Ontwikkeling en validatie voor uitgebreide voertuigtoestand en belasting schatting

Voertuigtoestand- en voertuigbelastingsschatting spelen een cruciale rol in voertuigtesten en geavanceerde bestuurdersassistentiesystemen, zowel nu als in de toekomst. Bestaande methodologieën presteren echter vaak ondermaats bij veelvoorkomende externe storingen, zoals variërende weghoeken, sensorruis en afwijking, variërende band-wegwrijving, slippende wielen en zelfs onbekende voertuigmassa.

Dit werk onderzoekt een serie van uitgebreide schatters van voertuigtoestand en belasting om deze uitdagingen aan te pakken en betrouwbaardere schattingen te bieden. Steeds complexere modellen worden gebruikt in de schatters, waardoor steeds meer correcties van externe storingen mogelijk zijn en sensorfusie over een breder scala aan sensoren wordt bereikt.

Het onderzoek begint met een overzicht van het schattingsraamwerk, ook bekend als het virtuele-sensorraamwork. Vervolgens worden schatters gebaseerd op een planair kinematisch model, een planair dynamisch model, een model met wielrotaties en een model met driedimensionale beweging onderzocht.

De ontwikkelde schatters worden vergeleken en experimenteel gevalideerd met meetgegevens van een Range Rover Evoque. Belangrijke bevindingen tonen aan dat naarmate de complexiteit van het model toeneemt, de schatters robuust worden tegen een breder scala aan storingen, waaronder variërende weghoeken, sensorruis en afwijking, variërende band-wegwrijving, slippende wielen en zelfs onbekende voertuigmassa. Het is echter belangrijk op te merken dat hogere modelcomplexiteit extra frequentiemodi en non-lineariteit met zich meebrengt, wat fijnere bemonstering vereist. Bovendien vereist het toegenomen aantal parameters en toestanden bij hogere modelcomplexiteit zorgvuldige afstemming. Niettemin heeft deze uitgebreide afstemmingsset nuttig bewezen om de prestaties van de schatters te verbeteren, met name bij het gebruik van heuristieken.