重卡与矿卡液力缓速器:计算、热管理与自动驾驶接入(下)

本文为下篇，承接上篇的结构、油路和阀控逻辑，继续说明液力缓速器的制动计算、热管理、整车制动协同、矿卡自动驾驶接入、故障诊断和量产实现路线。

九、计算方法：把制动需求变成缓速器目标

计算可以从车辆纵向力平衡开始。车辆沿坡方向的阻力和驱动力包括重力坡道分量、滚动阻力、空气阻力、传动阻力、发动机缸内制动、电制动、缓速器制动力、机械制动力。下坡恒速时，纵向加速度接近零，所有向下坡方向推动车辆的力必须被制动和阻力抵消。自动驾驶控制器如果要让矿卡稳定在 25 km/h，就要实时算出需要多少制动功率。

当目标是恒速下坡时，可以把目标加速度设为零，然后得到总制动需求。总制动需求再换算成传动轴扭矩。假设某一时刻需要 600 kW 缓速功率，传动轴转速为 1800 rpm，角速度约 188.5 rad/s，那么所需轴端扭矩约 3183 N·m。这个数要与缓速器在当前转速、油温和填充率下的可用扭矩比较。如果可用扭矩不足，就要分配给机械制动或降低目标速度。

第二个计算是填充动态。工作腔油量不是瞬间变化的，而是由充油流量和排油流量共同决定。控制器发出阀电流后，比例阀线圈产生电磁力，阀芯移动，阀口面积变化，流量变化，工作腔压力变化，油液循环强度变化，最终扭矩变化。这里每一段都有延迟和非线性，所以工程上会把快速前馈、斜率限制、抗积分饱和和状态机组合起来。

第三个计算是热平衡。制动功率不是凭空消失，它几乎全部变成油液热和结构热。若不考虑冷却，600 kW 持续 60 秒就是 36 MJ 能量；如果只让几十公斤油吸收，温升会离谱。实际系统依赖油液循环、壳体换热和油水换热，把热交给发动机冷却系统或独立散热系统。因此长下坡能力往往不是由最大瞬时扭矩决定，而是由连续散热能力决定。

图 13：热平衡模型示意。液力缓速器的持续能力由制动功率和散热能力共同决定。

第四个计算是保护限制。缓速器可用扭矩不是固定数，而是一个随状态变化的上限：转速太低，上限下降；油温太高，上限下降；水温太高，上限下降；ABS 介入，上限可能直接归零；压力传感器异常，上限可能进入降级；阀响应超时，系统可能禁止继续增加制动。最终给执行器的不是原始需求，而是经过可用性裁剪后的安全目标。

十、热管理：真正决定长坡表现的系统

图 14：液力缓速器台架/温度传感器试验照片。

液力缓速器的热管理有三层。第一层是油侧：油液被转子搅动、在叶道和壳体中循环，把机械功转化为热。油液要有合适黏度、抗泡性、抗氧化性和热稳定性。油温升高后黏度降低，可能导致压力下降、泄漏增加、冲击力变化和制动能力下降。传动液温度升高会使黏度下降，并带来工作腔压力、叶片冲击力和制动性能变化。

第二层是换热器。板式换热器的优势是紧凑、换热系数高，适合把油侧热量快速交给水侧。换热器的问题是流阻、污堵和冷却水温边界。如果矿区粉尘大、散热器堵塞、风扇效率下降，缓速器表面上没有坏，持续制动能力却会下降。很多长下坡事故不是最大制动力不够，而是连续散热被高估。

第三层是整车冷却。液力缓速器把热交给冷却液后，冷却液还要通过散热器把热交给空气。发动机本身、变速箱、液压系统、空调和环境温度都会争夺散热能力。自动驾驶矿卡如果只用车速误差调制缓速器，不看冷却系统热余量，就可能在前半段坡道表现很好，后半段因热保护突然降扭，导致速度上冲。更成熟的控制会把前方坡长、坡度、当前油温、水温和散热器状态一起纳入预测。

实际标定中的热保护不是单一阈值，而是分级策略。比如油温达到一级阈值时限制最大填充率，达到二级阈值时请求机械制动补偿并提示驾驶员，达到三级阈值时强制退出高档位或进入故障保护。自动驾驶系统则应提前降速，避免把缓速器推到热保护边缘后才被动补救。

十一、与其他制动源的协调

液力缓速器的优点是无摩擦磨损、制动平顺、适合持续工作；缺点是低速能力下降、热量最终要散出、不能单独完成停车。因此它必须与其他制动协同。机械制动适合低速、停车、紧急制动和精确末端控制；发动机制动适合利用发动机泵气损失或排气制动提供中等强度辅助；电驱车辆还可能用电机再生或电阻制动。

制动分配通常遵循一个原则：优先使用低磨损、可持续、对稳定性影响可控的制动源。长下坡时，控制器会尽量让缓速器承担主要制动功率；接近停车点时，机械制动逐渐接管；低附着路面上，ABS/EBS 可以限制或切断缓速器，防止驱动轮抱死或车辆稳定性下降。

这里有一个容易被忽略的问题：缓速器作用在传动系上，最终制动力主要通过驱动轮传到地面。如果车辆空载、低附着或驱动桥载荷不足，过大的传动系制动可能导致驱动轮滑移。ABS/EBS 看到轮速异常时，必须能快速让缓速器降扭或退出。现代整车制动管理的意义就在这里：它不是让所有制动器同时用力，而是在轮胎附着和热边界内分配每个执行器的任务。

对驾驶员来说，好的协调表现为脚感自然、下坡速度稳定、换挡不中断制动力、没有突兀冲击。对自动驾驶系统来说，好的协调表现为减速度跟踪误差小、执行器切换平顺、热保护可预测、故障降级可解释。液力缓速器越强，越不能把它当成简单开关；它越应该被纳入整车制动能量管理。

十二、放进矿卡自动驾驶系统：它不是线控转向，而是线控制动

矿卡自动驾驶系统通常包括感知、定位、规划、控制和底盘执行。感知和定位知道车辆在哪里、坡度如何、前方道路和车队状态如何；规划给出目标速度曲线和停车点；纵向控制器根据目标速度、实际速度、坡度和载荷计算目标驱动力或制动力；底盘执行层再把制动需求分配给液力缓速器、发动机制动、电制动和机械制动。

液力缓速器在这个链路有清晰的接口信号。输入信号包括启用请求、目标档位或目标扭矩、最大允许变化率、释放请求、热管理请求。输出信号包括工作状态、当前档位、估算扭矩、油温、水温、控制压力、故障码、可用最大扭矩、热余量和是否被 ABS/EBS 限制。没有这些状态反馈，自动驾驶系统就只能盲控；有了这些反馈，纵向控制器才能提前规划坡道速度和制动分配。

对矿区无人驾驶而言，最重要的不是把车刹得越猛越好，而是把速度控制得可预测。坡道入口之前，系统可以根据地图坡度和载荷预测未来几百米的制动功率需求；如果热余量不足，可以提前降低入坡速度或增加服务制动冷却间隔；如果排土场道路附着差，可以降低缓速器最大扭矩，避免驱动轮滑移。液力缓速器因此从“驾驶员手柄控制的辅助件”变成“纵向能量管理执行器”。

图 16：Allison 4000 Series 面向重型车辆，可用于工程、能源、矿业等高负荷应用。

图 17：Allison 8000 Series 面向能源和矿业严苛工况。

图 18：Allison 9000 Series 面向矿用车辆、油田设备和起重机等高载荷应用。

十三、故障诊断与标定：从“感觉不对”到“信号可定位”

图 19：液力缓速器故障诊断思路，把扭矩误差拆成油侧、阀侧、热侧和信号侧。

液力缓速器的故障常常不是“完全坏掉”，而是表现为制动力偏小、响应变慢、释放不干净、温度上升过快、低速拖滞、控制压力异常、仪表报警或 ABS 频繁介入。外行人容易把这些都归结为“缓速器不好用”，工程上必须拆成可测信号：阀电流是否到位，控制压力是否跟随，工作腔压力是否建立，油温是否过高，水温是否异常，油液是否起泡，排油是否及时，转速估算是否正确。

标定分为静态、动态和整车三层。静态标定看阀电流与控制压力、阀芯位移和流量之间的关系；动态标定看充油时间、排油时间、扭矩上升斜率、过冲和滞环；整车标定看不同载荷、坡度、速度、档位和环境温度下的速度保持能力。一个好的标定不会只追求最大扭矩，而会同时限制冲击、热衰减和释放拖滞。

台架数据是控制的基础。台架可以稳定扫转速、油温、阀位和填充率，得到扭矩地图；整车道路试验再修正传动系损失、冷却边界和驾驶感受。对自动驾驶矿卡，还需要把地图坡度、载荷估算和热模型结合起来，形成坡道预测控制。否则车辆可能在短坡上表现很好，在长坡上因为热边界和控制延迟暴露问题。

诊断策略也要分级。压力传感器短时波动不一定是硬故障，可能是油液气泡或阀动作；油温高不一定是缓速器本体问题，可能是散热器堵塞或风扇控制不足；扭矩偏小不一定是转子定子磨损，可能是充油阀响应慢。工程上应建立故障树和数据闭环，把“驾驶员感觉”转成可复现的信号组合。

十四、结构优化：叶片、流道、蜗壳和空转损失

液力缓速器的性能不只靠控制，也靠结构。叶片角度、叶片数、内外径、环面截面、进出口位置、蜗壳流道、间隙和扰流装置都会影响扭矩、效率、温升和空转损失。公开论文中大量使用 CFD、PIV、台架实验研究叶片角度、流场涡结构、阀口流动和换热过程，本质上都是在回答同一个问题：怎样让需要制动时能量损失足够强，不需要制动时拖曳损失足够小。

空转损失特别值得讲。缓速器关闭时，如果工作腔内还有油，转子会继续搅油，车辆就像一直带着轻微制动，燃油经济性下降；如果腔内主要是空气，仍然会有空气搅动损失，转速越高越明显。工程上会通过快速排油、气液分离、扰流片、阀板、合理间隙和低拖曳设计来降低关闭状态损失。

结构优化还要兼顾制造。叶片曲面越复杂，CFD 可能越漂亮，但铸造、机加工、动平衡、强度和一致性会变难。矿用工况粉尘、冲击、长时间高温、维护条件差，往往更看重鲁棒和可维护。一个适合实验室的高性能叶片，不一定适合矿区批量运行；一个适合公路牵引车的轻量化壳体，也不一定适合矿卡高冲击载荷。

设计是多目标优化：最大扭矩、连续功率、响应时间、释放时间、空转损失、重量、成本、噪声、可靠性和冷却能力同时拉扯。控制算法可以修正一部分非线性，但不能弥补散热能力不足；结构优化可以提高功率密度，但不能替代 ABS/EBS 的安全协调。

十五、一句话总结

如果用一句话概括：液力缓速器是一台装在传动系上的“可控油液搅拌制动机”。车辆越快，转子把油搅得越厉害；油越多，动量交换越强；热越多，冷却系统越忙；控制越好，车辆下坡越稳。它的核心不是摩擦，而是流体动量和热管理；它的控制对象不是车轮角度，而是纵向制动扭矩；它的工程难点不是单个叶轮，而是机械、油路、阀控、温度、ABS/EBS 和自动驾驶纵向控制的系统闭环。

对于重卡，它能显著减少机械制动使用，让长下坡更安全、更平顺；对于矿卡，它是满载坡道能量管理的重要执行器；对于自动驾驶，它必须从“人手柄控制的辅助制动”升级为“可请求、可反馈、可限制、可诊断的线控制动执行器”。只有这样，控制器才能知道它什么时候能用、能用多少、还能持续多久，以及什么时候必须把任务交给其他制动系统。

十六、从需求、标定到量产控制

如果对液力缓速器进行与车辆进行配套选型，第一步不是画叶轮，也不是写控制算法，而是定义使用场景。车辆最大总质量是多少，最大坡度是多少，典型坡长是多少，允许下坡速度是多少，环境温度范围是多少，冷却系统能给缓速器分配多少散热能力，机械制动希望减少多少使用次数，这些需求会直接决定缓速器的额定扭矩、连续功率、油量、换热器尺寸和控制响应。重卡高速长坡和矿卡低速重载坡道的需求并不一样，前者更关注高速持续制动和驾驶舒适，后者更关注高载荷、粉尘环境、低速坡道和维护可达性。

第二步是建立一套可标定的扭矩模型。通常不会在车上实时求解三维流体方程，而是把台架和仿真结果压缩成 Map、修正系数和保护边界。基础 Map 可以用转速、油温、控制压力或阀电流作为输入，输出估算缓速扭矩；温度修正表处理黏度变化；填充动态模型处理充油和排油延迟；热模型预测未来几十秒的油温趋势。这样做的好处是计算量小、可解释、便于诊断，也便于在不同车型之间迁移。

第三步是台架标定。台架需要能够稳定控制输入转速、油温、冷却水温、阀电流或控制压力，并测量输出扭矩、油压、流量和温度。标定人员会扫多个转速点、多个阀位点、多个初始油温点，得到扭矩上升曲线、稳态扭矩、释放时间和温升曲线。真正有价值的不是某一个最大扭矩点，而是整张 Map 的连续性：同样的目标扭矩在相邻转速和相邻温度下不能出现突跳，否则整车控制会感到“台阶”。

第四步是软件实现。缓速器 ECU 或 VCU 中通常会把控制拆成输入处理、请求仲裁、可用扭矩计算、目标扭矩限制、前馈计算、反馈修正、状态机、故障诊断和通信上报几个模块。输入处理负责过滤手柄、踏板、自动驾驶请求和 CAN 信号；请求仲裁决定谁的优先级最高；可用扭矩计算根据转速、温度和故障状态给出上限；前馈计算给阀一个接近目标的初值；反馈修正处理误差；状态机保证建压、保持、释放和故障不会互相打架。

第五步是硬件在环和整车验证。HIL 可以模拟传感器、CAN、阀响应和故障注入，验证软件不会在信号丢失、温度异常、压力异常、ABS 介入时做危险动作。整车试验则要覆盖空载、半载、满载，不同坡度、不同车速、不同环境温度和不同冷却状态。矿区车辆还要考虑连续作业循环：上坡重载、下坡重载、低速排队、粉尘堵塞、驾驶员或远程调度频繁改变目标速度，这些工况会暴露单次台架试验看不到的问题。

第六步是功能安全和降级策略。液力缓速器失效通常不会像转向失效那样立即改变车辆方向，但在长下坡上，制动能力突然下降同样危险。因此系统必须定义清楚：传感器故障时是保持当前扭矩、缓慢释放还是立即退出；温度过高时是限制档位、请求服务制动还是降低目标车速；通信中断时是采用最近一次有效请求还是进入安全释放；ABS 介入时降扭速度要多快；自动驾驶接管时人类驾驶员是否能够覆盖请求。

第七步是维护和数据闭环。液力缓速器的长期表现与油液品质、滤芯、换热器清洁度、冷却液状态、阀体污染和传感器漂移有关。矿区运营最好把缓速器状态纳入远程健康管理：统计每次长坡的最大油温、温升速率、阀电流与压力偏差、释放后的拖滞功率、ABS 限制次数和故障码。这样可以在制动能力明显下降前安排维护，而不是等驾驶员反馈“最近下坡压不住车”。

到这里，一个液力缓速器项目才算从“有硬件”走到“能量可管理”。机械工程师负责让转子、定子、壳体和换热器承受能量；液压工程师负责让油路和阀体响应稳定；控制工程师负责让目标扭矩可跟踪；整车工程师负责让 ABS、EBS、服务制动和自动驾驶协同；运维工程师负责让系统在矿区粉尘、高温、长周期作业中保持性能。它看似只是一个辅助制动器，实际是一套跨机械、流体、热、电子和软件的系统工程。

图 20：Allison 的液力缓速器/变速箱局部示意

参考资料

[1] Voith Retarders brochure: hydrodynamic retarder principle, VERA control, cooling integrationhttps://d2euiryrvxi8z1.cloudfront.net/asset/445934742530/4e5e6734a5e78fa64af82e159fa60a01/vt0272-english.pdf

[2] ZF: Intarder for Truck Transmissionshttps://www.zf.com/products/en/cv/products_76431.html

[3] Allison Transmission: Integral Retarderhttps://www.allisontransmission.com/innovation-and-technology/the-allison-advantage/integral-retarder

[4] Allison Retarder Brochure SA7766ENhttps://allisontransmission.bynder.com/m/7b7809dcc7be53ac/original/SA7766EN-Retarder-Brochure-080221-pdf.pdf

[5] Allison Transmission Products overviewhttps://www.allisontransmission.com/applications--products/products

[6] Chen et al., Numerical Investigation and Experimental Verification of the Fluid Cooling Process, Machines 2022https://www.mdpi.com/2075-1702/10/10/887

[7] Wei et al., Discharging Valve Flow Field Reconstruction in a Hydrodynamic Retarder, Machines 2023https://www.mdpi.com/2075-1702/11/4/460

[8] Wang et al., Comprehensive Evaluation of Hydrodynamic Retarders, Machines 2023https://www.mdpi.com/2075-1702/11/9/849

[9] Wei et al., Hysteresis compensation control strategy of a pneumatic hydrodynamic retarder, Physics of Fluids 2024https://pubs.aip.org/aip/pof/article/36/2/027148/3267904/On-the-hysteresis-characteristics-and-compensation

[10] Wei et al., Design and optimization of bionic Nautilus volute for a hydrodynamic retarder, Engineering Applications of Computational Fluid Mechanics 2023https://www.tandfonline.com/doi/full/10.1080/19942060.2023.2273391

[11] 李强等：液力缓速器结构优化设计与仿真实验分析https://qikan.cmes.org/yyyqd/CN/10.11832/j.issn.1000-4858.2020.11.010

[12] Voith Patent: Hydrodynamic Retarder working chamber and heat exchanger circuithttps://www.freepatentsonline.com/y2022/0041148.html