1. EMB夹紧力预估到底在解决什么问题1.1 从液压到电子机械制动系统的一次底层重构传统液压制动系统里驾驶员踩下踏板制动液把力传递到卡钳卡钳夹紧制动盘产生制动力。这套系统发展了一百多年成熟、可靠、成本可控但它有一个绕不开的物理限制力的传递路径太长响应速度受限于液压管路中油液的流动速度。你在紧急情况下踩下刹车从踏板动作到卡钳真正夹紧中间有几十毫秒的延迟。这几十毫秒在高速场景下意味着好几米的制动距离。EMBElectro-Mechanical Brake电子机械制动器做的事情本质上是把这条液压传递链路整个砍掉换成电机直接驱动卡钳。你踩下踏板踏板位置传感器采集信号控制器算出目标制动力电机转动通过减速机构把旋转运动变成直线运动推动摩擦片夹紧制动盘。整条链路从液压变成了电气机械响应速度可以压缩到十几毫秒甚至更低。但问题也随之而来液压系统里制动力的反馈是天然的——你踩多少液压管路里的压力就对应多少卡钳夹紧力跟管路压力基本是线性关系工程师调校起来有明确的物理依据。换成EMB之后电机电流、转速、位置这些电气量跟最终的夹紧力之间关系变得复杂得多。摩擦片的磨损、温度变化、制动盘的表面状态、减速机构的效率波动都会让同样的电机输出对应不同的夹紧力。这就是夹紧力预估要解决的核心问题在取消了液压压力传感器这个天然反馈源之后如何通过可测量的电气量和机械量准确推算甚至直接估算出当前卡钳施加在制动盘上的真实夹紧力。1.2 为什么不能直接装个力传感器了事你可能会想既然夹紧力这么重要那直接在卡钳里装一个力传感器不就行了这个思路在实验室里可行但放到量产车上基本走不通。第一是成本。一个能在制动卡钳那种高温、高振动、高粉尘环境下长期稳定工作的力传感器单价可能比整个EMB执行器的电机还贵。一辆车四个轮子四个传感器成本直接起飞。第二是可靠性。制动系统是安全件任何新增的传感器都意味着新增一个潜在失效点。传感器坏了夹紧力就完全失控这在功能安全层面是不可接受的。你不可能让制动系统依赖一个额外的传感器来保证安全。第三是安装空间。卡钳内部的空间极其有限摩擦片、活塞、导轨、防尘罩已经把空间占满了再塞一个力传感器进去结构设计会变得非常别扭。所以行业里的主流思路是用已有的、必须存在的传感器信号电机电流、电机转角、电机转速等通过算法模型来预估夹紧力。这些信号本来就是电机控制必须采集的不增加任何硬件成本只是把软件算法的复杂度提上去。这也是为什么夹紧力预估技术成了EMB领域最核心的算法课题之一。1.3 夹紧力预估的精度要求有多高说精度要求之前先说一下夹紧力预估到底要精确到什么程度才算能用。制动力的控制精度直接影响两件事一是制动距离二是制动舒适性。制动距离好理解夹紧力估不准制动力就控不准紧急制动时可能差出好几米。制动舒适性则体现在日常驾驶中——你轻踩刹车希望是平顺减速如果夹紧力预估有偏差控制器就会反复修正驾驶员会感觉到刹车一顿一顿的。行业里对夹紧力预估精度的普遍要求是在稳态工况下预估误差控制在满量程的5%以内在动态工况下误差控制在10%以内。这个精度听起来不算苛刻但考虑到EMB工作环境的恶劣程度——温度从零下40度到零上几百度摩擦片从全新到完全磨损制动盘从干燥到涉水——要在全生命周期内保持这个精度算法设计必须非常扎实。注意夹紧力预估的精度要求不是一成不变的。不同车型、不同制动系统供应商的指标会有差异。乘用车通常要求更高舒适性敏感商用车可以适当放宽更看重绝对制动力。2. 夹紧力预估的核心技术路线拆解2.1 三条主流技术路线的对比与选型逻辑目前行业里做EMB夹紧力预估主要有三条技术路线每条路线的底层逻辑不同适用场景也不同。第一条是基于电机电流的预估方法。电机的输出扭矩跟电流基本成正比在磁场饱和之前而电机扭矩经过减速机构放大后最终转化为卡钳的夹紧力。所以理论上你只要知道电机电流乘以扭矩常数再乘以减速比和机械效率就能算出夹紧力。这条路线最简单、计算量最小但精度也最差。因为机械效率不是常数——温度变了、磨损了、润滑状态变了效率都会漂。而且电机电流里还混杂着摩擦、齿槽效应等干扰。第二条是基于电机转角位置的预估方法。EMB执行器里通常有一个位置传感器用来检测电机转了多少圈、卡钳活塞推到了什么位置。当摩擦片接触到制动盘之后电机继续转动夹紧力增加但位移增加很小——这个位移-力关系可以通过标定得到。所以你可以通过监测电机转角增量与夹紧力增量的关系来预估夹紧力。这条路线在摩擦片接触制动盘之后比较准但在接触之前空行程阶段无法预估力因为还没接触力就是零。第三条是基于电机电流转角转速的融合预估方法。这是目前量产项目里最主流的方案。它把电流信号、位置信号、转速信号全部用上通过一个状态观测器或者卡尔曼滤波器把各路信号融合起来实时估算夹紧力。电流信号在接触前就能提供信息电机空载电流位置信号在接触后提供高精度信息转速信号用来判断电机是否堵转堵转意味着夹紧力已经建立。三条信号互补覆盖全工况。选型逻辑其实很直接如果你的项目对成本极度敏感且对精度要求不高比如某些商用车可以只用电电流法。如果项目对精度要求高且ECU算力充足那就上融合法。转角法单独用的场景比较少通常作为融合法的一个子模块存在。技术路线核心信号优点缺点适用场景电流法电机电流简单、成本低精度差、受温度磨损影响大商用车、低成本方案转角法电机转角接触后精度高空行程阶段无法预估作为融合法的子模块融合法电流转角转速全工况覆盖、精度高算法复杂、算力要求高乘用车量产主流方案2.2 为什么融合法成了量产主流融合法之所以成为主流核心原因是它解决了单一信号源的盲区问题。电流法在空行程阶段摩擦片还没碰到制动盘其实是有信号的——电机在空载转动电流很小但非零。这个电流对应的是电机自身的摩擦和减速机构的阻力跟夹紧力无关。如果你只用电流法在空行程阶段就会误判夹紧力。而转角法在空行程阶段是盲的——电机转了很多圈但夹紧力一直是零转角信号无法区分空行程和接触后微小位移。融合法的思路是用转角信号判断当前处于哪个阶段空行程还是接触后用电流信号在空行程阶段做辅助判断确认电机确实在空载用转速信号判断是否堵转堵转后夹紧力不再增加。三个阶段用三套逻辑切换点通过标定确定。具体来说融合法的状态机通常是这样设计的阶段一空行程。电机从初始位置开始转动摩擦片向制动盘靠近。此时夹紧力为零预估算法输出零。转角信号用来计算剩余空行程距离电流信号用来监测电机是否异常比如卡滞。阶段二接触建立。摩擦片接触到制动盘电机继续转动夹紧力开始上升。此时转角信号变得敏感——微小的转角增量对应较大的夹紧力增量。算法切换到转角-力模型同时用电流信号做交叉验证。阶段三稳态夹紧。电机堵转或进入恒力控制模式夹紧力达到目标值。此时转速接近零电流稳定在某个值。算法用电流信号做长期监测因为转角信号在堵转后不再变化用温度模型修正电流-力关系。这个状态机的切换点也就是接触点的识别精度直接决定了整个预估系统的精度。接触点识别早了会把空行程的转角误算成夹紧力识别晚了会漏掉一段夹紧力上升过程。行业里通常用转角-电流的联合判据来识别接触点当转角增量对应的电流增量超过某个阈值时判定为接触。2.3 温度补偿夹紧力预估里最容易被低估的环节温度对夹紧力预估的影响比大多数人想象的要大得多。先说电机。永磁同步电机的磁钢在高温下磁性能会下降导致同样的电流产生的扭矩变小。如果你不做温度补偿在电机热了之后同样的电流对应的夹紧力会比冷态时小。这个偏差在极端情况下可以达到10%以上。再说减速机构。EMB执行器里通常有行星齿轮或者滚珠丝杠这些机械部件的润滑脂在低温下会变稠阻力增大在高温下会变稀阻力减小。这直接影响机械效率进而影响电流-夹紧力的转换关系。还有摩擦片。摩擦片的摩擦系数随温度变化很明显。低温时摩擦系数高高温时摩擦系数低热衰退。同样的夹紧力在冷态和热态下产生的制动力是不一样的。虽然夹紧力预估本身不直接涉及摩擦系数但如果你要知道当前制动力是多少就必须把摩擦系数的影响考虑进去。温度补偿的工程做法通常是在EMB执行器里埋一个温度传感器通常是NTC热敏电阻实时采集电机或减速机构的温度。然后在预估模型里用温度查表或者温度修正公式来调整电流-扭矩转换系数和扭矩-夹紧力转换系数。这个温度模型需要大量的台架标定数据来支撑——在不同温度下测出电流、转角、夹紧力的对应关系拟合成温度的函数。实操心得温度补偿的标定工作量非常大但绝对不能省。我见过一个项目为了赶进度温度补偿只做了常温标定结果冬天在北方测试时夹紧力预估误差直接飙到20%以上制动距离明显变长。后来补做了低温标定问题才解决。3. 从零搭建一套夹紧力预估算法的实操过程3.1 台架标定一切预估算法的数据基础夹紧力预估算法不是坐在办公室里拍脑袋想出来的它的每一个参数、每一个查表数据都来自台架标定。台架标定的质量直接决定了算法的精度上限。台架标定的基本配置是这样的把EMB执行器装在一个刚性支架上支架另一端装一个高精度力传感器这个传感器只在标定时用量产车上不装。力传感器测量真实的夹紧力作为真值。同时采集电机的电流、转角、转速、温度信号。然后让电机按照不同的工况运行——不同的目标夹紧力、不同的温度、不同的磨损状态——记录下每一组信号-夹紧力数据。标定工况的设计很关键。你不能只标几个稳态点必须覆盖全工况空行程阶段从电机初始位置到摩擦片接触记录转角与电流的关系。夹紧力上升阶段从接触点到最大夹紧力分多个台阶每个台阶保持一段时间记录转角、电流、夹紧力的稳态值。夹紧力下降阶段从最大夹紧力回到零同样分台阶记录。上升和下降的数据要分开标因为摩擦和迟滞会导致两者不一致。温度扫描在零下40度、零下20度、0度、20度、60度、100度、150度等多个温度点重复上述过程。磨损模拟通过更换不同厚度的摩擦片模拟全新、半磨损、完全磨损三种状态。标定数据的处理也有讲究。原始数据里会有噪声不能直接拿来拟合。通常要先做低通滤波去掉高频噪声然后对每个稳态台阶取平均值得到稳态点。动态过程的数据则用来辨识系统的动态特性比如夹紧力建立的响应时间。标定完成后你会得到几张核心的查表接触点查表不同温度、不同磨损状态下接触点对应的电机转角值。转角-夹紧力查表接触后转角增量与夹紧力的对应关系分温度和磨损状态。电流-夹紧力查表稳态下电机电流与夹紧力的对应关系分温度和磨损状态。温度修正系数表不同温度下电流-扭矩转换系数的修正值。这些查表就是预估算法的知识库。算法运行时根据当前温度和磨损状态查表得到对应的参数然后实时计算夹紧力。3.2 状态观测器的设计与参数整定有了标定数据下一步是设计状态观测器。观测器的作用是在系统有噪声、有干扰的情况下从可测量的信号里估计出不可测量的状态夹紧力。最常用的观测器是扩展卡尔曼滤波器EKF。它的基本思路是建立一个系统状态方程把夹紧力作为状态变量之一把电流、转角、转速作为观测量。然后通过预测-更新两个步骤不断修正夹紧力的估计值。状态方程怎么建通常用简化的物理模型电机方程电流乘以扭矩常数等于电机扭矩减去摩擦扭矩等于加速扭矩。传动方程电机扭矩乘以减速比减去传动损耗等于丝杠推力。夹紧力方程丝杠推力减去摩擦片反力等于夹紧力变化率。这三个方程联立起来就是系统的状态方程。观测量是电流、转角、转速观测方程就是这些量跟状态变量的关系。EKF的参数整定是个细活。过程噪声协方差矩阵Q和观测噪声协方差矩阵R的取值直接影响滤波器的收敛速度和稳态精度。Q取大了滤波器对模型误差的容忍度高但估计值会抖Q取小了估计值平滑但收敛慢。R取大了滤波器更信任模型对观测噪声不敏感R取小了滤波器更信任观测值但容易被噪声带偏。工程上的整定方法通常是先根据传感器的精度指标设定R的初值比如电流传感器的精度是1%那R就取对应的方差然后通过台架数据反复调试Q直到估计误差满足要求。调试过程中要特别注意动态工况——阶跃响应时估计值不能有太大的超调也不能太滞后。注意EKF的调参没有标准答案不同项目、不同执行器结构最优参数都不一样。我的经验是先保证稳态精度再优化动态响应。稳态精度是基础动态响应差一点可以接受但稳态误差大了整个系统就没法用。3.3 接触点识别的工程实现细节接触点识别是夹紧力预估里最关键的环节之一也是最容易出问题的地方。前面说了接触点识别的基本判据是转角增量对应的电流增量超过阈值。但这个阈值怎么定有很多讲究。如果阈值定得太小噪声会导致误判——电机在空行程阶段电流本来就有波动稍微大一点的波动就可能被误判为接触。如果阈值定得太大接触点识别会滞后——摩擦片已经接触了但电流还没超过阈值这段时间的夹紧力就被漏掉了。工程上的做法通常是双判据转角增量超过某个阈值且电流增量超过某个阈值两个条件同时满足才判定为接触。这样可以有效抑制噪声引起的误判。还有一个细节接触点识别不是一次性的而是每个制动循环都要重新识别。因为摩擦片磨损后接触点对应的电机转角会变化。所以算法里要有一个接触点自学习机制——每次制动结束后根据本次制动的数据更新接触点的估计值。这样算法可以自适应摩擦片的磨损。自学习的逻辑通常是本次制动中识别到的接触点转角值跟上次的估计值做加权平均作为新的估计值。权重系数决定了自学习的收敛速度。权重取大了收敛快但容易受单次异常影响权重取小了收敛慢但更稳定。通常取0.1到0.3之间的值。3.4 实车验证从台架到整车的鸿沟台架标定做得再好实车上还是会有偏差。因为实车环境比台架复杂得多振动、温度变化、电磁干扰、电源波动都会影响信号质量。实车验证通常分三步走第一步是静态验证。车辆静止踩下制动踏板用外接的力传感器或者用制动盘扭矩传感器反推测量实际夹紧力跟预估夹紧力对比。这一步主要验证稳态精度。第二步是动态验证。车辆在试验场上行驶做各种制动工况——低速轻刹、高速重刹、连续制动、紧急制动。用数据采集设备记录预估夹紧力和实际制动力通过轮速传感器和车辆减速度反推。这一步验证动态响应和全工况精度。第三步是耐久验证。车辆跑几万公里期间定期检查夹紧力预估的精度变化。这一步验证算法的长期稳定性特别是磨损自学习机制是否有效。实车验证中最常见的问题是电磁干扰。EMB执行器里有电机电机工作时会产生电磁噪声可能干扰电流传感器的信号。如果电流信号有噪声夹紧力预估就会抖。解决办法通常是硬件上加滤波电路软件上加数字滤波。但滤波会引入相位滞后影响动态响应所以滤波器的截止频率要仔细选择。4. 夹紧力预估的常见问题与排查技巧4.1 精度突然变差从信号链入手逐级排查夹紧力预估精度突然变差是最常见的故障现象。排查思路是从信号链的源头开始逐级往后查。第一级传感器信号。先看电流、转角、转速、温度这几路信号的原始波形。有没有异常噪声有没有跳变有没有断线如果电流信号上有周期性的尖峰可能是电机换向干扰或者电源纹波。如果转角信号有跳变可能是位置传感器故障或者信号线接触不良。第二级信号处理。如果原始信号正常但滤波后的信号有问题那就是滤波器参数不对。检查滤波器的截止频率是否合适有没有引入过大的相位滞后。第三级状态观测器。如果信号处理没问题但观测器输出的夹紧力估计值不对那就是观测器参数的问题。检查Q和R矩阵是否还适合当前工况。有时候执行器老化后模型参数变了观测器需要重新整定。第四级查表数据。如果观测器输出正常但最终夹紧力还是不对那可能是查表数据的问题。检查温度补偿系数、磨损修正系数是否在合理范围内。有时候温度传感器安装位置不对测到的温度不能代表执行器的真实温度导致补偿错误。故障现象可能原因排查方法解决措施夹紧力估计值抖动电流信号噪声大示波器看原始波形加硬件滤波或调整软件滤波参数夹紧力估计值偏大温度补偿过度对比不同温度下的估计值重新标定温度修正系数夹紧力估计值偏小接触点识别滞后检查接触点识别阈值调整阈值或改用双判据动态响应慢滤波器相位滞后大检查滤波器截止频率提高截止频率或改用相位补偿磨损后精度下降自学习未生效检查自学习权重系数调整权重或增加标定数据4.2 低温环境下的特殊问题低温是夹紧力预估的地狱工况。零下30度以下润滑脂几乎凝固电机阻力矩急剧增大电流信号跟常温下完全不是一回事。低温下的典型问题是空行程阶段电机电流比常温下大很多导致接触点识别误判——算法以为已经接触了其实还在空行程。结果就是夹紧力估计值虚高实际制动力不足。解决办法有两个方向。一是硬件层面选用低温性能更好的润滑脂或者给执行器加加热装置但加热会消耗能量影响系统效率。二是软件层面在低温下调整接触点识别阈值把阈值调高避免误判。同时低温下的温度补偿要单独标定不能直接用常温数据外推。我个人的经验是低温标定一定要在环境舱里做不能只在冬天去北方测试。环境舱可以精确控制温度数据一致性更好。而且环境舱里可以做温度循环——从常温降到低温再升回来观察算法的适应性。4.3 摩擦片磨损后的自适应问题摩擦片磨损后同样的电机转角对应的夹紧力会变化。因为摩擦片薄了活塞需要推得更远才能接触到制动盘接触点对应的转角值变大了。如果算法没有自学习机制磨损后的夹紧力预估会偏小——算法以为还没接触到其实已经接触了这段时间的夹紧力被漏掉了。自学习机制的设计要点是每次制动结束后根据本次制动的转角-电流数据重新估计接触点。估计方法可以是简单的阈值法也可以是更复杂的模式识别方法。关键是自学习的更新要平滑不能因为某一次异常数据就把接触点估计值带偏。还有一个容易被忽略的问题摩擦片磨损不是均匀的。四个轮子的磨损速度可能不一样甚至同一个轮子的摩擦片内侧和外侧的磨损也可能不同。所以自学习机制最好是每个轮子独立运行不要四个轮子共用一个接触点估计值。4.4 电磁兼容性对信号质量的影响EMB执行器里的电机是电磁干扰的大户。电机工作时PWM开关会产生高频噪声通过传导和辐射两种途径干扰传感器信号。传导干扰主要通过电源线和信号线传播。解决办法是在电源线上加共模扼流圈在信号线上加屏蔽层。辐射干扰主要通过空间传播解决办法是把执行器的控制电路板放在金属屏蔽罩里。软件层面可以在ADC采样时采用过采样技术——连续采样多次取平均值。这样可以有效抑制高频噪声。但过采样会增加采样时间影响控制环路的实时性所以采样次数要权衡。还有一个细节电流传感器的采样时刻要跟PWM周期同步。如果采样时刻落在PWM开关的瞬间噪声最大。通常的做法是在PWM周期的中点采样这时候电流最稳定。实操心得电磁兼容问题是最难排查的因为干扰源和敏感设备往往在同一个狭小空间里。我的经验是先在台架上做EMC预测试把问题暴露出来不要等到实车才发现。实车上整改EMC问题的成本比台架上高一个数量级。5. 夹紧力预估技术的演进方向与个人实践体会5.1 从模型驱动到数据驱动机器学习能帮上什么忙传统的夹紧力预估是模型驱动的——基于物理方程建立状态观测器参数通过标定确定。这条路线的优点是可解释性强每个参数都有物理意义出了问题容易排查。缺点是标定工作量大而且模型精度受限于物理模型的简化程度。最近几年数据驱动的方法开始进入这个领域。思路是用神经网络或者高斯过程回归直接学习传感器信号-夹紧力的映射关系跳过物理建模。训练数据来自台架标定和实车采集。数据驱动方法的优势是精度潜力高——神经网络可以拟合非常复杂的非线性关系不受物理模型简化的限制。缺点是黑箱特性——出了问题不好排查而且需要大量训练数据数据质量直接影响模型性能。目前行业里的趋势是混合模型用物理模型提供基础估计用数据驱动模型做残差修正。这样既保留了物理模型的可解释性又利用了数据驱动的高精度。我试过在一个项目里用高斯过程回归做残差修正稳态精度比纯物理模型提升了大约30%效果还是很明显的。5.2 功能安全对夹紧力预估的要求夹紧力预估是制动系统的一部分必须满足功能安全要求。ISO 26262里对制动系统的安全等级要求通常是ASIL D这是最高等级。对夹紧力预估算法来说功能安全的核心要求是算法失效时系统必须能检测到并进入安全状态。安全状态通常是切换到备份制动方案比如冗余的电子制动或者传统的液压备份。算法的安全机制通常包括信号合理性检查电流、转角、转速是否在合理范围内、模型一致性检查物理模型的输出跟数据驱动模型的输出是否一致、估计值变化率检查夹紧力估计值的变化率是否超过物理极限。任何一项检查失败就判定算法失效触发安全状态。功能安全的实现会增加算法的复杂度和算力消耗但这是必须付出的代价。我在实际项目中的体会是功能安全的设计要尽早介入不要等到算法开发完了再补。后补的安全机制往往跟主算法耦合太紧改起来很痛苦。5.3 个人在夹紧力预估项目中的几点体会做了几个EMB项目之后我有几点比较深的体会。第一标定数据的重要性怎么强调都不过分。算法再精妙标定数据不准一切都是白搭。我见过太多项目在算法上花了很多精力但标定只是草草了事最后精度上不去。我的建议是标定工作量至少要占整个项目工作量的40%以上。第二温度补偿要单独做不能省。常温下精度达标不代表全温度范围达标。温度补偿的标定虽然枯燥但它是保证全工况精度的关键。第三接触点识别是精度瓶颈。整个预估链路里接触点识别的误差对最终精度的影响最大。如果你的精度不达标先查接触点识别十有八九是这里的问题。第四实车验证不可替代。台架数据再全也模拟不了实车的振动、电磁干扰和温度变化。实车验证一定要留足时间不要压缩。第五自学习机制要保守。自学习可以适应磨损但更新速度不能太快。宁可收敛慢一点也不要因为一次异常数据把估计值带偏。最后分享一个小技巧在算法开发初期可以先用一个简化的线性模型跑通全链路确认信号采集、状态机、输出接口都没问题再逐步替换成复杂的非线性模型。这样可以把算法问题和工程问题分开排查效率高很多。
