［摘要］电子机械制动系统（electro-mechanical brake system，EMB）采用电控纯机械制动技术，可实现多种主动安全控制功能，具有结构精简、响应迅速，能够对车轮制动力矩进行独立精确控制等优势。为全面梳理EMB 系统的发展现状，明确其未来技术走向，本文首先介绍了EMB的组成架构，分析了EMB典型结构型式的优缺点并确定了相关内容的主要研究方向。然后从夹紧力控制和传感器故障诊断两个层面分别对国内外的研究进展展开综述；分析了夹紧力控制算法的发展历程及未来研究重点，对比了3种典型夹紧力控制算法的试验效果；接着介绍了传感器故障诊断的具体类型及作用，通过定量化的指标分析不同故障诊断算法的实际控制效果。最后对EMB 系统所面临的问题及未来发展趋势进行了分析和展望，指明了进一步的研究可以集中在夹紧力控制和传感器故障诊断等算法准确性和鲁棒性的提高、EMB 与线控底盘集成控制技术的协调控制以及EMB 对整车稳定性和舒适性的影响等方面。前言汽车智能化和电动化的发展要求制动系统能够实现制动能量回收和主动制动功能，传统的液压制动系统的制动力无法实时调节，不能满足电动汽车电机制动特性及回收能量最大化的需求，因此线控制动（brake-by-wire，BBW）是必然的发展趋势。线控制动系统摒弃了真空助力器，取消了部分或全部液压管路，使用电子制动踏板，其结构简单、响应迅速、制动力精准可调、能够实现四轮独立制动，可以有效集成电子稳定程序（ESP）、自动紧急制动（AEB）、自适应巡航（ACC）和自动泊车（AP）等技术，能够大幅提高车辆行驶的稳定性和安全性。因此，作为制动系统领域中的颠覆性技术，线控制动系统必将取代传统制动系统。根据主流的研究思想，线控制动系统主要分为两类：电子液压制动系统（electro-hydraulic brake system，EHB）和电子机械制动系统（electromechanical brake system，EMB），如图1所示。EHB较传统液压制动系统在结构布置上的变化不大：取消真空助力器，代以电机助力；增加踏板感觉模拟器，可实现踏板部分或全部解耦。EHB 保留了成熟可靠的液压制动系统，且具有备用制动功能，保证了制动的安全可靠。此外，EHB具有控制精确、响应迅速、兼容性强、易于实现再生制动和便于改装等优势，是目前线控制动系统的主要研究方向，其代表性产品为Bosch 公司的iBooster 和IPB（integrated power brake）。但EHB 仍采用电液控制方法，不具备完全电子制动的优势，并不是真正意义上的线控制动；其保留了大部分液压元件，仍面临管路布置复杂、液压元件寿命短、制动液泄漏等问题。EMB 是一种电控纯机械制动系统，其完全取消了液压系统（液压助力装置、制动主缸和管路等），结构精简，清洁环保，没有制动液造成的延迟效应，响应更迅速，还可以实现对各车轮的单独精确控制，被认为是未来制动系统的终极形态。但是EMB 系统必须集成在轮毂中，这势必引起力矩电机的体积与车辆所需要的制动力之间的矛盾；其次，EMB 没有备份系统，可靠性难以保证；电制动系统的抗干扰能力差、工作性能受温度影响大。此外，EMB 的发展还必须解决系统容错性差和成本高昂等问题。目前EMB的研究热点在于与电动化、智能化汽车，尤其是四轮独立驱动汽车的结合与应用上。本文首先分析EMB 执行器的典型结构型式，然后从夹紧力控制和传感器故障诊断两个层面对EMB的国内外研究进展进行深入研究。1 EMB的组成与典型结构型式1.1 EMB的组成架构如图2 所示，EMB 主要由4 大部分组成：车载电源、制动踏板单元、制动执行单元和控制系统。车载电源为EMB 中的力矩电机和传感器等供能。制动踏板单元包括：制动踏板、踏板力模拟器。该模块主要用来获得驾驶员制动意图并反馈给驾驶员合适的踏板感觉。制动执行单元包括力矩电机、减速增矩装置、运动转换装置和制动钳体等。减速增矩装置将力矩电机的高速小转矩旋转输出转换为低速大转矩旋转输出；运动转换装置将旋转输出转换为直线输出。控制系统包括踏板位移传感器、踏板力传感器、轮速传感器、制动力分配单元、制动力控制单元和车载计算机网络等。踏板位移传感器和踏板力传感器用来检测踏板信号以获得驾驶员的驾驶意图。轮速传感器作为反馈单元将轮速信息实时反馈给制动力分配单元，用作控制算法的输入量。制动力分配单元接收并处理传感器采集的信息，制定合理的制动力分配策略。制动力控制单元根据制动力分配单元分配的制动力，驱动制动执行单元将车轮制动力控制在所要求的范围内，最大化地利用路面附着系数，实现最佳的制动效果。车载计算机网络用来实现控制系统内各单元间的通信。1.2 EMB的典型结构型式制动执行机构是EMB 与EHB 差异最大的部分，其设计也是EMB 的关键技术之一。尤其是减速增矩装置和运动转换装置的设计和配合，直接决定了制动执行机构的体积、制动效率和控制性等关系电机械制动系统性能优劣的重大问题。目前，德国的Bosch、Siemens、Continental，韩 国 的Mobis，美 国 的TRW、Delphi，瑞 典 的Haldex、SKF，澳大利亚的PBR等公司均已研发出各自的EMB 试验品。如图3 所示，本文选择了4 种典型的EMB 制动执行机构，分析了其各自的结构型式及优缺点。通过表1 的对比分析可知，4 种方案各具特色，各有利弊，但以Siemens 公司为代表的以杠杆和楔块实现增力的自增力式方案和以Continental Teves 公司为代表的行星齿轮与滚珠丝杠的组合方案具有较明显的优势。目前关于EMB 执行机构的最新专利主要集中在结合上述两种方案各自优势的楔形制动器上，例如文献［28］中的电子楔形制动器，其采用电机外置的形式，由行星齿轮副来减速增矩，并通过滚珠丝杠实现运动转换，最后通过楔块实现增力效果。EMB 结构型式的优化与创新仍是未来的研究重点之一。2 EMB夹紧力控制在准确获得制动命令的情况下，如何精确快速地控制各个车轮的夹紧力是目前EMB 的研究重点和难点。由于夹紧力直接影响制动垫片和制动盘之间的摩擦力，进而决定制动转矩的大小，所以夹紧力的控制效果直接关系到车辆的制动性能。现有的电子机械制动系统夹紧力控制方案如表2所示。EMB 中的夹紧力传感器比较昂贵，如果安装在制动垫片附近会面临高温考验，其使用寿命将大打折扣，如果将其嵌入到EMB 的深处（即滚珠丝杠的近端位置）又将导致迟滞现象，影响夹紧力的测量精度。考虑到成本问题，目前各车企倾向于取消EMB 中的夹紧力传感器。文献［32］～文献［37］中利用电机转角与夹紧力的特性曲线，通过安装在电机内部的转角传感器，根据电机转角的变化间接获得夹紧力的大小。文献［38］中利用夹紧力与滚珠丝杠的位移之间的函数关系，通过传感器测得滚珠丝杠的位移进而间接获得夹紧力的大小。但是由于制动垫片的磨损和其他问题，制动垫片和制动盘之间的间隙是不断变化的，因此电机转角和夹紧力的特性曲线以及夹紧力与滚珠丝杠位移之间的函数关系都是动态变化的，这会影响夹紧力的控制精度。在早期研究中，比较流行且经典的是比例-积分-微分（proportional-integral-derivative，PID）控制算法。该算法具有结构简单、控制方便、稳定可靠等优点，但在实际使用中需要对其控制参数进行整定。文献［4］、文献［39］～文献［43］中使用三闭环比例-积分-微分控制算法，它由3 个从内环到外环依次定位的反馈控制器组成，分别用于调节电机电流、转速和EMB夹紧力，由于3个回路相互耦合，必须进行迭代调整才能获得最佳的整体性能，控制参数整定的工作量较大。此外，采用固定增益的比例-积分控制无法有效处理与负载有关的摩擦和刚度等非线性问题。为了解决比例-积分-微分控制算法中的参数整定问题，文献［44］中采用自适应比例-积分-微分控制算法，比例增益是随输入夹紧力的变化在线调整的，试验结果表明该算法在夹紧力控制方面表现出令人满意的性能。为了解决非线性摩擦负载扰动问题，文献［45］中提出了在考虑库仑力和迟滞摩擦情况下的电机转速与转矩间的摩擦模型，并基于该摩擦模型对负载相关的摩擦力进行前馈补偿，结果发现该方法可以显著提高夹紧力控制的精确性和鲁棒性。但是该方法也存在不足：螺钉和制动垫片间的摩擦也会引起黏滑（stick slip）现象和响应延迟，这部分的摩擦并没有考虑。文献［46］中将非线性刚度和摩擦的反馈线性化与比例-积分-微分控制器集成在一起，并提出将该控制器作为EMB 基础控制器。由于非线性刚度，一组固定增益无法在整个工作范围内产生稳定的性能，通过线性无约束模型预测控制器（model predictive control，MPC），对三闭环比例-积分-微分控制器的结构进行了其他改进。尽管如此，输入和状态约束都是临时处理的。由于反馈线性化需要额外转矩，因此减少了模型预测控制可用的控制量。为了避免将反馈线性化和控制器设计作为独立的子问题，同时明确输入变量和状态约束，文献［47］中提出了一种基于非线性模型预测控制的整体设计方法，通过最小化二次型性能指标获得控制律，并通过查表获取反馈增益。仿真表明，该控制器的响应时间比线性模型预测控制减少24%，但是其对硬件存储能力的要求很高，此外，表内数据也存在插值误差等问题。滑模变结构控制（sliding mode control，SMC）可以在未获得被控对象精确数学模型的情况下，通过设计滑模面和到达条件使控制变量快速收敛，增加控制系统对内部参数变化（如模型误差）和外部扰动（如环境温度变化）的抗干扰能力。滑模变结构控制具有结构简单、需调整的控制参数少和鲁棒性强等优势。文献［48］中从制动系统动力学模型中推导出制动执行器的滑模控制律，并测试了在不同输入信号下控制器的跟踪行为。结果表明相比于传统的比例-积分控制，滑模变结构控制的夹紧力跟踪精度明显更高，对EMB 系统中的不确定性具有较强的鲁棒性。文献［28］中为了解决电子楔式制动系统（electronic wedge brake，EWB）中参数变化和各种非线性因素导致的鲁棒性问题，采用滑模控制算法设计夹紧力控制器，并提供了接触点检测算法，通过控制电机电流获得期望夹紧力，最后在电子楔式制动器原型机上进行了试验验证。为了在不确定性参数存在的情况下获得理想的夹紧力跟踪性能，文献［49］中开发了一种自适应滑模控制器，其可以在线识别总摩擦模型的参数并将其并入到滑模控制器中，以提高摩擦力跟踪的鲁棒性。但是其只考虑了摩擦力的变化，当存在多个快速变化的参数时，自适应机制将会失效。随着相关技术的发展，滑模变结构控制对于EMB 系统等非线性和不确定系统的控制具有明显的优势，但是其导致的颤振问题对系统的控制精度有不利影响。模糊控制算法可以自适应地调整滑模控制的开关增益，通过使用模糊滑模控制方法可以有效避免颤振问题的影响。由于各种干扰因素的存在，实现EMB 夹紧力的精确控制存在一定的困难。文献［51］中提出一种无力传感器的鲁棒性控制方法，通过设计扰动观测器（disturbance observer，DOB）增强模型的抗干扰能力。为确保EMB 工作的稳定性，文献［28］中设计了一种夹紧力跟踪的鲁棒最优控制器，考虑了环境温度和制动垫片磨损等不确定性参数的影响，使用反馈线性化和反向增益调度引入一种改进的控制体系结构。仿真结果表明，与传统的比例-积分控制相比，鲁棒最优控制对执行器的扰度不敏感，但是有些过于保守，从而导致响应缓慢。文献［52］中针对基于开关磁阻电机（switched reluctance motor，SRM）的EMB 制动系统，提出了一种非线性鲁棒性控制器，该控制器使用考虑电感系数的电机模型，并认为负载是关于位置的某一未知非线性函数，通过鲁棒逆推设计法设计了转矩控制律，并提出了两种从转矩控制律得到电压控制律的方法：一种是基于鲁棒逆推法附加步骤（additional step）；另一种是基于转矩脉动最小化方法。该控制器无需电机的机械参数和电机位置、制动力和电机负载转矩间的函数关系，并为电感的不确定性提供了显著的鲁棒性。为了实现高带宽闭环夹紧力跟踪，文献［53］中提出了一种基于准时间最优控制（near time-optimal control）的夹紧力控制器，首先设计了一种具有状态约束的通用2 阶非线性系统的控制器，然后将其扩展到有界时变扰动的扰动系统。控制器具有较好的鲁棒性，跟踪误差渐近收敛到包含原点的统一最终边界。通过在EMB 原型机上进行不同的试验测试，结果显示该控制器的控制性能远优于比例-积分控制。文献［54］中提出的控制器通过充分利用电机容量，同时兼顾电机转矩和速度约束，实现了近时最佳性能。还给出了在跟踪速度和能量使用之间取得平衡的控制器参数调整方法，以帮助实际实施。试验结果表明，使用该方法可以实现较低的跟踪误差和较高的带宽，这表明该方法可作为未来EMB 控制器设计的候选方案。该项工作的不足之处在于考虑了力传感器，这将增加生产成本，后期可以通过使用夹紧力和电机位置之间映射关系的反馈控制来去除力传感器。制动抖动（brake judder）是车辆在中速至高速（30-140 km/h）行驶情况下轻度制动（约0.2g的制动减速度）期间产生的强迫振动，在制动踏板、转向盘甚至车辆地板上会有震动感。制动抖动的频率与车速成正比。制动抖动会加剧零件的磨损，严重的将导致零件断裂，从而缩短零件使用寿命增加运营成本。文献［56］中为EMB 提出了一种新颖的制动抖动衰减策略，并设计了两种衰减算法来产生补偿夹紧力，从而消除了引起制动转矩变化（brake torque variations，BTV）的颤振。第1 种方法基于线性变参数（linear parameter varying，LPV）控制结构，该结构使用输出调节理论进行设计并采用车轮角速度和加速度进行调度；第2 种方法研究了自适应前馈补偿，即利用车轮角位置、速度和加速度来调度补偿器。试验结果表明，线性变结构补偿器取得了较好的控制效果，但对采样率的要求很高；自适应前馈补偿器对采样率的要求较低并且制动转矩变化的衰减效果更好，但是需要实时测量车轮的位置信息。遗传算法是模拟自然界生物进化的一种随机、并行和自适应的搜索算法，将优化参数表示为编码串群体，根据适应度函数进行选择、交叉和变异等遗传操作，是寻找动态最优解的经典方法。卡尔曼滤波器用反馈控制的方法估计过程状态：滤波算法估计过程中某一时刻的状态，然后以（含噪声的）测量变量的方式获得反馈。文献［31］和文献［57］中提出了一种将电机编码器和电流传感器模型相结合的混合遗传算法（genetic algorithm）和卡尔曼滤波（Kalman filter）方法来精确估计EMB 夹紧力，采用遗传算法对噪声矩阵进行优化，以提高卡尔曼滤波器的性能。试验结果表明，经遗传算法优化的卡尔曼滤波器具有良好的噪声抑制性能，在动态制动过程中其性能较不敏感，可以在EMB 系统中实现精确的夹紧力控制，提高EMB系统（包括电机）的可靠性。针对上述控制算法，本文选择其各自具有代表性的文章，从发展历程和被引情况两个维度进行分析，如图4所示。由图可知：EMB 的夹紧力控制算法在研究前期多集中于前馈控制、PID 控制等，同时有相关机构和研究人员使用鲁棒控制算法和优化控制算法进行相关研究，例如逆推法+非线性鲁棒控制、非线性模型预测控制等；近年来，有关优化EMB 夹紧力控制鲁棒性的相关算法逐渐增多，例如滑模变结构控制、准时间最优控制等。而且随着控制科学向智能控制领域发展并结合EMB 夹紧力控制系统高度的非线性特性，相关研究人员在现代控制理论的基础上结合智能算法在EMB 的应用上进行了尝试。在后续的研究中，相关研究者可以结合智能算法与鲁棒控制算法的各自优势对EMB 夹紧力控制的鲁棒性进行改善。图4 电子机械制动系统夹紧力控制算法发展历程及被引情况本文针对近年来在EMB夹紧力控制上的3种典型算法进行对比和整理，并根据相应论文得到图5和表3。文献［49］中基于自主设计搭建的EMB 台架，测试控制器在阶梯阶跃、斜坡和正弦等不同目标夹紧力下的夹紧力跟随效果。其中，目标正弦信号设为：偏置5 000 N，幅值700 N，频率0.5 Hz，试验结果如图5（a）和图5（b）所示。实际值与目标值的跟踪误差始终保持在0.39 kN 的误差容限内，而且均方 根 误 差（root mean square error，RMSE）仅 为124.54 N，证明了所设计的控制器可以应用于各种复杂制动工况。如图5（c）所示，文献［53］中在自主开发的EMB 原型机上，进行正弦目标夹紧力的跟随试验，并将PI 控制算法作为对比试验。图5（d）所示的试验结果显示：准时间最优控制器比PI 控制器的平均绝对百分比误差（mean absolute percentage error，MAPE）减少了50%，其均方根误差仅为119.32 N，验证了所设计的控制器具有更优良的控制性能。文献［57］中则进行了复杂目标夹紧力下的试验测试，并设计了4 组对比试验，分别采用动态刚度模型法、转矩平衡模型法、卡尔曼滤波算法、遗传算法和卡尔曼滤波的组合算法，如图5（e）和图5（f）所示。试验结果表明结合遗传算法和卡尔曼滤波算法的控制器具有最小的跟随误差，且相较于22 kN的最大目标值，其均方根误差仅为324.80 N。虽然上述研究在各自的硬件设备和试验条件等方面存在差异，但是其试验在各自的闭环控制下都能实现良好的控制效果，可以通过平均相对误差指标来比较其控制的优劣。由表3 可知：自适应滑膜变结构控制算法最优，遗传算法和卡尔曼滤波的组合算法次之。3 EMB传感器故障诊断方法电制动系统的容错能力关系到车辆行驶的安全性和可靠性，是研究电子机械制动系统的一项关键技术。其中，传感器故障诊断又是提高电子机械制动系统容错性的重要研究方向。电子机械制动系统对实时性的要求较高，因此如何快速有效地进行故障诊断一直是电子机械制动系统研究的难点问题。表4 为常见的电子机械制动系统传感器故障诊断方案。电子机械制动系统中的传感器类型较多，主要包括踏板位移传感器、踏板力传感器、电机电流传感器、速度（或位置）传感器和夹紧力传感器等，其需要接收上述传感器反馈的信息进行快速精确的压力控制。传感器故障主要分为两类：与原信号有关的故障和与原信号无关的故障。前者是在原信号的基础上出现的对系统影响较大的误差、畸变或干扰，典型表征形式为：恒偏差故障、精度损伤故障和漂移故障。后者则与原信号完全无关，典型表征形式为：短路故障和失效故障。相比较而言，与原信号有关的故障的诊断更加困难。传感器是电子机械制动系统的控制基础，其工作状态将直接影响整个控制系统的控制效果。传感器故障诊断能够提高控制系统对不确定性的鲁棒性，同时缩短检测延时时间并避免误检测，可以有效改善电子机械制动系统的容错性，进而提高车辆行驶的安全性和可靠性。如图6 所示，传感器故障诊断技术可以分为硬件（或物理/并行）冗余和分析（或功能）冗余。分析冗余较容易实现且不增加成本，但是需要稳健的故障检测技术。硬件冗余需要至少一个相同的传感器作为备份，这将导致生产成本的增加。本文不涉及传感器故障诊断技术中的硬件冗余问题。奉献观测器（dedicated observer scheme，DOS）是一种基于模型的故障诊断方法，其结构简单，实时性好且无需噪声的统计特性。文献［60］中设计了一种广义奉献观测器对电子机械制动系统的传感器进行故障诊断，仿真结果表明，当转速传感器和电流传感器发生故障时，其残差较正常状态分别增大约360 和2 000 倍。该方法不仅可以保证检测子系统互不影响，而且还能准确检测出故障的类型和大小，实现了对电子机械制动系统传感器故障地有效分离和诊断。文献［61］中提出了一种基于等价空间算法（parity space approach）的电子机械制动系统故障大小检测方法，检测电机电流传感器、速度（或位置）传感器和夹紧力传感器中的故障。为了从残差中检测和隔离传感器故障，构造了残差产生器。利用Matlab/Simulink 进行闭环仿真，并将仿真结果与硬件在环（hardware in the loop，HIL）台架试验结果进行对比。试验结果表明：当某一时刻，夹紧力传感器突然发生故障时，会产生约160 倍于正常值的阶跃残差信号，表明可以通过残差的导数有效检测夹紧力传感器的故障。文献［62］～文献［64］中采用等价空间和观测器诊断方法，检测电机电流传感器、速度（或位置）传感器和夹紧力传感器中的故障，仿真和硬件在环试验验证了方法的可行性。然而，上述均是基于数学模型的故障诊断算法，而电子机械制动系统具有非线性的特征，很难得到其准确的数学模型，所以上述方法在电子机械制动系统传感器故障诊断的准确性方面存在一定的局限性。T-S 模糊控制（T-S fuzzy control）可以将全局非线性系统通过模糊划分转化为多个简单的局部线性系统，其在简化控制过程的同时有效保证了控制精度。文献［66］中基于T-S 模糊模型建立包括双时滞、多传感器和参数不确定性的控制系统模型，并设计状态观测器实现故障检测与估计。此外，通过模糊控制算法建立了最终的非线性容错控制策略。Simulink 仿真验证表明：针对传感器的突然故障和缓慢故障，该方法的估计精度分别在90%和80%以内，表明其具有较强的估算能力。由于T-S 模糊控制的结论参数不是模糊数而是线性函数，在实际应用中无法从专家经验或数据中直接得到结论部分，必须通过一定的算法训练，从而导致模型参数难以辨识的问题。可以通过结合神经网络算法消除上述缺陷。支持向量机（support vector machine，SVM）是解决非线性、高维数、小样本等问题的有效方法。该方法以结构风险最小化为准则，可以将低维非线性问题转化为高维线性问题进行求解。基于支持向量机回归（support vector regression，SVR）算法，文献［67］中建立了针对电子机械制动系统电流、转速和压力传感器的故障预测模型，通过对比传感器实测值和预测模型估计值的残差实现故障诊断和分类，试验结果表明：在某一时刻注入故障时，残差就会超过阈值，是正常值的约58倍。该方法不需要考虑系统的精确模型，适用于电子机械制动系统这种复杂非线性的机电系统。但是该方法在训练支持向量机时，使用遗传算法进行参数寻优，导致存在算法早熟、收敛速度慢和局部寻优能力差等问题，这将影响到故障诊断结果的精确性和可靠性。克隆选择算法（clonal selection algorithm，CSA）的基因重组、亲和度成熟、受体编辑等机制使其具有快速收敛到全局最优的特性。文献［69］中基于电子机械制动系统的三闭环控制结构，采用支持向量机回归算法和支持向量机分类算法分别建立传感器故障检测模型和诊断模型，并通过克隆选择算法对支持向量机的参数进行优化。试验结果表明，与传统支持向量机算法相比，该方法的故障检测率提高了62.5%，故障分类准确率提高了10%，进一步提高了支持向量机故障检测的可靠性和故障分类的精确性。粒子滤波算法（particle filter algorithm）是一种基于蒙特卡洛模拟的非线性估计方法，其核心思想是用随机采样的粒子表达概率密度分布，能够处理非线性、非高斯分布的随机动态系统。针对电子机械制动系统中电机电流、转速传感器和压力传感器的故障检测，文献［71］中采用粒子滤波算法分别建立了其各自的状态估计模型，利用状态估计模型估计值与传感器实测值的残差进行故障检测。仿真结果表明，该方法可以实时检测传感器故障并准确定位故障传感器，提高了故障诊断的鲁棒性和可靠性。文献［72］中提出基于粒子滤波算法的传感器故障诊断算法，通过踏板模拟器数学模型和传感器故障诊断模型建立自适应容错控制体系，解决了制动踏板模拟器中踏板力传感器和角位移传感器的故障诊断问题。但是粒子滤波算法存在计算量大、粒子退化和最优选择困难等缺陷，可以对粒子滤波算法进行改进，以更好地应用于电子机械制动系统的故障诊断。电子机械制动系统传感器故障诊断的分析冗余方法经历了从现代控制到智能控制的发展历程。现代控制方法建立的数学模型较难适应电子机械制动系统的非线性特性；而智能控制方法具有自主学习、动态寻优、精确逼近任意函数等优势，正被大量应用于各种复杂的工程问题。除支持向量机、遗传算法和粒子滤波算法外，针对电子机械制动系统传感器故障诊断问题，仍有大量的智能算法有待发掘和应用。此外，针对智能控制算法存在的问题，进行修补和完善的工作也很有意义。4 结论与展望电子机械制动系统（EMB）为车辆提供了更精准迅速的制动力控制，是真正的线控制动系统。但就目前而言EMB 系统受限于系统容错性差、抗干扰能力差和成本高昂等问题，在较长时间内难以实现商业化应用。夹紧力控制和传感器故障诊断是目前电子机械制动系统研究的重点和难点，其中夹紧力控制算法的优劣是影响电子机械制动系统制动性能的重要因素，而传感器故障诊断算法涉及到车辆安全性能的好坏。因此，控制算法是电子机械制动系统能否发挥其独特优势的关键技术。本文重点分析了EMB 系统在结构型式、夹紧力控制算法和传感器故障诊断算法等方面的研究进展，并就进一步的研究作出如下展望：（1）在充分吸收国外先进经验的基础上，如何对减速增矩装置和运动转换装置进行设计创新和配合优化，以保证EMB 系统高集成、高制动效率和强控制性能的优势，仍是今后的研究重点之一。（2）针对EMB 系统的强非线性特性，研究者可以更多地尝试将智能控制算法与鲁棒控制算法结合起来研究，以提高夹紧力控制的鲁棒性。（3）仍有大量的智能算法有待发掘和应用于EMB 系统传感器故障诊断问题上，此外，针对智能控制算法存在的缺陷进行修补和完善的工作仍需稳步推进。（4）基于仿真验证和台架试验的研究，仍需大量的实车试验与测试来优化控制策略，为提高EMB系统的装配率奠定技术基础。（5）将EMB系统与线控底盘进行集成控制技术的融合，以降低能量损失，并避免EMB 系统与其他子系统的控制功能在一定条件下发生冲突而影响最终的控制效果。就整车层面而言，EMB 系统对整车稳定性和舒适性等的影响还有待研究。作者：张奇祥1，靳立强1，靳博豪1，张伊晗1，陈鹏飞2，刘永腾3，4，李建华1 |
