Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Mass estimation using mapped road grade data in heavy duty vehicles
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.), Mechatronics.
2013 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Masskattning vid användning av kartdata som källa för väglutning i tunga fordon (Swedish)
Abstract [en]

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.

Abstract [sv]

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.

Place, publisher, year, edition, pages
2013. , 36 p.
Series
MMK 2013:34 MDA 452
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-126918OAI: oai:DiVA.org:kth-126918DiVA: diva2:642576
Uppsok
Technology
Supervisors
Examiners
Available from: 2013-08-22 Created: 2013-08-22 Last updated: 2016-03-07Bibliographically approved

Open Access in DiVA

Mass estimation using mapped road grade data in heavy duty vehicles(5781 kB)422 downloads
File information
File name FULLTEXT01.pdfFile size 5781 kBChecksum SHA-512
ea90461c3241ea8cd0c08f3ce86fd104ae47011d45def792818d6fd0e40822c7b557ebf22ca5b3847c2b175312baaeb4df2cc705bc4d8d965b015209fc37aef5
Type fulltextMimetype application/pdf

By organisation
Mechatronics
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 422 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 320 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf