3、路感模拟基础:路感的概念、来源与驾驶员期望
线控转向(SBW,Steer-By-Wire)系统取消了方向盘与转向机之间的机械连接,这一根本性的架构变革带来了布置灵活、碰撞安全性提升、驾驶模式可自由标定等优势,但也随之产生了一个核心挑战:如何在没有机械反馈的情况下,为驾驶员重建真实、自然且富有信息量的“路感”。路感模拟并非简单地施加一个回正力矩或阻尼力,而是需要深入理解路感的物理本质、感知心理学以及车辆动力学特性。本章作为路感模拟的基石,将系统阐述路感的概念内涵、物理来源(轮胎力、回正力矩、路面激励)以及驾驶员对路感的期望与评价指标,为后续章节的算法设计与控制策略奠定理论基础。
3.1 路感的概念与本质
路感(Road Feel)在传统转向系统中,是指驾驶员通过方向盘感知到的、反映车辆行驶状态与轮胎-路面接触状态的力矩和转角信息的总和。它并非单一的物理量,而是一个多维度、多频率的复合信号。从物理层面看,路感表现为方向盘上的力矩(包括大小、方向、变化率)和转角(包括角度、角速度)的实时反馈;从感知层面看,路感是驾驶员判断车辆姿态、轮胎附着极限、路面条件的重要信息来源。在SBW系统中,由于机械解耦,路感完全由路感模拟器(通常为永磁同步电机+减速机构)主动生成,因此其定义被扩展为:通过控制算法对车辆状态信号(如车速、横摆角速度、侧向加速度、前轮转角等)进行重构,在方向盘上复现出符合驾驶员心理预期和车辆动力学特性的力矩反馈。
路感的本质是“信息传递的保真度”。传统机械转向中,路感由物理连接直接传递,虽然真实但不可调节;SBW路感模拟则是一种“虚拟重构”,其核心在于建立从车辆动力学状态到方向盘力矩的映射模型。这种映射不是简单的比例放大,而是需要综合考虑频率特性、相位延迟、阻尼特性和非线性因素。例如,在高速直线行驶时,驾驶员期望方向盘有适中的“紧绷感”和较小的自由间隙;而在低速泊车时,则期望方向盘轻盈、回正顺畅。这些差异化的需求,正是路感模拟算法需要解决的核心问题。
3.2 路感的物理来源:轮胎力、回正力矩与路面激励
要生成逼真的路感,必须深入理解其物理来源。在传统转向系统中,方向盘力矩主要由以下三部分贡献:
3.2.1 轮胎力(Tire Forces)
轮胎与路面相互作用产生的力是路感的最根本来源。当车辆转向时,轮胎产生侧偏力(Fy)和回正力矩(Mz),这些力通过转向节、转向拉杆传递到转向器,最终在方向盘上形成力矩反馈。轮胎力的特性由轮胎的侧偏刚度、垂直载荷、摩擦系数和侧偏角共同决定。在干燥沥青路面上,轮胎侧偏刚度较高,路感清晰;在冰雪路面上,侧偏刚度急剧下降,路感变得模糊且容易达到附着极限。SBW路感模拟需要实时估算轮胎侧偏角或直接利用车辆动力学模型计算轮胎力,并将其映射为方向盘力矩。
3.2.2 回正力矩(Aligning Torque)
回正力矩是轮胎在侧偏时产生的、使车轮趋向直线行驶的力矩。它主要由两部分组成:轮胎拖距(Pneumatic Trail)产生的力矩和主销定位参数(主销后倾角、主销内倾角)产生的重力回正力矩。轮胎拖距随侧偏角的增大先增大后减小,在接近附着极限时急剧下降——这一“回正力矩衰减”特性是驾驶员感知车辆接近极限抓地力的重要信号。主销后倾角产生的回正力矩与车速相关,高速时贡献显著,保证直线行驶稳定性。SBW系统必须精确模拟回正力矩随车速、侧向加速度和方向盘转角的变化关系,否则驾驶员会感到“方向盘发飘”或“回正过度”。
3.2.3 路面激励(Road Excitation)
路面不平度、接缝、碎石等激励通过轮胎传递到转向系统,形成方向盘上的高频振动(通常为5-30Hz)。这些高频成分虽然幅值较小,但为驾驶员提供了丰富的路面信息——例如,粗糙路面上的细微振动能让驾驶员感知路面附着力,而压过路肩时的冲击则提醒驾驶员注意障碍物。在SBW系统中,路面激励通常通过加速度传感器或路面估计模型获取,并经过带通滤波后叠加到路感力矩上。需要注意的是,过强的路面振动会导致驾驶员疲劳,而过弱则会使路感“虚假”,因此需要精心标定振动幅值和频带。
| 物理来源 | 主要特征 | 频率范围 | SBW模拟方法 |
|---|---|---|---|
| 轮胎侧偏力 | 与侧偏角近似线性,饱和特性明显 | 0-5Hz | 基于车辆模型估算Fy,映射为力矩 |
| 回正力矩 | 随侧偏角先增后减,车速相关 | 0-3Hz | 查表或公式计算Mz,叠加重力回正 |
| 路面高频激励 | 随机振动,幅值小,频带宽 | 5-30Hz | 传感器信号+带通滤波+增益调节 |
| 转向系统摩擦/阻尼 | 非线性,与转角速度和温度相关 | 全频段 | 摩擦模型(LuGre/库仑)+阻尼补偿 |
3.3 驾驶员对路感的期望与评价指标
路感模拟的最终目标是满足驾驶员的心理预期。不同驾驶场景、不同驾驶风格对路感的需求差异显著,但存在一些共性的期望特征。
3.3.1 驾驶员的核心期望
- 线性度与可预测性:方向盘力矩应随侧向加速度或方向盘转角平滑变化,避免突变或死区。驾驶员通过力矩梯度感知车辆响应,若力矩变化与车辆横摆响应不一致,会产生“转向不跟手”的割裂感。
- 回正性能:松开方向盘后,车辆应能自动回正至直线行驶,且回正过程无超调、无振荡、残余角小于3°。回正速度应随车速自适应——低速时回正较快,高速时回正较慢且带阻尼。
- 路面信息保真度:驾驶员期望从方向盘感知到路面类型(粗糙/平滑)、附着条件(高/低μ)和轮胎状态(正常/接近极限)。但信息强度需适中,避免“信息过载”导致手部疲劳。
- 中心区路感:在高速直线行驶时,方向盘应有清晰的“中心感”——即小转角范围内力矩梯度适中,有轻微阻尼,防止驾驶员频繁修正方向。
3.3.2 客观评价指标体系
为了量化路感质量,行业通常采用以下客观指标:
- 力矩梯度(Torque Gradient):方向盘力矩对侧向加速度的导数(Nm/g),典型范围在15-25 Nm/g。梯度过小则路感“模糊”,过大则“沉重”。
- 滞后环宽度(Hysteresis Width):在正弦扫频输入下,力矩-转角曲线的滞回宽度。过宽表明系统阻尼过大或摩擦补偿不足,过窄则缺乏“手感”。
- 回正残余角(Residual Angle):松开方向盘后,方向盘最终停止位置与中位之间的夹角,应小于3°。
- 力矩建立时间(Torque Build-up Time):从驾驶员输入转角到力矩达到稳态值的时间,应小于100ms,否则会感到“延迟”。
- 高频振动幅值(High-freq Vibration Amplitude):在粗糙路面上,方向盘力矩的RMS值应在0.5-2Nm范围内,过大则手部疲劳,过小则失去路面感。
3.4 案例拆解:某SUV车型SBW路感标定中的“回正超调”问题
在某款中大型SUV的SBW开发过程中,路感模拟团队遇到了典型的回正性能问题。该车型整备质量2.2吨,轴距2.9米,采用前双叉臂后多连杆悬架。在初版路感标定中,团队直接采用了基于线性二自由度车辆模型的回正力矩算法,未充分考虑悬架K&C特性和轮胎非线性。
初始现象:在车速60km/h下进行90°转向后松开方向盘,方向盘回正过程中出现明显的超调(最大超调角达12°),随后伴随2-3次小幅振荡,收敛时间超过3秒。驾驶员主观评价为“回正太猛,像弹簧一样”,且在中高速弯道中感觉“方向盘与车辆脱节”。
关键数据分析:通过CANoe记录方向盘转角、力矩和横摆角速度信号,发现回正初期力矩峰值达到8.5Nm(目标值5.5Nm),且力矩下降速率过快(约40Nm/s),导致回正加速度过大。进一步分析轮胎模型,发现算法中使用的轮胎拖距在侧偏角4°时即达到峰值,而实际该SUV的轮胎在侧偏角6°时才达到峰值——模型误差导致回正力矩提前衰减。
解决步骤:
- 修正轮胎模型:引入Pacejka魔术公式,根据实车轮胎数据重新拟合拖距-侧偏角曲线,将峰值点从4°调整至5.8°。
- 增加回正阻尼补偿:在回正过程中(方向盘角速度>50°/s),额外施加与角速度成正比的阻尼力矩,阻尼系数标定为0.08Nm/(°/s)。
- 优化车速自适应增益:将回正力矩的车速修正系数从线性调整为分段函数,在60-80km/h区间适当降低增益(降低15%),避免高速回正过猛。
- 加入末端缓冲:当方向盘接近中位(±5°范围内)时,引入一个软止位力矩(从0线性增加至1.2Nm),防止残余振荡。
结果对比:优化后,回正超调角从12°降至2.5°,收敛时间从3.2秒缩短至1.1秒,力矩峰值降至6.2Nm。主观评价得分从5.5分(满分10分)提升至8.2分。但团队也付出了代价——增加了约2周的标定工时和3次实车测试循环。
3.5 常见误区与总结复盘
在路感模拟基础设计中,工程师常陷入以下误区:
- 误区一:追求“真实”而忽略“感知期望”。完全复现机械转向的路感并非最优解——驾驶员已习惯EPS(电动助力转向)的“电子味”,完全机械感反而可能被认为“沉重”。应基于目标用户群体定义路感风格。
- 误区二:只关注力矩大小,忽略力矩变化率。驾驶员对力矩变化的敏感度远高于值。一个缓慢变化的8Nm力矩可能比快速变化的5Nm力矩感觉更“轻”。务必关注力矩的微分特性。
- 误区三:路面激励模拟“多多益善”。过强的路面振动会掩盖回正力矩等关键信息,且导致手部肌肉疲劳。建议将路面激励频带限制在8-25Hz,幅值控制在0.3-1.5Nm RMS。
- 误区四:忽视温度对摩擦模型的影响。SBW执行机构的摩擦力矩随温度变化可达30%以上(低温时润滑脂黏度增大)。若不做温度补偿,冬季和夏季的路感差异会非常明显。
总结:路感模拟基础的核心在于建立“车辆动力学状态→方向盘力矩”的映射关系,并理解驾驶员感知的底层逻辑。本章所述的路感来源(轮胎力、回正力矩、路面激励)是算法设计的物理依据,而驾驶员期望与评价指标则是标定工作的“北极星”。在实际开发中,建议采用“模型驱动+数据标定”的双轨策略:先基于车辆动力学模型生成基础路感,再通过实车数据(转向力矩、横摆角速度、侧向加速度)进行参数优化。下一阶段将深入探讨路感模拟的具体算法实现,包括力矩前馈计算、反馈补偿和模式切换策略。