《Atmosphere》：Advanced Actuation and Control Technologies for Vehicle Driving Systems—2nd Edition
编辑推荐：
作动器（Actuator）在高层控制决策与车辆物理动力学之间提供了关键连接，将控制指令转化为转向、制动、悬架和推进动作，直接影响车辆运动、乘坐舒适性和驾驶效率。在汽车技术快速演进背景下，作动与控制系统的重要性日益增加，尤其是车辆正朝着更高水平的自动化和电动化过
作动器（Actuator）在高层控制决策与车辆物理动力学之间提供了关键连接，将控制指令转化为转向、制动、悬架和推进动作，直接影响车辆运动、乘坐舒适性和驾驶效率。在汽车技术快速演进背景下，作动与控制系统的重要性日益增加，尤其是车辆正朝着更高水平的自动化和电动化过渡。除车辆运动控制外，悬架控制等其他控制系统也在车内运行以提升用户舒适性。悬架作动器调节车身与车轮之间的作用力，使车身运动和振动得到控制，从而改善乘坐舒适性、操控性和整体行驶品质。计算技术、优化方法和人工智能的最新进展为设计车辆控制系统创造了新途径，能够在多种车辆应用和运行条件下提升性能，并改善安全关键型系统和能量高效型系统的处理能力。这些技术已被拓展至非传统车辆或机器人控制领域，代表了面向下一代移动性和工业应用的新兴研究方向。
车辆控制研究已将作动器设计与多种运行层面的考量相结合。Sinigaglia等人提出了一种模型预测控制分配（Model Predictive Control Allocation）框架，用于协调重型车辆中的多个底盘运动作动器，同时处理物理限制和作动器动力学。另一研究提出了同时优化车辆设计和控制策略的框架，以最大化单圈表现和能量效率；还有研究针对双模式耦合驱动电动汽车，采用分段模糊PID控制器管理双作动器换挡控制中的相互干扰；此外，也有研究通过多子系统车辆动力学与作动器协调的集成，增强整体操控性和稳定性。
本特刊第二版“车辆驾驶系统先进作动与控制技术”旨在回应这一领域对创新研究的迫切需求，以新兴技术支持可持续交通。本合集展示了涵盖自动驾驶车辆控制、电动汽车动力系统管理、先进悬架系统和新型作动机制的前沿进展。随着自动驾驶车辆预计在未来几十年中愈发重要，本特刊所探索的技术不仅是学术追求，更是社会未来出行与经济进步的关键推动力。本特刊范围超出传统乘用车，涵盖非传统与工业车辆、电动汽车、车辆悬架、挖掘机和推土机等多种应用，反映出先进作动与控制技术在整个交通生态系统中的广泛相关性。本社论综合了本特刊收录的九篇论文的核心贡献，并围绕三大主题组织，即自动驾驶车辆控制、悬架与作动系统，以及新型作动技术；同时按研究焦点、方法和应用领域对论文进行了分类和列表。
车辆作动与控制技术是连接车辆高层控制决策与底层物理动力学之间的关键纽带，直接影响车辆运动、舒适性和能源效率。随着汽车自动化与电动化进程加速，以及人工智能、计算优化方法的快速发展，车辆控制系统面临系统不确定性、时延、执行器退化以及多目标冲突等显著挑战。为集中展示该领域最新研究成果，特刊第二版以“车辆驾驶系统先进作动与控制技术”为主题，共收录九篇论文，涵盖自动驾驶车辆控制、先进悬架与作动系统、新型作动技术三大方向，并延伸至重载列车、工程机械等非传统应用，充分体现了相关技术的广泛适用性。
研究人员围绕上述挑战提出并验证了多种新型控制方法。总体而言，这些研究揭示了三大趋势：其一，无模型和数据驱动控制方法能有效处理系统不确定性、时延和退化，无需精确数学模型；其二，将元启发式优化算法与经典控制策略融合可有力解决复杂车辆系统中的多约束参数优化问题；其三，采用多目标优化框架可在稳定性、能量效率、舒适性和安全性之间实现有效平衡。这些成果为下一代自动驾驶和电动化出行提供了理论支撑和技术路径。
在关键技术方法层面，本特刊所采用的主要方法包括：基于扰动观测的滑模控制（Sliding Mode Control, SMC）用于履带车辆路径跟踪；可拓控制（Extenics）理论用于分布式驱动电动汽车的稳定性与能量效率协调；重载列车制动策略优化采用纵向动力学建模与制动参数影响分析；主动悬架电液伺服作动器控制分别采用了改进巨犰狳优化（Improved Giant Armadillo Optimization, IGAO）算法优化的模糊PID容错控制、动态误差改进无模型自适应控制（Dynamic Error Improved Model-Free Adaptive Control, DE-IMFAC），以及DE-MFAC与改进粒子群优化（Improved Particle Swarm Optimization, IPSO）相结合的复合策略；悬架性能对比采用线性二次高斯（Linear Quadratic Gaussian, LQG）和模糊LQG控制方法，并由灰狼优化（Grey Wolf Optimization, GWO）算法进行参数整定；新型作动技术通过系统性文献综述进行分类评估。仿真验证平台主要包括1/4车辆模型、AMESim-Simulink联合仿真、NEDC城市循环和双移线工况；研究不涉及临床样本队列。
研究结果按特刊主题分述如下。
**2.1 自动驾驶车辆控制与运动系统**
**《基于扰动观测与滑模控制的履带车辆轨迹跟踪控制》**：该研究针对复杂地形下履带机器人因履带滑移导致控制精度下降的问题，提出分层控制架构，将运动学建模与滑模控制策略相结合，并引入自适应规律和非线性控制方法抑制高频抖振。结果表明，该方法在多种地形条件下均能实现鲁棒轨迹跟踪，同时有效减轻抖振，有利于延长作动器寿命。
**《考虑稳定性与能量效率的分布式驱动电动汽车可拓协调转矩分配控制》**：该研究利用可拓控制理论建立车辆稳定性评估框架，实现能量优化目标与稳定性目标之间的自适应加权。在NEDC城市循环和双移线条件下的联合仿真显示，与仅以稳定性为导向的方法相比，该方法的能量损失最高可降低11.2%，同时仍能维持满意的驾驶稳定性。
**《3万吨重载列车气电联合制动策略优化研究》**：该研究聚焦30,000吨重载列车长大坡道制动时的纵向动力学问题，通过建立并验证纵向动力学模型，系统分析制动参数对纵向冲动的影响，进而优化气电联合制动策略。结果显示，与传统方法相比，最大纵向力降低了47.83%，显著提升了重载列车运行安全性。
**2.2 先进悬架与作动系统**
**《内部泄漏故障下电液主动悬架的IGAO模糊PID容错控制与性能优化理论分析》**：该研究针对电液主动悬架因元件磨损老化出现内部泄漏故障而导致的性能退化与控制失稳问题，提出由改进巨犰狳优化（IGAO）算法优化的模糊PID容错控制器。IGAO通过非线性动态惯性权重机制和随机反射策略避免陷入局部最优。基于1/4车辆仿真模型的结果表明，该方法可有效抑制车身振动、降低冲击幅值，在不同内部泄漏故障程度下均表现出较强的动态恢复能力和控制鲁棒性，优于粒子群优化和标准巨犰狳优化算法。
**《带时延
