Robust estimation of dynamics behavior and driving diagnosis applied to an intelligent MAGV - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Robust estimation of dynamics behavior and driving diagnosis applied to an intelligent MAGV

Estimation robuste du comportement dynamique et diagnostic de conduite appliqué à un MAGV intelligent

Résumé

The context of this thesis is the improvement of road safety through the development of active safety systems. One challenge in the development of active safety systems is obtaining accurate information about unmeasurable vehicle dynamic states. Specifically, the necessity to estimate the vertical load, frictional forces at each wheel (longitudinal and lateral), and also the sideslip angle at the center of gravity. These states are the critical parameters for optimizing the control of a vehicle’s stability. If the vertical load on each tire can be estimated, then the risk of rollover can be evaluated. Estimating tire lateral forces can help to reduce lateral slip and prevent dangerous situations like spinning and drifting out the road. Tire longitudinal forces influence the performance of a vehicle. Sideslip angle is one of the essential parameters for controlling the lateral dynamics of a vehicle. However, the different technologies that the market offers, are not based on tire-ground forces due to the lack of cost-effective methods for obtaining the required information. For the above mentioned reasons, we want to develop a system that monitors these dynamic vehicle states using only low-cost sensors. To accomplish our endeavor, we propose developing novel observers to estimate unmeasured states. Constructing an observer that met the reliability, robustness and accuracy requirements is not an easy task. It requires one the one hand, accurate and efficient models, and on the other hand, robust estimation algorithms that take into account variations in parameters and measurement errors. The present thesis has consequently been structured around the following two aspects: modeling of vehicle dynamics, and design of observers. Under the heading of modeling, we propose new models to describe vehicle dynamics. Current models simplify the vehicle motion as a planar motion. In our proposal, our models describe vehicle motion as a 3D motion, including the effects of road inclination. Regarding vertical dynamics, we propose incorporating the suspension deflection to calculate the transfer of vertical load. Regarding lateral dynamics, we propose a model for the lateral forces transfer to describe the interaction between the left wheel and the right wheel. With this relationship, the lateral force on each tire is computed without using the sideslip angle. Similarly, for longitudinal dynamics, we also propose a model for the transfer of longitudinal forces to calculate the longitudinal force at each tire. Under the heading of observer design, we propose a novel observation system consisting of four individual observers connected in cascade. The four observers are developed for estimating vertical tire force, lateral tire force, longitudinal tire force, and sideslip angle, respectively. For the linear system, the Kalman filter is employed, while for the nonlinear system, the EKF applied to reduce estimation errors. Finally, we implement our algorithm in an experimental vehicle to perform estimation in real-time, and we validate our proposed algorithm using experimental data.
Cette thèse présente une série de stratégies pour estimer la dynamique des véhicules. Le but de ce travail est de développer une stratégie d'observation qui peut être appliquée aux véhicules de série. L'idée d'avoir un algorithme dans une voiture produite en série pose un grand nombre de défis,' ceux que nous considérons dans ce travail sont la robustesse et le coût. Nous avons proposé des modèles et des stratégies d'observateurs capables de faire face à des niveaux d'excitation élevés et faibles. Nous avons validé la robustesse de l'algorithme avec de nombreux tests, des petites pistes à faible vitesse aux manœuvres de changement de voie. Nos algorithmes ont été retravaillés plusieurs fois pour atteindre un degré de précision qui peut être utile pour l'intégration dans ADAS. Nous avons également proposé des stratégies d'observateurs qui permettent ce degré de robustesse tout en conservant une grille de capteurs à faible coût. Les principales contributions sont au nombre de trois : 1 - Estimation de la vitesse latérale et longitudinale,' ces variables sont essentielles pour une bonne rétroaction des régulateurs de stabilisation et de vitesse de croisière. Notre proposition utilise comme base un modèle cinématique pour éviter d'utiliser des paramètres liés à la masse dans notre modèle; cela est possible puisque notre grille de capteurs comprend des accéléromètres et des gyroscopes. L'une des principales contributions de cette section est la compensation de la gravité,' une équation différentielle de quaternions définit l'attitude de notre système. Plus de 100 tests valident la robustesse de l'algorithme, et nous obtenons des résultats cohérents dans chacun d'eux. 2- Estimation de l'estimation de la force pneu-sol normale. Cette variable est, à notre avis, la plus difficile à estimer car la grille de capteurs des véhicules de série ne contient pas beaucoup de capteurs mesurant la dynamique verticale. Cette section doit étendre notre solution aux véhicules de série avec des systèmes de suspension améliorés, y compris des capteurs de déflexion. Nous pouvons estimer la masse, la distribution de masse et le centre de gravité avec ces capteurs en place et transmettre l'estimation normale de la force pneu-sol en utilisant la fusion de modèles et le filtre de Kalman. 3 - Stratégies d'estimation des forces longitudinales et latérales pneu-sol. La première méthode utilise les modèles bicycle et hoverboard connus et les filtres de Kalman pour estimer les TGFs, et d'autres modèles sont introduits pour répartir ces forces sur le pneu adéquat. Cette méthode doit gérer la saturation des pneus, pour séparer correctement les TGF virtuels. La deuxième méthode utilise les lois de Newton du mouvement; ici, nous calculons les accélérations locales en utilisant l'accélération et les rotations d'un corps rigide. Étant donné que nous connaissons déjà les TGF normaux à chaque pneu, nous pouvons calculer les TGFs latéraux et longitudinaux avec précision. Cette dernière méthode est plus précise et robuste que la première méthode. Enfin, au final, nous proposons une série de systèmes qui bénéficieront des estimations antérieures.
Fichier principal
Vignette du fichier
These_UTC_Angel_Gabriel_Alatorre_Vazquez.pdf (20.08 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03157971 , version 1 (03-03-2021)

Identifiants

  • HAL Id : tel-03157971 , version 1

Citer

Angel Gabriel Alatorre Vasquez. Robust estimation of dynamics behavior and driving diagnosis applied to an intelligent MAGV. Automatic Control Engineering. Université de Technologie de Compiègne, 2020. English. ⟨NNT : 2020COMP2554⟩. ⟨tel-03157971⟩
126 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More