Skattningavfordonsmassafråndriftstatistik429985/FULLTEXT01.pdf · 1.6 Opticruise Opticruise är...

Institutionen för systemteknikDepartment of Electrical Engineering

Examensarbete

Skattning av fordonsmassa från driftstatistik

Examensarbete utfört i Reglerteknikvid Tekniska högskolan vid Linköpings universitet

av

Moa Gustafsson och Patrik Molin

LiTH-ISY-EX--11/4391--SE

Linköping 2011

Department of Electrical Engineering Linköpings tekniska högskolaLinköpings universitet Linköpings universitetSE-581 83 Linköping, Sweden 581 83 Linköping

Skattning av fordonsmassa från driftstatistik

Examensarbete utfört i Reglerteknikvid Tekniska högskolan i Linköping

av


LiTH-ISY-EX--11/4391--SE

Handledare: Patrik Axelssonisy, Linköpings universitet

Erik ÖhlundScania CV

Mattias NilssonScania CV

Peter PüschelScania CV

Examinator: Anders Hanssonisy, Linköpings universitet

Linköping, 10 maj, 2011

Avdelning, InstitutionDivision, Department

Division of Automatic ControlDepartment of Electrical EngineeringLinköpings universitetSE-581 83 Linköping, Sweden

DatumDate

2011-05-10

SpråkLanguage

¤ Svenska/Swedish¤ Engelska/English

¤

£

RapporttypReport category

¤ Licentiatavhandling¤ Examensarbete¤ C-uppsats¤ D-uppsats¤ Övrig rapport¤

£

URL för elektronisk versionhttp://www.control.isy.liu.sehttp://www.ep.liu.se

ISBN—

ISRNLiTH-ISY-EX--11/4391--SE

Serietitel och serienummerTitle of series, numbering

ISSN—

TitelTitle

Skattning av fordonsmassa från driftstatistikEstimation of vehicle mass based on operational statistic

FörfattareAuthor


SammanfattningAbstract

In the automatic manual transmission system, Opticruise, the choice of gear isbased on several parameters such as road incline, driving resistance and vehiclemass. Many different mass estimations are made during driving. A final vehiclemass is then used to determine the current gear. Construction vehicles are often notequipped with air suspension and can therefore not estimate the vehicle mass whenstanding still. If that sort of vehicle is reloaded while standing still an incorrectmass estimation will be used and as an effect of that also a wrong gear. The solutionof this problem is divided into two parts: first to detect the reload and then toestimate the new mass. An accelerometer will be used to detect a reload beforestart, because it reacts on the gradient change of the vehicle. A force equation willalso be used to detect a reload, but only after the start, because it needs access tothe vehicle acceleration to make the calculation. After a reload has been detecteda new mass can be estimated. The estimation is based on previous vehicle massestimated during driving. The new mass will be reasonable, if the assumption thatthe vehicle is mostly driving empty or fully loaded is true, and if it is possible todetermine whether the vehicle becomes lighter or heavier at the reload.

NyckelordKeywords Scania, Opticruise, mass estimation, construction vehicle and accelerometer.

AbstractIn the automatic manual transmission system, Opticruise, the choice of gear isbased on several parameters such as road incline, driving resistance and vehiclemass. Many different mass estimations are made during driving. A final vehiclemass is then used to determine the current gear. Construction vehicles are oftennot equipped with air suspension and can therefore not estimate the vehicle masswhen standing still. If that sort of vehicle is reloaded while standing still anincorrect mass estimation will be used and as an effect of that also a wrong gear.The solution of this problem is divided into two parts: first to detect the reloadand then to estimate the new mass. An accelerometer will be used to detect areload before start, because it reacts on the gradient change of the vehicle. A forceequation will also be used to detect a reload, but only after the start, because itneeds access to the vehicle acceleration to make the calculation. After a reload hasbeen detected a new mass can be estimated. The estimation is based on previousvehicle mass estimated during driving. The new mass will be reasonable, if theassumption that the vehicle is mostly driving empty or fully loaded is true, and ifit is possible to determine whether the vehicle becomes lighter or heavier at thereload.

SammanfattningI det automatiska växlingssystemet för manuella växellådor, Opticruise, baserasväxelvalet på flera olika parametrar såsom väglutning, körmotstånd och fordons-massa. Flera olika masskattningar görs under körning och en slutgiltig massa an-vänds sedan för att beräkna den aktuella växeln. Anläggningsfordon är ofta inteluftfjädrade och kan därmed inte skatta fordonsmassan stillastående. Om den typ-en av fordon står stilla och lastas om, så kommer en felaktig masskattning skattadinnan omlastningen att användas, vilket kan resultera i en felaktig startväxel. Lös-ningen på problemet delas upp i två delar: först att detektera att en omlastninghar skett och sedan att skatta den nya massan. En accelerometer används för attdetektera en omlastning innan start, eftersom den ger utslag för lutningsföränd-ringar hos fordonet. En kraftekvation används för att detektera en omlastning,men då efter start eftersom den behöver ha tillgång till accelerationen på fordo-net. Efter att en omlastning har detekterats så skattas en ny massa baserad påtidigare fordonsstatistik. Denna skattning kommer att bli rimlig under antagandeom att fordonet till största delen kör tom eller fullt lastad och om det går attavgöra om fordonet blivit lättare eller tyngre vid omlastningen.

v

Tack

Vi vill först tacka våra handledare Erik Öhlund, Mattias Nilsson och Peter Püschelpå Scania och Patrik Axelsson på Linköpings universitet för flera goda råd ochidéer under arbetets gång. Erik har trots stor arbetsbörda tagit sig tid att stöttaoch inspirera oss och är i högsta grad delaktig i resultatet. Vi vill även tacka helasektionen NEC på Scania för deras engagemang och intresse för vårt examensar-bete. Vi har verkligen känt oss väl omhändertagna. Ett speciellt tack till AndreasLaghamn för hans ödmjukhet och tålamod som närmaste granne och för att hanvisade oss varför vi vill arbeta på Scania.

vii

Innehåll

1 Introduktion 11.1 Bakgrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Problemformulering . . . . . . . . . . . . . . . . . . . . . . . . . . 11.3 Avgränsningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.4 Mål . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.5 Krav på systemet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.6 Opticruise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.7 Rapportens upplägg . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Litteraturstudie 52.1 Scania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.1.1 Skattning baserad på fordonets acceleration . . . . . . . . . 52.1.2 Skattning under växling . . . . . . . . . . . . . . . . . . . . 52.1.3 Skattning baserad på accelerometer . . . . . . . . . . . . . 62.1.4 Skattning baserad på luftfjädringen . . . . . . . . . . . . . 62.1.5 Skattning baserad på drivlinans naturliga frekvens . . . . . 6

2.2 Volvo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.3 Forskning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.3.1 On-Board Estimation of Vehicle Weight byOptimizing Signal Processing . . . . . . . . . . . . . . . . . 7

2.3.2 Simultaneous Mass and Time-Varying GradeEstimation for Heavy-Duty Vehicles . . . . . . . . . . . . . 7

3 Detektion och mätningar med accelerometer 93.1 Mätningar för att undersöka accelerometerns signal . . . . . . . . . 9

3.1.1 Mätning med anläggningsfordon . . . . . . . . . . . . . . . 93.1.2 Mätning med tungdragare och stridsvagnstrailer . . . . . . 113.1.3 Lateral accelerationssensor . . . . . . . . . . . . . . . . . . 11

3.2 Detektion med accelerometer . . . . . . . . . . . . . . . . . . . . . 113.2.1 Resultat från detektion med accelerometer . . . . . . . . . . 12

4 Detektion och masskattning från kraftekvationen 174.1 Validering av kraftekvationen . . . . . . . . . . . . . . . . . . . . . 174.2 Metoder för detektion med kraftekvationen . . . . . . . . . . . . . 18

4.2.1 Detektion med kraftekvationen . . . . . . . . . . . . . . . . 18

ix

x Innehåll

4.2.2 Alternativ metod . . . . . . . . . . . . . . . . . . . . . . . . 194.3 Beräkning av accelerationen . . . . . . . . . . . . . . . . . . . . . . 21

4.3.1 Hjulvarvtalsgivare . . . . . . . . . . . . . . . . . . . . . . . 214.3.2 Accelerometer . . . . . . . . . . . . . . . . . . . . . . . . . . 214.3.3 Kardanaxelgivare . . . . . . . . . . . . . . . . . . . . . . . . 21

4.4 Resultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224.4.1 Hjulvarvtalsgivare . . . . . . . . . . . . . . . . . . . . . . . 224.4.2 Accelerometer . . . . . . . . . . . . . . . . . . . . . . . . . . 224.4.3 Kardanaxelgivare . . . . . . . . . . . . . . . . . . . . . . . . 224.4.4 Sammanvägd masskattning . . . . . . . . . . . . . . . . . . 224.4.5 Sammanfattning . . . . . . . . . . . . . . . . . . . . . . . . 26

5 Masskattning från driftshistorik 295.1 Konceptet med masshistorik . . . . . . . . . . . . . . . . . . . . . . 295.2 Lagring av driftsdata . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5.2.1 Lagring av driftsdata som antal skattningar . . . . . . . . . 305.2.2 Lagring av driftsdata som tid . . . . . . . . . . . . . . . . . 325.2.3 Fördelar och nackdelar med olika typer av lagrad data . . . 34

5.3 Val av massa från driftsdata . . . . . . . . . . . . . . . . . . . . . . 365.3.1 Val av massa efter detektion från accelerometern . . . . . . 365.3.2 Val av massa efter detektion från kraftekvationen . . . . . . 36

6 Implementering 396.1 Detektion av omlastning med hjälp av en accelerometer . . . . . . 396.2 Detektion av omlastning med hjälp av kraftekvationen . . . . . . . 396.3 Datainsamling av masshistorik . . . . . . . . . . . . . . . . . . . . 436.4 Skattning av ny massa från masshistorik . . . . . . . . . . . . . . . 44

7 Simuleringar av hela systemet 457.1 Strindberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457.2 Gutenberg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

8 Slutsatser och framtida arbete 498.1 Slutsatser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498.2 Framtida arbete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

8.2.1 Rullmotstånd . . . . . . . . . . . . . . . . . . . . . . . . . . 508.2.2 Lateral accelerationssignal . . . . . . . . . . . . . . . . . . . 50

Litteraturförteckning 51

Kapitel 1

Introduktion

I dagens lastbilar finns det flera system som är i behov av en skattning av den ak-tuella fordonsmassan för att fungera korrekt. En felaktig masskattning kan därförmedföra att flera system inte fungerar optimalt. Ett av dessa system är det auto-matiska växlingssystemet för manuella växellådor, Opticruise, där fordonsmassanpåverkar växelvalet.

1.1 BakgrundOpticruise är Scanias automatiska växlingssystem för manuella växellådor. Därhar växelspaken ersatts med ett pneumatiskt system som styrs av en styrenhet.Detta system matchar varvtal och växlar för bättre effekt och bränsleekonomi.För att Opticruise ska kunna göra rätt växelval krävs bland annat att en braskattning av den totala fordonsmassan finns tillgänglig, detta i synnerhet vid startfrån stillastående, då rätt växelval kan vara avgörande för att fordonet ska kunnakomma iväg.

Ytterligare svårigheter uppstår då väglutningen och underlaget påverkar star-ten. De befintliga systemen för skattning av fordonsmassan baseras på acceleratio-nen hos fordonet och i de fordon som har luftfjädring även på information därifrån.Skattningsmetoden som baseras på luftfjädringen kan användas då fordonet stårstilla, vilket metoderna som är baserade på accelerationen inte kan.

1.2 ProblemformuleringProblem uppstår då en stor förändring hos fordonsmassan sker på ett stillastående,icke luftfjädrat fordon. Ingen information om den nya massan finns då att tillgå,vilket kan leda till växelvalsproblem vid starten.

Anläggningsfordon har typiskt detta problem. Ett scenario skulle kunna varaatt en tom lastbil kör ner i ett dagbrott där den lastas för att sedan köra upp igen,se figur 1.1. Vid starten efter omlastningen kommer Opticruise att basera sittförsta växelval på den senaste skattade massan, som skattades före omlastningen,

1

2 Introduktion

Figur 1.1. Lastning i ett dagbrott. [4]

vilken kan skilja stort från den verkliga massan. Detta kan ge felaktiga växelvalsom resultat.

Detta blir mest allvarligt då den felaktiga massan är för låg, vilket huvud-sakligen resulterar i två problem. Det första problemet är då fordonet startar frånstillastående med en för hög startväxel. Detta hanteras av ett ökande körmotståndsom gör att Opticruise väljer en lägre växel men kopplingen riskerar onödigt sli-tage. Det andra problemet är då fordonet når en uppförsbacke innan en korrektmasskattning är gjord. Om massan är underskattad kommer en för hög växel atti värsta fall orsaka ett stopp.

1.3 AvgränsningarArbetet begränsas till anläggningsfordon utan tillgång till lastavkännande system,där fjädringssystemet består av bladfjädrar. Endast lastbil utan släp studeras, däromlastning sker medan tändningen är påslagen och lastbilen är till största delstillastående.

1.4 MålMålet är att kunna detektera en omlastning för en lastbil och skatta en ny fordons-massa baserat på information från tidigare körningar, detta för att ha tillgång tillen trolig massa direkt vid start innan masskattningarna baserade på accelerationengörs.

1.5 Krav på systemet 3

Figur 1.2. Opticruise växlingsförlopp. [3]

1.5 Krav på systemetDe krav som Scania har ställt på systemet är följande:

• En omlastning skall detekteras och en ny fordonsmassan skall finnas till-gänglig inom 10 sekunder efter det att fordonet startar.

• Masskattningarnas feltolerans är 25%.

1.6 OpticruiseOpticruise är Scanias automatiska växlingssystem för manuella växellådor. Härhar man ersatt växelspaken med ett pneumatiskt system som styrs av en styr-enhet. Växlingarna i Opticruise sker inte med hjälp av kopplingen utan medmotorstyrning. För att kunna växla utan kopplingen krävs att det inte finns nå-got moment över växellådan. Det moment som motorn ska leverera för att uppnådetta kallas för nollmoment. Vid en växling styrs motorn till nollmomentet ochneutralväxeln läggs i. Sedan anpassas motorns hastighet till hastigheten hos dennya växeln och växeln läggs i. Därefter kan motormomentet återgå till det sombegärs av gaspedalen. Detta beskrivs i figur 1.2. I dagsläget finns det två olikatyper av Opticruise: dels den äldre versionen med manuell koppling, 3-pedal, delsden nyare versionen med automatisk koppling, 2-pedal. I 3-pedal styr chaufförenkopplingen vid start och stopp. I 2-pedal styrs kopplingen elektroniskt, och chauf-fören använder endast gas och broms. I och med att systemet har kontroll överkopplingen i 2-pedal har man börjat använda kopplingen även vid växlingar förökad komfort. [3]

4 Introduktion

1.7 Rapportens uppläggKapitel 2: Litteraturstudie. Detta kapitel beskriver de masskattningsalgoritmersom Scania använder i dagsläget och hur konkurrenter gör.

Kapitel 3: Detektion och mätningar med accelerometer. Detta kapitel förklararhur mätningarna med fordonen har gått till med fokus på analysering av accelero-meterns signal. Även resultatet av detektionen med accelerometern redovisas.

Kapitel 4: Detektion och masskattning från kraftekvationen. Detta kapitel inne-håller validering av kraftekvationen samt metoder för detektion och masskattningmed hjälp av kraftekvationen, där olika accelerationssignaler använts.

Kapitel 5: Masskattning från driftshistorik. Detta kapitel förklarar konceptet medmasshistorik och hur lagringen av driftsdatat går till samt hur valet av ny fordons-massa görs efter detektion.

Kapitel 6: Implementation. Detta kapitel visar hur programmet är implemente-rat i Simulink.

Kapitel 7: Simuleringar av helheten. Detta kapitel innehåller simulering av pro-grammet med exempel för två fältprovsfordon.

Kapitel 8: Slutsatser och framtida arbete. Detta kapitel beskriver examensarbetetsresultat och vilka framtida utmaningar som finns.

Kapitel 2

Litteraturstudie

System som behöver information om aktuell fordonsmassa för att fungera optimalt harfunnits en längre tid. I denna litteraturstudie studeras därför vilka masskattnings-algoritmer som tidigare har undersökts på Scania, hur konkurrenter har löst pro-blemet samt forskning som finns inom området.

2.1 ScaniaPå Scania har olika metoder för skattning av massan undersökts tidigare, blandannat genom examensarbeten, för att hitta en robust metod. Här presenteras någraav de idéer som har studerats.

2.1.1 Skattning baserad på fordonets accelerationDenna metod beräknar fordonsmassan vid en accelerationsförändring hos fordo-net. Newtons andra lag, F = m · a, används som utgångspunkt, där m är fordons-massan, a är fordonsaccelerationen och F är de krafter som påverkar fordonetsom dragkraft och körmotstånd. Fordonets körmotstånd påverkas bland annat avluftmotstånd, väglutning och rullmotstånd. Genom att derivera uttrycket med av-seende på tiden och anta konstant körmotstånd under en kortare tid får man utden aktuella fordonsmassan. Metoden skattar fordonets massa genom att görakontinuerliga mätningar av fordonets dragkraft och acceleration och derivera des-sa för att utifrån mätningarna bilda ett medelvärde. Om fordonet bromsar ellersvänger under mätningarna kan inte en korrekt beräkning genomföras. Det krävsäven att derivatorna för den drivande kraften och fordonsaccelerationen inte är försmå, eftersom det kan resultera i att bruset hos signalerna blir för stort. [6]

2.1.2 Skattning under växlingDenna metod skattar fordonsmassan under en växling, även här med grunden iNewtons andra lag. Ett antagande om konstant körmotstånd och att den drivande

5

6 Litteraturstudie

kraften är noll under växlingen gör att massan kan beräknas genom att jäm-föra fordonets acceleration före och under växlingen. Metoden samplar värdenoch skattar en fordonsmassa vid varje växling. Om fordonet bromsar eller svängerunder eller precis innan en växling är det inte möjligt att göra skattningen eftersomfordonet då påverkas av okända krafter. [6]

2.1.3 Skattning baserad på accelerometerDenna metod använder en accelerometer, beskriven i kapitel 3, för att skattamassan hos fordonet. Signalen från accelerometern används tillsammans med fysik-aliska modeller av de longitudinella krafterna på fordonet och ett kalmanfilter föratt skatta massan. Om fordonet bromsar så att drivkraften blir okänd eller svängerså att accelerometerns signal påverkas, kan inte dessa beräkningar göras korrekt.[1]

2.1.4 Skattning baserad på luftfjädringenDenna metod uppskattar fordonsmassan med hjälp av information från luftfjädrings-systemet, fordonets konfiguration och bromssystemet. Då fordonet är utrustatmed luftfjädring på alla axlar görs en masskattning genom att summera vikt-angivelserna från dessa. Då det inte finns tillgång till information från alla axlaranvänds fordonets konfiguration som hjälp. Fordonets konfiguration ger informa-tion om fordonstyp och antal axlar som då används tillsammans med de tillgängligaviktangivelserna från luftfjädringen för att skatta en total fordonsmassa. [2]

2.1.5 Skattning baserad på drivlinans naturliga frekvensScania har tidigare försökt förbättra sina masskattningar på bladfjädrade fordongenom frekvensanalys av drivlinan. Strategin var att approximera fordonet ochdrivlinan som ett massfjädersystem och genom modellen hitta ett samband mel-lan fordonets massa, aktuell växel och drivlinans naturliga frekvens. När driv-linemodellen simulerades upptäcktes att fordonsmassans påverkan på drivlinansnaturliga frekvens var större på låga växlar än på höga. Simuleringarna visadedessutom att den naturliga frekvensen påverkades mindre av variationer i mas-san vid en större fordonsmassa än en mindre. För att kunna mäta den naturligafrekvensen måste det finnas resonans i drivlinan. Den mest troliga källan till attresonans uppstår i drivlinan är motorn som oscillerar med förbränningarna ochde krafter som uppstår när kolven rör sig upp och ner. För olika växlar inducerasresonans i drivlinan vid olika motorvarvtal. För att resonans skulle induceras vidlåga växlar krävdes ett motorvarvtal som var lägre än motorns tomgångsvarvtal.Enligt simuleringarna skulle en bättre skattning av massan fås vid låga växlar.Vid mätningar i fordon visade det sig att den naturliga frekvensen var svår attdetektera på låga växlar. Därmed drogs slutsatsen att massan bör skattas på denlägsta växeln där den naturliga frekvensen är detekterbar. Masskattningarna meddenna metod var inte bättre än de masskattningsalgoritmer som användes sedantidigare. Förutom svårigheterna som nämndes ovan var modellen väldigt känslig

2.2 Volvo 7

för felaktigheter i parametrarna för de olika drivlinekomponenterna, vilket ocksåbidrog till att masskattningarna inte hamnade inom feltoleransen. [2]

2.2 VolvoVolvos motsvarighet till Opticruise kallas för I-shift. I-shift har två olika kör-program, ekonomi och prestanda, där den första är optimerad för bränsleekonomioch den andra är optimerad för att utnyttja motorns effekt maximalt. För I-shiftfinns dessutom olika programpaket som väljs utifrån vilken typ av transport somfordonet skall utföra. För anläggningsfordon ligger fokus på funktioner för attunderlätta starter och rangering. I-shift fungerar i princip på samma sätt somOpticruise och därför behöver även I-shift information om fordonets aktuella mas-sa för att kunna göra ett korrekt växelval. För fordon med endast bladfjädring harVolvo löst problemet med en lastavkännande givare som sitter vid fjädringen påden bakre axeln. Givaren, som är en vinkelgivare, är monterad så att förändringar ifjädringens form orsakade av olika storlek på massan ger en vinkelförändring. Giv-aren kalibreras utifrån axelkonfiguration så att en viss spänningsnivå från givarenmotsvarar en viss fordonsmassa.[7]

2.3 Forskning2.3.1 On-Board Estimation of Vehicle Weight by

Optimizing Signal ProcessingI personbilar finns också system vars prestanda är beroende av en korrekt skattningav massan. Toyota har också gjort försök att basera sin masskattning på Newtonsandra lag och utan att installera extra sensorer på fordonet. De fysikaliska mo-dellerna för masskattningen ansågs innehålla för många okända parametrar ochmätbrusets påverkan var alldeles för stor. En metod som minimerar mätbrusetspåverkan utvecklades och modellerna förenklades för att minimera antalet okändaparametrar. För att minska mätbrusets påverkan integreras de olika mätsignalernaunder en given tidsperiod. Efter signalbehandlingen används Newtons andra lagför att skatta fordonsmassan. Experiment i fordon visar att denna metod skattarmassan med en osäkerhet på 15% vid start från stillastående med stor acceleration.[8]

2.3.2 Simultaneous Mass and Time-Varying GradeEstimation for Heavy-Duty Vehicles

I denna rapport har två olika metoder för skattning av massan och väglutningenhos tunga fordon studerats. Båda metoderna är modellbaserade och är därför bero-ende av både sensorer, såsom fordonshastighet och motormoment, och modellerav de longitudinella krafterna på fordonet. Den första metoden använder sig av enobservatör som skattar massan och den tidsvarierande väglutningen. Denna metodkräver dock information om vilket område som parametrarna bör ligga inom för

8 Litteraturstudie

att anses vara rimliga. Genom simuleringar och en Lyapunovfunktion visades attskattningarna av parametrarna konvergerar mot sina riktiga värden. Dock så kanskattningarna med denna metod skilja sig från det riktiga värdet så länge skatt-ningarna ligger inom området som anses rimligt. Den andra metoden använderrekursiv minsta-kvadrat-metoden för att skatta massan och väglutningen. För-hållandet mellan motormoment, externa krafter på fordonet och motors rotations-hastighet är linjärt med koefficienter som beror på massan och väglutningen. Ommassan och väglutningen hade varit konstanta hade därför dessa parametrar kunnaskattats i realtid med en enkel rekursiv minsta-kvadrat-metod. I verkligheten var-ierar väglutningen och eventuellt även massan under körning vilket gör att dennametod inte fungerar. Vid skattning av tidsvarierande parametrar i linjära systemanvänds en modifierad version av minsta-kvadrat-metoden som gradvis minskarpåverkan av gammal information genom att minska dess viktning vartefter tidenfortskrider. Denna metod har inga gränser för vilka värden parametrarna kan antavilket innebär att dålig status på mätsignalerna kan ge orimliga skattningar. Tillskillnad mot den första metoden kommer skattningarna med denna metod alltidatt konvergera till sina riktiga värden så länge mätsignalerna har bra status. Slut-satsen av undersökningen var att bästa resultat fås genom en kombination av dessatvå metoder. Det skulle ge önskad redundans för robusta skattningar av massanoch väglutningen. [9]

Kapitel 3

Detektion och mätningarmed accelerometer

Alla lastbilar som är utrustade med Opticruise och automatkoppling har en accelero-meter monterad på ställdonet till kopplingen. Accelerometern är en endimensionellsensor som mäter accelerationen i longitudinell riktning, det vill säga i fordo-nets längdledd. Sensorn mäter både fordonets acceleration och den komponent avtyngdaccelerationen som ligger parallell med vägens lutning enligt formeln

asensor = afordon + g · sin(α)

där asensor är värdet från accelerometern, afordon är fordonets acceleration, g ärtyngdaccelerationen och α är den aktuella väglutningen.

3.1 Mätningar för att undersöka accelerometernssignal

Ett flertal mätningar gjordes med ett anläggningsfordon och en tungdragare medtillkopplad stridsvagnstrailer. Dessa mätningar användes sedan för att program-mera funktionerna och för att validera resultatet.

3.1.1 Mätning med anläggningsfordonDen första mätningen gjordes med ett bladfjädrat fordon med automatkoppling,se figur 3.1, detta för att undersöka om accelerometern kunde användas för attdetektera omlastningar. Under mätningen loggades bland annat accelerometernssignal, hastigheten samt de masskattningar som görs under körning. En hjullastarelastade på grus och black iron på flaket, både försiktigt och kraftigt, det vill sägasläppte gruset från både låg och hög höjd. Detta gjordes för att se om lastningsför-farandet påverkar möjligheten att använda accelerometern för detektion. Testernavisade att accelerometern gav betydligt mindre utslag på den försiktiga lastningenän på den kraftiga.

9

10 Detektion och mätningar med accelerometer

Figur 3.1. Mätning av en omlastning med ett anläggningsfordon.

3.2 Detektion med accelerometer 11

Figur 3.2. Mätning av en omlastning på en tungdragare.

3.1.2 Mätning med tungdragare och stridsvagnstrailerDen andra mätningen gjordes därefter med en tungdragare, dvs ett tungtransport-fordon med tillkopplad stridsvagnstrailer. Omlastningen gjordes genom att en last-bil kördes upp på stridsvagnstrailern, se figur 3.2, vilket gav utslag på accelerome-tern. När lastbilen var fullastad så var accelerometerutslaget speciellt tydligt.

3.1.3 Lateral accelerationssensorUnder mätningen av omlastningarna upplevdes från hytten en större lateral änlongitudinell acceleration. Det finns en accelerometer som mäter accelerationen ilateral ledd, men den finns endast hos de fordon som har vissa specifika systemimplementerade. Dessa system är ovanliga för anläggningsfordon, därför gjordesinga mätningar med den laterala accelerationssignalen.

3.2 Detektion med accelerometerAccelerometern används främst till att beräkna väglutningen och till att skattafordonsmassan under körning. Troligen förändras varken väglutningen eller acce-leration då fordonet står still, och under antagandet att fordonet mestadels stårstill under en omlastning kan utslagen från accelerometern tolkas som lutnings-förändringar orsakade av en på- eller avlastning. Exempel på förändring är skak-


ningar på fordonet orsakade av ett lass grus som landar på flaket.Kardanaxelns rotationshastighet används för att avgöra om fordonet står still.

Anledningen är att den snabbare ger en indikation på att fordonet inte står still änvad hastighetssignalen gör, eftersom hastighetssignalen mäts vid hjulen och inteskickar ut någon hastighet förrän fordonet rör sig i minst 0,6 m/s.

Omlastningarna detekteras med hjälp av en algoritm som separerar utslag or-sakade av omlastningen från utslag orsakade av andra faktorer. Detta görs genomatt titta på amplitudförändringarna tillsammans med villkor på att fordonet intepåverkas av lutningsförändringar orsakade av andra faktorer. Till exempel påver-kas accelerometern då fordonet stegrar och niger i samband med acceleration ochretardation vid start och stopp. Genom att kontrollera att fordonets hastighet va-rit noll strax innan och strax efter en detektion kan de fall där accelerometernsamplitud förändras på grund av start och stopp hanteras.

3.2.1 Resultat från detektion med accelerometerI figur 3.3 och 3.4 visas hur detektionen går till under mätningen med anläggnings-fordonet där graferna beskriver några av de signaler som används för att göradetektionen. I kapitel 6 beskrivs sedan hur detektionen görs i simulink.

Under mätningen gjordes tre omlastningar, två pålastningar och en tippning.I figur 3.3 representerar den översta grafen signalen från accelerometern. I denmellersta grafen visas kardanaxels rotationshastighet, vilken används för att kon-trollera att fordonet står still. Accelerationssignalen låses sedan vid sitt aktuellavärde när fordonet inte står still, eftersom det då inte är intressant att titta påaccelerometerns amplitudförändringar. Detta visas i den nedersta grafen.

Efter hanteringen av accelerationssignalen i figur 3.3 görs sedan detektioner-na som visas i figur 3.4, där den översta grafen är den låsta accelerationssignalenoch där den mellersta grafen visar hur detektionerna kommer in. Här fås fleradetektioner per omlastning eftersom accelerometern kan ge flera större amlitud-förändringar under en och samma omlastning, till exempel för varje gruslass. Denslutliga detektionen använder sedan villkoret att fordonet måste ha haft en till-räckligt hög hastighet mellan omlastningarna, till exempel 10 km/h, vilket gör attendast en detektion fås per omlastning, vilket visas i grafen längst ner.

Under loggningen av anläggningsfordonet stängdes tändningen av vid ett till-fälle, vilket gav utslag på accelerometern, detta syns i figur 3.3 vid tiden 700sekunder. Detta gav även utslag för en detektion, men eftersom hastighetsvillkoretmellan två omlastningar inte är uppfyllt så detekteras den ändå inte som en om-lastning vid den slutliga detektionen. Hänsyn kan även tas till tändningssignalenför att undvika detta problem mellan två omlastningar.

Funktionen valideras med en annan mätning som visas i figur 3.5. I den överstagrafen visas den låsta accelerationssignalen, i den mellersta detektionerna och iden nedersta de slutliga detektionerna. Under denna mätning gjordes fem på-lastningar och fem tippningar. De två första är pålastningar med black iron, denförsta lastades försiktigt och den andra normalt. Efter det följer tre pålastningarmed grus, den första lastades försiktigt, den andra normalt och den tredje kraftigt.Detektionerna fungerar bra förutom för den försiktiga lastningen med grus, då


0 200 400 600 800 1000 1200 1400 1600 1800

0

10000

20000

Accelerometerns signal

0 200 400 600 800 1000 1200 1400 1600 1800−200

0200400600800

Kardanaxelns rotationshastighet

[s−

1 ]

0 200 400 600 800 1000 1200 1400 1600 18000

5000

Accelerometerns signal vid stillastående

Tid [s]

Figur 3.3. Variabler loggade under en mätning med ett anläggningsfordon.

accelerometern gav väldigt små utslag vilket gjorde att omlastningen inte kundedetekteras.

Accelerometerns signal från mätningen med tungdragaren visas i figur 3.6.Detektionen av lastbilen som kör upp och ner från stridsvagnstrailern fungerarutan problem. Accelerometern gav störst utslag då lastbilen stannade till efteratt den kört upp på trailern. En stridsvagn väger ungefär dubbelt så mycket somden lastbil som användes vid mätningen, vilket troligen innebär att detektionenfungerar även för en stridsvagn.


0 200 400 600 800 1000 1200 1400 1600 18000

5000


0 200 400 600 800 1000 1200 1400 1600 18000

1

2Detektion av omlastning

0 200 400 600 800 1000 1200 1400 1600 18000

1

2Slutlig detektion

Tid [s]

Pålastning Tändningen av/på PålastningTippning

Figur 3.4. Detektion av omlastning för en mätning med ett anläggningsfordon.


0 500 1000 1500 2000 2500 3000 3500

0

2000

4000


0 500 1000 1500 2000 2500 3000 35000

1


0 500 1000 1500 2000 2500 3000 35000

1

2Slutlig detektion

Tid [s]

LastningLastningLastningLastning TippningTippning Tippning Tippning Tippning

Lastning

Figur 3.5. Signaler från en mätning för validering av funktionen för detektion av om-lastning med ett anläggningsfordon.


0 100 200 300 400 500 600 700 800 900 10001000

2000

3000

4000

5000Accelerometerns signal

Tid [s]

0 100 200 300 400 500 600 700 800 900 10000

0.5

1

1.5


Tid [s]

Lastas på Lastas på Lastas på

Lastas av Lastas avLastas avLastas av Lastas av

Lastas på Lastas på

Figur 3.6. Signaler från en mätning av omlastning med en tungdragare.

Kapitel 4

Detektion och masskattningfrån kraftekvationen

Det krävs att fordonet är i rörelse för att de befintliga systemen skall kunna göra enmasskattning, vilket beskrivs i kapitel 2. Dessutom finns det ett antal villkor sommåste vara uppfyllda. Dessa villkor är utformade så att en skattning endast utförsdå inverkan från de antaganden och förenklingar som gjorts minimeras. Dettagör att sannolikheten för att masskattningen är korrekt ökar. Vid låga hastigheterkommer dessa villkor och valet av signaler innebära att skattningar inte kan göras.I detta avsnitt undersöks om samma fysikaliska princip kan användas för att direktefter start göra en grov uppskattning av massan, genom att använda färre villkoroch andra signaler för accelerationen.

4.1 Validering av kraftekvationenKraftekvationen för ett fordon ser ut enligt formeln:

m · a = Ftrac − Froll − Fslope − Fair (4.1)Froll = m · g · (C1 + C2 · v2) (4.2)Fslope = m · g · sin(α) (4.3)

Fair = ρ

2 · Cd ·Af · v2 (4.4)

där a är fordonsaccelerationen, m är fordonsmassan, g är tyngdaccelerationen, C1och C2 är rullmotståndets koefficienter, α är väglutningen, ρ är luftens densitet,Cd är luftmotståndets koefficient, Af är fordonets frontarea och v är fordonetshastighet. För att validera kraftekvationen och modellerna av de krafter som på-verkar fordonet används data från en av de mätningar som gjorts i ett provfordon.Den korrekta fordonsmassan m togs fram genom att väga fordonet på en våg. Ifigur 4.1 ses den drivande kraften för fordonet och differensen av de krafter sompåverkar fordonet i longitudinell riktning.

17

18 Detektion och masskattning från kraftekvationen

1009 1009.2 1009.4 1009.6 1009.8 1010 1010.2 1010.41.5

2

2.5x 10

4 Drivande kraft

kraf

t [N

]

1009 1009.2 1009.4 1009.6 1009.8 1010 1010.2 1010.4−600

−400

−200

0Differens av de ingående krafterna

Tid [s]

kraf

t [N

]

Figur 4.1. Differensen av de krafter som påverkar fordonet och den drivande kraften förfordonet.

Ftrac − Froll − Fslope − Fair −m · a = 0

I denna mätsekvens är den drivande kraften som minst 16000 N och differensensom störst 600 N. Det ger att det största relativa felet är

60016000 = 0.0375 = 3.75%

när villkoren för att masskattningar kan göras är uppfyllda. Detta är en indikationpå att kraftekvationen och modellerna av körmotståndet stämmer överens medverkligheten under de antaganden som gjorts.[5]

4.2 Metoder för detektion med kraftekvationen4.2.1 Detektion med kraftekvationenEftersom kraftekvationen och modellerna över körmotståndet har validerats skaett försök att utöka kraftekvationens användningsområdet göras. Idén är att enomlastning av fordonet ska kunna detekteras genom att, direkt efter att fordonethar startat, göra en grov skattning av massan. Denna skattning jämförs sedan medden senaste skattningen som gjordes under körningen innan fordonet stannade. Ärskillnaden mellan dessa två skattningar större än 25% dras slutsatsen att fordonet

4.2 Metoder för detektion med kraftekvationen 19

Signal Relation Värde EnhetAcceleration > X m/s2

Drivande kraft > X NBroms == false -

Kurvradie > X mVäglutning < X %Hjulslipp < X -Hastighet > X m/s

Tabell 4.1. Tabell över de villkor som måste vara uppfyllda för att algoritmerna skaköras.

har blivit omlastat. Eftersom denna metod kräver en acceleration, har startväxel-valet redan gjorts när en eventuell omlastning detekteras men antalet felväxlingarkan minimeras. I tabell 4.1 ses vilka signaler och tröskelvärden som utgör villkorenför när algoritmen ska köras. Här har trösklarna på villkoren sänkts i jämförelsemed de som används för masskattningar idag, för att få en skattning snabbareefter start. Detta innebär att dessa skattningar kan komma att göras under sämreförhållanden, varför den snabba skattningen kan innehålla större variationer. Föratt sedan skatta massan löses den ut ur ekvation 4.1 och beräknas enligt

m = Ftrac − Froll − Fslope − Faira

(4.5)

För att minska osäkerheten används 50 sampel av masskattningarna. Dessa kansedan behandlas med olika metoder för att ta fram en slutlig masskattning. De tvåenklaste metoderna är att beräkna medelvärdet eller medianen av skattningarna.En jämförelse har gjorts mellan dessa två metoder samt en tredje som tar medelvär-det på de tio mittersta skattningarna efter att de har sorterats i storleksordning. Ifigur 4.2 ses en jämförelse mellan de tre olika metoderna med accelerationssignalenfrån kardanaxelgivaren. Kurvorna följer inte varandra exakt men det går inte attavgöra om någon av metoderna ger en högre eller lägre skattning. I algoritmernaanvänds därför medelvärde av implementeringsskäl.

4.2.2 Alternativ metodEtt alternativ till ovanstående metod är att använda kraftekvationen i en annanform. Idén är att driftshistoriken, som beskrivs i kapitel 5, används för att plockaut den mest sannolika massan i det lägre området, m1, och den mest sannolikamassan i det högre området,m2. Dessa två massor och den senaste masskattningenfrån massmodulen, m0, används sedan i kraftekvationen. När fordonet startar be-räknas vilken acceleration fordonet borde ha för de tre olika massorna med aktuelldrivande kraft, F , och körmotstånd, R, enligt

ai = F −Rmi

.


20 22 24 26 28 30

1.4

1.6

1.8

2

2.2

2.4

2.6

2.8

3x 10

4

Mas

sa [k

g]

Jämförelse mellan olika metoder för kardanaxelgivare

MedelMedianMedel på 10

Figur 4.2. Masskattningar från de tre olika metoderna med accelerationssignal frånkardanaxelgivaren.

4.3 Beräkning av accelerationen 21

Accelerationerna ai jämförs med accelerationen a som fås från sensorn. Massanmi, vars teoretiska acceleration ai ligger närmast accelerationen a, antas vara dennya massan.

4.3 Beräkning av accelerationen

4.3.1 HjulvarvtalsgivareFör ABS-systemet finns en varvtalsgivare vid varje hjul, vilket innebär att hjulensrotationshastighet och rotationsacceleration finns tillgänglig. Med kännedom omhjulradien kan fordonets acceleration beräknas. Det är denna accelerationssignalsom används i de befintliga masskattningarna.

Vid hastigheter mindre än 0,6 m/s ger inte sensorn något utslag och signalenkan inte användas för att ta fram accelerationen. Eftersom denna accelerations-signal inte kan användas vid låga hastigheter är den inte lämplig att använda föratt göra en snabb masskattning vid start. Vid hastigheter över 0,6 m/s kan dendäremot användas för att minimera antalet felaktiga växlingar. Om kraven för attde befintliga systemen skall göra en skattning justeras, kan denna signal användasför att göra en grov skattning av massan.

4.3.2 AccelerometerAccelerometern, som beskrivs mer utförligt i kapitel 3, har ingen begränsning förnär den ger mätvärden. Det innebär att signalen från accelerometern kan använ-das i beräkningarna för att göra skattningar även vid låga hastigheter. Dock måstenågra villkor definieras för att algoritmen skall ge rimliga värden och accelerome-tersignalen måste förbehandlas med ett lågpassfilter eftersom signalen innehållermycket brus.

Accelerometern påverkas av väglutningen, som beskrivs i kapitel 3, vilket kanhanteras. Däremot blir det problem när fordonsaccelerationen blir så stor att for-donet stegrar och niger. Dessa rörelser kommer ge utslag på accelerometern ochkan påverka masskattningen.

4.3.3 KardanaxelgivarePå den utgående axeln från växellådan finns en sensor som mäter kardanaxelnsrotationshastighet. Denna sensor har ingen tröskel som måste överstigas innanden ger en utsignal som hjulvarvtalsgivaren har. Detta innebär att sensorn kananvändas även vid låga hastigheter. Med kännedom om slutväxelns utväxling ochhjulens radie, kan fordonets acceleration beräknas med hjälp av denna sensor.

En nackdel med att använda denna sensor är att den sitter på växellådans ut-gående axel. Detta innebär att kardanaxelns uppvridning kommer påverka skatt-ningen och att olika kardanaxlar kommer att påverka olika mycket.


4.4 Resultat4.4.1 HjulvarvtalsgivareResulatet av skattningarna med hjälp av hjulvarvtalsgivaren blir för högt när for-donet kör på grusväg. I de mätningar som gjorts förekommer skattningar där feletligger på ungefär 96%. På asfalt är dock skattningarna överlag inom acceptans-nivån på 25%, men i de mätningar som gjorts förekommer det skattningar somavviker upp till 32% från den verkliga massan. På asfalt är skattningarna ungefärjämnt fördelade mellan för höga och för låga skattningar. I figur 4.3(a) ses denriktiga massan och skattningarna från sex stycken starter på asfalt. I figur 4.3(b)ses motsvarande för åtta starter på grus. I dessa figurer ses att skattningarna blirhögre på grus än på asfalt men även att antalet skattningar blir färre.

4.4.2 AccelerometerSkattningarna som fås med hjälp av accelerometern ligger generellt sett över denverkliga massan. Vid start på asfalt fås lägre skattningar än vid start på grusvägmen även variationerna i skattningarna är mindre. I de mätningar som gjortsär felet på asfalt som störst runt 38% medan på grusväg är samma siffra runt100%. Feltoleransen är bestämd till 25% vilket leder till att dessa resultat inte äracceptabla.

I figur 4.4(a) och 4.4(b) ses skattningarna med hjälp av accelerometern församma datasekvenser som för hjulvarvtalsgivaren.

4.4.3 KardanaxelgivareNär massan skattas med hjälp av kardanaxelgivaren blir resultaten generellt setthögre än den verkliga massan. Däremot är det mindre spridning på dessa skatt-ningar jämfört med accelerometerns skattningar. Vid starter på asfalt ger dennagivare lägre och bättre skattningar än på grus men det förekommer en del spikar.I de mätningar som gjorts är felet på asfalt som störst 36%. Även med denna sen-sor är skattningarna på grusväg högre än de på asfalt. På grusväg är det störstafelet 74% i de mätningar som gjorts. I figur 4.5(a) och 4.5(b) ses den riktiga mas-san och skattningarna från kardanaxelgivaren för samma datasekvenser som föraccelerometern och hjulvarvtalsgivaren.

4.4.4 Sammanvägd masskattningEtt försök att få en bättre masskattning gjordes genom att väga samman de treolika masskattningarna. Den sammanvägda masskattningen filtrerades sedan medett lågpassfilter för att eliminera eventuella spikar i masskattningarna. Resultatetses i figur 4.6(a) och 4.6(b). Den sammanvägda masskattningen håller en jämnarenivå än de tre enskilda och tack vare filtret innehåller den inga spikar. Däremotligger skattningarna fortfarande generellt sett för högt och utanför acceptansnivånpå 25%. När denna masskattning används för att detektera omlastningar fås mångafalskdetektioner på grund av de stora osäkerheterna i skattningen. I figur 4.7(a) och

4.4 Resultat 23

1620 1640 1660 1680 1700 1720 1740 17601.2

1.4

1.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2x 10

4 Masskattningar med hjälp av hjulvarvtalsgivare på asfalt

Tid [s]

Mas

sa [k

g]

MasskattningVerklig massaFeltolerans 25%

(a) Asfalt

800 850 900 950 1000 1050

2

2.5

3

3.5

4

4.5x 10

4 Masskattningar med hjälp av hjulvarvtalsgivare på grusväg

Tid [s]

Mas

sa [k

g]


(b) Grusväg

Figur 4.3. Masskattningar med hjälp av accelerationssignalen från hjulvarvtalsgivaren.


1620 1640 1660 1680 1700 1720 1740 17601.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

3.4

x 104 Masskattningar med hjälp av accelerometer på asfalt

Tid [s]

Mas

sa [k

g]


(a) Asfalt

800 850 900 950 1000 1050

1.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

3.4

3.6x 10

4 Masskattningar med hjälp av accelerometer på grusväg

Tid [s]

Mas

sa [k

g]


(b) Grusväg

Figur 4.4. Masskattningar med hjälp av accelerationssignalen från accelerometern.

4.4 Resultat 25

1620 1640 1660 1680 1700 1720 1740 17601.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

x 104 Masskattningar med hjälp av kardanaxelgivare på asfalt

Tid [s]

Mas

sa [k

g]


(a) Asfalt

800 850 900 950 1000 10501.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

3.4

3.6x 10

4 Masskattningar med hjälp av kardanaxelgivare på grusväg

Tid [s]

Mas

sa [k

g]


(b) Grusväg

Figur 4.5. Masskattningar med hjälp av accelerationssignalen från kardanaxelgivaren.


Accelerationssignal Asfalt GrusvägHjulvarvtalsgivare 32% 96%

Accelerometer 38% 100%Kardanaxelgivare 36% 74%Sammanvägning 35% 80%

Tabell 4.2. Skattningarnas största avvikelser från den verkliga massan.

4.7(b) ses detektionssignalen när den sammanvägda masskattningen har använtsför att detektera en omlastning. I figurerna har data från två olika loggningaranvänts där ingen omlastning skedde under körningen. Som ses i figurerna fåsett stort antal detektioner, vilka samtliga är falskdetektioner. Det är alltså intelämpligt att använda denna metod för att detektera omlastningar.

4.4.5 SammanfattningEtt fenomen som är generellt oavsett vilken signal som används, är att skattningenblir högre vid start på grusväg än på asfalt. Detta är logiskt eftersom underlagetpåverkar rullmotståndet och vår modell av rullmotståndet inte tar hänsyn tilldetta. Anledningen till att skattningarna blir för höga även på asfalt är att koef-ficienterna i modellen över rullmotståndet är anpassade för fjärrtransportfordon,vilka känneteckans av att ha lågt rullmotstånd. På anläggningsfordon, som harstuderats i detta arbete, är däcken mer grovmönstade vilket ger ett högre rull-motstånd. Som nämnts tidigare får fler skattningar göras vid körning på asfalt änpå grusväg. Detta beror på att hjulslippet, som enligt villkoren i tabell 4.1 intefår överstiga X, ökar vid körning på grus. Accelerationssignalen från kardanaxel-givaren är den som för ändamålet ger bäst resultat. Skattningarna med dennasignal är de som överlag ligger närmast den verkliga massan. I tabell 4.2 ses attäven största felet för skattningarna med denna sensor, i de mätningar som hargjorts, avviker minst från den verkliga massan. Men även i dessa skattningar äravvikelserna högre än acceptansnivån på 25%, varför inte någon av dessa signa-ler kan används i denna tillämpning. Eftersom detektering av en omlastning medhjälp av kraftekvationen bygger på den skattade massan som fås direkt efter startkommer denna metod, på grund av de stora osäkerheterna i masskattningarna,att ge många falskdetektioner. Det är i dagsläget alltså inte lämpligt att detekteraomlastningar med denna metod. Om ytterligare villkor läggs till eller nivån änd-ras på de villkor som används skulle en bättre skattning kunna fås. Metoden somanvänds i de befintliga masskattningssystemen med buffrar med ett större antalskattningar i skulle också kunna användas för att få bättre skattningar. Däremotskulle detta innebära att systemet blir långsammare och syftet med algoritmenskulle gå förlorad.

4.4 Resultat 27

1620 1640 1660 1680 1700 1720 1740 1760

1.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

3.4

3.6x 10

4 Masskattningar på asfalt

Tid [s]

Mas

sa [k

g]


(a) Asfalt

800 850 900 950 1000 1050

1.6

1.8

2

2.2

2.4

2.6

2.8

3

3.2

3.4

3.6

3.8x 10

4 Masskattningar på grusväg

Tid [s]

Mas

sa [k

g]


(b) Grusväg

Figur 4.6. En sammanvägning av masskattningarna med de tre olika accelerationssig-nalerna.


1000 1500 2000 25000

0.5

1

1.5Detektionssignal från kraftekvationen

[−]

Tid [s]

(a) Körning med ett anläggningsfordon utan omlastningar på asfalt

2600 2700 2800 2900 3000 3100 3200 3300 3400 35000

0.5

1

1.5Detektionssignal från kraftekvationen

[−]

Tid [s]

(b) Körning med ett anläggningsfordon utan omlastningar på grusväg

Figur 4.7. Detektionssignal från kraftekvationen.

Kapitel 5

Masskattning fråndriftshistorik

För att kunna basera valet av fordonsmassa på masshistorik krävs att driftsdatafinns lagrat på ett sådant sätt att en rimlig fordonsmassa kan väljas. Driftsdatabehöver sparas undan och lagras för att sedan kunna användas till att avgöravilka värden på fordonsmassan som dominerar. Om en omlastning av fordonetkan detekteras, och huruvida fordonet har blivit lättare eller tyngre kan avgöras,så kan en ny fordonsmassa väljas baserat på masshistoriken. Under antagandetom att fordonet till största delen kör fullt lastad eller tom, kommer detta val attbli rimligt.

5.1 Konceptet med masshistorik

I figur 5.1 ses hur konceptet med masshistoriken är tänkt att fungera. Det bör-jar med normal körning och sedan stannar fordonet för att bli omlastat. Därefterkan en av två saker ske. Det första är att omlastningen detekteras stillaståendeoch en ny fordonsmassa väljs från masshistoriken. Det andra som kan ske är attomlastningen inte detekteras stillastående utan fordonet rullar iväg. Efter startengörs istället en grov uppskattning av massan med hjälp av kraftekvationen. Ifallskillnaden mellan den grova skattningen och den senast skattade massan innanstoppet är mindre än 25% vidtas inga åtgärder och fordonet kör vidare som van-ligt. Är skillnaden mellan massorna större än 25% antas att fordonet har blivitomlastat och en ny massa väljs från masshistoriken. Denna massa används som ak-tuell fordonsmassa tills det att de långsammare och bättre skattningsalgoritmernahar fått in ett visst antal nya skattningar. Därefter går systemet över till nor-mal körning och använder massan från dessa skattningsalgoritmerna som aktuellfordonsmassa.

29

30 Masskattning från driftshistorik

Figur 5.1. Översikt över konceptet med masshistorik.

5.2 Lagring av driftsdataEftersom minnesutrymmet för lagring av driftsdata är begränsat, måste en metodsom hanterar detta användas. Den behöver ge tillräckligt relevant informationom massans fördelning utan att kräva för mycket minne. Metoden som togs frambaseras på att fordonets skattade massa diskretiseras till bestämda intervall. Varjeintervall tilldelas en variabel i minnet vars värde motsvarar hur ofta eller hurmycket massan legat inom det aktuella intervallet. Tillsammans beskriver allavariablerna massans fördelning över de olika intervallen, se figur 5.2. I det härarbetet har lagring av två olika typer av data studerats. Den första är att datalagras som antal skattningar i respektive intervall. Den andra är att data lagrassom den sammanlagda tid varje skattning ligger i respektive intervall.

5.2.1 Lagring av driftsdata som antal skattningarNär driftsdata lagras som antal skattningar i de olika intervallen ska masshistorikenendast uppdateras en gång per varje ny skattning. För varje ny skattning frånnågon av masskattningsmodulerna görs en ny sammanvägning av skattningarna.Genom att studera insignalerna till sammanvägningsmodulen som indikerar attnågon masskattningsmodul har gjort en ny skattning, kan en ny sammanvägdmasskattning detekteras oavsett om den sammanvägda massan har förändrats ellerinte. I figur 5.3 ses ett flödesdiagram över algoritmen för lagringen av driftsdatasom antal skattningar i respektive intervall.

När massmodulen har en ny skattning tillgänglig skall denna adderas till histo-

5.2 Lagring av driftsdata 31

Figur 5.2. Fordonets skattade massa under en viss tid.

riken. Detta sker genom att jämföra om den skattade massan är lägre än den övregränsen i intervallen. Om jämförelsen börjar med det lägsta intervallet och sedanstegar sig uppåt kommer den skattade massan att tillhöra det första intervalletsom jämförelsen är sann för. När intervallet som den nya skattningen tillhör harhittats ska historiken uppdateras. Eftersom data lagras som antalet skattningarinom ett intervall, skall den variabel som motsvarar det aktuella intervallet räknasupp ett steg.

Varje datatyp har ett högsta möjliga värde. För att undvika att en variabelräknas för högt och slår över måste systemet efter uppräkning kontrollera om dethögsta möjliga värdet är uppnått. I fall det högsta värdet är uppnått måste allaintervallen skalas ner och avrundas till heltal. Anledning till att alla intervallenskalas ner, och inte bara det intervall som nått sitt högsta värde, är för att för-delningen, förhållandena mellan de olika intervallen, ska hållas intakt. Detta ärviktigt eftersom denna fördelning senare skall användas vid valet av ny fordons-massa. I figur 5.4 ses hur variablerna för tre olika intervall varierar under en kör-ning. Under tiden 0− 1 800 sekunder väger fordonet 23 500 kg och därefter vägerfordonet 20 600 kg. I det här exemplet är det högsta tillåtna värde på variablernasatt till 100 för att illustrera nedskalningen. Därför skalas alla variablerna om meden faktor 10 vid tiden 3 400 sekunder då variabeln för intervallet 16 000 − 22 000kg når detta maxvärde. Variabeln för intervallet 10 000 − 16 000 kg är 0 innanomskalningen och förblir 0 även efter omskalningen. Intervallet 16 000− 22 000 kgvar 100 innan omskalningen och blir därför 10 efteråt. Intervallet 22 000− 28 000kg var 54 innan omskalningen och blir därför 5 efteråt.


Figur 5.3. Flödesdiagram över lagringen av driftsdata som antal skattningar. Här be-nämns variablerna för de olika intervallen M7, M10 och M16.

5.2.2 Lagring av driftsdata som tid

När driftsdata lagras som hur lång tid massan har legat inom ett visst inter-vall är antalet skattningar inte relevant. Då studeras endast den sammanvägdamasskattningen och algoritmen aktiveras av förändringar hos denna. I figur 5.5ses ett flödesdiagram över algoritmen för lagring av driftsdata som tid. Det förstaalgoritmen gör är att ta reda på vilket intervall den aktuella massan ligger i. Närintervallet har hittats startas en räknare. Denna räknar sedan upp ett steg förvarje sampel tills det att massan förändras eller räknaren når sitt högsta värde.När detta sker tas räknarens värde och räknas om, med hjälp av information omprocessorns klockfrekvens, till minuter och adderas till variabeln för det aktuellaintervallet. Därefter kontrolleras om variabeln måste skalas ner eller inte. Om såär fallet sker nedskalning på samma sätt som beskrivet i föregående avsnitt.

I figur 5.6 ses ett exempel där driftsdata lagras som antal minuter massan legati intervallet. Samma datasekvens har använts i detta exempel som i exemplet ifigur 5.4. Det intressanta i detta exempel är fördelning i slutet av mätsekvensen. Ifigur 5.6 ses att massan har legat 25 minuter i både intervallet 16000−22000 kg ochintervallet 22000 − 28000 kg. När data lagrades som antal skattningar i figur 5.4var antalet skattningar 100 i intervallet 16000 − 22000 kg och 54 i intervallet22000− 28000 kg innan omskalningen.


0 500 1000 1500 2000 2500 3000 35000

50

10010 000 < m < 16 000

Ant

al s

kattn

inga

r

0 500 1000 1500 2000 2500 3000 35000

50

10016 000 < m < 22 000

Ant

al s

kattn

inga

r

0 500 1000 1500 2000 2500 3000 35000

50

10022 000 < m < 28 000

Tid [s]

Ant

al s

kattn

inga

r

Figur 5.4. Exemplet visar hur masshistoriken uppdateras under körning när antaletskattningar i respektive intervall lagras.


Figur 5.5. Flödesdiagram över lagringen av driftsdata som tid. Här benämns variablernaför de olika intervallen M7 och M10.

5.2.3 Fördelar och nackdelar med olika typer av lagrad data

Som exemplen i avsnitt 5.2.1 och 5.2.2 visade så var förhållandet mellan de två olikaintervallen 2:1 när data lagrades som antal skattningar och 1:1 när data lagradessom tid. Detta innebär att fördelningen kan se olika ut beroende på vilken typav data som lagras. Därför är det intressant att titta närmare på fördelar ochnackdelar med de två olika typerna av data.

Antal skattningar

En fördel med att lagra antalet skattningar är om ett par dåliga/felaktiga masskatt-ningar skulle göras. Dessa kommer i detta fall inte påverka fördelningen nämnvärt.En nackdel med att lagra antalet skattningar är om fordonet i vanliga fall kör un-der dåliga förhållanden, så som i ett dagbrott eller på skogsvägar, då systemen intekan göra så många masskattningar. Skulle fordonet sedan göra en ovanlig körningunder bra förhållanden, till exempel leverera ett halvt lass grus till en kund ochdå köra på asfaltsväg, skulle systemen under denna körning kunna göra ganskamånga skattningar, vilket skulle kunna påverka fördelningen negativt.


0 500 1000 1500 2000 2500 3000 35000

10

20

3010 000 < m < 16 000

Tid

[min

]

0 500 1000 1500 2000 2500 3000 35000

10

20

3016 000 < m < 22 000

Tid

[min

]

0 500 1000 1500 2000 2500 3000 35000

10

20

3022 000 < m < 28 000

Tid [s]

Tid

[min

]

Figur 5.6. Exemplet visar hur masshistoriken uppdateras under körning när data lagrassom den sammalagda tid varje skattning ligger i respektive intervall. Här anges tiden iminuter.


Tid

I fallet med den ovanliga körningen under bra förhållanden, som beskrevs i före-gående avsnitt, hade det varit lämpligare att lagra data som tid istället. Då skullenågon enstaka ovanlig körning inte påverka fördelning nämnvärt eftersom tiden gårlika fort oavsett om fordonet körs under bra eller dåliga förhållanden. I fallet medett par dåliga/felaktiga masskattningar skulle det vara en nackdel att lagra datasom tid. Om fordonet kör under dåliga förhållanden och får en felaktig masskatt-ning kommer fordonet kunna köra en längre tid med den felaktiga masskattningeninnan en ny och bättre masskattning fås. Detta kommer påverka fördelningenbetydligt mer negativt än om data hade lagrats som antalet skattningar.

5.3 Val av massa från driftsdataNär man dragit slutsatsen att en omlastning har skett skall en ny fordonsmassaväljas utifrån masshistoriken. Detta kan ske på många olika sätt med varierandeosäkerhet beroende på vilken information man har tillgång till.

5.3.1 Val av massa efter detektion från accelerometernOm en omlastning har detekterats med hjälp av accelerometern enligt kapitel 3 ärden tillgängliga informationen begränsad till massans fördelning i masshistorikenoch den skattade massan innan omlastningen.

Antagandet om att fordonet är ett anläggningsfordon och kör till största delenfullt lastad eller tom, innebär att massans fördelning kommer att ha två toppar.Den ena toppen motsvarar massanm1 hos ett tomt fordon och den andra motsvararmassan m2 hos ett fullastat fordon. För att avgöra om fordonet blivit pålastadeller avlastad jämför man den tidigare skattade massan m0 med dessa toppar.Jämförelsen sker genom att studera beloppet av differensen mellan m0 och m1respektive m2. Den massa som gav lägst belopp på differensen ligger närmastmassan m0. Eftersom fordonet har blivit omlastat får den andra massan, det villsäga den massa som gav störst belopp på differensen, representera den nya massanm.

D1 = |m1 −m0| (5.1)D2 = |m2 −m0| (5.2)m = m1, om D2 < D1 (5.3)m = m2, om D1 ≤ D2 (5.4)

5.3.2 Val av massa efter detektion från kraftekvationenI de fall en omlastning har skett utan att detekteras av accelerometern kommerfordonet att starta med en felaktig massa. Om förändringen i massan är tillräckligtstor kommer masskattningarna i kapitel 4 att upptäcka att den skattade massaninnan omlastningen inte är korrekt längre. I det här fallet har man förutom drifts-historik och den tidigare skattade massan även en grov uppskattning av den nya

5.3 Val av massa från driftsdata 37

massan att basera sitt val på. Eftersom skattningen av den nya massan är grov,väljer man inte skattningen i sig som ny massa. Istället baseras valet på driftssta-tistiken i ett intervall kring den grova skattningen.

Kapitel 6

Implementering

Implementeringen av programkoden är gjord i Matlab och Simulink. En översiktav simulinkimplementeringen ses i figur 6.1. Även Stateflow, som är ett tillägg tillsimulink för att hantera tillståndsmaskiner, har används för vissa funktioner.

6.1 Detektion av omlastning med hjälp av en accelero-meter

För att detektera en omlastning undersöks amplitudförändringar på signalen frånaccelerometern. När amplituden överstiger ett visst värde kontrolleras ett hastighets-villkor för att säkerställa att förändringarna beror på en omlastning och inte pårörelser orsakade av något annat. Hastigheten på fordonet ska vara noll underomlastningen och en viss tid innan och efter detektionen. För att få endast endetektionssignal per omlastning används ett villkor på att fordonet behöver hauppnått en hastighet på 10 km/h innan en ny omlastning kan ske. Se simulink-schemat i figur 6.2.

6.2 Detektion av omlastning med hjälp av kraft-ekvationen

Detektionen med kraftekvationen sker genom att en grov skattning av massan görsdirekt efter start. Denna skattning jämförs sedan med den senast skattade massanunder körning innan fordonet stannade. Om skillnaden mellan dessa är större än25% dras slutsatsen att fordonet har blivit omlastat. Om skillnaden är mindreän 25% dras slutsatsen att ingen omlastning har skett. I figur 6.3 ses simulink-schemat för masskattningen med accelerationssignalen från kardanaxelgivaren. Si-mulinkschemat innehåller block för att addera krafter, beräkna accelerationen frånkardanaxelgivaren, filtrering av accelerationssignalen, kontroll när villkoren förmasskattningen är uppfyllda samt ett stateflowdiagram som innehåller koden försjälva masskattningen. Denna algoritm för masskattningar är implementerad, för

39

40 Implementering

Figur 6.1. Översikt över implementationen i Simulink. De två översta blocken till vänsterdetekterar omlastningar, den första med hjälp av accelerometern och den andra med hjälpav kraftekvationen. Det nedersta blocket samlar in masshistoriken och blocket till högerskattar sedan en ny massa från masshistoriken då en omlastning har skett.

Figur 6.2. Simulinkschema över detektion med en accelerometer.

6.2 Detektion av omlastning med hjälp av kraftekvationen 41

Figur 6.3. Simulinkschema över masskattningsalgoritmen med accelerationssignalen frånkardanaxelgivaren.

Figur 6.4. Simulinkschema över lagring av masshistorik.

42 Implementering

Figur 6.5. Simulinkschema över lagring av masshistorik som antal skattningar.

Figur 6.6. Simulinkschema över lagring av masshistorik som tid.

6.3 Datainsamling av masshistorik 43

Figur 6.7. Simulinkschema över skattning av ny massa.

de tre olika accelerationssignalerna, men används inte i nuläget. Anledningen äratt den innehåller för stora osäkerheter, vilket beskrivs mer i kapitel 4.4.5.

6.3 Datainsamling av masshistorikFör att systemet skall kunna skatta en ny massa från masshistoriken måste massanlagras kontinuerligt under körning. I figur 6.4 ses det övergripande simulinkschematför datalagringen. Data lagras så att information finns både om hur många skatt-ningar som förekommit för en viss storlek på massan och hur lång tid fordonethar kört med en viss storlek på massan. Detta sker i de två vänstra blocken i fi-gur 6.4. Se simulinkscheman i figur 6.5 för lagring i form av antal skattningar ochi figur 6.6 för lagring i form av tid. Dessa simulinkscheman innehåller två styckenstateflowdiagram där det ena innehåller kod för själva lagringen, som beskrivs ikapitel 5.2.1 för lagring som antal skattningar och i kapitel 5.2.2 för lagring somtid. Det andra stateflowdiagrammet innehåller koden för att räkna om driftsdatatill en procentuell fördelning där summan av alla intervall blir 100%. Det högrablocket i figur 6.4 innehåller koden för sammanvägningen av de två procentuellafördelningarna som fås från de andra blocken. Den sammanvägda fördelningen,som skalas om så att summan av samtliga intervall blir 100% även här, är densom senare används för att skatta en ny massa från masshistoriken.

Valet av intervall är baserat på det histogram över massan som används avde befintliga masskattningarna. Däremot valdes ett färre antal punkter i histo-grammet för att minska minnesanvändningen och eftersom valet av ny massa ären approximation behövs inte en hög upplösning på intervallen. Skulle det i ettsenare skede behövas en högre upplösning kan intervallen enkelt justeras då im-plementationen är uppbyggd med vektorer och iteratorer.

44 Implementering

6.4 Skattning av ny massa från masshistorikFörst beräknas masscentrum för masshistoriken för att kunna avgöra vilka intervallsom ska representera den lägsta respektive den högsta toppen, vilket motsvararett olastat respektive fullastat fordon. Topparna utses genom att jämföra inter-vallernas värde, för den lägsta toppen nedifrån och den högsta toppen uppifrån,fram tills masscentrum nås. Då har det intervallet med högst värde under respek-tive över masscentrum utsetts. Dessa ska sedan användas för att skatta den nyamassan efter att en omlastning har detekterats.

Den nya massan skattas genom att undersöka vad fordonet har för skattadmassa innan omlastningen. Om massan ligger nära intervallet för den låga toppennär en detektion av en omlastning fås, så antas att fordonet var olastat innanoch nu är fullastat. Detta ger att den nya massan skattas som den höga toppenfrån masshistoriken. Denna masskattning kommer att ligga kvar fram tills dess attnya masskattningar kommer in från de skattningsalgoritmer som används underkörning. Se simulinkschemat i figur 6.7

Kapitel 7

Simuleringar av helasystemet

Efter att samtliga delar av systemet var implementerade och validerade integre-rades dessa med varandra till ett system som beskrevs i kapitel 6. Detta systemsimulerades, med data från de mätningar som gjorts vid omlastningar och mass-historik som fåtts från olika fältprovsfordon, för att validera att de olika delarnafungerar tillsammans. Ett fältprovsfordon är ett fordon som kör i vanlig drift menhar ett system som heter M-Log installerat. Detta system loggar data medan for-donet är i drift och med jämna mellanrum åker chauffören till en verkstad för attläsa ut data som loggats sedan senaste tömningen.

7.1 StrindbergFältprovsbilen Strindberg är en timmerbil med släp. Massans fördelning för Strind-berg ses i figur 7.1. Denna fördelning är utläst från sammanlagt 65 timmars kör-ning. I simuleringen som ses i figur 7.2 har denna fördelning använts för val av nymassa samt data från en av de omlastningsmätningar som gjorts. Eftersom kraft-ekvationen inte används i systemet i nuläget kommer valet av ny massa att skeenligt kapitel 5.3.1, efter detektion med hjälp av accelerometern. Då fördelningenser ut enligt figur 7.1 förväntas systemet välja 65000 kg då en pålastning sker och28000 kg då en avlastning sker. Som ses i figur 7.2 är den skattade fordonsmassan14000 kg i början av simuleringen. Detta är den massa som fordonet skattade un-der körningen innan omlastningarna. Vid tiden 40 sekunder fås en detektion ochjämförelsen enligt kapitel 5.3.1 görs. I och med att den skattade massan innandetektionen var 14000 kg dras slutsatsen att fordonet blivit pålastat och den nyamassan väljs till 65000 kg. När den andra detektionen sker, vid 360 sekunder, ärden tidigare skattade massan 65000 kg på grund av att fordonet inte har körttillräckligt mycket mellan omlastningarna för att de långsamma och bättre syste-men ska ha hunnit göra några masskattningar. Vid denna detektion sker alltsåjämförelsen med 65000 kg som tidigare skattad massa. Därmed dras slutsatsen att

45

46 Simuleringar av hela systemet

Figur 7.1. Massans fördelning hos timmerbilen Strindberg under 65 timmars körning.

fordonet har blivit avlastat och 28000 kg väljs som ny massa. Vid 520 sekunderdetekteras ytterligare en pålastning och systemet väljer 65000 kg som ny massa.Detta innebär att systemet beter sig som förväntat.

7.2 GutenbergGutenberg är ett fordon som kör gruvdrift i Kristinebergsgruvan. Gutenbergsmassfördelning ser ut enligt figur 7.3 och det förväntade resultatet från simule-ringen med denna fördelning är att massan väljs till 49000 kg vid en pålastningoch till 22000 kg vid en avlastning. Som ses i figur 7.4 väljer systemet 49000 kgnär fordonet blir pålastat vid tiderna 40 och 520 sekunder. Vid avlastningen vid360 sekunder väljer systemet den nya massan till 22000 kg som förväntat.

7.2 Gutenberg 47

0 100 200 300 400 500 600 700 8001

2

3

4

5

6

7x 10

4 Fordonsmassam

assa

[kg]

0 100 200 300 400 500 600 700 8000

0.5

1

1.5Omlastning detekterad

Tid [s]

Det

ektio

n [−

]

Figur 7.2. Simulering av systemet med massans fördelning från timmerbilen Strindberg.

< 7 < 10 < 16 < 22 < 28 < 37 < 490

1000

2000

3000

4000

5000

6000

7000

8000Massfördelning

Tid

[s]

Massintervall [ton]

Figur 7.3. Massans fördelning hos gruvbilen Gutenberg.

48 Simuleringar av hela systemet

0 100 200 300 400 500 600 700 8001

2

3

4

5

6

7x 10

4 Fordonsmassa

mas

sa [k

g]

0 100 200 300 400 500 600 700 8000

0.5

1

1.5Omlastning detekterad

Tid [s]

Det

ektio

n [−

]

Figur 7.4. Simulering av systemet med massans fördelning från gruvbilen Gutenberg.

Kapitel 8

Slutsatser och framtidaarbete

8.1 Slutsatser

Mätningarna som gjordes vid omlastningar av ett bladfjädrat fordon visar attden longitudinella accelerometern kan i somliga fall användas för att detektera enomlastning. När grus lastades försiktigt kunde omlastningen inte detekteras menvid normala eller kraftiga pålastningar blev utslagen på accelerometern tillräckligtstora för att kunna detekteras. Vid mätningarna med tungdragaren och strids-vagnssläpet kunde både pålastningarna och avlastningarna detekteras med hjälpav accelerometern. Detektion med hjälp av accelerometern förutsätter att tänd-ningen är påslagen under omlastningen, annars är accelerometern avslagen ochkan inte registrera något. Detta är dock inget problem vid avlastning av grus dåfordonet måste vara igång för att flaket skall kunna tippas. Det är idag inte möjligtatt använda kraftekvationen för att detektera en omlastning. Detta beror på attde osäkerheter som finns i skattningen av rullmotståndet leder till att en lämpligkompromiss mellan masskattningens precision och systemets snabbhet inte går atthitta. Detta innebär att i de fall då tändningen varit avslagen under omlastningenkan denna inte detekteras. När en omlastning har detekterats kan masshistorikanvändas för att välja en ny trolig fordonsmassa. Masshistoriken lagras enligt enmetod som ger tillräckligt mycket information för att ett val av ny massa skallkunna göras utan att kräva för mycket utrymme i minnet. Intervallen i masshisto-rikens fördelning kan justeras godtyckligt och därmed kan en bättre eller sämreupplösning fås till kostnad eller vinst i mängden använt utrymme i minnet. De tvåolika typerna av data som har studerats har olika fördelar och nackdelar. För attfå bästa resultat vid val av ny massa bör båda typerna användas vid lagringeneftersom dessa kompletterar varandra. Med de system och sensorer som finns idaggår det inte att hitta en lösning som täcker alla tänkbara driftsfall. För att kunnagöra det behöver någon form av lastavkännande system installeras på fordonet.

49

50 Slutsatser och framtida arbete

8.2 Framtida arbete8.2.1 RullmotståndSom nämndes i kapitel 4.4.5 fungerar inte idén med att använda kraftekvationen fördetektion av en av- eller pålastning på grund av att skattningen av rullmotståndetinte är anpassad för denna typ av drift. Därför vore det intressant att titta närmarepå skattningen av rullmotståndet för anläggningsfordon och försöka förbättra den.Om en bättre skattning av rullmotståndet fanns tillgänglig skulle kraftekvationenkunna användas direkt efter start, så som beskrivs i kapitel 4.2.1. Detta skulleinnebära att systemet kan hantera fler typer av drift och att bättre val av nymassa skulle kunna göras.

8.2.2 Lateral accelerationssignalSom beskrevs i kapitel 3.1.3 finns det i vissa fordon en accelerometer som mäteraccelerationen i lateral ledd. Eftersom en kraftigare rörelse i lateral ledd upplevdesi hytten under de omlastningar som gjordes, vore det intressant att installera dennasensor och göra nya mätningar under omlastning. Detta för att undersöka om enförsiktig omlastning kan detekteras med hjälp av denna sensor.

Litteraturförteckning

[1] Erik Öhlund, (2010), Allocation Element Requirements (AER), Internal docu-ment, Södertälje.

[2] Hampus Johansson, Nicklas Höglund, (2009), Weight estimation through fre-quency analysis, Master thesis, LiU Linköping.

[3] Alfons Reitsma, (2006), Opticruise - Retarder (R&D), IrTENZ Conference2006, PowerPoint Presentation.

[4] Henrique Lorca, fotograf. Anläggning. Tunga tippbilar,http://se.scania.com/produkter-och-tjanster/lastbilar/anlaggning/tunga-tippbilar/ (hämtat 2010-04-20).

[5] J.Y. Wong, (2001), Theory of ground vehicles, third edition, John Wiley andSons inc, Canada.

[6] Emil Ritzen, (1998), Adaptive Vehicle Weight Estimation, Master thesis, LiULinköping.

[7] Impact, byte av lastgivare, Volvo Publishing(hämtat 2010-12-07).

[8] Kisaburo Hayakawa, Review of Toyota CRDL Vol. 38 No. 4,http://www.tytlabs.co.jp/english/review/rev384epdf/e384_068hayakawa.pdf(Hämtat 2011-04-29).

[9] A. Vahidi, M. Druzhinina, A. Stefanopoulou, P. Huei, (2003), SimultaneousMass and Time-Varying Grade Estimation for Heavy-Duty Vehicles, Depart-ment of Mechanical Engineering, Michigan University, Ann Arbor, MI, USA.

51

52 Litteraturförteckning

LINKÖPING UNIVERSITY

ELECTRONIC PRESS

Copyright

The publishers will keep this document online on the Internet - or its possiblereplacement - for a period of 25 years from the date of publication barring excep-tional circumstances. The online availability of the document implies a permanentpermission for anyone to read, to download, to print out single copies for your ownuse and to use it unchanged for any non-commercial research and educational pur-pose. Subsequent transfers of copyright cannot revoke this permission. All otheruses of the document are conditional on the consent of the copyright owner. Thepublisher has taken technical and administrative measures to assure authenticity,security and accessibility. According to intellectual property law the author hasthe right to be mentioned when his/her work is accessed as described above and tobe protected against infringement. For additional information about the LinköpingUniversity Electronic Press and its procedures for publication and for assurance ofdocument integrity, please refer to its WWW home page: http://www.ep.liu.se/

Upphovsrätt

Detta dokument hålls tillgängligt på Internet - eller dess framtida ersättare- under 25 år från publiceringsdatum under förutsättning att inga extraordinäraomständigheter uppstår. Tillgång till dokumentet innebär tillstånd för var ochen att läsa, ladda ner, skriva ut enstaka kopior för enskilt bruk och att användadet oförändrat för ickekommersiell forskning och för undervisning. Överföring avupphovsrätten vid en senare tidpunkt kan inte upphäva detta tillstånd. All annananvändning av dokumentet kräver upphovsmannens medgivande. För att garan-tera äktheten, säkerheten och tillgängligheten finns det lösningar av teknisk ochadministrativ art. Upphovsmannens ideella rätt innefattar rätt att bli nämnd somupphovsman i den omfattning som god sed kräver vid användning av dokumentetpå ovan beskrivna sätt samt skydd mot att dokumentet ändras eller presenterasi sådan form eller i sådant sammanhang som är kränkande för upphovsmannenslitterära eller konstnärliga anseende eller egenart. För ytterligare information omLinköping University Electronic Press se förlagets hemsida http://www.ep.liu.se/

53

Skattningavfordonsmassafråndriftstatistik429985/FULLTEXT01.pdf · 1.6 Opticruise Opticruise är...

Documents

Transcript of Skattningavfordonsmassafråndriftstatistik429985/FULLTEXT01.pdf · 1.6 Opticruise Opticruise är...