Robust vehicle state and parameter observation : adaptive filtering concept with enhanced robustness by usage of Markov chains

Abstract

The work presented here should fulfil the requirements for the granting of the degree of Doctor of Engineering at the University Siegen. It was completed within the EU funded project eFuture with the company Intedis. The goal of the project was to create an efficient and safe electric vehicle on the basis of a Tata eVista with help of a complete new architecture. A novel robust vehicle observer was designed for an optimal support of the integrated driver assistance systems. The concept for the observer is based upon an extended Kalman Filter using a non-linear vehicle model and the Dugoff tire model. Moreover, a parameter estimation and a plausibility check of the sensor signals were developed to increase the robustness of the observer. The estimation of the vehicle mass, the effective tire radii and the road adhesion were designed with an event-seeking characteristic in order to minimise the computational load. In the plausibility check delayed or faulty sensor signals are detected and corrected. Here the newly designed replacement of delayed or missing sensor signals by the concept of Markov Chains is pointed out. By this, the correctness of the output signals and the safety of the vehicle can be guaranteed for a defined time. Additionally, the evaluation of the stability limits and the driven distance of the vehicle are computed under the use of quantities that were calculated before. After the model based design the software was integrated on the hardware of the prototype. The functionality of this concept is given by results during dynamic test drives

Die hier vorgestellte Arbeit soll die Anforderungen zur Verleihung des Doktortitels an der Universität Siegen erfüllen. Sie wurde im Rahmen des EU geförderten Projekts eFuture bei der Firma Intedis in Würzburg abgeleistet, in welchem ein sicheres und effizientes Elektrofahrzeug auf Basis eines Tata eVista dank eines neuen Konzeptes aufgebaut wurde. Ein neuartiger robuster Fahrzeugbeobachter wurde entwickelt um die integrierten Fahrerassistenzsysteme optimal zu unterstützen. Das Konzept des Beobachters basiert auf einem erweiterten Kalman Filter unter Verwendung eines nichtlinearen Fahrzeugmodells und des Dugoff Reifenmodells. Zusätzlich wurde eine Parameterschätzung sowie ein Plausibilitätscheck der Sensorsignale integriert, um die Robustheit des Beobachters zu erhöhen. Die Parameterschätzung von Fahrzeugmasse, effektiven Reifenradien und Haftreibung wurde mit Hinblick auf die Berechnungslast ereignisbasierend aufgebaut. Im Plausibilitätscheck werden sowohl fehlerhafte oder verzögerte Signale detektiert als auch korrigiert. Hier ist das neu entworfene Ersetzen von verzögerten oder fehlenden Sensorsignalen auf Basis der Theorie der Markov Ketten hervorzuheben. So kann auch bei einem Sensorausfall die Korrektheit der Ausgangssignale für einen gewissen Zeitraum und dadurch auch die Sicherheit des Fahrzeugs unter Assistenzkontrolle garantiert werden. Die Evaluierung der Stabilitätsgrenzen für das Fahrzeug sowie die Berechnung der gefahrenen Strecke für das Kombiinstrument werden mit den zuvor ermittelten Größen durchgeführt. Nach der modellbasierten Entwicklung wurde die Software auf der Hardware des Prototypen integriert. Ergebnisse bei dynamischen Testfahrten zeigen die Funktionalität dieses Konzepts.