2、转向手感模拟基础:驾驶员转向手感需求分析、手感模拟的物理意义、手感模拟的评价指标
各位工程师朋友,咱们今天聊聊转向手感模拟的根基。说实话,线控转向系统里最让我头疼的,从来不是执行器响应有多快,而是——驾驶员到底想要什么样的手感?
我做了十几年转向系统,见过太多项目在台架上跑得完美,一上车就被骂“假”、“电子味太重”。为什么?因为手感模拟这件事,本质上不是控制问题,而是人机交互问题。你想想看,一个没有机械连接的转向系统,所有反馈都是“演”出来的,演得像不像,全看你对驾驶员需求的理解有多深。
2.1 驾驶员转向手感需求分析
先问个问题:驾驶员通过方向盘到底想感知什么?
我个人习惯把需求拆成三个层次:
- 力感需求:方向盘回正力矩的大小、随车速变化的增益、死区附近的力感建立。说白了,就是“打方向费不费劲”。
- 路感需求:轮胎与路面接触信息的传递。比如压到石子、过接缝、路面倾斜,这些信息要通过方向盘传递给驾驶员。
- 响应需求:转向输入与车辆响应的匹配感。打多少方向,车头转多少,这个比例关系要线性、可预期。
我在项目中遇到过一件事:某款车的线控转向手感,低速时调得特别轻,用户反馈“像在玩游戏”。后来我们加了低速阻尼和微小的回正力矩梯度,用户才觉得“有开车的感觉”。你看,手感不是越轻越好,而是要有“质感”。
核心观点:驾驶员对手感的需求,本质上是“可预测性”和“信息丰富度”的平衡。太轻则失去信息,太重则疲劳。
具体来说,不同驾驶场景下的需求差异很大:
| 场景 | 力感需求 | 路感需求 | 响应需求 |
|---|---|---|---|
| 低速泊车 | 极轻,单手可操作 | 低,不需要路面细节 | 快速响应,减少操作圈数 |
| 城市道路 | 中等,有轻微回正感 | 中等,感知路面类型 | 线性,跟随性好 |
| 高速巡航 | 偏重,有稳定感 | 低,过滤高频抖动 | 小角度响应要平缓 |
| 紧急避障 | 快速建立力矩,不滞后 | 高,需要极限抓地力信息 | 瞬态响应要快 |
嗯,这里要注意:不同驾驶员对同一场景的感受也可能完全不同。我见过女司机觉得低速2Nm就重了,也见过开惯卡车的觉得5Nm才叫“有手感”。所以,好的手感模拟系统一定要支持可调,甚至自适应。
2.2 手感模拟的物理意义
为什么线控转向需要手感模拟?直接给个恒定的力不行吗?
不行。因为方向盘手感承载着驾驶员的“心理模型”。
你想想看,传统转向系统里,方向盘力矩是怎么来的?是轮胎侧偏力通过转向机构传递回来的。这个力矩里包含了:
- 轮胎与地面的摩擦信息
- 悬架几何带来的回正力矩
- 转向系统内部的摩擦和阻尼
- 车速对力矩的增益影响
线控转向切断了这个物理连接,所以我们必须用算法“重建”这些物理特性。这就是手感模拟的物理意义——用数学模型替代机械传递函数。
我的经验:手感模拟的核心不是“复刻”,而是“重构”。完全复刻传统转向手感反而不好,因为线控转向没有机械滞后和摩擦,复刻出来的手感会显得“太干净”、“不真实”。适当加入一些经过设计的阻尼和摩擦模型,反而更自然。
从物理模型角度看,手感模拟通常包含以下几个部分:
- 回正力矩模型:基于车速和方向盘转角,计算基础回正力矩。常用的是线性区模型+饱和区修正。
- 阻尼模型:模拟转向系统的粘性阻尼,防止方向盘回正时出现振荡。
- 摩擦模型:模拟机械系统的库仑摩擦,让手感有“颗粒感”。
- 惯性模型:模拟方向盘和转向柱的转动惯量,让手感有“重量感”。
- 路感注入:将轮胎力、路面信息通过带通滤波器注入到力矩指令中。
我曾经踩过一个坑:某次路感注入时,直接把轮胎侧偏力信号乘以增益加到方向盘上,结果驾驶员反馈“方向盘在抖”。后来发现是没做频率整形——轮胎力的高频成分应该被滤掉,只保留0.5-5Hz的有效频段。
2.3 手感模拟的评价指标
手感好不好,不能光靠“我觉得”。得有量化指标。我这些年总结下来,评价指标分三类:
2.3.1 客观指标
- 力矩跟踪误差:目标力矩与实际输出力矩的偏差。一般要求稳态误差<0.1Nm,动态误差<0.3Nm。
- 相位滞后:方向盘转角输入与力矩输出的相位差。滞后太大会让驾驶员觉得“慢半拍”。
- 带宽:手感模拟系统的响应频率。通常要求>10Hz,才能覆盖驾驶员的操作频段。
- 回正残余角:松开方向盘后,方向盘能否回到中心位置。残余角>3°就算不合格。
2.3.2 主观评价指标
这个更关键,因为最终是人在开车。我习惯用以下维度打分(1-10分):
| 维度 | 描述 | 及格线 | 优秀线 |
|---|---|---|---|
| 线性度 | 力矩随转角变化的平滑程度 | 6 | 8 |
| 路感清晰度 | 路面信息传递的清晰程度 | 5 | 7 |
| 回正自然度 | 松开方向盘后回正过程的流畅性 | 6 | 8 |
| 中心区手感 | 直线行驶时小角度修正的质感 | 5 | 7 |
| 极限信息反馈 | 接近附着极限时的预警感 | 4 | 7 |
注意:主观评价一定要做双盲测试。我曾经让工程师自己评价自己的手感,结果全是高分。后来换成不知道参数设置的测试人员,才发现了真实问题。
2.3.3 综合指标
我推荐一个我自己常用的综合指标——手感品质因子(Haptic Quality Factor, HQF):
HQF = w1 * (1 - |e_torque|/T_max) + w2 * (1 - phase_lag/90°) + w3 * subjective_score/10
其中w1、w2、w3是权重系数,根据车型定位调整。运动型车w2(相位滞后)权重大一些,舒适型车w1(力矩精度)权重大一些。这个指标虽然不完美,但至少让团队有了统一的讨论语言。
最后,我想说一句:手感模拟没有标准答案。不同品牌、不同车型、甚至不同市场,对“好手感”的定义都不一样。但有一点是共通的——手感必须让驾驶员觉得“可控”。只要驾驶员觉得车听话、不突兀、不惊吓,手感就成功了一大半。
好了,这一章的内容就到这里。下一章我们会深入手感模拟的核心算法——回正力矩模型的构建方法,到时候我会分享一些具体的模型参数标定经验。
公众号:蓝海资料掘金营,微信deep3321