Towards objective motion cueing tuning in driving simulators for vehicle dynamics evaluation

QC 2026-08-12

Abstract

Fordonstillverkare står inför ett ökande behov av att utveckla fordon snabbare och mer resurseffektivt. Trots att datorstödd teknik har möjliggjort en virtuell utvecklingsprocess kvarstår en utmaning i att integrera människans subjektiva bedömning. Bedömning av köregenskaper och åkkomfort är i grunden subjektiv vilket innebär att fysisk provning ofta krävs.

Körsimulatorer med rörelseplattformar möjliggör att människan kan integreras i den virtuella utvecklingscykeln och att fordonsmodeller kan utvärderas subjektivt i ett tidigt skede. Detta kan öka utvecklingstakten och minska behovet av resurskrävande fysisk provning. Effektiviteten är dock beroende av rörelseåterkopplingen (motion cueing), där fordonets rörelse måste anpassas till simulatorns begränsade arbetsutrymme. Dessa algoritmer utvecklas och utvärderas i dagsläget huvudsakligen subjektivt, vilket kräver fysiska referensdata och reducerar precisionen. Detta begränsar användbarheten i tidiga utvecklingsfaser.

Målet med detta arbete är att etablera ett objektivt angreppssätt för utvärdering och utveckling av rörelseåterkoppling via fysikaliskt tolkningsbara modeller som kombinerar fordonsdynamik, simulatordynamik och mänsklig perception. Detta innebär ett perspektivskifte där rörelseåterkopplingen blir ett representationsproblem av fordonsdynamik snarare än ett reglerproblem av simulatorn.

Avhandlingen demonstrerar att objektiv utvärdering är möjlig med hjälp av enkla linjära modeller, vilka används för att analysera rörelseåterkopplingens kvalitet samt för att bestämma placeringen av simulatorplattformens longitudinella rotationsaxel. Resultaten visar god överensstämmelse med såväl optimeringsbaserade metoder som subjektiv bedömning. Vidare visas att valet av referenspunkt för rörelsen har en första ordningens effekt på rörelseåterkopplingen och kan introducera systematiska förvrängningar. Dessutom påvisas att koordinerad lutning kan förbättra upplevelsen, samtidigt som det förändrar de upplevda fordonsegenskaperna, vilket kan orsaka problem under utvärderingar. För att bättre beskriva den mänskliga perceptionen utvidgas konventionella vestibulära modeller med huvudnackdynamik och blickstabilisering. Detta visar att rörelseåterkopplingen begränsas av kopplingen mellan visuella och inertiala signaler, och att modeller baserade enbart på vestibulär respons i ett kabinfixerat referenssystem inte är tillräckliga.

Arbetet visar vidare att fordonsrörelser kan delas upp i vägrelaterade och fordon-relativt-väg komponenter. Den vägrelaterade rörelsen är obunden och måste filtreras för att få plats i simulatorns arbetsutrymme, medan fordon-relativt-väg rörelsen i allmänhet är begränsad av fordonsdynamiken och därmed kan återges med högre noggrannhet. Detta möjliggör selektiv filtrering av rörelseåterkopplingen, till skillnad från konventionella metoder där samtliga tillstånd filtreras tillsammans. Med detta ramverk visas att en separation av avdriftsvinkelrespons från högpassfiltrerade signaler kan förbättra återgivningen av girrörelsen, samt att en separation av krängnings- och nickrörelser från väginducerad rörelse ger fördelar jämfört med både klassiska och modellprediktiva metoder. Det visas också att skalning av rörelser i sig innebär en förvrängning av fordonsdynamiken, och att en meningsfull skalning behöver bevara centrala samband mellan tillstånd, vilket leder till begränsningar för hur lateralacceleration och girhastighet bör skalas. Slutligen behandlas simulatorns begränsningar av arbetsutrymme explicit genom nåbarhetsbaserade metoder, vilket möjliggör objektiv offlineanpassning av rörelseåterkopping inom det tillgängliga arbetsutrymmet.

Genom att analysera hur rörelseåterkopplingen påverkar upplevda fordonsegenskaper och föreslå förbättringar i både utvärdering och utveckling av motion cueing-strategier bidrar detta arbete till möjligheten att använda körsimulatorer för tillförlitlig utvärdering av fordonsdynamik i tidiga utvecklingsfaser

Link to DiVA