一汽研发总院：知识数据双驱动的智能底盘横纵垂一体化控制开发

随着汽车智能化浪潮的深入推进，底盘控制系统作为车辆运动执行的核心载体，正面临高阶辅助驾驶与多元化用户场景带来的严峻挑战。传统分散式控制架构难以满足全域协同、高效响应与安全冗余的复杂需求，横纵垂一体化域控技术成为行业攻关焦点。如何将先进控制理论稳健落地于量产工程，并借助数据赋能提升个性化体验，是主机厂与技术供应商共同探索的方向。

2025年11月20日，一汽研发总院底盘域控开发主任苗为为在第五届汽车AI智能底盘大会上表示，当前底盘域控开发面临四大挑战:全场景稳健性、高实时需求、高安全冗余，以及多配置平台适配。围绕这些问题，一汽提出以“知识+数据”双轮驱动的控制策略，通过高稳健车辆模型、时空解耦控制、边界预求解、多模态感知融合等关键技术，实现从规则驱动向数据驱动的渐进式演进，并在红旗车型上完成了多项技术验证与量产落地。

在技术落地层面，一汽构建了分层控制架构与模块化功能设计，支持配置灵活裁剪与虚拟标定，显著提升开发效率并降低实车标定依赖。数据驱动自标定技术进一步实现“千人千面”的个性化底盘体验。在安全冗余方面，通过自适应车辆模型、冗余虚拟传感与跨系统容错控制，构建多重保障机制，支撑L3+级智能驾驶的系统可靠性。苗为为强调，工程化落地的核心在于“控制目标统一、系统边界明确、算法稳健可预期”。

苗为为表示，红旗将在1–2年内推出规则与数据混合驱动的底盘域控系统，并逐步向全场景、全功能智能集成控制演进。他指出，底盘域控制器已成为“软件定义汽车”背景下底盘性能升级的核心载体，其发展将直接决定高阶智驾体验与整车运动控制水平，是主机厂与供应商共同发力的关键方向。

一汽研发总院底盘域控开发主任

以下为演讲内容整理:

一汽研发总院:底盘域控工程化的核心挑战

底盘域控系统的工程化落地主要面临四方面关键挑战，首要在于全场景稳健性问题，由于底盘域控中引入大量前馈算法，对全场景适应性提出更高要求，尤其是在动力学控制算法的稳定性以及车辆状态估计的稳健性方面，需有效应对不同工况下传感器误差、轮胎参数变化与性能衰减等不确定因素；其次为高实时性需求，系统功能繁多、算法复杂度高，对算力实时性提出严苛要求，而当前量产芯片单核算力有限，多核协同所需的大规模I/O交互进一步加剧了性能与资源之间的权衡难题；第三是高安全冗余挑战，随着转向、制动等高安全等级系统逐步线控化，对底盘域内跨系统冗余安全监控与故障处理机制提出新的要求，需满足不断更新的功能安全标准；最后是配置需求复杂化，平台化车型存在高低配置差异，用户可在悬架、转向、驱动及高级辅助驾驶等软硬件模块上进行选装，导致底盘域控制系统需具备应对多车型、多配置的适应能力与模块化裁剪能力。

图源:演讲嘉宾素材

一汽全场景稳健性控制方案

在应对全场景稳健性挑战方面，一汽的方案以高稳健性的车辆模型为核心基础，该模型具备对状态估计精度的高宽容性，即使在传感器感知或状态估计出现偏差时，仍能保障控制目标的精确性与安全性；同时对性能衰退不敏感，能够适应底盘机械部件如轮胎在长期使用中的性能衰减；并具备外部扰动的自适应能力，使其在简化运算的前提下仍能应对复杂外部环境变化。

基于此模型，通过多目标时空解耦技术，依据车辆动力学目标在时间与空间维度上动态协调域内各子系统或功能模块的进入与退出机制，建立横、纵、垂向目标的决策与分配逻辑，从而减少系统状态迁移所带来的不稳定风险。在控制边界处理上，采用预求解方法，通过建立离线极限场景库，结合高精度仿真分析与实车再换测试，求取整车工况边界及其宽容度，进而确定控制系统边界，并针对性设计边界过渡机制，例如通过横摆力矩边界与侧偏角观测来明确底盘域内系统的稳定控制域。在感知层面，构建多模态融合感知能力，自适应融合整车各类传感器信息与车路云协同的广义数据，实现横纵垂方向的标准化预瞄交互，并借助虚实结合技术进行置信度训练，结合安全场景特征分类与回归验证，提升系统在全场景下的环境感知鲁棒性与适应性。

图源:演讲嘉宾素材

高实时与配置适应性实现路径

面对高实时性需求与有限算力的矛盾，一汽的方案首先通过最小原子化单元设计，促使域内各系统最大限度共用基础模块单元，实现人工驾驶与高级辅助驾驶在控制目标识别、状态估计及稳定控制层面的统一，从而提升轨迹跟踪精度并优化算力分配。在此基础上采用多环路控制架构，依据不同功能对实时性的要求差异，设计差异化的控制周期，对需要快速响应的反馈执行闭环采用高带宽短周期控制，而对前馈目标及低频动态则适配较长周期，以满足整车性能带宽与执行器快速响应的综合需求。

为降低在线计算复杂度，策略性运用离线辨识与在线修正相结合的方法，即利用复杂模型和丰富场景库离线预求解控制目标，生成参考映射表，并在在线环节采用有限规模神经网络等进行轻量化计算与参数实时修正，确保实时性。同时结合高精地图的实时标记能力，动态感知路面附着系数变化及雨雪等异常天气信息，并通过车路云协同实现前瞻性控制决策支持。

针对平台化车型带来的软硬件配置复杂性问题，通过分层控制架构将功能划分为意图识别、状态估计、转矩分配、系统执行等层级，实现逻辑解耦与模块复用，使高低配车型在传感器或执行器增减时对核心控制功能影响最小化；采用可裁剪的模块化功能设计，针对低配置车型缺失的系统，通过动力学功能等效原则由制动或驱动系统进行补偿控制，并同步调整理想车辆模型与状态估计模型参数以保持性能一致性；大力推行人在环的虚拟标定技术，通过仿真环境处理多配置车型的标定串行难题，针对高配或首发车型采用实车标定验证，而对后续高低配变种车型则主要依赖虚拟标定与验证，有效减少实车需求、缩短开发周期，并能够安全高效地完成高危极限工况标定；最后，正积极探索数据驱动的自标定技术，通过分析用户驾驶习惯与典型出行场景，形成个性化控制模式，持续提升系统对不同配置与用户偏好的自适应能力。

图源:演讲嘉宾素材

红旗实践与数据驱动进化

红旗智能底盘域控系统以横纵垂一体化控制为核心，构建知识机理与数据驱动分层融合的迭代体系。量产阶段以规则机理驱动为主，确保安全可信；数据驱动技术则聚焦用户日常场景体验优化，通过驾驶习惯与出行场景分析生成个性化控制模式。系统架构支持执行器全线程协同与软件定义功能灵活部署，已在双移线、蛇行工况等测试中展现优异稳定性与响应平滑性。未来，系统将通过广义数据持续学习优化控制目标，结合机理模型实现自适应动力学控制，逐步实现“车随人愿、车更懂人”的个性化体验升级。

图源:演讲嘉宾素材

总结与展望

工程化落地的智能线控底盘控制是车辆动力学、电子电气、机器学习等多学科交叉领域，需实现性能一致、高实时响应、平台化适配与安全可信。一汽的方案通过目标-控制-边界统一、算法离线预处理、分层模块化设计及多重冗余机制，为底盘域控量产奠定基础。未来1-2年，全功能底盘域控系统将逐步装车，显著提升车辆运动控制性能。随着数据驱动技术不断成熟，智能底盘将向自进化方向持续发展，为高阶辅助驾驶与用户体验创新提供核心支撑。