TRANSECO Tutkijaseminaari Oulun yliopisto

Transkriptio

1 TRANSECO Tutkijaseminaari Oulun yliopisto RAMSES Liukkauden ja massan estimointi

2 TAVOITTEET

3 Tavoitteet - Tausta Tietolähteet ja tiedonkeruu Ajoneuvojen tietokonepohjaiset järjestelmät Tiesääjärjestelmä Liikenneoperaattorin huoltojärjestelmä Kerätyn tiedon hyödyntäminen Kuljetusyritysten päivittäisen operoinnin tehostaminen Kuljettajan opastaminen Auton toiminnan rajoittaminen tilanteen vaatiessa

4 Tavoitteet Automaattinen liukkaudentunnistus Jatkuvatoiminen ja automaattinen liukkaudentunnistusmenetelmä Idea alunperin kehitetty VTT:llä Osoitettiin toimivaksi RASTU-projektissa Tien liukkaus selvitetään ajoneuvon tietoväylässä liikkuvan tiedon avulla Ei ylimääräistä anturointia Kysymyksiä hankkeen alkaessa Erot ajoneuvojen välillä? Ympäristöolosuhteiden vaikutus?

5 Tavoitteet Automaattinen kuormantunnistus Massan automaattinen estimointi ajoneuvon tietoväylän tietojen perusteella Idea alunperin kehitetty VTT:llä, jatkokehitetty Parametrisen mallin muodostaminen tiedonlouhintamenetelmillä Kysymyksiä Mukautuminen vaihteleviin olosuhteisiin? Vastusvoimien voittamiseksi tehdyn työn tarkka määritys? Soveltuvuus eri olosuhteisiin? Säätila tunnettava mahdollisimman hyvin

6 Liukkauden ja kuorman tunnistusten yhdistäminen Ratkaisuvaihtoehtoja: Kalman-suodatin Partikkelisuodatin

7 MITÄ ON TEHTY

8 Yleiskuva järjestelmästä

9 Laitteistosta

10 Tiedonkeruu 6 autoa Jokaisesta tallennettu Koko CAN-data tallennettu aikaväliltä joulukuu 2010 eteenpäin (RASTU:ssa näytteet 1s välein) Kiihtyvyysanturi GPS Yhdessä autossa lisäksi sääanturi Laskenta palvelimella

11 Erot autojen väylätiedoissa Pakolliset tiedot

12 Erot autojen väylätiedoissa Oleelliset tiedot

13 Erot autojen väylätiedoissa Hyödylliset tiedot

14 Liukkauden ja kuorman tunnistus: Pähkinänkuoressa Palvelimen toteutus on perusversioltaan valmis Lisäyksiä toimintaan esiin tulevien tietojen mukaan aina tarvittaessa Kevään 2011 aikana on saatu kattavasti mittaustietoa ajoneuvoista Käynnissä on tiedon hyödyntäminen Liukkaus- ja massa-algoritmit Siirretty/toteutettu uuteen ympäristöön Suoritetaan simulointia

15 Erot autojen liukkausmittauksissa

16 Erot autojen liukkausmittauksissa

17 Erot autojen datan laadussa Datan laadussa ja tarkkuudessa eroja Liukkausalgoritmi herkkä renkaiden pyörimisnopeuden virheelle Menetelmän robustiuden parantaminen Virheiden vaikutuksen minimointi Laskennallinen kompleksisuus Suodatus ja smoothaus ESIMERKKI: Renkaiden pyörimisnopeuden suodatus cubic spline smoothing-menetelmällä

18 Suodatusesimerkki: etuakselin pyörimisnopeuden signaali

19 Suodatusesimerkki: vääntömomentin signaali

20 Massan estimointi: energiaperiaate Energiaperiaatteeseen perustuva menetelmä kehitetty projektissa Mallissa huomioidut energiakomponentit: Potentiaalienergian muutokset Ylämäki, alamäki Translaatioenergian muutokset Kiihdytys ja hidastus Rotaatioenergian muutokset Pyörivät osat Moottorin tekemä työ Kiihdytys (ja hidastus) Vastusvoimien tekemä työ Vierimisvastus Ilmanvastus

21 Mallin muuttujien laskentaperiaate

22 Massan estimointi Ensimmäinen tulos: Ajoneuvoyhdistelmän kokonaismassa Kehitetyllä regressiomallinnuksella saadaan mallin parametrit datasta Niistä laskennalliseksi massaksi saadaan kg Yliajettavalla puntarilla mitattu paino yhdistelmälle kuorman kanssa oli kg Pitäen tätä virheettömänä referenssinä absoluuttinen virhe on 596 kg suhteellinen virhe on 1,5 %

23 MITÄ ON OPITTU

24 Haasteita Jotta voidaan arvioida menetelmän hyvyyttä, pitää sitä verrata totuustietoon Ongelmana on tietää kullakin hetkellä todellinen liukkaustilanne ajoneuvon kokonaismassa Menetelmien validoimiseksi tulee järjestää kontrolloitu testaus Jonka aikana ajoneuvon massa tunnetaan Liukkaustilanne on tiedossa

25 Haasteita Olosuhteiden vaikutus Vaikutus liukkausalgoritmiin ja massan estimaattiin? Uuden mallintamismenetelmän kehittäminen Mallin toimivuuden online-tarkkailu Tarkemman mallin kehittäminen Tiedonkeruu jo käynnissä