3. 传感器标定（方向盘转角与扭矩）
传感器是线控转向系统的“眼睛”。眼睛要是看不清，后面算法再牛也白搭。这一章咱们就聊聊方向盘转角传感器（SAS）和扭矩传感器（TAS）的标定。我做了这么多年标定，见过太多因为传感器没标好导致的奇葩故障——方向盘回正但车轮歪着、手感忽轻忽重，说白了都是标定没做到位。
3.1 方向盘转角传感器（SAS）标定
SAS 标定有两个核心任务：零点标定和线性度标定。零点标定解决“方向盘在中间位置时，传感器输出是不是0°”的问题；线性度标定解决“转了多少角度，输出是不是对应了多少角度”的问题。
3.1.1 零点标定
零点标定听起来简单——把方向盘打到正中间，记录传感器值，存为偏移量。但实际操作中，有几点特别容易踩坑：
- 机械对中：方向盘正中间不是“看着正”就行。我习惯用转向管柱上的机械对中标记，或者用专用对中工装。曾经有个项目，工人凭感觉对中，结果零点偏了2.3°，路试时车辆总往右跑偏。
- 静态标定 vs 动态标定：静态标定在车辆熄火、方向盘自由状态下进行；动态标定则在直线行驶时自动学习零点。我个人建议量产车用动态标定做补偿，但下线检测必须做静态零点确认。
- 标定条件：轮胎气压正常、四轮定位在公差内、车辆停在水平路面。这些条件缺一个，零点标定就不准。
3.1.2 线性度标定
线性度标定，说白了就是检查传感器输出曲线是不是一条直线。我见过最离谱的一次，某供应商的 SAS 在±90°附近突然跳了3°，导致自动泊车时方向盘突然猛打——那叫一个惊险。
标准做法是：
- 将方向盘从机械锁止位开始，以固定步长（比如10°）转动，记录每个位置的传感器输出值。
- 用高精度角度编码器作为参考基准（精度至少0.05°）。
- 计算每个点的偏差：
偏差 = 传感器读数 - 参考角度。 - 评估全量程内的最大偏差和线性度误差。
| 性能指标 | 典型要求 | 备注 |
|---|---|---|
| 零点偏移 | ≤ ±0.5° | 静态标定后 |
| 线性度误差 | ≤ ±1.0°（全量程） | 通常要求±0.5°以内 |
| 重复性精度 | ≤ 0.2° | 同一位置10次测量 |
| 回零偏差 | ≤ 0.1° | 左右极限回中 |
3.2 方向盘扭矩传感器（TAS）标定
TAS 标定比 SAS 更敏感。为什么？因为扭矩信号直接决定了驾驶员的手感——轻了像玩具车，重了像开卡车。TAS 标定主要做零点标定和满量程标定。
3.2.1 零点标定
TAS 的零点标定，就是让传感器在“方向盘不受外力”时输出为0 Nm。但这里有个坑：方向盘本身有自重，而且转向管柱的摩擦力和回正弹簧也会产生预紧力。
我的做法是：
- 先让方向盘在自由状态下静止3秒，采集100个样本取平均。
- 然后用手轻轻左右晃动方向盘，释放内部应力，再重新采集一次。
- 两次采集的偏差如果超过0.05 Nm，说明传感器安装有应力，需要重新调整机械结构。
我曾经遇到一个案例：TAS 零点标定后，每次车辆启动时零点都会漂移0.1~0.2 Nm。排查了三天，最后发现是传感器线束的屏蔽层接地不良，导致共模干扰。嗯，这种软故障最头疼。
3.2.2 满量程标定
满量程标定，就是给传感器施加一个已知的标准扭矩，然后调整增益系数，使输出值与标准值一致。通常用标准砝码或扭矩扳手作为参考源。
标定步骤：
- 安装标准扭矩加载工装，确保加载方向与传感器敏感轴一致。
- 分别施加正向和反向的满量程扭矩（比如±8 Nm）。
- 记录传感器输出，计算增益系数：
增益 = 标准扭矩 / 传感器原始值。 - 写入增益系数，然后做回检——加载50%、75%、100%的扭矩点，验证误差。
| 扭矩点 | 标准值 | 允许误差 | 典型应用 |
|---|---|---|---|
| 零点 | 0 Nm | ±0.03 Nm | 自由状态 |
| 25% 量程 | 2 Nm | ±0.05 Nm | 低速转向 |
| 50% 量程 | 4 Nm | ±0.08 Nm | 中速转向 |
| 100% 量程 | 8 Nm | ±0.15 Nm | 紧急避让 |
3.3 标定流程与数据处理
标定不是“测一下、写进去”就完事了。完整的标定流程包括：
- 准备阶段：检查传感器安装、线束连接、供电电压、通讯是否正常。
- 数据采集：按标定计划逐点采集原始数据，同时记录环境温度、时间戳。
- 数据处理：剔除异常值（比如通讯丢帧、跳变点），计算均值、标准差。
- 参数计算：根据采集数据计算偏移量、增益系数、线性度补偿表。
- 参数写入：将标定参数写入传感器 EEPROM 或 ECU 的非易失性存储区。
- 验证确认：重新加载标定参数，做全量程回检，确认所有指标合格。
数据处理这块，我习惯用 Python 写个小脚本，自动做异常值过滤和曲线拟合。核心逻辑大概是这样：
# 伪代码示例：SAS线性度标定数据处理
import numpy as np
# 原始数据：参考角度 ref_angle，传感器读数 sensor_raw
ref_angle = np.array([0, 10, 20, ..., 360])
sensor_raw = np.array([0.2, 10.1, 20.3, ..., 360.5])
# 计算偏差
deviation = sensor_raw - ref_angle
# 剔除超过3倍标准差的异常点
mean_dev = np.mean(deviation)
std_dev = np.std(deviation)
valid_mask = np.abs(deviation - mean_dev) < 3 * std_dev
# 拟合线性补偿系数
coeff = np.polyfit(ref_angle[valid_mask], sensor_raw[valid_mask], 1)
# coeff[0] = 增益, coeff[1] = 偏移
print(f"增益系数: {coeff[0]:.4f}, 偏移量: {coeff[1]:.4f}°")3.4 常见故障与排查
传感器标定相关的故障，我总结了三类最常见的：
- 信号跳变：传感器输出突然跳变几个度或几个牛米。原因通常是线束接触不良、电磁干扰、或者传感器内部芯片故障。排查方法：用示波器抓取传感器供电和信号线，看有没有毛刺或电压跌落。
- 零点漂移：标定好的零点，过几天或温度变化后就偏了。原因可能是传感器安装应力释放、温度补偿参数不对、或者传感器老化。排查方法：做温度循环试验，看零点随温度的变化曲线。
- 线性超差：中间某个角度或扭矩点的误差超标。原因可能是传感器内部磁钢偏移、霍尔元件位置偏差、或者标定工装本身精度不够。排查方法：用更高精度的参考传感器做交叉验证。