智能網聯車隊系統容錯控制

中圖分類號：U463.6 文獻標識碼：A 文章編號：1003-8639（2025）10-0056-0：

【Abstract】Physical and communication faults can severely underminethe stabilityof the inteligent connected vehicle platoonsystem，thereby threatening driving safety.Fault-tolerant control isan important technical means to enhance the system's safety performance.This paper reviews the fault-tolerant control of physical and communication faults inthissysteminrecent years，pointsoutthecurrentlyunsolved technical diffculties，andlooksforward tothefuture hotspots that need attention.

【Key words 】ICVFS；physical fault;communication fault； fault-tolerant control

0 引言

近年來，在汽車產業“新四化”的推動下，智能網聯汽車憑借多信息融合與協同控制技術的快速發展，已成為智慧交通系統與智慧城市建設的關鍵組成部分。智能網聯車隊系統（IntelligentConnectedVehicleFleetSystem，ICVFS）是典型的依賴多源異構信息流的系統，其故障主要分為物理故障和通信故障。為補償故障擾動對車隊系統穩定性的影響，容錯控制技術通過動態反饋調節機制，增強故障狀態下系統的隊列協同控制魯棒性及自恢復能力，保障行車安全[1-2]。本文針對智能網聯車隊系統的物理故障和通信故障的容錯控制方法進行梳理和總結。

1智能網聯車隊系統容錯控制

1.1網聯車隊動力學模型發展

隨著對網聯車隊不同縱向動力學模型的研究日漸成熟，各位學者設計了不同的控制器以滿足整個車隊系統閉環控制穩定性的需求，保障車隊系統可以采用統一車速與設定車間距實現安全行駛。

如表1所示，在研究初期，為了方便研究車隊控制理論，大部分學者僅依據車輛前端與后端傳感器信息構建二階線性模型，以此作為車隊控制系統設計的研究對象。但理想二階運動學模型，直接以加速度為控制輸入，未考慮制動力矩、輪胎阻力、空氣動力學效應等非線性特性及機械損耗等關鍵動力學因素。為了更接近實際系統，更多學者把研究方向聚焦在三階模型。此外，智能網聯車隊系統的通信拓撲結構根據車隊中車輛動力學的相同與否可分為同構型和異構型。雖然同構系統便于理論分析，但其無法適配真實交通中車輛異構特性，因此越來越多學者開始重點研究異構系統，該系統通過分布式架構和自適應補償機制處理不同車輛的動態特性差異。

表1智能網聯車隊系統建模方法對比

1.2基于物理故障的智能網聯車隊系統容錯控制

早期研究多集中在單物理故障，針對四輪獨立驅動電動汽車多電機執行器故障，張鐸[2設計了一種自適應滑模容錯協調控制器，通過采用自適應變量指數到達定律來緩解顫振。Zhang[3等人進一步考慮了駕駛員的轉向特性，提出一種分布式驅動電動汽車魯棒容錯控制方案，將基于終端滑模技術的主動補償控制集成到反饋控制方案中來處理執行器故障引起的系統性擾動，保證系統的穩定性。為了提高線控轉向車輛車輪角度傳感器的容錯性能，鄒松春[4考慮了傳感器卡頓、偏離和噪聲干擾故障，提出一種通過擴展卡爾曼濾波對車輛車輪角傳感器進行故障診斷和容錯補償策略。針對具有執行器故障和飽和問題的異構車隊系統， Guo^[5] 提出一種能夠融合非線性車輛動力學模型與二次型車間距調節機制的自適應容錯控制方法，該方法引入改進的二次間距策略，通過李雅普諾夫穩定性理論設計自適應律，實時補償執行器失效和飽和的影響，保證車隊串穩定性和交通流穩定性。郭祥貴等則將滑模控制技術與徑向基函數神經網絡相結合，設計了一種具有最小學習參數的新型神經自適應容錯控制方案，采用不對稱李雅普諾夫函數和Nussbaum函數來處理間距約束和未知方向執行器故障等問題，保證了整個車隊的有限時間穩定性。為了防止意外故障給車隊帶來的潛在風險，在王璐等人的研究中提出一種新的分層控制框架，該框架集成了上層觀察者層和下層跟蹤層，基于上層分布式定時觀察器，后面的車輛可以通過車對車通信來觀察領導者的狀態，利用自適應容錯控制技術來解決未知執行器故障的問題。

1.3基于通信故障的智能網聯車隊系統容錯控制

智能網聯車隊系統的協同控制效率高度依賴高可靠性信息交互體系。然而在實際動態交通環境下，受復雜道路拓撲與車用無線通信網絡開放架構的雙重制約，系統的數據交互鏈路面臨可信性、完整性與可用性的多維安全挑戰[。其中蓄意的網絡攻擊，尤其是拒絕服務攻擊與欺騙攻擊是構成智能網聯車隊系統通信故障的主導誘因。拒絕服務攻擊會通過洪泛式數據包阻塞通信信道來降低信息傳輸效率，進而破壞系統的控制性能。因其成本低且容易發起，當前對拒絕服務攻擊的研究已較為完善，其建模方法可歸納為三類：基于駐留時間統計特性的周期性模型、依據攻擊頻率與時變持續特性的非周期性模型、基于伯努利隨機分布和馬爾科夫鏈的概率型模型。欺騙攻擊則不同，它能夠篡改系統的通信交互數據，破壞力更強，因此越來越多的學者開始關注欺騙攻擊下對故障的控制研究。

曹芷茹等人針對虛假數據注入，構建了一個滑模控制器，該控制器驅動狀態軌跡于有限時間內收斂至指定滑模面，確保系統全局漸近穩定。但在實際運行中，有時候系統不會只發生通信故障，因此Liu C^[9] 等人研究了通信和物理故障同時發生的車隊系統。該研究分別對車輛物理層復雜執行器故障和網絡層連接混合攻擊進行了建模，在集成控制框架下，開發了分散式故障估計未知輸入觀察器和分布式抗攻擊容錯跟蹤控制器，保證車輛之間的間距。為了更符合實際運行環境，劉曉宇[構建了混合交通場景下的車隊自適應容錯控制器，該控制器考慮了自動駕駛汽車非連通特性的軌跡控制合并策略，也就是對信號交叉路口附近車輛進行軌跡控制，提高燃油效率，縮短行駛時間。

2 現有研究存在的問題

雖然對智能網聯車隊系統的容錯控制方面的研究已經取得了一定的成果，但仍存在如下問題。

1）智能網聯車隊系統需同時應對物理層故障，如執行器失效、傳感器偏差和網絡層威脅等，而多車協同的分布式特性進一步放大了容錯設計的復雜性。但是現有容錯策略多針對多故障并發場景的協同抑制機制的研究。2）現有智能網聯車隊系統的自適應容錯控制依賴精確的系統建模，但在實際交通流突變、通信拓撲實時變化時，控制器的魯棒性仍易受擾動。3）現有成果高度依賴仿真，缺乏真實交通環境下的多車協同測試。尤其在復雜路況下，比如急彎和隧道以及極端天氣中，智能網聯車隊系統的容錯控制器的實際效能尚未得到充分驗證。

此外，當前技術研究與產業實際需求仍存在明顯脫節。一方面，多數容錯控制算法依賴理想的動力學參數與固定通信拓撲，而實際道路中車輛載重動態變化、路面摩擦系數波動、隧道等場景下通信信號遮擋等擾動，會直接導致控制器魯棒性下降，例如隧道場景中V2X通信延遲可能從正常 50ms 驟增至 200ms 以上，現有自適應律難以快速補償，易引發車隊“跟馳失穩”。另一方面，仿真測試與實車驗證的鴻溝尚未彌合：多數研究基于MATLAB/Simulink或Prescan搭建理想仿真環境，雖能模擬標準工況，卻無法復現暴雨、冰雪天氣下的傳感器噪聲干擾，以及城市道路多車交匯時的復雜交互行為，導致理論成果難以直接適配產業應用。

3 研究方向

1）考慮大規模異構車隊在多擾動耦合場景下的時空協同容錯控制架構設計問題，是提升復雜交通系統魯棒性的重點攻關方向。

2）針對非線性車輛動力學與離散通信拓撲的混合系統容錯控制問題，以及人-機混合編隊容錯機制研究，仍是智能網聯車隊安全控制領域的核心挑戰。

3）面向大規模智能網聯車隊系統構建云端全局診斷-邊緣協同優化－車載快速響應的分層容錯控制架構，將是未來突破高通信負荷下實時性瓶頸的核心發展方向。

為推動理論成果向產業落地轉化，還需關注兩大延伸方向：一是強化“多域協同容錯”技術的場景化適配，例如針對城市信號交叉口、隧道等典型復雜場景，開發融合軌跡預規劃與實時故障補償的一體化控制策略一一如參考混合交通場景下的自適應容錯方案，通過動態調整車間距與車速，在應對通信丟包、執行器失效的同時，兼顧通行效率與燃油經濟性（如將車隊通行效率提升 18% 、燃油消耗降低 12% 的技術目標）。二是推進容錯控制技術的產業標準化，建立統一的故障數據庫與測試標準：將執行器失效、通信攻擊（如拒絕服務攻擊、欺騙攻擊）等典型故障場景模塊化，納入智能網聯汽車準入測試體系，解決不同車企、零部件廠商算法兼容性問題，為規模化車隊應用奠定基礎。

4結束語

智能網聯車隊系統作為智慧交通規模化落地的核心載體，其安全性與可靠性直接決定未來出行效率與公眾信任度。當前，系統需同時應對物理層執行器失效（如電機功率損失 230% ）、傳感器偏差，以及網絡層拒絕服務攻擊（通信中斷 ≥1s ）、欺騙攻擊（數據篡改誤差 210% ）等多重威脅，容錯控制技術已成為保障車隊協同穩定性的關鍵支撐。然而，隨著交通環境復雜度提升（如急彎曲率半徑 ≤50m 、冰雪路面摩擦系數 ≤0.2 ）、車輛異構性增強（載重波動 ±10% 、動力響應延遲差異 ≤200ms ），以及人機共駕模式下的決策交互需求增加，現有容錯控制體系仍面臨三大核心挑戰：一是異構模型對動態參數的依賴與實際工況參數不確定性的矛盾，二是多故障并發場景下（如執行器失效 + 通信延遲）耦合效應的精準建模缺失，三是分層控制架構（上層觀察者層－下層跟蹤層）的交互邏輯（如信息傳輸周期 ≤100ms ）與響應時間（故障補償耗時 ≤500ms ）未量化，導致仿真結論與實車應用存在顯著鴻溝。

未來研究需以“問題-方案-驗證”為邏輯鏈，重點突破三大技術關口：其一，構建“云端－邊緣-車載”三級容錯架構，在云端實現全局故障預判與策略優化，在邊緣端完成區域協同控制（如5車編隊內的動態優先級分配），在車載端執行實時故障補償，通過跨域數據融合解決異構車輛參數自適應問題；其二，針對多故障耦合場景，建立“故障類型－影響權重－處理優先級”映射模型，將安全相關故障（如執行器失效）優先級置于效率相關故障（如通信延遲）之上，結合事件觸發機制降低實時性瓶頸；其三，推動真實驗證體系建設，明確實車測試的環境參數（如隧道信號衰減 ≥30dB 、暴雨能見度 ≤50m ）與評價指標（如車隊跟馳誤差 ≤0.5m 、故障恢復成功率 299% ），打通“仿真－臺架-道路三級驗證鏈路。同時，需加快容錯控制技術的產業標準化，對接“國充2024”等國家標準體系，規范故障診斷閾值、通信協議安全等關鍵參數，最終實現容錯控制技術從實驗室到道路的跨越，為智慧交通規模化發展筑牢安全基石，助力汽車產業向“安全-高效-協同”的智能化新階段邁進。

參考文獻

[1]潘成偉.控制科學與工程.面向故障條件下智能網聯車隊系統的自適應容錯控制研究[D].成都：電子科技大學，2025.

[2]張鐸，劉國海，周華為，等.四輪獨立驅動電動汽車的自適應滑模容錯協調控制[J].IEEE工業電子學匯刊，2018，65（11）：9090-9100.

[3]張博涵，盧少波，吳文娟，等.考慮駕駛員轉向特性的四輪獨立驅動電動汽車的魯棒容錯控制[J].富蘭克林研究所雜志，2021，358（11）：5883-5908.

[4]鄒松春，趙萬忠，梁偉和，等.基于擴展卡爾曼濾波器對線控轉向車輛車輪角傳感器的故障診斷與容錯補償策略[J].IEEE傳感器雜志，2022，22（2）：1756-1766.

[5]Guo G，LiP，Hao L Y.A new quadratic spacing policy andadaptivefault-tolerantplatooningwithactuatorsaturation[J].lEEETransactions on Intelligent Transportation Systems，2022，23（2）：1200-1212.

[6]郭祥貴，徐偉東，王建良，等.基于BLF的非線性車輛隊列神經自適應容錯控制：針對時變故障方向與距離約束[J].IEEE智能交通系統匯刊，2022，23（8）：12388-12398.

[7]WangL，BianY，CaoD，et al.Hierarchical Safe Control ofHeterogeneous Connected Vehicle SystemsUsing Adaptive Fault-Tolerant Control[J].IEEE Transactions on Vehicular Technology，2024，73（10）：14313-14325.

[8]曹芷茹，牛玉剛，宋軍.Markovian跳變信息物理系統抗隨機注入攻擊的有限時間滑模控制[J].IEEE自動化學報，2020，65（3）：1264-1271.

[9]Liu C，Zhao J，PattonR J.Distributed anti-attack fault-toleranttracking control for vehicle platoonsystemsunder cyber-physicalthreats[J].IEEE Transactions on Industrial Informatics，2O23（19）7825-7834.

[10]劉曉宇，趙敏，孫棣華，等.一種針對信號交叉口附近混合車隊設計的自適應容錯控制器及作合并策[J].物理學A：統計力學及其應用，2023（611）：128438.

（編輯 楊景）