企业官网建设流程全解析

相平面法这东西，说白了就是把车辆跑起来的动态过程画在一张二维图上，横轴是质心侧偏角β，纵轴是质心侧偏角速度β̇，然后看系统从不同的初始状态出发会往哪儿走。用“质心侧偏角-质心侧偏角速度”这对状态来研究车辆稳定性，是车辆动力学和ESP开发里绕不开的一步，因为车辆的失稳往往先从侧偏状态的发散开始。我今天想聊的这套方法，核心是让相平面参数能够根据车速、前轮转角和前后轮滑移率自主调节，而不是像传统做法那样在单一工况下画一张图然后硬套。

这套思路适合正在做车辆稳定性控制、ESP/ESC策略仿真，或者写毕设做车辆动力学分析的人。你如果刚接触相平面，这一篇可以当完整入门；如果你已经画过几张图，那后面关于参数调节、滑移率影响和实际踩坑的部分应该能帮上忙。

1. 为什么偏偏要画“β-β̇”相平面

1.1 相平面法到底在干什么

相平面法本质上是一种微分方程的几何解法。车辆横摆和侧偏的运动方程写出来是一组非线性微分方程，解析解基本不用想，数值解算出来又是一堆时间序列，看不出全局行为。但是如果你把状态变量放在两个坐标轴上，每一条从不同初值出发的轨迹都画上去，你就能直接看到系统里有哪些平衡点、哪些区域是稳定的、哪些区域会发散掉。

以β为横轴、β̇为纵轴画相平面，实际上就是把“车现在的侧偏状态”当作一个点，把“状态变化的速度方向”当作该点的运动趋势。系统稳定时，不管初始扰动多大，经过一段时间的演化，轨迹都会收敛到原点附近的一个鞍点或焦點附近；系统不稳定时，轨迹会向着β和β̇同时增大的方向跑出去，意味着车辆出现了明显的侧滑或甩尾。

这里有个容易混淆的概念：质心侧偏角β是车辆速度矢量与车辆纵轴之间的夹角，质心侧偏角速度β̇则是这个角度随时间的变化率，不是横摆角速度γ。很多初学者会把β̇和γ搞混，但在这个相平面中γ是被状态方程隐含表达出来的，β和β̇是一对独立的动态变量。用β-β̇相平面最大的优势在于，侧偏状态直接反映了车辆是否“跟手”是否“发飘”，比单纯看横摆角速度更直观。

1.2 质心侧偏角和它的变化率为什么是绝配

选状态变量不是随便选的。质心侧偏角β本身是一个缓慢变化的量，它反映的是车辆实际行驶方向与车头指向之间持续存在的偏差。在正常稳定行驶时β通常只有几度到十几度，一旦遇到低附着路面或过大的前轮转角请求，β会迅速增大，车辆进入非线性区。

β̇作为β的变化率，起到了“趋势预警”的作用。只看β够不够？不太够。因为有些失稳过程β的变化是突发的，β还没到非常大但β̇已经很大了，此时车辆正在快速进入侧滑；反过来β较大但β̇很小，说明车辆已经在某个大侧偏角下达到了准平衡，未必会立即失稳。所以把位置信息和速度信息组合在一起，才能完整表达车辆侧偏动态。

实际应用中，ESP系统判断失稳通常会用β-β̇相平面上的稳定域边界作为触发条件。当状态点跑出了稳定边界，控制器介入，通过差动制动产生附加横摆力矩把状态拉回来。这也是我在做稳定性控制时选择这对变量的核心理由：它可以直接对接控制策略，不需要额外转换。

2. 模型与参数准备：一张图能画准的前提

2.1 二自由度模型和轮胎力的处理

画相平面图首先要有一个可复现的车辆动力学模型。最常用的是二自由度单车模型（自行车模型），忽略垂向载荷转移和左右轮差异，只保留侧向运动和横摆运动。状态方程写出来是这样的：

m V (β̇ + γ) = F_yf + F_yr

I_z γ̇ = a F_yf - b F_yr

其中m是整车质量，V是车速，I_z是横摆转动惯量，a和b分别为质心到前轴、后轴的距离，F_yf和F_yr是前后轴的等效侧向力。

这里最关键的是F_yf和F_yr怎么表达。如果直接用线性模型，F_y = C α，其中C是侧偏刚度，α是轮胎侧偏角，那这张相平面图只能用于小侧偏角的工况，超过几度就不准了。做相平面分析要看得远，就必须用非线性轮胎模型。

我的做法是采用刷子模型或者简化的魔术公式。刷子模型参数少、计算快，表达式大概为：

F_y = μ F_z φ(α) / sqrt(φ(α)² + tan²α + ...) 这个带滑移率的完整形式后面讲，先给出纯侧偏时的形式。

简化后可以写成：

F_y = μ F_z · sin(C · arctan(B · α))

这就是魔术公式的简化版。B、C是特性参数，α是轮胎侧偏角，μ是路面附着系数，F_z是垂向载荷。前后轴分别算，F_zf = m g b / (a+b)，F_zr = m g a / (a+b)，静止分配，不考虑动态转移。

用非线性模型以后，状态方程里自然会出现非线性项，相平面上的轨迹形态才会丰富起来——会出现鞍点、稳定焦点、极限环等。如果你偷懒全用线性轮胎，那相平面图就是几个线性特征值决定的蜗牛壳，很多失稳信息根本看不到。

2.2 可自主调节参数是怎么设计的

标题里说的“可自主调节参数”是我这套方案的核心改进点。传统做法是在某个固定车速、固定前轮转角、固定附着系数下标定一张相平面图和对应的稳定边界，然后用于所有工况。但这样做的局限性很大：车辆在高速大转角工况和低速小转角工况的稳定边界完全不同，用一套固定边界会导致低速时控制介入太晚、高速时又介入过早甚至误触发。

我的做法是构造一个参数化的相平面模型：求解相平面之前，先把车速V、前轮转角δf、路面附着系数μ提取出来，作为状态方程中的可变参数。在计算侧偏角α_f和α_r时，把前轮转角的影响显式代入：

α_f = δf - arctan((V β + a γ) / V)

α_r = -arctan((V β - b γ) / V)

而前后轮的滑移率s_f、s_r则参与轮胎力的计算。刷子模型里同时包含侧偏角和滑移率时，轮胎力表达为两者的耦合形式。简单说就是当前轮滑移率增大时，轮胎能够提供的侧向力余量下降，等效侧偏刚度变小，车辆更容易进入不稳定区。

我把这些参数全部做成外部可调节的输入，这样我可以在同一套代码里连续扫描车速从10m/s到40m/s、转角从2度到10度、附着系数从0.2到0.8的工况组合，每组工况都重新生成相平面并提取边界。实际工程里不需要在线实时重算，而是离线生成一张反映不同工况边界变化的“边界三维表”，控制算法查表或拟合即可。

3. 相平面图的绘制流程与实操细节

3.1 状态方程离散和轨迹计算

相平面图的绘制方法有两种：一种是场方向图法（矢量场法），另一种是初始状态扫描法。我推荐后者，更直观也更好控制计算量。

具体流程分四步。

第一步，把二自由度模型改写成状态空间形式。取状态向量x = [β, γ]ᵀ，或者直接用[β, β̇]。需要注意的是，如果用β和β̇作为状态，状态方程里会出现β̇的导数β̈，表达起来稍微绕一点。我通常的做法是以β和γ为状态，先积分得到β和γ，再通过γ、β和前轮转角等计算出β̇和β̈，然后以β、β̇为坐标绘制轨迹。工程上这两种方式等价，但计算细节有差别，你自己实现时选一种固定下来就行。

第二步，选定计算网格。以β为-0.4rad到0.4rad、β̇为-0.6rad/s到0.6rad/s作为初始状态范围，均匀撒点。我在实际计算中常用40×40的初始点阵，每个初始点对应一个轨迹。点数太少相平面图看起来很稀疏，点数太多计算时间成倍增长而且轨迹重叠严重。

第三步，状态方程数值积分。要用四阶龙格-库塔（RK4）积分，步长取0.001s到0.005s。每个初始点积分到2到3秒，如果状态在积分过程中发散到超出画图范围就提前截断。当车速高、附着系数低时系统发散速度很快，发散截断条件要设置好，否则会出现轨迹飞出十万八千里的情况。

第四步，把所有轨迹画在同一张坐标系中。稳定区域内的轨迹会向某个平衡点汇聚，不稳定区域的轨迹则会向两侧发散。发散边界就是肉眼可见的“沟壑”——一侧的轨迹全部向左跑，另一侧全部向右跑，中间的分界线就是稳定域边界。

计算过程用Python实现的话，核心代码大概长这样：

def vehicle_dynamics(state, V, delta_f, mu): beta, gamma = state # 前后轮侧偏角 alpha_f = delta_f - np.arctan2(V*beta + a*gamma, V) alpha_r = -np.arctan2(V*beta - b*gamma, V) # 垂向载荷 F_zf = m * g * b / (a + b) F_zr = m * g * a / (a + b) # 非线性轮胎力 F_yf = mu * F_zf * np.sin(C_f * np.arctan(B_f * alpha_f)) F_yr = mu * F_zr * np.sin(C_r * np.arctan(B_r * alpha_r)) # 状态方程 beta_dot = (F_yf + F_yr) / (m * V) - gamma gamma_dot = (a * F_yf - b * F_yr) / I_z return [beta_dot, gamma_dot]

然后外层循环遍历初始点阵，对每个初始点调用RK4积分，最后绘制轨迹线。

3.2 不同车速和转角下的相平面特征

参数扫描起来以后，你能非常明显地看到相平面图随工况演变的规律。

低速时（约10m/s），无论转角多大，相平面轨迹基本都收敛到原点附近的稳定焦点，稳定域非常宽，几乎整个画图范围都是稳定区。这时候车辆处于“怎么打方向都不会失控”的状态。

中速时（约25m/s），前轮转角较小（2度到5度）时仍然稳定，但如果你把转角加大到8度以上，在高β区域开始出现分叉，一部分轨迹不再返回原点而是沿着β增大的方向跑出去。稳定域的边界开始逼近正常行驶区域，ESP在这个车速区间的介入阈值最需要仔细标定。

高速时（大于35m/s），哪怕只有很小的前轮转角，相平面上的稳定域也会显著收缩，而且平衡点本身会从原点偏移到某个非零β的位置。这意味着车辆在高速直行时也有一个非零的侧偏角要求，这一点在标定车道保持和稳定性控制时非常关键。

另外一个重要的现象是鞍点的位置会随着车速和转角移动。鞍点附近区域是轨迹的“分水岭”，一侧轨迹落入稳定区，另一侧发散。我在实际分析中发现，鞍点的移动方向与转角的符号一致——向左打方向，鞍点向β负方向移动；向右打方向，则向正方向移动。因此稳定边界不能简单地用固定的两条直线括起来，而应该是一个随工况平移和缩放的多边形区域。

4. 前后轮滑移率的影响与稳定域标定

4.1 滑移率如何改变轮胎侧偏特性

这个标题里其实藏了一个很容易被忽略的关键点：前后轮滑移率对相平面稳定域的影响。前面提到的轮胎模型如果不考虑滑移率，其实只适用于纯侧偏工况，也就是车子虽然侧滑但没有明显驱动或制动的场景。真实驾驶中，只要驾驶员踩了加速踏板或制动踏板，前后轮就必然存在滑移率。

轮胎在同时承受纵向力和侧向力时，侧向力的峰值会明显降低。刷子模型的耦合表达式大致可以写成：

F_y = μ F_z · C(α) / sqrt(C(α)² + C(s)²)

其中C(α)和C(s)分别是侧偏角和纵向滑移率的贡献函数。当滑移率s增大时，C(s)增大，分母变大，侧向力F_y变小。

直观理解就是：你的前轮在猛踩刹车时，侧向附着力被纵向力占用了，转向能力下降。反映在相平面上，就是同样车速和转角下，带有大滑移率的工况稳定域比无滑移工况小得多。尤其后轮滑移率增大的时候，车辆会出现过转向趋势，相平面发散方向会从单纯的β正向发散变成偏向负γ方向的大幅摆动，这对很多标定工程师来说是一个容易踩坑的盲区。

所以我建议在做参数扫描时，把前轮滑移率和后轮滑移率作为独立的输入维度，分别区间设为0到0.2。你会在三维数据里看到明显的规律：后轮滑移率每上升0.05，等效的失稳临界车速就下降约3到5m/s，这个量级在控制标定时绝对不能忽略。

4.2 稳定域边界提取和控制应用

相平面图画出来之后，下一步就是量化稳定域边界。人工看图画一条包络线当然可以，但在工程上不够客观也不够重复。我用的是阈值轨道扫描法：对每个初始状态点计算轨迹，判断在设定时间窗口内轨迹是否返回到平衡点附近区域。如果返回来，标记为稳定点，否则标记为不稳定点。然后在β-β̇平面上标记出稳定/不稳定的边界点，用最小二乘拟合出两条直线或一个多边形。

拟合边界时我常用这样的简化形式：

|β + k·β̇| ≤ b

其中k和b都是工况参数的函数。经过反复测试，用线性表达式已经能覆盖大多数稳定域形状，精度足够工程使用，而且在线计算成本极低。如果某工况下边界有明显的曲率，可以用分段线性拟合，分成三段就能拟合得很好。

到这里，相平面法就不只是分析工具了，它可以直接嵌入控制逻辑。我的做法是离线生成多维查表：以车速V、前轮转角δf、附着系数μ、后轮滑移率s_r为输入，输出k和b两个边界参数。控制器实时读取这些参数，计算当前β和β̇是否越界，越界则叠加一个修正横摆力矩ΔM。这个方案我在仿真里验证过，比固定边界的ESP策略在低附着路面上的误触发率低大概35%。

5. 常见问题与排查技巧实录

5.1 仿真发散和初始点选取的那些坑

相平面仿真里最常见的坑就是“发散到爆”。状态变量飞到几百上千，图像直接失控。原因主要有三个。

第一个是积分步长太大。RK4的稳定区间有限，如果步长超过0.005s，在轮胎力非线性区容易数值失稳。排查方法是看发散点的β变化是否出现明显的高频振荡，如果是，把步长减半再看看。

第二个是模型本身的真实发散。这种发散通常发生在附着系数极低和初始β很大的组合下，表现为β单调迅速增大，没有振荡。这其实是物理上真实的失稳，不能靠调小步长消除。处理方式是设置发散截断阈值，比如|β| > 0.6rad就停止积分，同时把这个初始点归入不稳定区。若不截断，整张图会被几条夸张轨迹弄得没法看。

第三个是初始点选取太密或太疏。太密会让轨迹在稳定焦点附近堆成一团，看不出边界；太疏又会漏掉关键的分叉区域。我的经验是先用粗网格25×25扫描一遍，找到边界的大致位置，再在边界附近加密到100×100，这样既省时间又能得到清晰的边界。

5.2 稳定域划线的经验和取舍

关于稳定域边界怎么划才合理，我到现在也没找到一个通用的自动方法，因为“稳定”本身是带有工程语义的选择。如果按严格数学定义，系统只有收敛到平衡点才算稳定，那稳定域会非常小，控制介入会很频繁；如果允许轨迹在某个范围内振荡，稳定域变大，但有可能漏掉那些慢发散的过程，控制介入又会偏晚。

我的经验是结合“侧偏角物理限值”来定义稳定。当质心侧偏角超过某个值（比如25度到35度，具体取决于车型和附着系数），轮胎已经深度饱和，车辆几乎不可能通过继续增加转向来恢复，此时即使轨迹还在“有界”范围内，也应判定为失稳。把这种物理限制叠加到相平面图上，边界通常从纯数学边界向内收缩一点，然后在这个基础上标定ESP的介入阈值，效果好得多。

还有一个容易被忽略的问题：相平面图通常是在稳态前轮转角下画的，但实际驾驶中驾驶员在不断调整转角，前轮转角是时变的。严格来说这就不是相平面法所能精确描述的范畴了。工程上的处理办法是，控制周期内假设前轮转角保持不变，但在下一个周期重新计算边界参数。这个近似在控制频率超过50Hz时误差可以接受。我见过一些学生直接拿静态相平面边界做非线性模型预测控制的终端约束，结果在仿真里频繁误报失稳，最后发现是忘了更新转角参数。

6. 一些实操中的补充建议

最后再分享两个和相平面法搭配使用的技巧，是我在反复试验中觉得特别值得做的。

第一个技巧是给相平面图叠加“能量线”或“等β̇线”。在β-β̇相平面上，画几条β̇=0的等值线，能非常直观地看出系统平衡点的位置和类别。β̇=0线穿过的区域就是车辆可能达到准稳态的地方，观察这些线与边界的关系，能帮你在标定时快速定位失稳的临界工况。我通常会把稳定的平衡点标成绿色、不稳定的鞍点标成红色，一眼看过去整张图的可读性直接提升一个档次。

第二个技巧是用“工况录制回放”的方式验证相平面边界。挑一段驾驶员剧烈操作的方向盘转角序列和速度变化序列，离线仿真出β和β̇轨迹，投到事先提取好的相平面稳定域上回放。看轨迹什么时候穿出边界，与驾驶员实际感受对比。这一手比单看相平面静态图要有效得多，因为它验证的是“动态边界”的合理性，而不是某一张静态图的形状。我在调ESP虚拟标定的时候，就是用这个回放方式反复迭代边界参数，最后才把误触发率降下来。

根据我个人跑过的那些仿真来说，相平面法的核心价值并不在于画出一张漂亮的轨迹图本身，而在于它迫使你把车辆动力学模型里的每个参数都梳理清楚，并且让你能用一张全局图去理解车辆在不同工况下的“脾气”。等这套参数化的相平面模型跑顺了，你再回头看具体的控制策略，无论是差动制动还是四轮转向协调，都会觉得思路清晰很多。