Jenseits von ESP: Wie die Allradlenkung (4Ws) die Stabilität des Fahrzeugs neu definiert

• Autor: Johnny Liu, CEO bei Dowway
• Mitautor/Zugehörigkeit: Institut für intelligente Trägerausrüstung
• Veröffentlicht: 2. Juni 2026
• Kategorie: Fahrzeugtechnik, Fahrzeugdynamik, Steuerungssysteme
• Lesezeit: 11 Minuten

Technische Zusammenfassung

Was ist die Stabilitätshülle ($ s_c $) eines 4WS-Fahrzeugs?

Die Stabilitätshülle $ s_c $ ist eine geschlossene Region im Seitenschlupfwinkel ($ \ beta $) gegenüber der Gierrate ($ r $). Es wird durch sechs Grenzen begrenzt: zwei durch die Spitzenhaftung definierte Grenze der Gierraten ($l_1, l_2$), die aus den Sättigungs-Schlupfwinkeln der Front berechnet werden und Hinterreifen mit einem Bürstenreifenmodell.

Wie verbessert sich 4Ws bei der Vorderradlenkung (FWS)?

Im Gegensatz zu FWS, das nur die Sättigung des Hinterreifens ($ L_7, L_8 $) verwaltet, steuert 4WS aktiv beide Achsen, um die Reifensättigung zu verhindern, ziehen Sie den Arbeitspunkt näher an den Ursprung der Phasenebene, senken Sie die Anforderungen an die seitliche Reifenkraft und bieten Sie aktive Sicherheitseingriffe vor herkömmlichen elektronischen Stabilitätsprogrammen. (ESP) Trigger.

Einleitung: Das Streben nach aktiver High-Speed-Sicherheit

Wenn ein Fahrzeug mit hoher Geschwindigkeit abbiegt, bestimmen Bruchteile einer Sekunde die Grenze zwischen absoluter Kontrolle und Spinnung. Traditionell haben sich Sicherheitssysteme darauf verlassen Elektronische Stabilitätsprogramme (ESP). ESP ist jedoch reaktiv: Es greift durch Bremsen ein nach Es wird ein Traktionsverlust oder ein Seitenschlupf festgestellt, der das Fahrzeug verlangsamt und den Schwung stört.

Können wir Instabilität verhindern, bevor es beginnt?

Die Antwort liegt in Allradlenkung (4Ws). Durch die aktive Steuerung sowohl des vorderen als auch des hinteren Lenkwinkels steuert 4Ws das Fahrzeug vorbeugend, um das neutrale Handling zu erhalten und die Grenzen der traditionellen Lenkung zu umgehen.

In diesem Artikel übersetzen wir die Fahrzeugdynamiktheorie in ein aktives Kontrollframework. Wir werden ein vereinfachtes 3-DOF-Fahrzeugmodell aufbauen und nicht messbare Zustände in Echtzeit mithilfe eines Erweiterter Kalman-Filter (EKF), Abbildung der physikalischen Grenzen der Reifenhaftung mittels modifizierter Bürstenreifen-Modellund konstruieren Sie die 4WS-Stabilitätsgrenzenhüllkurve ($ s_c $).

Schnelle FAQ

• Warum brauchen wir einen EKF, um den Seitenrutschwinkel zu finden ($ \ beta $)?Standard-Produktionsautos haben keine billigen Sensoren, um den Seitenrutschwinkel direkt zu messen. Der EKF verwendet verfügbare Sensoren (wie Querbeschleunigung und Gierrate), um das Seitenrutsch in Echtzeit zu schätzen.
• Was bewirkt, dass ein Reifen sättigt?Ein Reifen sättigt, wenn der Schlupfwinkel zu groß wird, wodurch der Reifen vom Greifen zum Gleiten übergeht. An diesem Punkt erzeugt das weitere Drehen des Lenkrads nicht mehr seitliche Kraft.
• Warum ist 4Ws sicherer als FWS?FWS kann nur auf Hinterradrutschen reagieren. 4WS koordiniert aktiv beide Achsen, teilt sich die Kurvenlast und hält das Fahrzeug innerhalb seiner physischen Sicherheitsgrenzen gut im Gleichgewicht.

Abschnitt 1: Kernbau – Das 3-DOF-Modell für Fahrzeugdynamik

Um einen aktiven Echtzeit-Controller zu entwerfen, müssen wir die mathematische Genauigkeit mit der Computerverarbeitungsgeschwindigkeit in Einklang bringen. Ein vollständiges Mehrkörpermodell ist sehr genau, aber seine komplexe Mathematik ist für Standard-Mikrocontroller zu schwer.

Da die Gierrate ($ R$) und der Seitenschlupfwinkel ($\beta$) die Hauptvariablen für die Bewertung des Fahrzeughandlings und der Seitenstabilität sind, verwenden wir eine vereinfachte 3-Freiheitsgrad (3-DOF) Fahrzeugdynamikmodell (darstellen Längs-, Seiten- und Gierbewegungen).

Kontinuierliche Systemgleichungen

Durch Ignorieren der lenkungsinduzierten Reifenschlupf-Linearisierungsfehler für Zustandsschätzungszwecke schreiben wir die kontinuierlichen Bewegungsgleichungen wie folgt: $$$\dot{V}_x = r v_y + a_x$$$$$$$$$DOT{V}_Y = -R V_x + a_y$$$$$$$\dot{r} = \frac{a f_{yf} \cos\delta_f – b f_{yr} \cos\delta_r}{i_z}$$

wo:

• $ V_X, V_Y $ sind die Längs- und Seitengeschwindigkeiten im Fahrzeugschwerpunkt (CG).
• $ r $ ist die Gierrate.
• $ a_x, a_y $ repräsentieren die Längs- und Querbeschleunigungen.
• $ \ delta_f, \ delta_r $ sind die Lenkwinkel der Vorder- und Hinterräder.
• $ f_ {yf}, f_ {yr} $ repräsentieren die seitlichen Reifenkräfte der Vorder- und Hinterachse.
• $a, b $ sind die Abstände von der CG zur Vorder- und Hinterachse.
• $ I_Z $ ist das Fahrzeug des Giers der Trägheit.
• $ M $ ist die gesamte Fahrzeugmasse.

Die Fahrzeug-Querbeschleunigung $A_Y$ wird modelliert als:$$A_Y = \frac{f_{yf} \cos\delta_f + f_{yr} \cos\delta_r}{M}$$

Die vereinfachte Querbeschleunigungsausgangsgleichung ignoriert kleine nichtlineare Lenkwinkel ($\cos\delta \ca. 1$) + f_{yr}}{M}$$

Unter Verwendung der Kleinwinkel-Näherung für den Fahrzeug-Seitenschlupfwinkel definieren wir:$$\beta \approx \frac{v_y}{v_x}$$

Unterscheidung von $\beta$ in Bezug auf die Zeiterträge:$$\dot{\beta}\approx \frac{\dot{v}_y}{v_x} – \frac{v_y \dot{v}_x}{v_x^2} \approx \frac{a_y}{v_x} – r = \frac{f_{yf}

Abschnitt 2: Schätzen nicht messbarer Zustände mit dem erweiterten Kalman-Filter (EKF)

Viele Sicherheitsvariablen – wie der Seitenschlupfwinkel $ \ beta $ – können nicht direkt mit budgetfreundlichen Sensoren gemessen werden. Stattdessen müssen wir sie abschätzen.

Die Erweiterter Kalman-Filter (EKF) Funktioniert als Echtzeitbeobachter für unser 4WS-Fahrzeug. Die traditionelle Kalman-Filterung (KF) funktioniert nur auf linearen Systemen. Der EKF umgeht diese Grenze, indem er die nichtlineare Dynamik um die aktuelle Zustandsschätzung unter Verwendung einer Taylor-Reihenerweiterung unterwirft und die Terme höherer Ordnung verwirft.

       [ Previous State x_{k-1} ]
                   │
                   ▼ (Prediction Step)
      Linearize system via Jacobian A_k
      Predict State:  x̂_{k|k-1} = f(x̂_{k-1}, u_{k-1})
      Predict Covar:  P_{k|k-1} = A_k P_{k-1} A_k^T + Q
                   │
                   ▼ (Measurement Update)
      Linearize output via Jacobian C_k
      Compute Kalman Gain: K_k = P_{k|k-1} C_k^T (C_k P_{k|k-1} C_k^T + R)^{-1}
      Correct State:  x̂_k = x̂_{k|k-1} + K_k (z_k - h(x̂_{k|k-1}, u_k))
      Correct Covar:  P_k = (I - K_k C_k) P_{k|k-1}
                   │
                   ▼
         [ Estimated State x_k ]

Abbildung 1: Erweiterter Kalman-Filterstatus-Schätzungsworkflow.

Diskretisierte Zustandsraumformulierung

Um den Schätzer auf einer elektronischen Steuereinheit (ECU) zu betreiben, wandeln wir die 3-DOF-Zustandsgleichungen in diese zeitdiskrete Zustandsraumdarstellung um:$$x_k = f(x_{k-1}, u_{k-1}) + w_ {k-1}$$$$Z_k = h(x_k, u_k) + v_k$$

wo:

• $ x_k =[\beta_k, r_k, v_{x,k}]^ t $ ist der Zustandsvektor.
• $ u_k =[\delta_{f,k}, \delta_{r,k}]^t$ ist der Steuereingangsvektor.
• $ z_k =[a_{y,k}, r_k]^ t $ ist der Beobachtungsvektor.
• $ w_k, v_k $ repräsentieren den Prozess und die Messung von weißen Rauschvektoren mit Kovarianzmatrizen $ q $ und $ r $.

Um die Vorhersage-Update-Gleichungen zu berechnen, linearisieren wir das System zu jedem Zeitschritt mit diesen Jacobien: $$ A_K = \Left. \ frac {\ partial f} {\ partial x} \ right | _ {\ hat {x} _ {k-1 | k-1}, u_ {k-1}}, \ quad c_k = \ left. \frac{\partial h}{\partial x} \rechts|_{\hat{x}_{k|k-1}, u_k}$$

Die Echtzeit-Zustandsschätzung $ \ hat {x} _k $ wird dann direkt in den Sicherheitsbegrenzungsregler eingespeist.

Abschnitt 3: Sicherheitsgrenzen definieren – Das Modell der Bürstenreifen

Selbst ein Fahrzeug mit modernem 4WS kann sich nicht der Physik widersetzen: Die Reibung an der Schnittstelle zwischen Reifen und Straße wird durch die Handlingsfähigkeit bestimmt.

Um diese Grenzen abzubilden, bewerten wir das Reifenverhalten mit dem physischen Bürstenreifen-Modell. Unter diesem Modell sind die Reifenschlupfwinkel der Vorder- und Hinterachse geometrisch definiert als:$$$\alpha_f = \beta + \frac{a \cdot r}{v_x} – \delta_f$$$$$\alpha_r = \beta – \frac{b \cdot r}{v_x} – \delta_r$$

Reifensättigung verstehen

Wenn der Schlupfwinkel zunimmt, wechselt der Reifen von der elastischen Dehnung zum Gleiten und erreicht schließlich einen Punkt, an dem keine zusätzliche seitliche Kraft erzeugt werden kann. Dieser Schwellenwert ist definiert als Sättigungsreifen Schlupfwinkel ($ \ alpha_ {sat} $):$$\alpha_{sat} = \arctan \left(\frac{3\mu f_z \kappa}{k} \right)$$

wo:

• $ \ mu $ ist der Reibungskoeffizient der Reifenstraße.
• $ K $ ist die Kurvensteifigkeit des Reifens.
• $f_z$ ist die dynamische vertikale Belastung des Reifens.
• $ \ kappa $ ist der Längsdämpfungskoeffizient.

Faktor in der realen Dynamik: $\kappa$ und $f_z$

Um die Grenzen genau zu lokalisieren, müssen wir zwei reale dynamische Faktoren berücksichtigen:

1. Der Längskraftrabatt ($ \ kappa $): Längskräfte (Bremsen oder Beschleunigen) verbrauchen die Reifenhaftung und lassen weniger Grip zum Drehen. Wir integrieren diese Interaktion über den Dämpfungskoeffizienten $\kappa$: $$$\kapax = \sqrt{1 – \left(\frac{f_x}{\mu f_z}\right) $ \ kappa $ sinkt und schrumpft den verfügbaren seitlichen Sättigungswinkel $ \ alpha_ {sat} $.
2. Dynamische Gewichtsübertragung ($ f_z $): Beim Bremsen oder Beschleunigen verschiebt sich das Gewicht zwischen Vorder- und Hinterachse. Wir definieren die dynamische vertikale Belastung $f_{zi}$ auf jeder Achse als: $$F_{ZI} = f_{z,\text{static}} \pm \delta f_z$$$$$F_{zf} = \frac{m g b}{l} – \frac{m a_x h}{l}$$$$f_{zr} = \frac{m g a}{l} + \frac{m a_x h}{l}$$ wobei $l = a + b$ der Radstand ist, $h$ der Mittelpunkt von Schwerkrafthöhe und $ g $ ist die Schwerkraft. Der zweite Term stellt die Längslastübertragung dar, die $ f_ {zf} $ und $ f_ {zr} $ dynamisch ändert und die Reifensättigungsgrenzen in Echtzeit umformt.

Abschnitt 4: Abbildung der geschlossenen Stabilitätshülle ($S_C$)

Um eine hohe Geschwindigkeitsstabilität zu gewährleisten, konstruieren wir ein geschlossenes Grenzpolygon in der Phasenebene $ (\ beta, r) $. Das ist das Stabilitätsumschlag $ s_c $. Es besteht aus sechs Grenzlinien: vier Seitenrutschwinkelgrenzen und zwei Gierratengrenzen.

                  ▲ Yaw Rate (r)
                  │          L1 (Max Yaw Rate)
         ┌────────┴────────┐
         │                 │ 
   L4    │        •        │   L3
 (Front  │      (Origin)   │ (Front
  Min)   │                 │  Max)
         └────────┬────────┘
                  │          L2 (Min Yaw Rate)
   L5 (Rear Min)  │  L6 (Rear Max)
                  ▼ Sideslip Angle (β)

Abbildung 2: Konzeptionelle Visualisierung der begrenzten 4WS-Stabilitätsphasenebene.

1. Seitenschlupfwinkelgrenzen ($\beta$-Limits)

Indem wir die Reifenschlupfwinkel auf ihre Sättigungsschwellen setzen ($ \ alpha_i = \ pm \ alpha_ {i, sat} $), lösen wir nach dem Seitenschlupfwinkel $ \ beta $. Dies ergibt vier Begrenzungslinien ($ L_3, L_4 $ für die Vorderachse und $ L_5, L_6 $ für die Hinterachse):

• Sättigungsgrenzen der Vorderachse: $$ L_3: \beta = \alpha_{f, sat} – \frac{a\cdot r}{v_x} + \delta_f \ quad \text{(Frontmax-Limit)}$$$$$L_4: \beta = -\alpha_{f, sat} – \frac{a\cdot r}{v_x} + \delta_f \quad \text{(Front-Min-Limit)}$$
• Sättigungsgrenzen der Hinterachse: $$ L_5: \beta = -\alpha_{r, sat} + \frac{b\cdot r}{v_x} + \delta_r \beta = \alpha_{r, sat} + \frac{b \cdot r}{v_x} + \delta_r

Der Vergleich der Vorderradlenkung (FWS)

Bei einem Standard-FWS-Fahrzeug können die Hinterräder nicht lenken ($\Delta_R = 0$). Da die Hinterräder keine Lenkfähigkeit haben, sättigen sie zuerst. Daher bewertet die FWS-Stabilitätsanalyse nur die hinteren Reifengrenzen ($l_7, l_8$):

• FWS hintere Sättigungsgrenzen: $$L_7: \beta = \alpha_{r, sat} + \frac{b\cdot r}{v_x} -\alpha_{r, sat} + \frac{b \cdot r}{v_x} \quad \text{(fws hinten min)}$$

2. GENNENRATENGRENZEN ($R$-LIMITS)

Die absolute maximale Gierrate wird durch die maximale Straßenreibung begrenzt, wodurch verhindert wird, dass das Fahrzeug seitliche Kräfte zieht, die die physischen Reifenanhaftungsgrenzen überschreiten: $$ L_1: R = R_{max} = \frac{\mu g}{v_x} \quad \text{(max Gierratenbegrenzung)}$$$$$L_2: r = -r_{max} = -\frac{\mu g}{v_x}

Der endgültige 4WS-Stabilitätsbereich-Set ($S_C$)

Der Schnittpunkt dieser sechs Grenzlinien legt den geschlossenen, stabilen Betriebsbereich $S_C$:$$S_C = \left\{ (\beta, r) \mid -r_{max} L_5) \le \beta \le \min(l_3, l_6) \right\}$$

Abschnitt 5: Warum 4WS FWS übertrifft: Drei wichtige Lektionen

Um die realen Vorteile von 4Ws zu demonstrieren, untersuchen wir ein Fahrzeug mit einem Lenkradwinkel von 86 USD ^ \ text {km / h} $ unter einem abrupten Richtungswechsel. Das 4WS-System führt eine aktive Modusumschaltungsstrategie mit doppelter Geschwindigkeit durch.

                          ▲ Yaw Rate r
                          │
             L1 ┌─────────┴─────────┐
                │                   │
                │        • (4WS)    │
                │                   │
     L4 (Front) │                   │ L3 (Front)
                │         X (FWS)   │
                └─────────┬─────────┘ 
             L2           │           
                          ▼ Sideslip β

Abbildung 3: Phase-Portrait-Vergleich mit dem kohäsiven 4WS-Betriebspunkt (•) gegenüber dem äußeren FWS-Betriebspunkt (X).

Lektion 1: Stärkere Betriebspunktkonvergenz

In der Phasenebene $ (\ beta, r) $ konvergiert der 4WS-Betriebspunkt (roter Kreis) im Vergleich zum FWS-Betriebspunkt (blaues Kreuz) viel näher am Ursprung $ (0,0) $. In der Fahrzeugdynamik zeigt die Nähe zum Ursprung einen kleineren Schlupfwinkel des Fahrzeugs und ein stabileres, vorhersehbares Handling. Das FWS-Fahrzeug, das viel weiter vom Zentrum entfernt ist, fährt gefährlich nahe an seiner Stabilitätsgrenze.

Lektion 2: Geringere Anforderungen an den Hinterreifengriff

Bei identischen Highspeed-Manövern verteilt 4WS den Lenkbedarf über beide Achsen. Folglich ist die von den Hinterrädern erforderliche Querkraft beim 4WS-Fahrzeug wesentlich geringer als beim FWS-Gegenstück. Dies verhindert, dass die Hinterreifen ihre Sättigungsschwelle erreichen, den Schlupf verzögern und einen breiteren Sicherheitspuffer beibehalten.

Lektion 3: Gründliche Risikomodellierung durch Doppelachssättigung

In FWS werden Grenzlinien ausschließlich basierend auf der Sättigung der Hinterreifen berechnet ($ L_7, L_8 $). 4Ws sind jedoch sowohl für die Sättigung des Vorderrads als auch für das Hinterrad verantwortlich. Dies führt zwei wichtige dreieckige Instabilitätszonen in der Phasenebene ein:

• Oberes rechtes Dreieck: definiert durch $ \ beta & gt; l_6 \ cap \ beta & gt; L_3 $
• Dreieck unten links: definiert durch $ \ beta & lt; l_5 \ cap \ beta & lt; L_4 $

Indem diese Regionen aufgrund der Sättigung des Vorderrads als instabil definiert werden, bietet 4WS ein viel vollständigeres und physikalisch realistischeres Sicherheitsnetz.

Vorwärts bewegen: Lenkung innerhalb der Linien

Der Betrieb innerhalb des Grenzsatzes $S_C$ garantiert die Steuerbarkeit des Fahrzeugs. Das Überschreiten dieser Grenzlinien bedeutet nicht sofort einen mechanischen Fehler, sondern signalisiert, dass die Reifen gesättigt sind und dass eine nicht wiederherstellbare Drift oder ein Hochgeschwindigkeitsspin unmittelbar bevorsteht.

Indem diese Grenzen in Echtzeit modelliert und einem aktiven Lenkungsregler zugeführt werden, kann ein mit 4WS ausgestattetes Fahrzeug seinen hinteren Lenkwinkel dynamisch anpassen, um zu verhindern, dass der Zustand jemals $ S_C $ überquert. Dieser vorbeugende Eingriff stellt einen bedeutenden Schritt für die Fahrzeugsicherheit dar – die Kontrolle der Stabilität an den Grenzen der Physik, bevor die ESP-Bremsen überhaupt eingreifen müssen.