Mass estimation using mapped road grade data in heavy duty vehicles

One way of achieving more fuel efficient, more environmentally friendly and user-friendly Heavy-duty vehicles is to develop new embedded control features. Many of these features are based on vehicle mass is known. Methods of finding the current vehicle mass can be implemented in many different ways,...

Full description

Bibliographic Details
Main Author: Jonhed, Henrik
Format: Others
Language:English
Published: KTH, Mekatronik 2013
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-126918
id ndltd-UPSALLA1-oai-DiVA.org-kth-126918
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-kth-1269182016-03-08T05:21:25ZMass estimation using mapped road grade data in heavy duty vehiclesengMasskattning vid användning av kartdata som källa för väglutning i tunga fordonJonhed, HenrikKTH, Mekatronik2013One way of achieving more fuel efficient, more environmentally friendly and user-friendly Heavy-duty vehicles is to develop new embedded control features. Many of these features are based on vehicle mass is known. Methods of finding the current vehicle mass can be implemented in many different ways, including various methods that require user interaction or manual weighing of the vehicle. These should be avoided as they are inefficient and add operations to the driver. Another alternative method is estimation by adaptive filters. This examination is based on this method and assumes that the road grade is known. The method developed consists primarily of a recursive least squares method to estimate against a physical vehicle model in the longitudinal direction. The time-varying input signals are noise reduced by stepwise integration into intervals of 10 seconds and low-pass filtering. For estimation to be carried out, a number of conditions have been set. Verification of the method was carried out through both simulations and by executing it in a vehicle's control system. The results show that the mass is estimated with a relative error of 5 % after 600 seconds of driving. The conclusions include that this method gives a good estimation and it does not stress the vehicle control system so that it becomes unusable. Before using this method, more work should be performed on getting a more accurate model of vehicle, especially on the parameters used in this. Ett sätt att nå mer bränsleeffektiva, mer miljövänliga och användarvänliga tunga fordon är att utveckla ny styrfunktionalitet. Många av dessa funktioner bygger på att fordonsmassan är känd hos fordonets styrsystem. Att ta reda på aktuell fordonsmassa kan genomföras på många olika sätt, bland annat olika metoder som kräver användarinteraktion eller manuell vägning av fordonet. Dessa bör dock undvikas då de är ineffektiva och tillför arbetsmoment för föraren. En annan alternativ metod för masskattning är estimering med hjälp av adaptiva filter. Detta examensarbete bygger på denna metod och förutsätter att väglutningen är känd. Metoden som utvecklas består främst av en rekursiv minstakvadratmetod som estimerar mot en fordonsmodell i longitudinell led. De tidsvarierande insignalerna brusreduceras genom stegvis integrering i intervall om 10 sekunder samt lågpassfiltrering. För att estimering ska kunna utföras har ett antal villkor har satts upp. Verifikation av metoden utfördes både genom simuleringar samt genom att exekvera den i ett fordons styrsystem. Resultaten visar att massan estimeras med ett relativt fel på 5 % efter 600 sekunders körning. Slutsatserna är bland annat att denna metod ger en bra estimering och att den inte belastar fordonets styrsystem så att det blir obrukbart. Innan metoden börjar användas bör mer arbete läggas på att få en mer korrekt fordonsmodell, framförallt på de parametrar som används i denna. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-126918MMK 2013:34 MDA 452application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language English
format Others
sources NDLTD
description One way of achieving more fuel efficient, more environmentally friendly and user-friendly Heavy-duty vehicles is to develop new embedded control features. Many of these features are based on vehicle mass is known. Methods of finding the current vehicle mass can be implemented in many different ways, including various methods that require user interaction or manual weighing of the vehicle. These should be avoided as they are inefficient and add operations to the driver. Another alternative method is estimation by adaptive filters. This examination is based on this method and assumes that the road grade is known. The method developed consists primarily of a recursive least squares method to estimate against a physical vehicle model in the longitudinal direction. The time-varying input signals are noise reduced by stepwise integration into intervals of 10 seconds and low-pass filtering. For estimation to be carried out, a number of conditions have been set. Verification of the method was carried out through both simulations and by executing it in a vehicle's control system. The results show that the mass is estimated with a relative error of 5 % after 600 seconds of driving. The conclusions include that this method gives a good estimation and it does not stress the vehicle control system so that it becomes unusable. Before using this method, more work should be performed on getting a more accurate model of vehicle, especially on the parameters used in this. === Ett sätt att nå mer bränsleeffektiva, mer miljövänliga och användarvänliga tunga fordon är att utveckla ny styrfunktionalitet. Många av dessa funktioner bygger på att fordonsmassan är känd hos fordonets styrsystem. Att ta reda på aktuell fordonsmassa kan genomföras på många olika sätt, bland annat olika metoder som kräver användarinteraktion eller manuell vägning av fordonet. Dessa bör dock undvikas då de är ineffektiva och tillför arbetsmoment för föraren. En annan alternativ metod för masskattning är estimering med hjälp av adaptiva filter. Detta examensarbete bygger på denna metod och förutsätter att väglutningen är känd. Metoden som utvecklas består främst av en rekursiv minstakvadratmetod som estimerar mot en fordonsmodell i longitudinell led. De tidsvarierande insignalerna brusreduceras genom stegvis integrering i intervall om 10 sekunder samt lågpassfiltrering. För att estimering ska kunna utföras har ett antal villkor har satts upp. Verifikation av metoden utfördes både genom simuleringar samt genom att exekvera den i ett fordons styrsystem. Resultaten visar att massan estimeras med ett relativt fel på 5 % efter 600 sekunders körning. Slutsatserna är bland annat att denna metod ger en bra estimering och att den inte belastar fordonets styrsystem så att det blir obrukbart. Innan metoden börjar användas bör mer arbete läggas på att få en mer korrekt fordonsmodell, framförallt på de parametrar som används i denna.
author Jonhed, Henrik
spellingShingle Jonhed, Henrik
Mass estimation using mapped road grade data in heavy duty vehicles
author_facet Jonhed, Henrik
author_sort Jonhed, Henrik
title Mass estimation using mapped road grade data in heavy duty vehicles
title_short Mass estimation using mapped road grade data in heavy duty vehicles
title_full Mass estimation using mapped road grade data in heavy duty vehicles
title_fullStr Mass estimation using mapped road grade data in heavy duty vehicles
title_full_unstemmed Mass estimation using mapped road grade data in heavy duty vehicles
title_sort mass estimation using mapped road grade data in heavy duty vehicles
publisher KTH, Mekatronik
publishDate 2013
url http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-126918
work_keys_str_mv AT jonhedhenrik massestimationusingmappedroadgradedatainheavydutyvehicles
AT jonhedhenrik masskattningvidanvandningavkartdatasomkallaforvaglutningitungafordon
_version_ 1718199852459884544