彦控
技术原理 2026.06.24

运动洗出算法原理详解

有限行程下的持续加速度模拟——从前庭感知机理到经典、最优与预测控制

彦控应用工程部
解决方案咨询

运动洗出算法(motion cueing / washout algorithm)是运动模拟器的核心环节。它需要化解一个表面上不可调和的矛盾:真实车辆可以持续加速十余秒、位移数百米,而运动平台的行程通常仅数十厘米。算法的任务,是在这一有限行程内还原受试者所经历的运动感知。该问题得以求解,并非依赖增大平台尺寸,而是基于对人体运动感知机理的利用——有选择地呈现真实运动中最具感知价值的成分。

一、有限行程与无界运动的核心矛盾

矛盾的实质可由一个具体情形说明。当车辆以 0.3 g 持续加速 10 秒时,受试者持续感受到纵向的惯性力,车辆同时前行上百米。若要求平台以相同方式加速,则平台前移数十厘米即达行程极限,其余九秒无法再现。

转机在于:受试者所需的并非位移,而是加速度带来的感知。位移可以舍弃,只要”持续受力”的感知得以保持。问题由此从”复现运动”转化为”复现感知”,而感知可由远小于真实运动的平台动作等效呈现。这正是洗出算法存在的根本依据。

二、比力感知与重力混淆的生理基础

欲有效等效感知,须先了解感知机制本身。人对直线运动的感知主要来自内耳的耳石器官,其感知量并非纯加速度,而是比力(specific force)——加速度与重力的合力。以最简形式表示:

f=a−gf = a - g

耳石器官仅获取该合力 ff,无法将其中的水平加速度分量与重力分量分离。这是等效原理在感知层面的体现:处于水平加速状态的受试者,与身体后倾一定角度的受试者,其耳石所感知的比力方向可以完全一致。

耳石器官无法区分”加速”与”倾斜”——这一感知不可分性,是有限行程等效持续加速度的根本前提。

转动感知则由半规管承担,其对角速度敏感,并具有明确的感知阈值:当角速度低于该阈值(驾驶模拟研究中常用的倾斜协调角速度上限约为每秒数度,详见《驾驶模拟器用几自由度》)时,转动不被感知。耳石的比力不可分性与半规管的感知阈值这两项生理事实,构成了洗出算法双通道结构的物理基础。

三、经典洗出的双通道结构与倾斜协调

经典洗出滤波器(由 Conrad 与 Schmidt 提出、Reid 与 Nahon 于 1985 年系统化)将各方向的加速度信号按频率分解为两路处理。

平移高通通道,还原起始瞬态。 运动发生初期,加速度变化率最高、感知最强,最具备以有限平移行程还原的价值。算法对加速度施加高通滤波,仅令高频瞬态通过,驱动平台产生一段真实平移,如实呈现起始惯性力;瞬态过后,平台依滤波特性缓慢返回中位,其速度低于感知阈值,以释放行程用于后续动作。

倾斜协调通道,等效持续分量。 经高通滤除的低频分量对应持续加速度,被导入第二通道。算法使平台缓慢倾斜角度 θ\theta,令重力沿身体纵轴的分量参与合成:

gsin⁡θ≈a持续g \sin\theta \approx a_{\text{持续}}

耳石器官所获取的比力在方向与量值上均接近真实的持续加速度,且因其不可分性而将该倾斜感知为持续加速。前提是倾斜角速度须低于半规管阈值,否则该倾斜将被识别为转动,产生感知冲突。此环节即倾斜协调(tilt coordination)。

经典洗出算法双通道结构:加速度经高通滤波驱动平台平移并缓慢回中,低频分量经倾斜协调借重力分量等效持续加速度

转动通道同理:角速度经高通处理,快速转动如实呈现,持续转动被滤除,因持续匀速转动本不被感知。三个平移与三个旋转自由度各自如此处理,再合成为平台运动指令。

高通滤波何以内含”回中”特性。 平移通道的高通常取二阶形式,其传递函数为

Hhp(s)=s2s2+2ζωns+ωn2H_{\text{hp}}(s) = \frac{s^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}

其关键性质是在零频(s=0s=0)处增益为零,即直流分量被完全抑制。持续加速度对应加速度信号中的低频与直流成分,故被该滤波器天然滤除;而滤波器对阶跃输入的响应先上升、后衰减至零,此”衰减至零”在物理上即对应平台的缓慢回中。回中并非附加环节,而是高通特性的内在结果。倾斜通道则以互补低通 ωn2s2+2ζωns+ωn2\dfrac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2} 提取被抑制的低频分量,用于倾斜协调。

交越频率 ωn\omega_n 是首要设计参数。 它界定”起始瞬态”与”持续分量”的频率分界:ωn\omega_n 取值偏高时,更多信号被归为持续分量而滤除,行程占用减少,但线索衰减、假线索风险上升;ωn\omega_n 取值偏低时,保留更多真实平移,感知更充分,但行程占用增加、易触及边界。阻尼比 ζ\zeta 决定回中过程的平稳性。倾斜通道还须对倾斜角速率限幅,将 dθ/dtd\theta/dt 约束在半规管阈值以下,此为倾斜协调不被识别为转动的硬性条件。该结构计算量小、参数物理意义明确,是经典洗出至今仍作为工业基线的原因。

四、假线索的成因与抑制

洗出的本质是对感知的选择性等效,而等效存在失效风险。当算法呈现出真实运动中不存在的感知时,即产生假线索(false cue)。假线索的危害甚于线索缺失,因其向中枢提供相互矛盾的信号,是晕动症的主要诱因。

假线索主要有两处成因。其一为回中过程:平台返回中位的动作若速度过高,其本身被耳石感知为一次反向加速度——车辆仍在前行,受试者却感知到短暂的反向惯性力。其二为倾斜协调越限:倾斜角速度若超过半规管阈值,受试者将同时感知到”加速”与”转动”两个信号,形成冲突。经典洗出以固定增益与预先整定的滤波器,在”还原真实线索”与”抑制假线索”之间取得折中——增益偏大则感知充分但失真风险高,增益偏小则线索纯净但临场感不足。该折中点随车辆、内容与平台而异,不存在通用参数。

五、从经典到最优、自适应与模型预测控制

经典洗出的局限明确:增益固定、不感知平台边界,既导致行程利用不足,又易在边界处硬饱和。数十年间,算法沿数条路径演进,目标均为降低假线索并提升行程利用率。

算法增益的确定方式是否处理行程边界代价
经典洗出固定,预先整定滤波器不感知结构简单、计算量小;易生假线索、行程利用不足
最优洗出车辆-前庭模型,求解 Riccati 方程隐式线索更贴合感知;依赖可信的前庭模型
自适应洗出随平台状态在线调整(梯度下降)接近边界时收紧边界处更稳健;整定逻辑复杂
模型预测控制 MPC每步在线求解带约束优化显式约束 + 前瞻行程利用与保真度最优;实时计算负荷最高

最优洗出将”感知逼真度”表述为可最小化的目标泛函。 它不直接比较真实运动与平台运动,而是使二者各自通过一个前庭感知模型,换算为”所感知的运动”后再作比较。前庭模型具有公开的传递函数形式:耳石器官对比力的响应近似为一个超前-滞后环节,半规管对角速度的响应近似为一个高通环节(这也解释了持续转动不被感知的现象)。据此,代价函数表述为

J=∫(eTQ e+uTR u)dtJ = \int \left( e^{\mathsf{T}} Q\, e + u^{\mathsf{T}} R\, u \right) dt

其中 ee 为”所感知的真实运动”与”所感知的平台运动”之差,uu 为平台控制量,QQ、RR 为权衡线索保真与行程/控制代价的权重矩阵。在线性模型下,最小化 JJ 归结为求解代数 Riccati 方程,得到一组最优常值增益——这正是最优洗出较手工整定更贴合感知的原因。自适应洗出在此基础上使增益不再为常值,而随平台状态在线变化(中位附近放宽、接近边界收紧),以梯度下降实时调整。

MPC 将行程约束由软约束转为硬约束。 它在每个控制周期内向前预测一段有限时域,求解带约束的优化问题:目标仍为最小化感知误差 ∑e2\sum e^2,而平台的位置、速度、加速度上下限被显式写入约束,故优化解天然不越界;结合对未来输入的前瞻(look-ahead),可预先将平台调整至有利位置,为即将到来的大幅动作预留行程。其代价是每步均需实时求解带约束优化,计算负荷最高。近年亦有基于深度强化学习的实时线索研究,其目标一致:在有限行程内最大化感知逼真度、最小化假线索。

这一演进路径的共性,在于对同一有限资源的分配。

平台行程是一种有限资源,洗出算法是对该资源的分配策略——算法的优化程度越高,同等行程所能实现的感知逼真度越高。

六、运动线索算法对选型的影响

将上述原理转化为选型判断,可归结为一点:

运动模拟器的体感质量在很大程度上由软件(洗出算法)决定,而非仅取决于平台的行程与承载。

同一台六自由度平台,配置经典洗出与配置 MPC、是否针对本项目的车辆动力学与内容完成参数整定,其体感可存在显著差异。

因此,评估运动模拟器时,除平台机械参数外,宜明确以下三项:

  1. 线索算法的类型与成熟度——采用经典、最优、自适应或 MPC;是否针对本项目的运动特性(车辆/飞行器动力学、典型工况)完成整定。
  2. 假线索的处理方式——供应商在还原度与舒适度(抑制晕动)之间的取舍策略,及可调手段。
  3. 接口的开放程度——能否接入客户或第三方自研的运动线索算法,此项对科研与高端训练项目尤为关键(开放接口的意义详见运动平台开放接口怎么选)。

彦控在运动模拟项目中提供平台本体、运动控制与开放接口:控制系统开放 TCP/UDP/WebSocket/HTTP,既可采用内置运动线索处理,亦支持客户在上位机侧运行自研洗出算法、将平台作为受控运动执行层。具体场景与平台的对应关系详见驾驶模拟方案页。

参考资料

  • L. D. Reid, M. A. Nahon, Flight Simulation Motion-Base Drive Algorithms: Part 1 — Developing and Testing the Equations, UTIAS Report No. 296, University of Toronto Institute for Aerospace Studies, 1985
  • R. V. Parrish, J. E. Dieudonne, D. J. Martin, Motion Software for a Synergistic Six-Degree-of-Freedom Motion Base, NASA TN D-7350
  • B. Conrad, S. F. Schmidt, Motion Drive Signals for Piloted Flight Simulators, NASA CR-1601
  • M. Bruschetta et al., A Model Predictive Control-Based Motion Cueing Algorithm with Actuator-Based Constraints for Driving Simulators, Vehicle System Dynamics
  • MPC-Based Motion-Cueing Algorithm for a 6-DOF Driving Simulator with Actuator Constraints, Vehicles (MDPI), 2020
  • ICAO Doc 9625, Manual of Criteria for the Qualification of Flight Simulation Training Devices (Objective Motion Cueing Test, OMCT)

延伸阅读

本文由彦控应用工程部原创,首发于彦控科技官网 yankongzhineng.com,发布于 2026.06.24。转载请注明来源与原文链接。

技术原理 2026.07.05

六自由度精密定位平台原理详解

六自由度精密定位平台是用 Stewart 并联机构做精密调姿与对准的定位设备:不追求动起来多快,而追求摆到位多准、保持得多稳。韦布空间望远镜的副镜和 18 片主镜每一片都由六作动器并联机构做六自由度调整。本文讲清并联结构对堆叠位移台的误差与承载优势、可编程旋转中心的对准价值、定位平台与运动模拟平台的配置差异,以及精密定位与主动隔振的关系。

阅读全文
技术原理 2026.07.04

六自由度振动台原理详解

六自由度振动台是用 Stewart 并联机构做多轴振动试验的设备,国际上通称 MAST(Multi-Axial Simulation Table,多轴模拟振动台):六支作动器共同驱动一块低共振台面,在全部六个自由度上同时复现实测振动。它和单轴电磁振动台不是替代关系而是分工——电磁台负责高频段的正弦、随机与冲击筛选,多轴台负责中低频段六向耦合工况的时域复现。本文讲清 MAST 概念、单轴与多轴的边界、交叉轴耦合为什么重要,以及道路谱时域再现的控制闭环。

阅读全文
技术原理 2026.07.03

船舶减摇装置的技术路线详解

船舶减摇装置是减小船体横摇的设备,主流三条路线:减摇鳍靠水动力升力(设计航速下减摇率公开值可超 85%,零速大幅衰减)、减摇水舱靠调谐液体晃动(零速有效、占船内空间)、减摇陀螺靠飞轮进动力矩(公开值最高消除 95% 横摇、零速有效)。但三条路线都工作在船体层——当要稳的是甲板上的载荷、设备或人员通道,残余横摇和其余五个自由度仍然存在,需要载荷层的增稳与补偿平台。本文讲清各路线的原理、公开效率数据与适用边界。

阅读全文

常见问题

选型、接口与交付中常见的问题。仍有疑问,可直接联系工程师。

什么是运动洗出算法?
运动洗出算法(motion cueing / washout algorithm)是运动模拟器将车辆或飞行器的运动,转换为有限行程平台运动指令的算法。其面对的核心矛盾是:真实运动可具有持续加速度与无限位移,而平台行程有限。算法通过高通滤波保留运动的起始瞬态、依高通特性使平台缓慢回中,并以低于感知阈值的倾斜等效呈现持续加速度,从而在有限空间内尽可能还原体感。
有限行程的平台为何能呈现持续加速度?
其依据是前庭系统的生理特性。内耳耳石器官感知的是比力(加速度与重力的合力),无法区分真实的水平加速度与身体倾斜所致的重力分量。算法据此将平台缓慢倾斜一定角度,使重力沿身体纵轴的分量等效于持续加速度;只要倾斜角速度低于半规管的感知阈值,该倾斜不被识别为转动,受试者即感知为持续加速。此环节称为倾斜协调(tilt coordination)。
经典洗出与更高级的算法有何区别?
经典洗出滤波器(Reid 与 Nahon 于 1985 年系统化)采用固定增益的高通与低通滤波器,结构简单、计算量小、参数直观,但增益固定、不感知平台边界,易产生假线索并造成行程利用不足。最优洗出以车辆-前庭模型和最优控制求解增益,自适应洗出使增益随状态在线变化,模型预测控制(MPC)则将行程边界显式作为约束并引入前瞻,行程利用与保真度更优,代价是计算复杂度上升。
洗出算法对模拟器选型有何影响?
模拟器的体感质量在很大程度上取决于洗出算法这一软件环节,而非仅取决于平台的行程与承载。同一台六自由度平台配置不同的运动线索算法,体感差异显著。选型时除评估平台机械参数外,应关注运动线索算法的类型(经典/最优/自适应/MPC)、是否针对本项目的运动特性完成参数整定,以及能否开放接口接入自研线索算法。

把这些原理用到项目中

提供应用场景、负载、运动幅度与现场条件,工程师协助确认型号与方案范围。