企业官网建设流程全解析

做车辆稳定性控制的人，几乎都绕不开“质心侧偏角-横摆角速度相平面”。在做ESC匹配或者车辆动力学课程设计时，大家普遍用二自由度车辆模型在MATLAB里跑仿真，把β和r画在一张相平面图上，再标出鞍点、画出临界轨迹，据此判断车辆什么时候会甩尾、失稳边界到底在哪。这篇文章我就把我常用的整套流程从模型搭建、相平面绘制到鞍点与临界轨迹的计算完整过一遍，适合正在做二自由度车辆仿真、底盘稳定性分析，或者刚开始接触相平面方法的朋友参考。

1. 为什么相平面能看出车辆失稳

1.1 二自由度车辆模型就是“车轮上的自行车”

二自由度车辆模型也叫自行车模型，它把前轴两个轮子合并成一个轮、后轴两个轮子合并成一个轮，同时默认车身不发生侧倾和俯仰，纵向速度V恒定。这样一来，整车运动就剩下两个自由度：沿着车身横向的侧向运动和绕质心的横摆运动，状态量正好是质心侧偏角β和横摆角速度r。

模型的运动方程可以写成：

m·V·(dβ/dt + r) = Fyf + Fyr Iz·dr/dt = a·Fyf - b·Fyr

其中m是整车质量，Iz是绕质心铅垂轴的转动惯量，a和b分别是质心到前、后轴的距离，Fyf和Fyr是前、后轴等效侧偏力。这个模型虽然很简化，但在轮胎侧偏特性还没有严重进入非线性区时，它对车辆横摆响应和稳定边界的预测精度相当高。日常做相平面分析，用这个模型作为母本足够。

相平面方法则是把β和r看成平面上的两个坐标。平面上的每一个点，代表车辆一个瞬间的运动状态；点上的箭头，代表这个状态下质心侧偏角和横摆角速度正在如何变化。把无数个点的变化方向连起来，就变成了一幅“状态流场”。车辆从某个初始状态出发，沿着流场走出来的曲线就是相轨迹，整张图就是β-r相平面。

1.2 相平面里的三张脸：稳定点、鞍点、临界轨迹

相平面上最值得关注的不是某一条轨迹，而是几类特殊的点和线。

第一类是平衡点。让dβ/dt=0、dr/dt=0同时成立的状态点，就是系统的平衡点。在平衡点附近，状态要么收敛进去，要么发散出去。如果所有方向的轨迹都朝它收敛，就是一个稳定平衡点，对应车辆正常直行的稳态；如果所有方向都发散，就是不稳定的平衡点，车辆完全无法保持。

第二类是鞍点。鞍点这个名字很像山路中的垭口。在这个点上，系统有一个方向的特征值是收敛的，另一个方向是发散的。状态要是正好落在收敛方向上，会被吸向鞍点；但只要偏一点点，就会顺着发散方向滑出去。在车辆稳定性分析里，鞍点正是“能稳住和不能稳住”的临界位置。

第三类是临界轨迹。临界轨迹本质上是鞍点的稳定流形，也就是那些从鞍点延伸出去、恰好把相平面分成两个区域的分界线。分界线以内的初始状态，轨迹最终会回到稳定平衡点，车辆是稳定的；分界线以外，轨迹会发散到β和r持续增大的区域，表现为甩尾或者激转。临界轨迹在ESC标定里常被当作稳定边界的几何近似。

有了这三样东西，相平面就能很直观地回答：车辆当前状态离“悬崖”还有多远。

2. 从车辆参数到MATLAB状态方程

2.1 车辆参数与轮胎非线性模型选型

在MATLAB里复现这个仿真，第一步是确定车辆参数。我常用一组紧凑型轿车的参数，贴近常见文献值：

有一点必须强调：为了画出带鞍点和临界轨迹的相平面，轮胎模型绝对不能简单地取线性假设Fy=-C·α。线性模型在零转向输入下只有一个平衡点，整个相平面是收敛的，鞍点根本不会出现。我采用一种工程上很好用的简化饱和模型：

Fy = -C·α / (1 + |α| / α_sat)

其中α_sat = μ·Fz / C，Fz是轴荷。前、后轴荷分别按照 Fzf = m·g·b/(a+b)、Fzr = m·g·a/(a+b) 计算。这个模型的物理含义很直白：小侧偏角时接近线性侧偏，侧偏角一旦增大，轮胎力进入饱和区，不再无限增长。正是这种饱和特性，让系统在高β、大r区域出现非线性平衡点，进而形成鞍点。

如果你手头有魔术公式，也可以直接用，但画相平面时计算量会大不少，而且参数标定麻烦。简化的双曲饱和模型已经能抓住稳定边界的定性行为，做课程设计和前期标定足够。

2.2 ODE函数怎么写才不容易翻车

我习惯把所有参数放进一个结构体params里，然后写一个独立的状态方程函数。这样后面做网格遍历、平衡点搜索和相轨迹积分时，只需要调用同一个函数，避免参数不一致。

params.m = 1500; params.Iz = 2500; params.a = 1.2; params.b = 1.8; params.V = 25; params.Cf = 120000; params.Cr = 180000; params.mu = 0.4; params.g = 9.81; params.Fzf = params.m * params.g * params.b / (params.a + params.b); params.Fzr = params.m * params.g * params.a / (params.a + params.b); params.alpha_sat_f = params.mu * params.Fzf / params.Cf; params.alpha_sat_r = params.mu * params.Fzr / params.Cr;

状态方程函数的写法要特别注意状态向量的顺序。我把X(1)定义为质心侧偏角β，X(2)定义为横摆角速度r。前轮转角δ暂时设为0，表示车辆正在直线行驶、没有主动转向输入。

function dX = vehicleDynamics(t, X, params) beta = X(1); r = X(2); delta = 0; % 零转向，相平面分析常用工况 alpha_f = beta + params.a * r / params.V - delta; alpha_r = beta - params.b * r / params.V; Fyf = -params.Cf * alpha_f / (1 + abs(alpha_f) / params.alpha_sat_f); Fyr = -params.Cr * alpha_r / (1 + abs(alpha_r) / params.alpha_sat_r); dbeta = (Fyf + Fyr) / (params.m * params.V) - r; dr = (params.a * Fyf - params.b * Fyr) / params.Iz; dX = [dbeta; dr]; end

为什么侧偏角写成alpha_f = beta + a*r/V - delta？这是从运动学关系推出来的。前轴轮心处的侧向速度约等于V·β + a·r，除以纵向速度V，再减去前轮转角δ，就得到前轮侧偏角。后轮同理。这样定义的侧偏角代入饱和模型后，前、后轴力都是负反馈形式，β和r增大时会产生抑制力，符合真实车辆力学特性。

2.3 模型自检两步走

写完函数后不要急着画相平面，先做两个快速自检。

第一，把X=[0;0]、δ=0代入，状态导数应该是[0;0]。如果这里不为零，说明公式里有符号错误或者参数没平衡。

第二，给一个很小的初始扰动，比如β=0.01、r=0.01，做一次短时间积分，观察响应是否逐渐衰减。衰减说明车辆处于稳定区域，模型大方向正确；发散则要怀疑侧偏角公式或者轮胎力符号写反了。

这两步看着简单，但能省掉后面调试相平面图时的大量时间。

3. 相平面绘制实操

3.1 向量场：让每个状态点告诉你下一秒去哪

相平面里最基础的是向量场。做法是在β-r平面里布置一个网格，对每个网格点调用状态方程得到导数向量，然后用quiver画箭头。

我一般让β范围取[-0.4, 0.4] rad，r范围取[-1, 1] rad/s。这个范围对V=25 m/s、μ=0.4的工况足够看到稳定边界和发散轨迹。网格密度方面，绘制向量场时取25×27左右就够，太密会糊成一片，太疏看不清流场走向。

beta_vec = linspace(-0.4, 0.4, 27); r_vec = linspace(-1.0, 1.0, 25); [Beta, R] = meshgrid(beta_vec, r_vec); dBeta = zeros(size(Beta)); dR = zeros(size(Beta)); for i = 1:numel(Beta) dX = vehicleDynamics(0, [Beta(i), R(i)], params); dBeta(i) = dX(1); dR(i) = dX(2); end L = sqrt(dBeta.^2 + dR.^2); L(L < 1e-8) = 1e-8; quiver(Beta, R, dBeta./L, dR./L, 0.6, 'Color', [0.7 0.7 0.7], 'LineWidth', 0.5); xlabel('质心侧偏角 \beta (rad)'); ylabel('横摆角速度 r (rad/s)'); axis equal; grid on;

箭头为什么要归一化？因为平衡点附近导数很小，非平衡点附近导数可能很大，直接画quiver会出现一个长箭头贯穿全图、其余箭头短得看不见的情况。归一化后每个箭头只表示方向，长度统一，流场走势一目了然。用axis equal是为了保证β和r坐标比例真实，避免图被压扁。

需要说明的是，这套循环写法虽然直观，但网格只有几百个点，MATLAB完全跑得动。如果后面把网格加密到100×100，建议把函数向量化，或者用arrayfun，否则循环会明显变慢。

3.2 相轨迹：多条初始状态曲线叠加

向量场只是背景，真正能说明问题是相轨迹。从一组初始状态出发，让ODE45沿时间积分，把轨迹画在相平面上，就能看到哪些初始状态能收敛回原点，哪些会跑飞出去。

tspan = [0 4]; options = odeset('RelTol', 1e-6, 'AbsTol', 1e-8, 'MaxStep', 0.05); initialStates = [ -0.05, 0.05; -0.10, 0.10; -0.20, 0.20; -0.25, 0.30; 0.30, -0.35; 0.15, -0.15; -0.08, 0.25; 0.10, -0.25; ]; hold on; for k = 1:size(initialStates, 1) [~, X_traj] = ode45(@(t, x) vehicleDynamics(t, x, params), tspan, initialStates(k, :), options); plot(X_traj(:, 1), X_traj(:, 2), 'LineWidth', 1.2); end hold off;

积分时间tspan我取[0 4]秒。车辆失稳轨迹通常几秒内就会发散到图框外面，所以4秒足够展示趋势。你要是发现轨迹还没画出完整走向就飞出边界，可以把tspan缩短到2秒，或者把β、r绘图范围放宽。

相轨迹的初值选择不是随机的。我建议先围绕原点附近布几条，再在预计边界内外各布几条。边界外的初始状态轨迹会明显向大β、大r方向跑，这样与边界内的轨迹放在一起，稳定域的范围就自然显现出来。

3.3 绘图参数与展示技巧

实际出图时，有几个小细节会影响可读性。

轨迹颜色可以按是否稳定来区分。积分结束后判断轨迹终点是否在稳定平衡点附近，比如范数小于某个阈值，稳定则画成蓝色，失稳则画成红色。这样整张图会立刻呈现出“蓝色收拢、红色发散”的效果，比统一颜色直观得多。

向量场箭头密度不要和轨迹线抢视觉优先级。我习惯把quiver箭头颜色调成浅灰，线宽调小，轨迹线用深色粗线，鞍点和平衡点再做特殊标记。这样读者第一眼看到的是轨迹走向，其次才是流场方向。

另外，不要在还没找到鞍点之前就急着出最终图。先把向量场和几条典型轨迹画出来，确认大趋势合理，再进入鞍点计算，否则后期反复调图很浪费时间。

4. 鞍点定位与临界轨迹绘制

4.1 鞍点的数学判别

鞍点本质上是一个特殊的平衡点。要找到它，先解方程组：

f1(β, r) = 0 f2(β, r) = 0

其中f1、f2分别是状态方程里的dβ/dt和dr/dt。找到所有平衡点后，再计算每个平衡点处状态方程的雅可比矩阵：

J = [[∂f1/∂β, ∂f1/∂r], [∂f2/∂β, ∂f2/∂r]]

雅可比矩阵的特征值决定了平衡点类型。二维系统中，如果两个特征值都是负实数，是稳定节点；都是正实数，是不稳定节点；一正一负，就是鞍点。我只需要一个简单判据：特征值实部乘积小于0，即视为鞍点。

这里有个常见陷阱：如果用的是解析公式直接把tanh或者饱和模型手工求导，很容易算错。我通常用数值雅可比，用中心差分近似导数。二阶系统矩阵只有2×2，数值差分精度足够，而且代码通用。

4.2 多初值搜索平衡点的MATLAB实现

非线性系统无法解析求解平衡点，只能数值搜索。fsolve是一个局部搜索算法，初值给不同，可能收敛到不同解。我采用多初值扫描，把均匀网格上的点作为初值批量求解，再把重复解去掉。

func = @(X) vehicleDynamics(0, X, params); guesses = [0, 0; -0.2, 0.3; 0.2, -0.3; -0.3, 0.5; 0.3, -0.5; -0.25, -0.2; 0.25, 0.2]; opts = optimoptions('fsolve', 'Display', 'off', 'Algorithm', 'trust-region-dogleg'); equilibria = []; for k = 1:size(guesses, 1) [xeq, fval, exitflag] = fsolve(func, guesses(k, :), opts); if exitflag > 0 && norm(fval) < 1e-6 if isempty(equilibria) || ~any(vecnorm(equilibria - xeq, 2, 2) < 1e-6) equilibria = [equilibria; xeq]; end end end

norm(fval) < 1e-6是硬条件。fsolve有时exitflag大于0但残差还是不小，这种解不能要。去重时我用向量二范数阈值1e-6，threshold太小会把本应重合的解重复保留，太大又会误删真正不同的平衡点，实际调试时留意一下即可。

得到平衡点集合后，逐个分类：

function J = numericJacobian(func, x) h = 1e-7; fx = func(x); J = zeros(2, 2); for i = 1:2 xp = x; xp(i) = xp(i) + h; fxp = func(xp); J(:, i) = (fxp - fx) / h; end end

以上是前向差分。如果想更稳健，用中心差分：

for i = 1:2 xp = x; xp(i) = xp(i)+h; xm = x; xm(i) = xm(i)-h; J(:,i) = (func(xp) - func(xm)) / (2*h); end

中心差分的误差比前向差分小一个量级，绘图精度要求高时推荐使用。h取1e-7左右即可，太大导数近似失真，太小会引入数值消减。

分类逻辑很简单：

for i = 1:size(equilibria, 1) J = numericJacobian(func, equilibria(i, :)); lambda = real(eig(J)); if all(lambda < 0) disp(['平衡点 (', num2str(equilibria(i,1)), ', ', num2str(equilibria(i,2)), ') 是稳定点']); elseif lambda(1) * lambda(2) < 0 disp(['平衡点 (', num2str(equilibria(i,1)), ', ', num2str(equilibria(i,2)), ') 是鞍点']); else disp(['平衡点 (', num2str(equilibria(i,1)), ', ', num2str(equilibria(i,2)), ') 是不稳定点']); end end

注意eig返回的特征值顺序不固定，lambda(1)*lambda(2)<0这个判据只对实特征值有效。二阶系统在这类模型中一般不会出现复特征值，但要是你的模型参数特殊，出现共轭复根，应该改用all(real(lambda) < 0)、all(real(lambda) > 0)、prod(real(lambda)) < 0三种判断，避免从复根里取不出乘积符号。

4.3 用稳定流形画出临界轨迹

鞍点求出来后，就要画临界轨迹。临界轨迹是鞍点处的稳定流形W^s，也就是那些在正时间收敛到鞍点的轨迹。数值做法是取鞍点附近沿稳定特征向量方向的微小偏移作为初值，然后对原系统反向积分。

为什么反向积分？稳定流形上的轨迹当t→+∞时收敛到鞍点，所以当t→-∞时必然远离鞍点。换句话说，从离鞍点很近的点出发，把时间倒着走，轨迹就会沿着稳定流形向外延伸，画出来的正是分界线。

首先拿到鞍点处的雅可比和特征向量：

J = numericJacobian(func, saddle); [V, D] = eig(J); lambda = diag(D); [~, idxStable] = min(real(lambda)); % 负特征值对应稳定方向 vStable = V(:, idxStable);

然后从稳定特征向量方向的两个微小偏移出发，用[0 -3]秒反向积分：

eps0 = 1e-4; saddleX = saddle(1); saddleY = saddle(2); figure; hold on; colors = [1 0 0; 0.8 0 0; 0 0 1; 0 0 0.8]; for direction = [1, -1] x0 = saddle' + direction * eps0 * vStable; [~, X_crit] = ode45(@(t, x) vehicleDynamics(t, x, params), [0 -3], x0, options); plot(X_crit(:, 1), X_crit(:, 2), 'r', 'LineWidth', 2); end

这一段代码画出来就是两条从鞍点出发的红色临界轨迹分支。之所以取0到-3秒，是因为反向积分时间太长，轨迹会快速发散到图外；太短，分支延伸不完整。3秒在V=25 m/s、μ=0.4时基本能把稳定边界延伸至图框边缘。

如果想画出完整的“X”型分界线，还可以沿不稳定特征向量方向正向积分，画出不稳定流形W^u。做法完全一样，只是把特征向量换成正实部对应的vUnstable，时间方向改为[0 3]秒。不过工程上判稳主要看稳定流形分支，W^u更多是辅助理解失稳后轨迹的走向，我通常画出来但不作为阈值依据。

关于eps0的选择，我经验是取鞍点到稳定平衡点距离的1/1000左右，大约10^-4量级。太小了，远离鞍点后数值误差会主导轨迹，可能明显偏离真实流形；太大了，初值已经落到非线性区，漂离流形。画完后检查一下临界轨迹是否平滑经过鞍点附近，如果出现明显“拐弯”或“偏离”，把eps0缩小一个数量级再试。

5. 读图与标定：相平面怎么用起来

5.1 稳定域边界与失稳模式

画出相平面并叠加上临界轨迹后，读图的核心就一句话：看初始状态落在临界轨迹内侧还是外侧。

以内侧为起点，相轨迹最终会绕着稳定平衡点转几圈后收敛，β和r的幅值逐渐衰减，车辆恢复稳定行驶。外侧的轨迹则相反，β持续增长、r持续增长，车辆进入大侧偏的甩尾状态。注意这里不能说“外侧轨迹一定发散到无穷”，因为大幅侧偏下轮胎力也会饱和，轨迹可能收敛到另一个平衡点，但在可控意义下已经不可接受。

这张图对底盘工程师的价值在于：当ESC系统接收到当前β和r的估计值时，本质上就是在相平面里判断当前状态点与临界轨迹的位置关系。越接近边界，控制越要激进；远离边界，则尽量减少干预。

5.2 车速与附着系数如何移动“悬崖”

相平面不是一成不变的，它随车速V和路面附着系数μ变化非常敏感。我自己跑过几组对比，规律很明显：

这个规律直接解释了为什么雨天、雪天更容易甩尾：附着系数降低后，临界轨迹围出来的稳定域缩小，同一个β-r状态在干路面上可能很安全，在湿滑路面上已经到了边界外。

做仿真的朋友可以自己验证一下，把params.mu改成0.85，重新跑一遍鞍点搜索和临界轨迹绘制，会发现有时候甚至搜不到鞍点，全相平面只有一个稳定平衡点。这表示车辆在良好路面上具有全局渐近稳定性。反过来，把V调到30 m/s、μ调到0.3，鞍点会非常靠近原点，稳定域小得可怜，这时候控制系统必须尽早介入。

5.3 从临界轨迹到车辆稳定性控制阈值

很多人画完相平面就停了，但实际工程里相平面最终要落到控制阈值上。最常用的做法是把临界轨迹在β-r平面上包络成一个多边形或者一组分段直线，ESC控制模块只要判断当前状态点是否越过多边形边界。

比如我在临界轨迹上取一组特征点，然后计算出每个点对应的β阈值。由于相平面图左右不一定对称，通常分别处理β>0和β<0两个半区。对横摆角速度r也做同样处理，得到一张“r阈值随β变化”的查表。控制时看到状态偏差超过阈值，就输出修正横摆力矩。

这种阈值标定比单纯用固定β门限、固定r门限要准得多，因为它把两个状态之间的耦合关系纳入了考虑。相平面分析的核心产出，其实就是这条边界线。

6. 常见问题与调试实录

6.1 永远找不到鞍点

如果你把平衡点搜索跑完，结果只有原点一个平衡点，大概率是你的轮胎模型还停在线性段。检查一下参数：μ是不是设得太高？V是不是太低？这两个参数只要让轮胎力没有进入饱和，系统就是全局稳定的，自然没有鞍点。

习惯性做法是把μ设为0.4以下、V保持25 m/s以上。这样前轮侧偏角在β=0.2 rad时已经明显超过α_sat，轮胎力饱和，非线性平衡点才能出现。

还有一个隐蔽问题：如果你的饱和模型用了atan或者tanh这类光滑函数，要注意侧偏角是否已经算错。我调试时遇到过把alpha_f符号弄反，导致相平面整个翻转，鞍点跑到很怪的位置，去重后看着像是没有鞍点。此时先用前面说的自检流程确认原点处导数是否为0，再检查一个小初始扰动的响应方向。

6.2 轨迹飞出图框、漂到天边

反向积分画临界轨迹时，经常会出现轨迹在远离鞍点后快速发散。这很正常，因为稳定流形外的轨迹本来就趋于发散。问题在于发散太早，边界还没延伸到图框边缘就消失，图不完整。

解决办法有三个。第一，把反向积分时间从-3秒缩短到-1.5秒或-1秒，让轨迹“冻结”在合理范围内。第二，在ODE45选项里设置MaxStep=0.02，限制步长，防止反向积分时步长太大跳出了真实流形。第三，扩大β和r的画图范围，比如β扩大到[-0.6, 0.6]，r扩大到[-1.5, 1.5]，给轨迹留出延伸空间。

我实际最常用的组合是tspan=[0 -2]配合MaxStep=0.02，稳定性和图幅控制效果都不错。

6.3 相平面箭头乱成一团

向量场要是乱，多半是网格太密或者箭头没有归一化。网格太密时，反复交叉的箭头会让整张图黑乎乎一片。网格太疏时，关键区域的流向又看不出来。

我最常用的密度是β方向27个点、r方向25个点，在常规图幅下线条清晰又不失细节。箭头归一化后，quiver的缩放参数取0.5到0.7比较合适。颜色要浅，否则后面叠加的轨迹线会被箭头淹没。

如果矢量场在某个区域出现小范围“漩涡”，先不要急着怀疑代码，先确认鞍点是否就在附近。鞍点附近的流场本身就会形成收敛和发散交叉的结构，看着像乱，其实是物理真实。

6.4 鞍点重复、伪鞍点剔除

多初值搜索必然会出现重复解。如果去重做得不严，后续分类会乱套。去重阈值我取1e-6，并且先判断norm(fval)<1e-6，再把重复解过滤掉。注意fsolve收敛到同一个解，fval可能略有差异，所以阈值不能太严格。

伪鞍点也很常见：某点虽然是平衡点，但特征值一正一负不怎么明显，比如一个特征值是5，另一个是-0.001。这种“准鞍点”数值上很敏感，积分画临界轨迹时会剧烈偏离。遇到这种情况，我建议把特征值实部接近零的平衡点单列出来，不要当作有效鞍点用于控制标定，否则标出来的边界不可靠。

6.5 代码可复现的三个小建议

最后分享三个让我少熬夜的小习惯。

第一，所有参数集中在文件顶部，不要散落在脚本中间。每次改完μ或者V，运行一遍完整脚本就能对比不同工况的相平面，不用满文件找参数。

第二，把平衡点搜索、雅可比计算、临界轨迹绘制封装成函数。这样做课程报告时要重复画几十张工况图，不用反复复制粘贴代码。

第三，保存图时同时保存数据和代码版本。我踩过不少次坑：图一样，但数据是用旧参数跑的，写报告时根本回忆不起来。在脚本开头加一行fprintf('V=%.1f mu=%.2f\n', params.V, params.mu)，出图前打印当前工况，能省掉很多返工。

二自由度车辆相平面分析这套流程，做到这里基本就完整了。真正在工程中用起来时，你会发现临界轨迹的形状、鞍点的位置都在随工况漂移，背后的物理过程远比一张静态图复杂，但方法论是相通的。把MATLAB里的这套仿真工具打磨顺了，后续做ESC阈值设计、稳定域估计都会顺手很多。