項目五任務2：整車底盤線控系統(tǒng)的控制與優(yōu)化（教師手冊）

任務5.2整車底盤線控系統(tǒng)的控制與優(yōu)化-教師手冊項目五底盤線控系統(tǒng)的綜合測試課程名稱底盤線控執(zhí)行系統(tǒng)測試裝調學習任務名稱整車底盤線控系統(tǒng)的控制與優(yōu)化課時4課時課程內容智能網聯(lián)汽車路徑規(guī)劃、智能網聯(lián)汽車行為決策與車輛控制、整車底盤線控系統(tǒng)的路徑規(guī)劃與優(yōu)化一、學習目標1、目標制定【知識目標】理解路徑規(guī)劃的概念、分類、一般步驟、常用算法和未來發(fā)展；理解汽車智能駕駛行為決策與車輛控制?！炯寄苣繕恕磕軌颡毩⑼瓿山o定場景的車輛行駛策略規(guī)劃；能夠熟練完成給定場景的底盤線控系統(tǒng)的控制與優(yōu)化。【素養(yǎng)目標】嚴格遵守線控底盤測試的標準流程；獨立地計劃并實施；耐心友善地與客戶溝通；耐心優(yōu)化控制指令及參數?！舅颊繕恕客ㄟ^了解智能網聯(lián)汽車的前沿科技，激發(fā)學生的愛國主義，增強四個自信。2.通過講述德科智控的品牌故事，展現(xiàn)工匠踏實肯干、勤奮專研的精神，鼓勵學生努力學習，提高自己的科學素養(yǎng)和創(chuàng)新創(chuàng)業(yè)能力二、學習內容1.學習情境描述一臺線控底盤車輛，客戶反映自動駕駛時，偶爾會出現(xiàn)線控轉向不足的問題，假設你是測試工程師，你將如何進行測試并優(yōu)化？2.學習內容分析本次課程內容來源于企業(yè)真實的工作任務，為了更好地對接企業(yè)工作任務及流程，提煉本次工作任務的三要素（如表1所示）。表1工作內容分析表工作對象與客戶溝通車輛問題、對客戶車輛進行調試測試、輸出測試報告，并給出優(yōu)化方案工具材料底盤線控產品使用手冊、臺架、工具箱、個人防護用品、清潔抹布工作要求能根據客戶描述的問題，使用測試軟件和仿真軟件，輸出測試報告及優(yōu)化方案并與客戶溝通。三、教學策略1.適用的教學方法角色扮演（客戶與維修技師）、引導文法、項目教學法2.適合的組織形式個人，學生需獨立地計劃并實施測試。四、教學資源1.學習環(huán)境為了更好地開展工學結合的一體化教學模式，在教學場地方面，我們充分利用了與企業(yè)工作環(huán)境一致的校企合作校內培訓基地作為我們的教學場地，該教學場地內設學習討論區(qū)、資料查詢區(qū)、方案展示區(qū)、操作實訓區(qū)、工具存放區(qū)等（如圖1所示）。圖1教學場地布置圖2.學習資源根據完成工作任務及達成學習目標需要，本次課我們?yōu)閷W生提供了如下學習資源（如表3、4所示）。表2軟件資源一覽表序號名稱數量圖例功能特色1學生手冊1本/人學生學習理論知識的載體2教學課件1套輔助教師講解理論知識，引導學生討論工作方案3工作頁1本/人學生按照工作流程設計，模擬真實的工作場景，填寫工單4教師手冊1套輔助教師備課表3硬件資源一覽表序號名稱數量圖例運用環(huán)節(jié)功能特色1教學臺架1輛/工位課中幫助學生掌握實踐技能2安全帽2頂/工位課中實訓操作時，用于保障學生人身安全3工作手套2雙/工位課中實訓操作時，用于保障學生人身安全4清潔抹布1塊課后清潔設備五、教學實施過程（一）學習情景導入【提示】教師導入學習情景布置工作任務，學生接受任務一臺線控底盤車輛，客戶反映自動駕駛時，偶爾會出現(xiàn)線控轉向不足的問題，假設你是測試工程師，你將如何進行測試并優(yōu)化？車輛感知決策及控制（二）理論知識【提示】教師講授分析解決問題的思路和方法，引導學生信息采集，了解任務智能網聯(lián)汽車路徑規(guī)劃【過渡】提問同學們什么是路徑規(guī)劃？舉例手機導航的實際場景。路徑規(guī)劃的概念連接起點位置和終點位置的序列點或曲線稱之為路徑，構成路徑的策略稱之為路徑規(guī)劃。路徑規(guī)劃是按照一定的評價標準，比如路徑長度最短或能量消耗最少原則等，尋找一條從起始狀態(tài)到目標狀態(tài)的無碰撞路徑。路徑規(guī)劃路徑規(guī)劃是解決智能網聯(lián)汽車如何達到行使目標問題的上層模塊，它依賴于為智能聯(lián)網汽車駕駛定制的高精度地圖，與普通導航單純提供指引的性質不同，智能網聯(lián)汽車的路徑規(guī)劃模塊需要提供能夠引導車輛正確駛向目的地的軌跡。這些軌跡至少要達到車道級導航的水平，而且軌跡上影響車輛行駛的周邊的環(huán)境也需要被準確描述和考慮。路徑規(guī)劃模塊需要根據局部環(huán)境感知、可用的全局車道級路徑、相關交通規(guī)則，提供能夠將車輛引導向目的地（或目的點）的路徑。路徑規(guī)劃的分類路徑規(guī)劃技術是汽車自動控制技術的重要組成部分。根據對環(huán)境信息的把握程度可把路徑規(guī)劃分為全局路徑規(guī)劃方法、局部路徑規(guī)劃方法兩種。全局路徑規(guī)劃局部路徑規(guī)劃全局路徑規(guī)劃是對全局環(huán)境已知，并根據算法搜索出最優(yōu)或接近最優(yōu)的路徑。而局部路徑規(guī)劃則對環(huán)境局部未知或完全未知，通過傳感器為自動駕駛提供有用的信息確定障礙物和目標點的位置，并規(guī)劃起始點到目標點的最優(yōu)化路徑。其中，從獲取障礙物信息是靜態(tài)或是動態(tài)的角度看，全局路徑規(guī)劃屬于靜態(tài)規(guī)劃(又稱離線規(guī)劃)，局部路徑規(guī)劃屬于動態(tài)規(guī)劃(又稱在線規(guī)劃)。全局路徑規(guī)劃需要掌握所有的環(huán)境信息，根據環(huán)境地圖的所有信息進行路徑規(guī)劃；局部路徑規(guī)劃只需要由傳感器實時采集環(huán)境信息，了解環(huán)境地圖信息，然后確定出所在地圖的位置及其局部的障礙物分布情況，從而可以選出從當前結點到某一子目標結點的最優(yōu)路徑。根據所研究環(huán)境的信息特點，路徑規(guī)劃還可分為離散域范圍內的路徑規(guī)劃問題和連續(xù)域范圍內的路徑規(guī)劃問題。離散域范圍內的路徑規(guī)劃問題屬于一維靜態(tài)優(yōu)化問題，相當于環(huán)境信息簡化后的路線優(yōu)化問題；而連續(xù)域范圍內的路徑規(guī)劃問題則是連續(xù)性多維動態(tài)環(huán)境下的問題。路徑規(guī)劃的一般步驟一般的連續(xù)域范圍內路徑規(guī)劃問題，其一般步驟主要包括環(huán)境建模、路徑搜索、路徑平滑三個環(huán)節(jié)。路徑規(guī)劃的一般步驟（1）環(huán)境建模環(huán)境建模是路徑規(guī)劃的重要環(huán)節(jié)，目的是建立一個便于計算機進行路徑規(guī)劃所使用的環(huán)境模型，即將實際的物理空間抽象成算法能夠處理的抽象空間，實現(xiàn)相互間的映射。（2）路徑搜索路徑搜索階段是在環(huán)境模型的基礎上應用相應算法尋找一條行走路徑，使預定的性能函數獲得最優(yōu)值。（3）路徑平滑通過相應算法搜索出的路徑并不一定是一條運動體可以行走的可行路徑，需要作進一步處理與平滑才能使其成為一條實際可行的路徑。對于離散域范圍內的路徑規(guī)劃問題，或者在環(huán)境建模或路徑搜索前已經做好路徑可行性分析的問題，路徑平滑環(huán)節(jié)可以省去。路徑規(guī)劃的常用算法一類是基于環(huán)境先驗信息的全局路徑規(guī)劃，主要方法有柵格法、可視圖法、自由空間法等。另一類是基于傳感器信息的局部路徑規(guī)劃，常用的方法有人工勢場法、遺傳算法、蟻群算法、神經網絡算法、空間搜索法、層次法、動作行為法、Dijkstra算法、Lee算法、Floyd算法等。（1）全局路徑規(guī)劃1）柵格法即用編碼的柵格來表示地圖，把包含障礙物的柵格標記為障礙柵格，反之則為自由柵格，以此為基礎作路徑搜索。柵格法一般作為路徑規(guī)劃的環(huán)境建模技術來用，作為路徑規(guī)劃的方法它很難解決復雜環(huán)境信息的問題，一般需要與其他智能算法相結合。柵格法2）可視圖法首先將自動駕駛視為一個點，然后將起點、障礙物和目標點的每個端點連接起來，并以直線連接各個端點，從而將路徑規(guī)劃問題轉化為從起點到目標點的最短路徑尋找問題?？梢晥D法的優(yōu)點是概念直觀、簡單，缺點是靈活性不好。當目標點或障礙物或起始點發(fā)生變化時，需要對視圖進行重構，而且障礙物的數目越多，算法越復雜。3）C空間法又稱可視圖空間法，即在運動空間中擴展障礙物為多邊形，以起始點、終點和所有多邊形頂點間的可行直線連線（不穿過障礙物的連線）為路徑范圍來搜索最短路徑。C空間法的優(yōu)點是直觀，容易求得最短路徑；缺點是一旦起始點和目標點發(fā)生改變，就要重新構造可視圖，缺乏靈活性。即其局部路徑規(guī)劃能力差，適用于全局路徑規(guī)劃和連續(xù)域范圍內的路徑規(guī)劃。尤其適用于全局路徑規(guī)劃中的環(huán)境建模。4）自由空間法針對可視圖法應變性差的缺陷，采用預先定義的基本形狀（如廣義錐形，凸多邊形等）構造自由空間，并將自由空間表示為連通圖，然后通過對圖的搜索來進行路徑規(guī)劃。由于起始點和終點改變時，只相當于它們在已構造的自由空間中位置變化，只需重新定位，而不需要整個圖的重繪。缺點是障礙物多時將加大算法的復雜度，算法實現(xiàn)困難。（2）局部路徑規(guī)劃算法1）遺傳算法遺傳算法是自動駕駛路徑規(guī)劃常用的算法。該算法模擬達爾文的生物進化理論，結合進化中優(yōu)勝劣汰的概念，是一種基于自然選擇和遺傳學原理的搜索算法。它是當代人工智能科學的一個重要研究分支，是一種模擬達爾文遺傳選擇和自然淘汰的生物進化過程中的計算模型。它的思想源于生物遺傳學和適者生存的自然規(guī)律，是按照基因遺傳學原理而實現(xiàn)的一種迭代過程的搜索算法。最大的優(yōu)點是易于與其他算法相結合，并充分發(fā)揮自身迭代的優(yōu)勢，缺點是運算效率不高，不如蟻群算法有先天優(yōu)勢，但其改進算法也是研究的熱點。遺傳算法具有快速的全局搜索能力，因此可以快速搜索全局最優(yōu)路徑，但系統(tǒng)中的反饋信息利用率不高，往往導致不作為的冗余迭代，求解效率低。蟻群算法通過信息素的積累和更新，收斂于最優(yōu)路徑。它具有分布性、并行性和全局收斂性等優(yōu)點。但在初始階段，所有路徑上的信息素都是相等的，使得算法有點像貪婪算法。該算法收斂速度慢，得到的解往往不是最優(yōu)解。2）蟻群算法蟻群算法的思想來自于對蟻群覓食行為的探索，每個螞蟻覓食時都會在走過的道路上留下一定濃度的信息素，相同時間內最短的路徑上由于螞蟻遍歷的次數多而信息素濃度高，加上后來的螞蟻在選擇路徑時會以信息素濃度為依據，起到正反饋作用，因此信息素濃度高的最短路徑很快就會被發(fā)現(xiàn)。算法通過迭代來模擬蟻群覓食的行為達到目的。具有良好的全局優(yōu)化能力、本質上的并行性、易于用計算機實現(xiàn)等優(yōu)點，但計算量大、易陷入局部最優(yōu)解，不過可通過加入精英蟻等方法改進。蟻群算法相對于遺傳算法來說具有一定的記憶力。蟻群算法有多種原理，如覓食原理、避障原理和遺傳算法。蟻群算法屬于群智能優(yōu)化算法，具有并行性。每一個粒子都能被主動優(yōu)化，而遺傳算法不能。蟻群算法3）神經網絡算法神經網絡算法是人工智能領域中的一種非常優(yōu)秀的算法，它主要模擬動物神經網絡行為，進行分布式并行信息處理。但它在路徑規(guī)劃中的應用卻并不成功，因為路徑規(guī)劃中復雜多變的環(huán)境很難用數學公式進行描述，如果用神經網絡去預測學習樣本分布空間以外的點，其效果必然是非常差。盡管神經網絡具有優(yōu)秀的學習能力，但是泛化能力差是其致命缺點。但因其學習能力強魯棒性好，它與其他算法的結合應用已經成為路徑規(guī)劃領域研究的熱點。神經網絡算法可以通過大量實際駕駛行為數據，學習避障和路徑規(guī)劃中隱含的、難以人工設計并提取的特征。深度學習的基本模型包括基于受限玻爾茲曼機的深度信任網絡、基于自動編碼器的堆疊式自動編碼器、卷積神經網絡、遞歸神經網絡。神經網絡算法由于無需迭代，采用前向網絡學習算法學習避障的速度非?？?，自組織神經網絡特性也可用于融合傳感器信息，學習從地圖上不同位置到目的地的行駛路線。一旦學習完成，自動駕駛就可以實現(xiàn)自主導航。通過司機在場景中的駕駛操作可以得到一套訓練集，輸入到神經網絡單元進行訓練，再輸出一個決策計劃結果。在獲得預期的軌跡后，需要控制車輛的轉向、制動、驅動以跟蹤軌跡。4）人工勢場法是一種虛擬力法。它模仿引力斥力下的物體運動，目標點和運動體間為引力，運動體和障礙物間為斥力，通過建立引力場斥力場函數進行路徑尋優(yōu)。優(yōu)點是規(guī)劃出來的路徑平滑安全、描述簡單等，但是存在局部最優(yōu)的問題，引力場的設計是算法能否成功應用的關鍵。人工勢場法路徑規(guī)劃的未來發(fā)展隨著科學技術的不斷發(fā)展，路徑規(guī)劃技術面對的環(huán)境將更為復雜多變。這就要求路徑規(guī)劃算法要具有迅速響應復雜環(huán)境變化的能力。這不是單個或單方而算法所能解決問題，因此在未來的路徑規(guī)劃技術中，除了研究發(fā)現(xiàn)新的路徑規(guī)劃算法外，還有以下幾方而值得關注：（1）先進路徑規(guī)劃算法的改進。任何一種算法在實際應用過程中都要面對諸多困難，特別是自身的局限性。例如：A*算法作為一種啟發(fā)式搜索算法具有魯棒性好，快速響應的特點，但是應用于實際中還是存在弊端，對于A*算法應用于無人機航跡規(guī)劃時的弊端，李季等提出了改進A*算法，解決了A*算法難以滿足直飛限制并且有飛機最小轉彎半徑等約束的局限性這一問題。（2）路徑規(guī)劃算法的有效結合（即混合算法）。任何的單一路徑規(guī)劃算法都不可能解決所有實際應用中的路徑規(guī)劃問題，特別是在面對交叉學科的新問題時，研究新算法的難度大，路徑規(guī)劃算法間的優(yōu)勢互補為解決這一問題提供了可能。對于多空間站路徑規(guī)劃問題，金飛虎等把蟻群算法和神經網絡方法相結合解決了這一問題，并避免了單純運用神經網絡算法時出現(xiàn)的局部最小問題。（3）環(huán)境建模技術和路徑規(guī)劃算法的結合。面對復雜的二維甚至三維連續(xù)動態(tài)環(huán)境信息時，算法所能做的是有限的，好的建模技術和優(yōu)秀路徑規(guī)劃算法相結合將成為解決這一問題的一種方法。如柵格法和蟻群算法的結合，C空間法和Dijkstra算法的結合等。（4）多智能體并聯(lián)路徑規(guī)劃算法設計。隨著科學技術的應用發(fā)展，多智能體并行協(xié)作已經得到應用。其中，多機器人協(xié)作和雙機械臂協(xié)作中的路徑沖突問題日漸為人們所關注，如何實現(xiàn)其無碰路徑規(guī)劃將成為日后研究的熱點之一。智能網聯(lián)汽車行為決策與車輛控制【過渡】提問同學們車輛在行駛過程中是如何進行控制？聯(lián)系傳統(tǒng)汽車的控制方式。汽車智能駕駛行為決策智能網聯(lián)汽車的自動駕駛分為感知定位、規(guī)劃決策、執(zhí)行控制三個部分。決策是指決策控制電腦在整個無人駕駛系統(tǒng)中的作用，并根據位置、感知和路徑規(guī)劃等信息確定無人駕駛車輛的策略。智能網聯(lián)汽車的行為決策是基于環(huán)境感知和導航子系統(tǒng)的信息輸出，它包括選擇哪條車道，是否換車道，是否跟車，是否繞道，是否停車。智能網聯(lián)汽車的行為決策行為決策層匯集了所有重要的車輛周圍信息，不僅包括汽車本身的當前位置、速度、方向和所在車道，還包括汽車一定距離內與感知相關的所有重要障礙物體信息和預測軌跡，在所獲得信息的基礎上來確定汽車的駕駛策略。主要包括預測算法、行為規(guī)劃和動作規(guī)劃等。汽車智能駕駛車輛控制（或者叫執(zhí)行控制）汽車智能駕駛車輛控制車輛控制是指控制轉向、驅動和制動，執(zhí)行規(guī)劃決策模塊發(fā)出需求速度和需求方向盤轉角，另外也包括轉向燈、喇叭、車窗、儀表等車身電器控制信號。自動駕駛要實現(xiàn)對車輛的運動和車身電器進行自動控制，需要相應的線控系統(tǒng)來滿足，其中車身電器系統(tǒng)用于實現(xiàn)對車輛內外部燈光、車門以及人機交互界面等內外部交互的控制，底盤線控系統(tǒng)用于實現(xiàn)對車輛運動的控制。底盤線控系統(tǒng)包括轉向、制動、驅動控制，其中制動部分包括行車制動、駐車制動與輔助制動，驅動系統(tǒng)包括發(fā)動機/電機/混合動力控制、傳動系統(tǒng)控制等。執(zhí)行控制算法可以劃分為車輛的縱向控制和側向控制。（1）車輛縱向控制縱向控制是通過車輛的驅動和制動系統(tǒng)等控制車速，縱側向控制的整體效果是車輛沿規(guī)劃的軌跡，在特定行為模式下，以安全舒適的方式行駛并最終抵達目的地。（2）車輛橫向控制橫向控制是通過轉向系統(tǒng)等控制車輛的橫向運動。車輛橫向控制用于控制車輛保持在規(guī)劃的行駛軌跡上，直到完成駕駛任務。橫向控制系統(tǒng)通過跟蹤和預測當前車輛行駛軌跡，并實時與目標軌跡進行對比，根據軌跡間航向、曲率和距離的偏差，實時調整車輛橫向運動，以保證車輛始終跟隨目標軌跡。橫向控制的算法的設計也受舒安全、舒適、節(jié)能等指標的約束。由于智能網聯(lián)汽車信息的豐富性，橫向控制需求的規(guī)劃軌跡可以來源于很多方面，比如：由高精度地圖規(guī)劃的全局軌跡、根據當前環(huán)境狀態(tài)規(guī)劃的局部路徑、車道保持系統(tǒng)中提供的車道識別信息，在橫向控制中需要根據安全、舒適、節(jié)能等指標融合各類感知信息，決策最優(yōu)控制指令。（三）任務實施【咨詢】詢問學生操作過程中遇到的問題，收集問題任務描述要求在這個右轉彎的場景，控制車輛正常右轉彎，并在紅綠燈處的路口停車。首先需要你對行駛策略進行規(guī)劃，并在路徑規(guī)劃界面，設置相關指令及參數，按要求完成右轉彎的任務。如果行駛不合理，再對指令和參數進行優(yōu)化。右轉彎場景【引導】引導學生思考討論“車輛在右轉彎場景應該如何正常行駛”，比如先直線行駛、轉彎前要減速、不能壓線等，還可讓學生思考討論“車輛可以在哪條車道上行駛”。整車底盤線控系統(tǒng)的控制與優(yōu)化流程整車底盤線控系統(tǒng)的控制與優(yōu)化實訓，具體流程如下：整車底盤線控系統(tǒng)的控制與優(yōu)化流程設備物料介紹【提示】結合實物講解設備包括智能網聯(lián)汽車底盤線控實訓系統(tǒng)（下文簡稱臺架），物料及防護用品包括清潔抹布、安全帽和工作手套。設備物料介紹作業(yè)前的準備（1）檢查并穿戴工作手套和安全帽。（2）檢查臺架萬向輪是否已鎖止，確保萬向輪處于鎖止狀態(tài)。（3）連接臺架電源線，啟動臺架電源。啟動臺架電源（4）啟動點火開關后臺架電腦自動啟動，檢查換檔旋鈕的檔位是否處于N檔。啟動點火開關底盤線控系統(tǒng)的控制（1）在電腦桌面打開“智能網聯(lián)教學車調試軟件-線控底盤”。（2）選擇CAN通道1，將波特率調整為：500k，打開“開啟設備”按鈕，CAN數據會實時的刷新。調試軟件（3）單擊“路徑規(guī)劃”按鈕，進入底盤線控系統(tǒng)的控制與優(yōu)化界面。底盤線控系統(tǒng)的控制與優(yōu)化界面(4)單擊“添加指令”按鈕，在第一行指令中選擇前進，并輸入前進的速度和前進的時間。設置第一行指令(5)再次單擊“添加指令”按鈕，在第二行指令中選擇前進，并輸入前進的速度和前進的時間。設置第二行指令(6)再次單擊“添加指令”按鈕，在第三行指令中選擇右轉，并輸入轉向的角度和轉向的時間。設置第三行指令(7)再次單擊“添加指令”按鈕，在第四行指令中選擇前進，并輸入前進的速度和前進的時間。設置第四行指令(8)單擊“執(zhí)行指令”按鈕后，仿真車輛將按照控制指令行駛，觀察車輛右轉彎行駛是否正確。車輛未完成正常右轉彎的場景要求底盤線控系統(tǒng)的控制優(yōu)化（1）單擊“回到起點”按鈕，仿真車輛自動回到起點位置。（2）反復調整相關指令參數(答案不是唯一的），再重新單擊“執(zhí)行指令”，讓車輛最終完成正常右轉彎的場景要求，底盤線控系統(tǒng)的控制與優(yōu)化任務結束。車輛完成正常右轉彎的場景要求整理與清潔（1）關閉軟件和電腦。（2）關閉點火開關。（3）關閉臺架電源開關并拔出電源線。（4）清潔臺架和工作臺。（5）卸下安全防護用品。（四）任務考核【提示】教師監(jiān)督學生完成任務考核了解道路狀況觀察右轉彎場景圖，了解并填寫道路狀況。道路狀況轉彎前，兩個車道都可以右轉彎。轉彎后，兩個車道都可以直行。轉彎后，很快有一個紅綠燈路口。在下表中填寫行駛策略規(guī)劃序號行駛策略1前進（速度可快）2前進（速度需慢）3右轉彎4前進填寫第一次設置的控制指令和參數，并分析控制優(yōu)化方案（沒有標準答案）序號指令參數時間1前進3022前進1513右轉150.74前進3025678分析控制優(yōu)化方案：前進的時間不夠長，太早右轉彎。調整右轉彎時機后，又發(fā)現(xiàn)右轉后壓線，且車輛沖出路口停止線。分析人：填寫最終成功的控制指令和參數序號指令參數時間1前進3022前進151.63右轉150.74前進301.75678（六）思政內容[天津德科智控股份有限公司]-讓智能駕駛線控技術更簡單！是一家車輛智能駕駛線控技術研發(fā)商，專注于車規(guī)級線控技術研發(fā)與批量產品落地，實現(xiàn)車輛的高級輔助駕駛（ADAS），助力L4級自動駕駛技術在低速場景及商用車領域的應用落地，已成為國內智能駕駛線控技術領軍企業(yè)。德科智控是國內最早從事電動助力轉向系統(tǒng)研究的公司之一，公司創(chuàng)始團隊深耕線控底盤技術，以滿足車輛電動化、智能化，實現(xiàn)底盤線控類產品安全、可靠為已任。歷經二十余年的研發(fā)，已實現(xiàn)從電動助力產品到智能線控產品的量產。公司已擁有L4級車輛智能駕駛線控冗余算法，L2-L4級線控智能硬件平臺，車規(guī)級線控轉向系統(tǒng)，車規(guī)級線控電液轉向系統(tǒng)，電動助力轉向系統(tǒng)，電液助力轉向系統(tǒng)等產品。德科智控擁有硬件、算法，傳感器和電機四大核心技術，可快速響應滿足客戶需求。擁有獨立的總裝車間、防塵防靜電恒溫恒濕控制器總裝車間、高效的電機生產線以及完整的實驗室。公司還獲得了歐盟的ECE認證及IATF16949質量體系認證。德科智控與合作伙伴建立了良好的合作關系，連續(xù)8年保持同行業(yè)出口第一名，產品在多個細分領域保持第一。德科智控已和數十家行業(yè)頭部企業(yè)戰(zhàn)略合作，服務多家高校無人駕駛團隊，依托二十余年在電動助力轉向系統(tǒng)研發(fā)的經驗，和近160萬臺市場交付，融合車規(guī)級產品化能力，助力合作伙伴的L4級無人車產品商業(yè)化落地和規(guī)模化交付，在智慧城市物流、L4級自主代