引言

在科技快速發(fā)展、研究工具日益智能、信息對(duì)稱性愈發(fā)增強(qiáng)的今天，如何從海量文獻(xiàn)、信息和數(shù)據(jù)中識(shí)別出最具興趣的主題及文獻(xiàn)，找到最關(guān)鍵的核心信息和技術(shù)發(fā)展脈絡(luò)，梳理技術(shù)框架體系、鑒別最活躍的前景技術(shù)方向和趨勢(shì)，顯得尤為重要。信息可視化技術(shù)作為前沿技術(shù)，不斷賦能于技術(shù)趨勢(shì)研究和熱點(diǎn)技術(shù)探測(cè)，可顯著提升不同知識(shí)背景研究人員的水平和效率，為技術(shù)方向探索提供有益的線索。

本文以線控轉(zhuǎn)向?yàn)槔?，探討了可視化知識(shí)圖譜在熱點(diǎn)技術(shù)和趨勢(shì)識(shí)別中的應(yīng)用實(shí)踐。全解耦線控轉(zhuǎn)向系統(tǒng)（Steering-By-Wire，SBW）是智能底盤(pán)的關(guān)鍵執(zhí)行系統(tǒng)，在提升整車智能化水平、被動(dòng)安全性、整車布置靈活性等方面發(fā)揮著重要的作用，被行業(yè)廣泛研究。全解耦線控轉(zhuǎn)向的結(jié)構(gòu)可理解為在R/DP-EPS（齒條式/雙小齒輪電動(dòng)助力轉(zhuǎn)向系統(tǒng)）的基礎(chǔ)上取消了管柱與轉(zhuǎn)向器之間的機(jī)械連接（中間傳動(dòng)軸），轉(zhuǎn)向操作由電信號(hào)傳輸，機(jī)械上實(shí)現(xiàn)模塊化結(jié)構(gòu)設(shè)計(jì)，提高了轉(zhuǎn)向系統(tǒng)與底盤(pán)其它子系統(tǒng)的解耦性，為整車提供更多的布置自由度，增加碰撞緩沖空間和智能座艙空間。控制上完全實(shí)現(xiàn)線控化，可以主動(dòng)介入轉(zhuǎn)向控制，有利于實(shí)現(xiàn)底盤(pán)縱橫垂集成控制，完成不同模式下的自動(dòng)駕駛?cè)蝿?wù)需求，提升車輛主動(dòng)安全性，同時(shí)由于可變速比，兼顧人駕模式下車輛低速轉(zhuǎn)向輕便性和高速轉(zhuǎn)向穩(wěn)定性需求。由于取消了方向盤(pán)和車輪之間的機(jī)械連接，也對(duì)線控轉(zhuǎn)向系統(tǒng)提出系統(tǒng)內(nèi)以及跨系統(tǒng)冗余設(shè)計(jì)、多模式容錯(cuò)控制的新需求，保證系統(tǒng)失效時(shí)安全、可靠性行駛。目前博世、萬(wàn)都、蒂森克虜伯、捷太格特、采埃孚、舍弗勒等頭部供應(yīng)商已完成乘用車全解耦線控轉(zhuǎn)向產(chǎn)品開(kāi)發(fā)和測(cè)試，基本具備線控轉(zhuǎn)向的量產(chǎn)能力，國(guó)內(nèi)供應(yīng)商也處于研發(fā)驗(yàn)證階段，線控轉(zhuǎn)向產(chǎn)品處于量產(chǎn)前夕。本文主要基于部分國(guó)內(nèi)研究文獻(xiàn)，總結(jié)歸納線控轉(zhuǎn)向目前的研究進(jìn)展和脈絡(luò)，為后續(xù)技術(shù)熱點(diǎn)的演變趨勢(shì)提供參考。

一 文獻(xiàn)統(tǒng)計(jì)分析

本文通過(guò)對(duì)知網(wǎng)文獻(xiàn)檢索關(guān)鍵詞“線控轉(zhuǎn)向”，分別對(duì)該技術(shù)領(lǐng)域的研究熱點(diǎn)、發(fā)展脈絡(luò)及關(guān)聯(lián)技術(shù)進(jìn)行分析。從2001年至2024年，國(guó)內(nèi)文獻(xiàn)1552篇左右，基本呈現(xiàn)逐年增長(zhǎng)，說(shuō)明技術(shù)領(lǐng)域逐漸發(fā)展。根據(jù)各個(gè)年度發(fā)表量進(jìn)行功能函數(shù)y=eα*x+b分析，增長(zhǎng)指數(shù)ɑ代表論文發(fā)表率，國(guó)內(nèi)文獻(xiàn)增長(zhǎng)系數(shù)0.46左右。國(guó)外1995年之前Web of Science（WOS）數(shù)據(jù)庫(kù)內(nèi)陸續(xù)有文章發(fā)表，從1995年之后開(kāi)始逐步增長(zhǎng)，技術(shù)研究積累早于國(guó)內(nèi)，1995年以后的增長(zhǎng)系數(shù)0.48左右。按照全球?qū)＠麛?shù)量分析，增長(zhǎng)系數(shù)3.1左右，根據(jù)上述數(shù)據(jù)表明國(guó)內(nèi)外產(chǎn)業(yè)整體發(fā)展階段基本處于同期，重點(diǎn)解決產(chǎn)品工程化過(guò)程的問(wèn)題。

圖 1 國(guó)內(nèi)線控轉(zhuǎn)向文獻(xiàn)發(fā)表量（知網(wǎng)）

圖 2 國(guó)外線控轉(zhuǎn)向文獻(xiàn)發(fā)表量（WOS）

圖 3 專利增長(zhǎng)系數(shù)曲線擬合情況

二 研究熱點(diǎn)關(guān)鍵詞分析

根據(jù)研究領(lǐng)域的關(guān)鍵詞共現(xiàn)、共現(xiàn)關(guān)系、關(guān)鍵詞中心性、聚類及時(shí)序脈絡(luò)情況，可以反映該領(lǐng)域的研究熱點(diǎn)、主題結(jié)構(gòu)和演化趨勢(shì)，提供了直觀清晰的分析。

1、關(guān)鍵詞共現(xiàn)

線控轉(zhuǎn)向技術(shù)為最核心關(guān)鍵詞，除了路感模擬、變傳動(dòng)比、傳感器、功能安全等核心技術(shù)外，同時(shí)不斷受電動(dòng)化與智能化深度融合發(fā)展下的牽引，呈現(xiàn)出系統(tǒng)先進(jìn)控制技術(shù)、容錯(cuò)技術(shù)、軌跡跟蹤功能、四輪轉(zhuǎn)向、差動(dòng)轉(zhuǎn)向、主動(dòng)轉(zhuǎn)向?yàn)橹饕芯繜狳c(diǎn)。其中除了線控轉(zhuǎn)向本身以外，滑模控制、模糊控制、容錯(cuò)控制、四輪轉(zhuǎn)向中心性較高，且各個(gè)節(jié)點(diǎn)之間連線較多，研究熱點(diǎn)較為密集，驅(qū)制動(dòng)系統(tǒng)、路徑規(guī)劃、仿真等測(cè)試驗(yàn)證手段互相交織，不斷衍生交叉新的研究?jī)?nèi)容。

圖 4 關(guān)鍵詞共現(xiàn)分析（國(guó)內(nèi)文獻(xiàn)范圍）

以容錯(cuò)控制為例，近幾年一直為研究熱點(diǎn)，且與協(xié)同控制、合作博弈、差動(dòng)轉(zhuǎn)向、參數(shù)估計(jì)、故障診斷、μ控制等等關(guān)鍵技術(shù)點(diǎn)緊密相關(guān)聯(lián)，互相促進(jìn)發(fā)展。

圖 5 容錯(cuò)控制主題近期研究熱度及臨近節(jié)點(diǎn)關(guān)聯(lián)

2、主題聚類

根據(jù)關(guān)鍵詞共現(xiàn)基礎(chǔ)進(jìn)行聚類分析，本文共嘗試兩種不同聚類偏好，第一種常規(guī)聚類，聚類結(jié)果主要為：模塊Q值0.55大于0.3，聚類平均輪廓S值0.84大于0.5，聚類結(jié)構(gòu)顯著。在Cluster #0線控轉(zhuǎn)向中路感、回正力矩、雙向控制、人機(jī)交互、主動(dòng)安全等為重要的關(guān)鍵詞。排名第一的爆發(fā)關(guān)鍵詞是Cluster #8中的“線控底盤(pán)”，爆發(fā)值為11.00，第二位是Cluster #4中的“自動(dòng)駕駛”，爆發(fā)值為7.98，第三位是Cluster #10中的“滑?？刂啤?，爆發(fā)值為7.94，第四位是Cluster #4中的“軌跡跟蹤”，爆發(fā)值為7.29，第六位是Cluster #2中的“容錯(cuò)控制”，爆發(fā)值為7.09。第十位是Cluster #4中的“路徑跟蹤”，爆發(fā)值為4.98。無(wú)人駕駛、自動(dòng)駕駛認(rèn)為可以進(jìn)行合并。

圖 6 線控轉(zhuǎn)向研究聚類情況一（國(guó)內(nèi)文獻(xiàn)范圍）

采用第二組聚類參數(shù)設(shè)置重新進(jìn)行分析，聚類結(jié)結(jié)構(gòu)顯著性仍然健壯，但是聚類類別發(fā)生改變，增加了模型預(yù)測(cè)控制、操縱穩(wěn)定性、前饋控制、混雜系統(tǒng)、智能網(wǎng)聯(lián)汽車的類別，原有的部分聚類類別消失。Cluster#0線控轉(zhuǎn)向主要包含:功能安全、直流電機(jī)、flexray總線、廣義內(nèi)模控制、 相平面圖、穩(wěn)定性集成控制、二自由度魯棒控制、主動(dòng)轉(zhuǎn)向、穩(wěn)態(tài)增益控制、路感模擬、動(dòng)態(tài)校正控制；Cluster#1模型預(yù)測(cè)控制主要包含:軌跡跟蹤、模型預(yù)測(cè)控制、自動(dòng)駕駛、 高斯過(guò)程回歸、自適應(yīng)控制 、輪胎力分配、個(gè)性擬人化駕駛員換道模型、自動(dòng)換道系統(tǒng)；Cluster#2線控轉(zhuǎn)向系統(tǒng)（可以與簇0合并）主要包含:路感模擬、無(wú)模型自適應(yīng)控制、 回正控制、參數(shù)估計(jì)、 變傳動(dòng)比設(shè)計(jì)、雙向控制、 位置跟隨控制；Cluster#4容錯(cuò)控制主要包含:制動(dòng)失效、穩(wěn)定性控制、滑?？刂?、徑向基神經(jīng)網(wǎng)絡(luò)、pi觀測(cè)器、直接橫擺力矩控制、主動(dòng)后輪控制、主動(dòng)前輪控制、同步轉(zhuǎn)向角控制；Cluster#5操縱穩(wěn)定性主要包含: 側(cè)向加速度、橫擺角速度、變傳動(dòng)比、協(xié)調(diào)控制、最優(yōu)控制、車輛穩(wěn)定性模糊控制、擴(kuò)展卡爾曼濾波；Cluster #7線控技術(shù)（重點(diǎn)交叉領(lǐng)域）主要包含:輪轂電機(jī)、線控四輪轉(zhuǎn)向、四輪獨(dú)立驅(qū)動(dòng)；Cluster#8前饋控制主要包含:前饋控制、回正力矩、主動(dòng)回正、駕駛員偏好力矩；Cluster#9線控制動(dòng)（重點(diǎn)交叉領(lǐng)域）主要包含:線控制動(dòng)、駐車制動(dòng)、汽車電子控制、線控轉(zhuǎn)向、自動(dòng)駕駛礦卡、sent通信協(xié)議、 伺服電機(jī)、智能TAS傳感器；Cluster#10主要包含（重點(diǎn)交叉領(lǐng)域):智能網(wǎng)聯(lián)汽車、線控底盤(pán)、一主多從博弈。

圖 7 線控轉(zhuǎn)向研究聚類情況二（國(guó)內(nèi)文獻(xiàn)范圍）

以新增的混雜系統(tǒng)簇為例，從2006年出現(xiàn)一直都有相關(guān)研究，并且與變傳動(dòng)比、橫向穩(wěn)定性控制、協(xié)同控制、四輪轉(zhuǎn)向等臨近節(jié)點(diǎn)相關(guān)。因此在進(jìn)行聚類分析研究時(shí)需要根據(jù)研究問(wèn)題特點(diǎn)、顆粒度，對(duì)聚類算法參數(shù)進(jìn)行學(xué)科、技術(shù)、知識(shí)特征調(diào)整，才能得到更有指導(dǎo)意義的探測(cè)。

圖 8 混雜系統(tǒng)主題論文時(shí)間趨勢(shì)及關(guān)聯(lián)節(jié)點(diǎn)

3、研究路徑、熱點(diǎn)與趨勢(shì)分析

將線控轉(zhuǎn)向技術(shù)研究中涉及的關(guān)鍵詞進(jìn)行時(shí)間序列分析如圖所示，從而梳理該研究領(lǐng)域內(nèi)技術(shù)發(fā)展脈絡(luò)和過(guò)程。橫向觀察變化趨勢(shì)，根據(jù)聚類結(jié)果，2007年左右，伴隨無(wú)人駕駛技術(shù)萌芽，線控轉(zhuǎn)向結(jié)合線控制動(dòng)、集成控制技術(shù)被提出，后經(jīng)歷長(zhǎng)期低谷期；2010年液壓線控轉(zhuǎn)向、容錯(cuò)控制聚類出現(xiàn)；2015年滑膜控制近年來(lái)在主動(dòng)容錯(cuò)、多智能體、主從模式進(jìn)行技術(shù)遷移演化；2018年自動(dòng)駕駛再次強(qiáng)勢(shì)發(fā)展，人機(jī)共駕、功能安全、路徑跟蹤、軌跡跟蹤、混雜系統(tǒng)車道保持技術(shù)聚類及突變出現(xiàn)，容錯(cuò)控制發(fā)展到主動(dòng)容錯(cuò)；2020年電動(dòng)輪、后輪轉(zhuǎn)向聚類出現(xiàn)。縱向了解聚類主題的時(shí)序變化，可以看出相關(guān)主題的主要活躍時(shí)間跨度。

圖 9 關(guān)鍵詞時(shí)序圖

研究論文的突現(xiàn)關(guān)鍵詞如圖示，紅色表示在相應(yīng)年度范圍內(nèi)，該關(guān)鍵詞相對(duì)有較明顯的“突現(xiàn)”變化。由此可以從一定角度反映當(dāng)時(shí)的研究熱度變化，知識(shí)流動(dòng)和轉(zhuǎn)移的動(dòng)態(tài)過(guò)程，其中智能駕駛、自動(dòng)駕駛以及無(wú)人駕駛可進(jìn)行合并，由于受到執(zhí)行自動(dòng)駕駛?cè)蝿?wù)的需求，線控底盤(pán)、軌跡跟蹤一直從2020至今有較高出現(xiàn)頻率，表明該領(lǐng)域在該時(shí)間段內(nèi)有相對(duì)較強(qiáng)的研究熱度。

圖 10 突變?cè)~情況

三 總結(jié)

本文基于國(guó)內(nèi)部分文獻(xiàn)，運(yùn)用可視化知識(shí)圖譜法、成熟度曲線法對(duì)線控轉(zhuǎn)向技術(shù)脈絡(luò)進(jìn)行研究實(shí)踐。文獻(xiàn)聚類分析的結(jié)果展示了線控轉(zhuǎn)向技術(shù)主題下的研究熱點(diǎn)、時(shí)序遷移特征和技術(shù)突變，其中與自動(dòng)駕駛運(yùn)動(dòng)規(guī)劃、安全容錯(cuò)、先進(jìn)控制、全線控底盤(pán)等交叉領(lǐng)域備受科研關(guān)注。從文獻(xiàn)數(shù)量、專利數(shù)量、技術(shù)成熟曲線看，其中所涉及的科學(xué)問(wèn)題及底層機(jī)理較少，與產(chǎn)業(yè)實(shí)際進(jìn)程互相印證，可以得出全解耦線控轉(zhuǎn)向主要處于產(chǎn)業(yè)化前夕，其創(chuàng)新發(fā)展更多來(lái)自于交叉領(lǐng)域互相帶動(dòng)效應(yīng)。需要注意的是本次研究過(guò)程中，數(shù)據(jù)采集有限，數(shù)據(jù)清洗也不夠全面，主要反映國(guó)內(nèi)該技術(shù)的研究現(xiàn)狀及趨勢(shì)，可結(jié)合國(guó)際論文數(shù)據(jù)庫(kù)做進(jìn)一步深層次分析，以掌握更全面和精準(zhǔn)的線控轉(zhuǎn)向技術(shù)相關(guān)動(dòng)態(tài)。

運(yùn)用海量信息聚類、熱點(diǎn)詞共現(xiàn)和發(fā)展脈絡(luò)的研究分析，可為其他熱點(diǎn)技術(shù)識(shí)別和創(chuàng)新趨勢(shì)開(kāi)展適應(yīng)性研究，也應(yīng)該注重研究人員對(duì)背景知識(shí)的理解和跟蹤，結(jié)合數(shù)據(jù)庫(kù)范圍、技術(shù)發(fā)展特征進(jìn)行具體應(yīng)用場(chǎng)景的聚類調(diào)參。同時(shí)，也關(guān)注到，以固態(tài)電池為代表的化學(xué)學(xué)科創(chuàng)新基因特色的領(lǐng)域，且技術(shù)、產(chǎn)品、產(chǎn)業(yè)仍然存在大量科學(xué)問(wèn)題、機(jī)理探究工作，此類特征場(chǎng)景采用文獻(xiàn)類進(jìn)行科學(xué)脈絡(luò)發(fā)現(xiàn)具有數(shù)據(jù)基礎(chǔ)廣泛，適應(yīng)性較強(qiáng)；而底盤(pán)在汽車工業(yè)發(fā)展過(guò)程中是比較成熟的領(lǐng)域，偏重技術(shù)和產(chǎn)品測(cè)試驗(yàn)證和集成創(chuàng)新，其研究瞭望的方法手段更應(yīng)該采用專家、質(zhì)量功能法等展開(kāi)，結(jié)合科技文獻(xiàn)、熱點(diǎn)技術(shù)可重點(diǎn)發(fā)現(xiàn)跨學(xué)科和領(lǐng)域交叉的創(chuàng)新方向。

作者| 曲婧瑤 ——電動(dòng)化研究中心產(chǎn)業(yè)技術(shù)研究部部長(zhǎng)