《Vehicles》：Ride Quality of Passenger Cars: A Comprehensive Review of Emerging Technologies, Intelligent Systems, and Future Directions
编辑推荐：
平顺性——涵盖车辆舒适性、隔振以及噪声、振动与声振粗糙度——已成为现代汽车的关键竞争优势。本文对乘用车平顺性的基础文献进行了全面更新，收录了过去十年中迅速增长的文献和涌现的新技术范式。研究人员在ISO 2631框架内审查了既有的人体振动响应、车辆动力学建模和路
平顺性——涵盖车辆舒适性、隔振以及噪声、振动与声振粗糙度——已成为现代汽车的关键竞争优势。本文对乘用车平顺性的基础文献进行了全面更新，收录了过去十年中迅速增长的文献和涌现的新技术范式。研究人员在ISO 2631框架内审查了既有的人体振动响应、车辆动力学建模和路面特征化方法。本综述批判性地调查了由纯电动汽车动力总成驱动的技术进展——由于内燃机噪声的消除，电动机啸叫、逆变器开关噪声以及轮胎-路面激励凸显，使得平顺性与NVH的感知边界从约25 Hz降至15–18 Hz——以及智能半主动和主动悬架技术、用于悬架控制的深度强化学习、用于平顺性预测的机器学习，以及实现预测预瞄控制的车路协同基础设施。研究人员指出了关键的研究空白：缺乏针对自动驾驶车辆坐姿的经过验证的ISO 2631频率计权，缺乏用于跨研究比较的标准化开放基准数据集，以及数据驱动的悬架控制器尚未解决的仿真到现实的验证差距。本文提出了未来十年的十个优先研究方向。
1. 引言
平顺性概念涵盖了汽车工程内的多个学科。通常，路面不平度是通过轮胎/车轮总成和悬架系统激励车身的主要激振源。车辆参数，如悬架弹簧刚度和阻尼系数、客舱温度控制、人机工程学以及许多其他因素，共同构成了整体的平顺性。本文是对Faris等人早期基础综述的更新，自该文献发表以来，平顺性方面的文献数量大幅增长，包括电动汽车动力总成、自动驾驶系统、基于机器学习的控制以及车联网基础设施在内的新技术范式从根本上重塑了该领域。本文专门关注平顺性中与车辆动力学相关的维度。在行驶过程中，车辆会经历驾驶员和乘员可感知的广泛振动，这些振动的主要激振源包括路面不平度、轮胎/车轮总成、传动系、发动机和空气动力学激励。通常，振动频谱分为两大类：平顺性（0–25 Hz）和噪声（25–20,000 Hz）。在平顺性领域内，行业和研究中广泛使用了一级平顺性和二级平顺性的细分。一级平顺性涵盖约0.5至5 Hz的振动，与簧载质量的垂向、侧倾和俯仰运动有关；二级平顺性涵盖5–25 Hz范围，是悬架和车轮模式传递至簧载质量的典型频段。在纯电动汽车中，内燃机背景噪声的消除使得25–80 Hz范围内的结构振动重新被乘员感知，从而将平顺性和噪声之间的感知边界从约25 Hz有效降低至15–18 Hz。电动机开关频率和逆变器纹波力在经典的平顺性和噪声域之间进一步填充了传统车辆NVH框架未设计解决的声调能量。在自动驾驶车辆中，乘员向倾斜和仰卧姿势的转变改变了生物动力学传递路径，头颈系统共振向下偏移1-2 Hz，这表明自动驾驶模式下纯电动车的平顺性-NVH边界最好定义为0.1至500 Hz的连续敏感度函数，未来ISO 2631-1的修订应明确针对这些特定车辆和姿势的修改。
2. 综述方法
本次综述遵循结构化的文献检索协议，检索了Scopus、Web of Science和Google Scholar等主要数据库，时间范围从1948年至2025年1月。研究人员依据设定的纳入和排除标准，在筛选并去除重复项后，共保留了195篇参考文献。其中约67%的引用文献发表于2000年之后，反映了本文对现代和新兴技术的重视，同时也保留了2000年之前的基础性文献以维持其理论相关性。
3. 人体对振动的响应
人体对振动的响应非常复杂，主要原因是由于个体之间的生理差异以及对运动的不同敏感度。这一领域的研究历经数十年仍在不断发展，尚未达成明确的最终结论。人体的物理响应表现为近似线性弹性系统的特征，具有可区分的瞬态和稳态振动分量。振动在人体内的传递会受惯性、阻尼和弹性恢复力的影响而改变，不同的器官和身体部位会经历不同的振动量级。3.1节回顾了Goldman和Pradko等人奠定的历史基础，他们确立了人体响应的感知、不适和耐受三个基本阈值，并指出俯仰振动对人体的耐受性影响显著大于侧倾和垂直振动。3.2节介绍了吸收功率法，该方法通过能量流动速率来表征人体与振动环境之间的相互作用，提供了整合完整机械输入频谱的单一标量指标，可作为频率加权加速度的有效补充。3.3节探讨了国际标准化组织(ISO)标准和频率计权。广泛使用的ISO 2631-1标准提供了反映人体对不同频率和方向振动敏感度的频率计权曲线，定义了加权均方根加速度、振动剂量值(VDV)和波峰因子等评估平顺性的指标。对于非平稳信号，推荐使用运行加权均方根加速度和最大瞬态振动值。为了评估路面附着性能，悬架工作空间提供了缓冲块接触风险的直接指标。3.4节讨论了主观评价方法，该方法仍是平顺性评估的黄金标准。行业通常采用标准化的十分制评分量表。主客观相关性过程被形式化为一个四阶段工作流，通过皮尔逊积矩相关系数或斯皮尔曼等级相关系数进行线性相关分析。此外，晕动症是平顺性不适的一个特殊维度，随着自动驾驶级别的提高，驾驶员转变为乘员，失去了预期的保护机制，晕动症的发生率预计将大幅增加。
4. 车辆动力学与悬架系统
车辆悬架系统在决定平顺性方面发挥着关键作用，其设计中的根本权衡在于平衡平顺性与操纵性能。4.1节探讨了被动悬架系统。被动悬架由固定特性的弹簧和减振器组成，设计涉及弹簧刚度、阻尼系数等参数的优化。由于轻量化材料的应用和纯电动汽车沉重的电池包改变了簧载与非簧载质量比，传统内燃机车辆的被动悬架调校策略已不能直接适用，需要新的优化框架。4.2节分析了主动悬架系统。该系统利用执行器和控制系统主动抵消车辆运动，理论上能消除平顺性与操纵性的传统权衡。尽管性能优越，但由于成本高、复杂度大及能耗问题，其商业化应用受限。在多材料车身结构和电池包布局的背景下，系统级集成悬架与车辆能量管理系统成为了重要的研究方向。4.3节论述了半主动悬架系统。作为被动与主动系统间的折中方案，半主动悬架使用可控减振器实时改变阻尼特性但不向系统增加能量。磁流变液阻尼器因其可靠性和快速响应成为最具实用性的技术。通过引入四态半主动悬架等创新系统以及深度强化学习的应用，能够有效缓解平顺性与操纵性之间的冲突。4.4节评估了轻量化材料对平顺性的影响。铝和复合材料等轻量化材料自身固有阻尼较低，会导致结构振动耗散变慢，且改变了车辆结构刚度。纯电动汽车电池包的重量进一步增加了复杂性，轮内电机配置会显著增加非簧载质量，恶化高频路面隔振效果。因此，迫切需要针对多材料架构的纯电动车开发专用的悬架调校方法和评估协议。
5. 路面特征化与建模
路面不平度是车辆振动激励的主要来源，对其进行精确表征和建模对于平顺性评估至关重要。国际平整度指数(IRI)是广泛使用的路面粗糙度单指标指示器，而功率谱密度(PSD)分析提供了跨不同波长的全面表征。ISO 8608标准基于PSD幅值将路面分为A至H级。随机建模将表面高程视为具有统计特性的随机过程，分为单障碍输入和长型路面轮廓。大规模联网车辆车队的发展为路面特征化提供了前所未有的机遇，配备惯性测量单元(IMU)和GPS的车辆能以前所未有的时空分辨率绘制路面粗糙度图谱，但原始传感器数据的滤波和校准仍是一个重大的信号处理挑战。
6. 平顺性提升的新兴技术
6.1节介绍了纯电动汽车的NVH挑战。由于内燃机噪声振动的消除，电机啸叫、逆变器开关噪声以及轮胎和风噪变得尤为突出。除了传统的工程补救措施，声音设计和针对纯电动车声环境的心理声学评价方法正成为新的研究焦点。6.2节探讨了深度强化学习(DRL)在悬架控制中的应用。DRL代理通过与环境交互学习最优控制策略，在复杂非线性系统中展现出优越性能。然而，DRL在实车部署中面临计算延迟、硬件兼容性和安全验证三大工程挑战，亟需建立跨多级道路类别的整体验证体系。6.3节阐述了车路协同基础设施系统(CVIS)和预瞄控制。通过V2X通信共享路况信息，可实现预测性悬架控制，从而主动调整悬架设置。融合CVIS数据与车载感知有望实现多源预瞄控制，在优化乘员舒适性的同时延长路面服务寿命。6.4节论述了用于平顺性预测和评估的机器学习(ML)技术。监督学习可从客观振动测量预测主观舒适度，注意力模型等架构能提供更好的可解释性。然而，这些模型面临跨域泛化能力差、训练数据缺乏多样性等局限，联邦学习为构建大规模数据集提供了隐私保护途径。6.5节对新兴技术进行了比较分析，指出了数据驱动方法在数据需求、泛化能力和安全认证方面的实际局限，未来应采用包含经典控制器定义的安全包络的混合架构。6.6节聚焦自动驾驶与车联网的平顺性挑战。乘员姿势多样化、晕动症成为主导舒适性问题、以及多目标轨迹规划与平顺性优化的整合是主要技术难点。仿真研究表明，结合主动悬架、轨迹平滑和客舱环境调节的综合控制策略是满足自动化 driving平顺性阈值的关键。
7. 结论与未来方向
本文综合了人体振动响应、悬架系统、路面特征化和新兴智能技术四个基础领域的证据，揭示了纯电动车声学解蔽、悬架控制向数据驱动转变以及平顺性系统边界向路网扩展三大变革。目前阻碍进展的最关键障碍包括研究间指标异质性、机器学习舒适度模型跨域泛化能力不足以及多材料纯电架构与经典调校准则的偏离差异。针对未来十年，研究人员提出了十个优先研究方向，重点包括：建立针对自动驾驶乘员姿势的振动暴露标准更新、开发纯电动车专用的心理声学指标、构建平顺性研究标准开放数据集、实现智能悬架控制器的整车实验验证、推进结合能量管理的多目标优化控制、深化自动驾驶工况下的晕动症预防研究、制定针对多材料轻量化车身的专用悬架标定方法论、探索安全且可认证的DRL部署路径、利用车群协同感知与控制提升平顺性，以及实现与基础设施管理和公共卫生的跨学科优化整合。通过生成式AI、数字孪生和可解释AI等技术在平顺性工程全周期的广泛应用，该领域有望迎来变革性的进展。
