些偏学术方面的研究，比如和制动能量回收进行结合，在ABS控制下可以有效提高制动能量回收利用率，我们利用耗散功率优化理论保证湿滑路面电动车的安全性问题。在硬件设计方面，因为现在底盘预控将所有模块进行算法整合，我们的控制算法需要上移，上移过程中对算力要求有一定提升，我们所有的传感器和输入信号的处理都需要做二次校验，为了实现未来软件定义汽车的概念，我们也希望所有预控能根据客户需求进行OTA升级，满足不同客户的价值风格和体验。
这是大概讲一下在不同自动驾驶等级下的预控系统安全信息流分级架构，从变化中可以看出随着自动驾驶水平的逐渐提高，底盘预控和智驾域之间的配合越来越强，底盘域能够为智驾域提供关键的动力学状态和指标，智驾域为底盘域提供算力平台，可以进一步降低底盘域的算力需求。以当前底盘域高效能算力需求，但是低实施性要求的功能，在线故障诊断和间接式胎压监测功能，底盘域可以将这些算力工作移交给智驾域，关于域控制器主控芯片自身的指标，我们也做了一些调研和研究，首先在主屏和稳定性方面，我们不能一味过高追求主频，因为要考虑到系统稳定性问题，所以我们采用多核控制器方案，传统的ESC主频在100兆赫兹，域控在200到400兆赫兹级别，未来以太网这些相关的传输技术要应用到底盘预控制当中。
接下来是关于我们对未来合作模式的思考，在软件定义汽车的时代，传统商业模式由主机厂提供整车需求，供应商完成系统设计、硬件设计软件和算法开发，这中间由供应商掌握零部件核心技术，主机厂对整车驾驶体验功能的把控其实是不够的。
未来我们始终相信主机厂对整车运作需求还是比供应商更了解，我们希望主机厂和供应商之间在应用层是一种协同开发模式，我们将这种应用开发能力逐渐释放给主机厂，由主机厂进行快速迭代，OTA升级，同时能够实现最优驾驶体验。
公司在线控制动、线控底盘领域和预控领域都布局了相关专利，在产品布局上我们在2020年、2021年、2022年分别实现了ESC、ibooster以及Onebox的量产，我们自己有内部自研驱动制动转向一体化全矢量监控平台，我们明年希望底盘域控方案能实现量产，2025年我们也要做线控滑板底盘的布局。
我们的方案计划分三步走，明年聚焦协同控制算法，主要是实现核心零部件符合算法上移，XYZ三个方向的协同控制，提高核心场景下的驾驶体验。阶段二计划升级EMB系统和后轮转向系统，双电极驱动和主动稳定杆系统，提升底盘动力学控制能力，为下一步软件算法服务升级做一些准备。阶段三主要是聚焦软件算法服务化，升级四轮驱动系统，进一步提升底盘控制接口，采取高速通信和计算架构，面向服务设计，实现传感器执行器的标准化，做到可插拔可替换。在测试能力方面，我们公司建立了自己的测试基地，在湖北省黄冈市，占地300亩，去年10月份开始投入使用，这个实验场支持各个坡度的坡道，模拟动态测试区等多种测试路况，能够满足功能快速标定，快速进行整车匹配，缩短导入周期。
以上是我的报告内容，谢谢大家。
（注：本文根据现场速记整理，未经演讲嘉宾审阅）
