当前位置:首页 > 物联网 > 智能应用
[导读]自动驾驶要做到转向冗余,关键不只是备用通道能否接管,更在于接管那一瞬间能否不把额外力矩打进车身。若零力矩窗口和状态对齐没做好,切换动作会先表现成横摆扰动,而不是表面上的“功能仍可用”。

自动驾驶要做到转向冗余,关键不只是备用通道能否接管,更在于接管那一瞬间能否不把额外力矩打进车身。若零力矩窗口和状态对齐没做好,切换动作会先表现成横摆扰动,而不是表面上的“功能仍可用”。

所谓零力矩窗口,并不是把两套执行器输出都降到零,而是让主备链路在切换时对转向器的合成作用尽量连续。前链路退出前若还保留积分残量,后链路接入时又按自己的参考零位重新发力,方向机齿条就会短时间承受一个额外扭矩脉冲。车速越高,这个脉冲越容易被放大成可感知横摆。

很多系统只关注切换确认速度,希望故障一判定就立刻交给备份链路。可故障判定快,不等于力矩切换平滑。若主链路的控制状态、执行器回差补偿和路感注入量还没同步给备用链路,备用侧即使电机健康,也是在用过期状态接一段正在变化的机械系统。

控制器状态对齐因此比单纯复制目标转角更重要。除了目标角度,还要同步转角导数、积分项、摩擦补偿区间、齿条估计位置和故障前最后几个周期的执行误差。只有这些内状态共识足够高,备用链路接管时才不会因为“理解同一个转角的方式不同”而产生隐性力矩跳变。

零力矩窗还要考虑机械回差与轮胎侧偏刚度。若切换恰好发生在方向反向、回差区尚未吃紧的时候,控制器看到的转角变化和轮端真实侧向力并不同步。此时若只凭电机侧反馈判断平稳,车辆实际横摆响应可能已经偏离。对线控转向而言,窗口应该由齿条力、转角变化率和横摆反馈共同定义,而不是一个固定时间片。

备用通道也不能永远热备全跟随。全时紧耦合同步会提高能耗和热负担,还可能把主链路噪声一并复制过去;但若同步过松,真正故障时又来不及收敛。所以系统需要在平时维持受控偏差,让主备通道既不过度耦合,也不会在切换瞬间像两个陌生控制器争夺同一机构。

验证时,最该看的不是功能切换成功率,而是切换期间的附加横摆率、方向机扭矩和车道偏离量。要在直道、弯道、低附和轮胎不同磨损状态下反复测,才能知道零力矩窗是否真的覆盖了最坏工况。只测台架空载,很容易把真正的问题留到实车上才显出来。

软件安全机制还要避免误把“通信短暂抖动”升级成完整控制权交接。若故障确认门槛太敏感,车辆在颠簸路段可能频繁触发主备重同步,虽然每次都能恢复,却会不断消耗零力矩窗裕量。把故障确认为机械、电气和通信三类,再为每类设置不同接管节奏,能显著减少无谓切换对横摆稳定性的侵扰。真正安全的冗余,不是切得越多越快,而是只在必须切的时候切,且每次切换都能解释横摆变化来自哪里,调参目标也应直指这份可解释性,否则主备架构只会在日志里看上去很完整。

所以,自动驾驶做冗余转向时,接管快只是及格线,接管时不额外推动车身才算真正安全。把零力矩窗口和控制状态对齐做好,故障切换才不会变成新的横摆扰动源。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

自动驾驶在低附着路面上最容易犯的错误,不是看不见障碍,而是高估了自己对速度的把握。轮速和纵向加速度若还按干燥柏油的逻辑融合,制动、跟车和稳定控制都会先建立在假速度上。

关键字: 自动驾驶 轮速 加速度

自动驾驶使用高精地图时,真正难的往往不是地图本身够不够细,而是车端拿到的新旧版本能不能在拓扑上保持一致。只要版本漂移和缓存失配没有被约束,定位、规划和规则解释就会分别相信不同的世界。

关键字: 自动驾驶 地图 漂移

自动驾驶的外参问题,很多时候不是一开始没标准,而是跑起来以后慢慢漂。只要热变形和支架微振没被计入,静态场地里很漂亮的标定值,到了真实道路上就会悄悄失去约束力。

关键字: 自动驾驶 激光雷达 热漂

自动驾驶一进入隧道就出现定位残差暴涨,往往不是地图突然错了,而是定位链路从有卫星约束切到纯车载约束时,内部假设没有一起切换。桥接误差和门控策略若还沿用开阔路段的配置,残差会被自己放大。

关键字: 自动驾驶 地图 GNSS

自动驾驶泊车里最让人困惑的现象之一,是车辆明明已经识别出车位,却总在斜柱、圆柱或斜向墙边留下不自然的偏距。根子往往不在控制器,而在近场回波和车位边界模型一开始就被带偏了。

关键字: 自动驾驶 泊车 超声波

自动驾驶做AEB时最危险的简化,就是把问题压缩成“还能不能在最短距离内刹住”。真正决定能否避险的,不只有制动极限,还包括风险评估抖动和制动链路自身的响应迟滞。

关键字: 自动驾驶 AEB 制动

自动驾驶做BEV融合时,最常见的错觉是把信息更稠密的一侧当成真相,再要求另一侧去“补齐”。可在占用建模里,稀疏激光和稠密相机描述的其实不是同一种证据,硬对齐反而会制造虚假可通行区。

关键字: 自动驾驶 BEV 稀疏激光

云端 AI 正以前所未有的速度重新定义计算。随着全球最大的科技公司竞相构建大规模 AI,数据中心正从软件和芯片,到电源架构、网络结构,以及信息传输的基本物理方式,被从底层重新构想。向加速型工作负载的转变是一场结构性变革,...

关键字: AI 数据中心 控制器

我的目标是成为一名参与自动驾驶和车辆控制系统开发的工程师。为了实现这一目标,我认为通过实际操控一辆真实车辆,在学习传感器、控制算法和嵌入式系统的同时积累实践经验至关重要。这个项目正是我迈向这一目标的第一步。

关键字: 自动驾驶 机器人 红外传感器 M5Stack

我的目标是一个简单且自包含的自主系统:用我最喜爱的M5Stack/ESP32硬件实现一个现实可行的系统,同时精度足够,能够实现可重复运行。我没有依赖SLAM或ArduPilot,而是从零开始自行构建定位、传感器融合和导航...

关键字: 传感器 自动驾驶 激光雷达 M5Stack
关闭