TRANSECO Tutkijaseminaari 3.11.2011 Oulun yliopisto RAMSES Liukkauden ja massan estimointi
TAVOITTEET
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
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?
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
Liukkauden ja kuorman tunnistusten yhdistäminen Ratkaisuvaihtoehtoja: Kalman-suodatin Partikkelisuodatin
MITÄ ON TEHTY
Yleiskuva järjestelmästä
Laitteistosta
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
Erot autojen väylätiedoissa Pakolliset tiedot
Erot autojen väylätiedoissa Oleelliset tiedot
Erot autojen väylätiedoissa Hyödylliset tiedot
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
Erot autojen liukkausmittauksissa
Erot autojen liukkausmittauksissa
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
Suodatusesimerkki: etuakselin pyörimisnopeuden signaali
Suodatusesimerkki: vääntömomentin signaali
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
Mallin muuttujien laskentaperiaate
Massan estimointi Ensimmäinen tulos: Ajoneuvoyhdistelmän kokonaismassa Kehitetyllä regressiomallinnuksella saadaan mallin parametrit datasta Niistä laskennalliseksi massaksi saadaan 39576 kg Yliajettavalla puntarilla mitattu paino yhdistelmälle kuorman kanssa oli 38980 kg Pitäen tätä virheettömänä referenssinä absoluuttinen virhe on 596 kg suhteellinen virhe on 1,5 %
MITÄ ON OPITTU
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
Haasteita Olosuhteiden vaikutus Vaikutus liukkausalgoritmiin ja massan estimaattiin? Uuden mallintamismenetelmän kehittäminen Mallin toimivuuden online-tarkkailu Tarkemman mallin kehittäminen Tiedonkeruu jo käynnissä