Beyond ESP: Cómo la dirección en las cuatro ruedas (4WS) redefine la estabilidad del vehículo de alta velocidad

• Autor: Johnny Liu, CEO de Dowway
• Coautor/Afiliación: Instituto de Equipos de Carrier Inteligente
• Publicado: 2 de junio de 2026
• Categoría: Ingeniería automotriz, Dinámica de vehículos, Sistemas de control
• Tiempo de lectura: 11 minutos

Resumen técnico

¿Cuál es la envolvente de estabilidad ($s_c$) de un vehículo 4WS?

La envolvente de estabilidad$S_C$ es una región cerrada en el ángulo de deslizamiento lateral ($\beta$) frente a la tasa de guiñada ($R$). Está delimitado por seis límites: dos límites de tasa de guiñada ($L_1, L_2$) definidos por la adhesión de la carretera máxima y cuatro límites de ángulo de deslizamiento lateral ($L_3, L_4, L_5, L_6$) calculados a partir de los ángulos de deslizamiento de saturación del frente y Neumáticos traseros utilizando un modelo de neumáticos de cepillo.

¿Cómo mejora 4WS en la dirección de la rueda delantera (FWS)?

A diferencia de FWS, que solo gestiona la saturación de neumáticos traseros ($L_7, L_8$), 4WS controla activamente ambos ejes para evitar la saturación de neumáticos, acercar el punto de operación al origen del plano de fase, reducir las demandas de fuerza de los neumáticos laterales y proporcionar una intervención de seguridad activa ante la estabilidad electrónica tradicional. Activador de programas (ESP).

Introducción: la búsqueda de la seguridad activa de alta velocidad

Cuando un vehículo gira a altas velocidades, las fracciones de un segundo dictan el límite entre el control absoluto y el giro. Tradicionalmente, los sistemas de seguridad se han basado Programas de Estabilidad Electrónica (ESP). Sin embargo, ESP es reactivo: interviene aplicando frenos después Se detecta una pérdida de tracción o deslizamiento lateral, lo que ralentiza el vehículo e interrumpe el impulso.

¿Podemos prevenir la inestabilidad antes de que comience?

La respuesta está en Dirección a las cuatro ruedas (4WS). Al controlar activamente los ángulos de dirección delantero y trasero, 4WS dirige el vehículo de forma preventiva para mantener el manejo neutral y evitar los límites de la dirección tradicional.

En este artículo, traducimos la teoría de la dinámica del vehículo en un marco de control activo. Construiremos un modelo de vehículo simplificado de 3 grados de libertad (3-DOF), estimando estados no medibles en tiempo real utilizando un Filtro Kalman extendido (EKF), mapee los límites físicos de la adhesión de los neumáticos utilizando un Modelo de neumáticos de cepillo, y construya la envolvente de límites de estabilidad de 4WS ($S_C$).

Preguntas frecuentes rápidas

• ¿Por qué necesitamos un EKF para encontrar el ángulo de deslizamiento lateral ($\beta$)?Los autos de producción estándar no tienen sensores baratos para medir el ángulo de deslizamiento lateral directamente. El EKF utiliza sensores disponibles (como aceleración lateral y velocidad de guiñada) para estimar el deslizamiento lateral en tiempo real.
• ¿Qué hace que un neumático se sature?Un neumático se satura cuando el ángulo de deslizamiento se vuelve demasiado grande, lo que hace que el neumático pase de agarre a deslizamiento. En este punto, girar más el volante no generará más fuerza lateral.
• ¿Por qué 4WS es más seguro que FWS?Los FWS solo pueden reaccionar al deslizamiento de la rueda trasera. 4WS coordina activamente ambos ejes, compartiendo la carga de curvas y manteniendo el vehículo bien equilibrado dentro de sus límites de seguridad física.

Sección 1: Construyendo el núcleo: el modelo de dinámica de vehículos de 3-DOF

Para diseñar un controlador activo en tiempo real, debemos equilibrar la precisión matemática con la velocidad de procesamiento de la computadora. Un modelo de vehículo multicuerpo completo es muy preciso, pero sus matemáticas complejas son demasiado pesadas para los microcontroladores a bordo estándar.

Debido a que la tasa de guiñada ($R$) y el ángulo de deslizamiento lateral ($\beta$) son las principales variables para evaluar el manejo del vehículo y la estabilidad lateral, utilizamos una simplificación Modelo de dinámica de vehículos de 3 grados de libertad (3-DoF) (que representa los movimientos longitudinales, laterales y de guiñada).

Ecuaciones del sistema de tiempo continuo

Al ignorar los errores de linealización de deslizamiento de neumáticos inducidos por la dirección para fines de estimación del estado, escribimos las ecuaciones continuas de movimiento de la siguiente manera:$\dot{v}_x = r v_y + a_x$$$$\dot{v}_y = -r v_x + a_y$$$$\dot{r} = \frac{a f_{yf} \cos\delta_f – b f_{yr} \cos\delta_r}{i_z}$$

donde:

• $v_x, v_y$ son las velocidades longitudinales y laterales en el centro de gravedad de los vehículos (CG).
• $R$ es la tasa de guiñada.
• $a_x, a_y$ representan las aceleraciones longitudinales y laterales.
• $\delta_f, \delta_r$ son los ángulos de dirección de las ruedas delanteras y traseras, respectivamente.
• $f_{yf}, f_{yr}$ representan las fuerzas laterales de los neumáticos de los ejes delantero y trasero.
• $a, b$ son las distancias desde el CG hasta los ejes delantero y trasero.
• $i_z$ es el momento de inercia de los vehículos de guiñada.
• $M$ es la masa total del vehículo.

Los vehículos de aceleración lateral $A_Y$ se modelan como:$$a_y = \frac{f_{yf} \cos\delta_f + f_{yr} \cos\delta_r}{m}$$

Ignorar pequeños términos de ángulo de dirección no lineales ($\cos\delta \approx 1$), la ecuación de salida de aceleración lateral simplificada es:$$a_y = \frac{f_{yf} + f_{yr}}{m}$$

Usando la aproximación de ángulo pequeño para el ángulo de deslizamiento lateral del vehículo, definimos:$$\beta \approx \frac{v_y}{v_x}$$

Diferenciar $\beta$ con respecto a los rendimientos de tiempo:$$\dot{\beta} \approx \frac{\dot{v}_y}{v_x} – \frac{v_y \dot{v}_x}{v_x^2} \approx \frac{a_y}{v_x} – r = \frac{f_{yf} + f_{yr}}{m v_x} – r$$

Sección 2: Estimación de estados inconmensurables con el filtro Kalman extendido (EKF)

Muchas variables de seguridad, como el ángulo de deslizamiento lateral $\beta$, no se pueden medir directamente utilizando sensores estándar y económicos. En cambio, debemos estimarlos.

Los Filtro Kalman extendido (EKF) Actúa como el observador en tiempo real de nuestro vehículo 4WS. El filtrado tradicional de Kalman (KF) solo funciona en sistemas lineales. El EKF pasa por alto este límite al linealizar la dinámica no lineal sobre la estimación del estado actual utilizando una expansión de la serie de Taylor, descartando los términos de orden superior.

       [ 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 ]

Figura 1: Flujo de trabajo de estimación del estado del filtro de Kalman extendido.

Formulación de espacio de estado discretizado

Para ejecutar el estimador en una unidad de control electrónico (ECU), convertimos las ecuaciones de estado del vehículo de 3 DOF en esta representación de espacio de estado de tiempo discreto:$$x_k = f(x_{k-1}, u_{k-1}) + w_{k-1}$$$$Z_K = H(x_k, u_k) + V_K$$

donde:

• $x_k =[\beta_k, r_k, v_{x,k}]^T$ es el vector del estado.
• $u_k =[\delta_{f,k}, \delta_{r,k}]^T$ es el vector de entrada de control.
• $Z_K =[a_{y,k}, r_k]^T$ es el vector de observación.
• $W_K, V_K$ representan el proceso y la medición Vectores de ruido blanco con matrices de covarianza $q$ y $r$.

Para calcular las ecuaciones de actualización de predicción, linealizamos el sistema en cada paso de tiempo usando estos jacobianos:$$a_k = \left. \frac{\parcial f}{\parcial x} \right|_{\hat{x}_{k-1|k-1}, u_{k-1}}, \quad c_k = \izquierda. \frac{\parcial h}{\parcial x} \derecho|_{\hat{x}_{k|k-1}, u_k}$$

La estimación de estado en tiempo real $\hat{x}_k$ luego se alimenta directamente al controlador de límites de seguridad.

Sección 3: Definición de límites de seguridad: el modelo de neumáticos de cepillo

Incluso un vehículo con 4WS moderno no puede desafiar a la física: su capacidad de manejo se rige por la fricción en la interfaz neumático-carretera.

Para mapear estos límites, evaluamos el comportamiento de los neumáticos utilizando el Modelo de neumáticos de cepillo. Bajo este modelo, los ángulos de deslizamiento del neumático de los ejes delantero y trasero se definen geométricamente como:$$\alpha_f = \beta + \frac{a \cdot r}{v_x} – \delta_f$$$$\alpha_r = \beta – \frac{b \cdot r}{v_x} – \delta_r$$

Comprender la saturación de neumáticos

A medida que aumenta el ángulo de deslizamiento, el neumático cambia de estiramiento elástico a deslizamiento, llegando eventualmente a un punto en el que no se puede generar fuerza lateral adicional. Este umbral se define como el saturation tire slip angle ($\alfa_{sat}$):$$\alpha_{sat} = \arctan \left( \frac{3 \mu f_z \kappa}{k} \derecho)$$

donde:

• $\mu$ es el coeficiente de fricción de neumáticos y carreteras.
• $k$ es la rigidez de las curvas de los neumáticos.
• $F_Z$ es la carga vertical dinámica del neumático.
• $\kappa$ es el coeficiente de atenuación longitudinal.

Teniendo en cuenta la dinámica del mundo real: $\kappa$ y $f_z$

Para ubicar con precisión los límites, debemos tener en cuenta dos factores dinámicos del mundo real:

1. El descuento de fuerza longitudinal ($\kappa$:): Las fuerzas longitudinales (frenado o aceleración) consumen la adherencia de los neumáticos, dejando menos agarre disponible para girar. Integramos esta interacción mediante el coeficiente de atenuación $\kappa$: $$\kappa = \sqrt{1 – \left(\frac{f_x}{\mu f_z}\right)^2}$$ como fuerza de neumático longitudinal $f_x$ aumenta, $\kappa$ baja, reduciendo el ángulo de deslizamiento de saturación lateral disponible $\alpha_{sat}$.
2. Transferencia de peso dinámico ($F_Z$:): Durante el frenado o la aceleración, el peso se desplaza entre los ejes delantero y trasero. Definimos la carga vertical dinámica $f_{zi}$ en cada eje como: $$f_{zi} = f_{z, \text{static}} \pm \delta f_z$$$$f_f_{zf} = \frac{m g b}{l} – \frac{m a_x h}{l}$$$$f_{zr} = \frac{m g a}{l} + \frac{m a_x h}{l}$$ donde $l = a + b$ es el Distancia entre ejes, $H$ es la altura del centro de gravedad, y $G$ es la gravedad. El segundo término representa la transferencia de carga longitudinal, que cambia dinámicamente $F_{ZF}$ y $F_{ZR}$, remodelando los límites de saturación de neumáticos en tiempo real.

Sección 4: Mapeo de la envolvente de estabilidad cerrada ($S_C$)

Para garantizar la estabilidad de alta velocidad, construimos un polígono de límite cerrado en el plano de fase $(\beta, r)$. Este es el Sobre de estabilidad $s_c$. Está hecho de seis líneas de contorno: cuatro límites de ángulo de deslizamiento lateral y dos límites de velocidad de guiñada.

                  ▲ 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)

Figura 2: Visualización conceptual del plano de fase de estabilidad 4WS acotado.

1. Límites de ángulo de deslizamiento lateral ($\beta$-límites)

Al establecer los ángulos de deslizamiento de los neumáticos iguales a sus umbrales de saturación ($\alpha_i = \pm \alpha_{i, sat}$), resolvemos el ángulo de deslizamiento lateral $\beta$. Esto da cuatro líneas de contorno ($L_3, L_4$ para el eje delantero y $L_5, L_6$ para el eje trasero):

• Límites de saturación del eje delantero: $$L_3: \beta = \alpha_{f, sat} – \frac{a \cdot r}{v_x} + \delta_f \quad \text{(límite máximo frontal)}$$$$l_4: \beta = -\alpha_{f, sat} – \frac{a \cdot r}{v_x} + \delta_f \quad \text{(límite mínimo frontal)}$$
• Límites de saturación del eje trasero: $$L_5: \beta = -\alpha_{r, sat} + \frac{b \cdot r}{v_x} + \delta_r \quad \text{(límite mínimo trasero)}$$$$l_6: \beta = \alpha_{r, sat} + \frac{b \cdot r}{v_x} + \delta_r \quad \text{(límite máximo trasero)}$$

Comparación de la dirección de la rueda delantera (FWS)

Para un vehículo FWS estándar, las ruedas traseras no pueden dirigir ($\delta_r = 0$). Debido a que las ruedas traseras no tienen capacidad de dirección, primero se saturan. Por lo tanto, el análisis de estabilidad de FWS solo evalúa los límites de los neumáticos traseros ($L_7, L_8$):

• Límites de saturación trasera FWS: $$L_7: \beta = \alpha_{r, sat} + \frac{b \cdot r}{v_x} \quad \text{(FWS Rear Max)}$$$$l_8: \beta = -\alpha_{r, sáb} + \frac{b \cdot r}{v_x} \quad \text{(fws minus)}$$

2. Límites de la tasa de guiñada ($R$-límites)

La tasa máxima absoluta de guiñada está delimitada por la fricción máxima en la carretera, evitando que el vehículo tire de las fuerzas laterales que excedan los límites de adhesión física de los neumáticos:$$L_1: R = R_{max} = \frac{\mu g}{v_x} \Quad \text{(límite máximo de tasa de guiñada)}$$$$L_2: r = -r_{max} = -\frac{\mu g}{v_x} \quad \text{(límite de tasa de guiñada mínima)}$$

El conjunto final de la región de estabilidad de 4WS ($S_C$)

La intersección de estas seis líneas de contorno establece la región de operación cerrada y estable $s_c$:$S_c = \left\{ (\beta, r) \mid -r_{max} \le r \le r_{max}, \max(l_4, l_5) \le \beta \le \min(l_3, l_6) \derecha\}$$

Sección 5: Por qué 4WS supera a FWS: tres lecciones clave

Para demostrar las ventajas del mundo real de 4WS, examinamos un vehículo que viaja a $60 \text{ km/h}$ bajo un cambio de dirección abrupto con un ángulo del volante de $86^\circ$. El sistema 4WS ejecuta una estrategia activa de conmutación de modo de doble velocidad crítica.

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

Figura 3: Comparación de retratos de fase que muestra el punto operativo cohesivo de 4WS (•) frente al punto de operación FWS externo (x).

Lección 1: Convergencia de puntos de operación más fuerte

En el plano de fase $(\beta, r)$, el punto operativo 4WS (círculo rojo) converge mucho más cerca del origen $(0,0)$ en comparación con el punto operativo FWS (cruza azul). En la dinámica del vehículo, la proximidad al origen indica un ángulo de deslizamiento del vehículo más pequeño y un manejo más estable y predecible. El vehículo FWS, que está mucho más lejos del centro, corre peligrosamente cerca de su límite de estabilidad.

Lección 2: Menores demandas en el agarre del neumático trasero

Bajo idénticas maniobras de alta velocidad, 4WS distribuye la demanda de dirección en ambos ejes. En consecuencia, la fuerza lateral requerida de las ruedas traseras es sustancialmente menor en el vehículo 4WS que en la contraparte FWS. Esto evita que los neumáticos traseros alcancen su umbral de saturación, retrasando el deslizamiento y manteniendo un amortiguador de seguridad más amplio.

Lección 3: Modelado completo de riesgos mediante saturación de doble eje

En FWS, las líneas de contorno se calculan únicamente en función de la saturación de neumáticos traseros ($L_7, L_8$). 4WS, sin embargo, representa la saturación de las ruedas delantera y trasera. Esto introduce dos zonas clave de inestabilidad triangular en el plano de fase:

• Triángulo superior derecho: Definido por $\beta > l_6 \cap \beta > L_3$
• Triángulo inferior izquierdo: Definido por $\beta < l_5 \cap \beta < L_4$

Al definir estas regiones como inestables debido a la saturación de las ruedas delanteras, 4WS proporciona una red de seguridad mucho más completa y físicamente realista.

Avanzando: Dirigir dentro de las líneas

Operar dentro del conjunto de límites $s_c$ garantiza la controlabilidad del vehículo. Cruzar estas líneas de contorno no significa una falla mecánica inmediata, pero indica que los neumáticos se han saturado y que es inminente una deriva irrecuperable o giro a alta velocidad.

Al modelar estos límites en tiempo real y alimentarlos a un controlador de dirección activo, un vehículo equipado con 4WS puede ajustar dinámicamente su ángulo de dirección trasera para evitar que el estado cruce $s_c$. Esta intervención preventiva representa un importante paso adelante para la seguridad del vehículo: controlar la estabilidad en los límites de la física antes de que los frenos ESP necesiten intervenir.