Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft

In this project an alternative velocity-signal for Scania’s heavy-duty vehicles was investigated. The current velocity estimation is based on wheel-encoders obtained from other control-units like ABS- and EBSsystems. Furthermore the wheel-encoders may have poor properties at both high and low veloci...

Full description

Bibliographic Details
Main Author: Jonsson, Christian
Format: Others
Language:English
Published: KTH, Optimeringslära och systemteori 2016
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188790
id ndltd-UPSALLA1-oai-DiVA.org-kth-188790
record_format oai_dc
spelling ndltd-UPSALLA1-oai-DiVA.org-kth-1887902016-06-18T04:57:49ZVelocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaftengHastighetsskattning av landfordon med GPS, IMU och utgående-axelJonsson, ChristianKTH, Optimeringslära och systemteori2016In this project an alternative velocity-signal for Scania’s heavy-duty vehicles was investigated. The current velocity estimation is based on wheel-encoders obtained from other control-units like ABS- and EBSsystems. Furthermore the wheel-encoders may have poor properties at both high and low velocites. Because the velocity is important for the automatic manual gear-switching sequence, Opticruise used in Scania transmission management system (TMS), an alternative velocity estimation based only on the internal signals in the TMS and GPS is desirable. In this project the proposed algorithm utilizes sensor-fusion of a GPS, the rotational-velocity from the Output-shaft and an inertial measurement unit (IMU). An external 6-axis IMU, consisting of accelerometers and gyroscopes, was implemented to investigate if a more complete sensor-configuration would have potential benefits compared to the reduced 2-axis IMU currently in the TMS. The sensor-fusion algorithms are based on two different state-observers: Sliding mode observer (SMO), and Extended Kalman filter(EKF). The two different sensor configurations had similar performance in good conditions. But the expanded sensor-configuration would outperformed the standard in critical-scenarios, where signals either becomes lost or bad. Other phenomenon like Coriolis-accelerations could be observed and compensated for with additional sensors, and in the process improve the velocity-estimation further. A method is also proposed to detect slippage in both the GPS or the Output-shaft, and compensate for a known constant delay. Resulting in a better velocity estimation compared to the current TMS velocity-estimation, based on tachometers from the wheels, during the scenarios considered in this project. Det här projektet undersöktes en alternativ hastighetssignal till Scanias tunga lastbilar. Den nuvarande hastighetsuppskattningen är baserad på hjulsensorer från andra kontrollenheter, som ABS- och EBS-system, och kan ha dåliga egenskaper vid låga och höga hastigheter. Eftersom hastigheten är en viktig variabel till den Automatiserade växelsekvensen opticruise, som används i Scanias styrenhet för transmissionen (TMS), en alternativ metod för att estimera hastigheten som är enbart baserad på TMS interna signaler och GPS är därför önskvärd. I detta projekt den föreslagna algoritmen utnyttjar sensorfusion av en GPS, rotationshastighet från den utgående axel, och en inertial measurement unit (IMU). En extern 6-axlig IMU, bestående av accelerometrar och gyroskop, implementerades för att undersöka om en mer komplett sensorkonfiguration har potentiella fördelar jämfört med den reducerade två-axlig IMU som nuvarande finns i TMS’en. Sensorfusionen är baserad på två olika observatörer: Sliding mode observer (SMO), och Extended Kalman filter (EKF). De två olika sensorkonfigurationer hade liknande prestanda under goda förhållanden. Men den expanderade sensorkonfiguration hade bättre egenskaper under kritiska scenarier, när signaler antingen förloras eller blir dåligt. Andra fenomen som Coriolis-accelerationer kunde observeras och kompenseras för med ytterligare sensorer. Den föreslagna algoritmen kan också upptäcka avvikelser som slir i bå- de GPS eller den utgående axel, och även kompensera för en latenser i GPS-signalen. Detta resulterar i en bättre hastighetsuppskattning jämfört med nuvarande TMS hastighetsuppskattning baserat på hjulhastighetssensorer på de scenarion som undersökt i detta projekt. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188790TRITA-MAT-E ; 2016:31application/pdfinfo:eu-repo/semantics/openAccess
collection NDLTD
language English
format Others
sources NDLTD
description In this project an alternative velocity-signal for Scania’s heavy-duty vehicles was investigated. The current velocity estimation is based on wheel-encoders obtained from other control-units like ABS- and EBSsystems. Furthermore the wheel-encoders may have poor properties at both high and low velocites. Because the velocity is important for the automatic manual gear-switching sequence, Opticruise used in Scania transmission management system (TMS), an alternative velocity estimation based only on the internal signals in the TMS and GPS is desirable. In this project the proposed algorithm utilizes sensor-fusion of a GPS, the rotational-velocity from the Output-shaft and an inertial measurement unit (IMU). An external 6-axis IMU, consisting of accelerometers and gyroscopes, was implemented to investigate if a more complete sensor-configuration would have potential benefits compared to the reduced 2-axis IMU currently in the TMS. The sensor-fusion algorithms are based on two different state-observers: Sliding mode observer (SMO), and Extended Kalman filter(EKF). The two different sensor configurations had similar performance in good conditions. But the expanded sensor-configuration would outperformed the standard in critical-scenarios, where signals either becomes lost or bad. Other phenomenon like Coriolis-accelerations could be observed and compensated for with additional sensors, and in the process improve the velocity-estimation further. A method is also proposed to detect slippage in both the GPS or the Output-shaft, and compensate for a known constant delay. Resulting in a better velocity estimation compared to the current TMS velocity-estimation, based on tachometers from the wheels, during the scenarios considered in this project. === Det här projektet undersöktes en alternativ hastighetssignal till Scanias tunga lastbilar. Den nuvarande hastighetsuppskattningen är baserad på hjulsensorer från andra kontrollenheter, som ABS- och EBS-system, och kan ha dåliga egenskaper vid låga och höga hastigheter. Eftersom hastigheten är en viktig variabel till den Automatiserade växelsekvensen opticruise, som används i Scanias styrenhet för transmissionen (TMS), en alternativ metod för att estimera hastigheten som är enbart baserad på TMS interna signaler och GPS är därför önskvärd. I detta projekt den föreslagna algoritmen utnyttjar sensorfusion av en GPS, rotationshastighet från den utgående axel, och en inertial measurement unit (IMU). En extern 6-axlig IMU, bestående av accelerometrar och gyroskop, implementerades för att undersöka om en mer komplett sensorkonfiguration har potentiella fördelar jämfört med den reducerade två-axlig IMU som nuvarande finns i TMS’en. Sensorfusionen är baserad på två olika observatörer: Sliding mode observer (SMO), och Extended Kalman filter (EKF). De två olika sensorkonfigurationer hade liknande prestanda under goda förhållanden. Men den expanderade sensorkonfiguration hade bättre egenskaper under kritiska scenarier, när signaler antingen förloras eller blir dåligt. Andra fenomen som Coriolis-accelerationer kunde observeras och kompenseras för med ytterligare sensorer. Den föreslagna algoritmen kan också upptäcka avvikelser som slir i bå- de GPS eller den utgående axel, och även kompensera för en latenser i GPS-signalen. Detta resulterar i en bättre hastighetsuppskattning jämfört med nuvarande TMS hastighetsuppskattning baserat på hjulhastighetssensorer på de scenarion som undersökt i detta projekt.
author Jonsson, Christian
spellingShingle Jonsson, Christian
Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
author_facet Jonsson, Christian
author_sort Jonsson, Christian
title Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
title_short Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
title_full Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
title_fullStr Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
title_full_unstemmed Velocity estimation in land vehicle applications - Sensor Fusion using GPS, IMU and Output-shaft
title_sort velocity estimation in land vehicle applications - sensor fusion using gps, imu and output-shaft
publisher KTH, Optimeringslära och systemteori
publishDate 2016
url http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-188790
work_keys_str_mv AT jonssonchristian velocityestimationinlandvehicleapplicationssensorfusionusinggpsimuandoutputshaft
AT jonssonchristian hastighetsskattningavlandfordonmedgpsimuochutgaendeaxel
_version_ 1718309714448613376