Nghiên cứu phương pháp xác định tải trọng ô tô theo thời gian thực cấp trường

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG NGHIÊN CỨU PHƯƠNG PHÁP XÁC ĐỊNH TẢI TRỌNG Ô TÔ THEO THỜI GIAN THỰC Mã số: T2018 - MT - 001 Chủ nhiệm đề tài: PGS.TS Nguyễn Tuấn Anh Thời gian thực hiện: 01/01/2018 - 31/12/2018 Ngày viết báo cáo: 11/2018 HÀ NỘI, 11 - 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI BÁO CÁO TỔNG KẾT ĐỀ TÀI NGHIÊN CỨU KHOA HỌC CẤP TRƯỜNG NGHIÊN CỨU PHƯƠNG PHÁP XÁC ĐỊNH TẢI TRỌNG Ô TÔ THEO THỜI GIAN THỰC Mã số: T2018 - MT - 001 Chủ nhiệm đề tài: PGS.TS Nguyễn Tuấn Anh Thời gian thực hiện: 01/01/2018 - 31/12/2018 Ngày viết báo cáo: 11/2018 HÀ NỘI, 11 - 2018 DANH SÁCH CÁC THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI TT Học tên Nguyễn Tuấn Anh Nguyễn Tuấn Anh Nguyễn Tuấn Anh Nguyễn Tuấn Anh Nguyễn Tuấn Anh Đơn vị công tác lĩnh vực Nội dung nghiên cứu cụ chuyên môn thể đƣợc giao Bộ môn Kỹ thuật ATGT Kỹ thuật Ơ tơ Nghiên cứu tổng quan Bộ mơn Kỹ thuật ATGT Xây dựng mơ hình dao Kỹ thuật Ơ tô động ô tô Bộ môn Kỹ thuật ATGT Nghiên cứu thuật tốn xác Kỹ thuật Ơ tơ định tải trọng Bộ môn Kỹ thuật ATGT Khảo sát đánh giá thuật Kỹ thuật Ơ tơ tốn Bộ mơn Kỹ thuật ATGT Kỹ thuật Ơ tơ Tổng hợp báo cáo ĐƠN VỊ PHỐI HỢP Bộ mơn Kỹ thuật An tồn giao thơng – Khoa Mơi trường An tồn giao thơng Trường Đại học Giao thông Vận tải i MỤC LỤC Trang DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ iv DANH MỤC CHỮ VIẾT TẮT v MỞ ĐẦU CHƢƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1.1 Ảnh hƣởng tải trọng đến tính động lực học độ bền ô tô 1.1.1 Ảnh hưởng đến khả tăng tốc 1.1.2 Ảnh hưởng đến hiệu phanh 1.1.3 Ảnh hưởng đến tính ổn định quay vịng 1.1.4 Ảnh hưởng đến tính êm dịu chuyển động 1.1.5 Ảnh hưởng đến độ bền kết cấu 1.2 Ảnh hƣởng xe tải đến cầu, đƣờng 1.2.1 Hiện trạng xe chở tải 1.2.2 Tác hại xe chở tải 1.2.3 Nguyên nhân 1.3 Các phƣơng pháp xác định tải trọng ô tô theo thời gian thực 1.3.1 Phương pháp xác định tải trọng trực tiếp 1.3.2 Giám sát tải trọng hệ thống không dây 10 1.3.3 Phương pháp ước lượng dựa mơ hình động lực học 12 1.4 Mục tiêu, đối tƣợng phƣơng pháp nghiên cứu 14 1.4.1 Mục tiêu nghiên cứu 14 1.4.2 Đối tượng nghiên cứu 14 1.4.3 Phương pháp nghiên cứu 14 1.4.4 Các nội dung đề tài 14 CHƢƠNG 2: XÂY DỰNG MƠ HÌNH DAO ĐỘNG CỦA Ơ TƠ 2.1 Mơ hình dao động tơ không gian 16 16 2.1.1 Các giả thiết xây dựng mơ hình 16 2.1.2 Mơ hình dao động đầy đủ 17 2.1.3 Biểu diễn hệ phương trình dao động dạng ma trận 23 2.1.4 Biểu diễn phương trình dao động dạng không gian trạng thái 26 ii 2.2 Mơ hình kích thích mặt đƣờng 27 2.2.1 Mơ tả tốn học kích thích mặt đường dạng xung hình thang 27 2.2.2 Mơ tả tốn học kích thích mặt đường ngẫu nhiên 27 2.3 Mơ hình dao động rút gọn 29 2.3.1 Biểu diễn hệ phương trình dao động dạng ma trận 30 2.3.2 Biểu diễn phương trình dao động dạng không gian trạng thái 32 CHƢƠNG 3: THUẬT TỐN XÁC ĐỊNH TẢI TRỌNG CỦA Ơ TƠ 3.1 Cơ sở lý thuyết lọc Kalman (Kalman Filter) 33 33 3.1.1 Khái niệm lọc 33 3.1.2 Thuật toán lọc Kalman rời rạc 34 3.2 Thiết kế ƣớc lƣợng tải ô tô theo thời gian thực 39 3.2.1 Bộ lọc Kalman-Bucy 39 3.2.2 Xác định ma trận hiệp phương sai 41 CHƢƠNG 4: KHẢO SÁT VÀ ĐÁNH GIÁ 42 4.1 Mơ hình mơ Matlab - Simulink 42 4.2 Kết khảo sát 43 4.2.1 Kích thích mặt đường dạng xung 44 4.2.2 Kích thích mặt đường ngẫu nhiên 47 4.3 Đánh giá sai số 50 KẾT LUẬN VÀ KIẾN NGHỊ 52 TÀI LIỆU THAM KHẢO 54 PHỤ LỤC 57 iii DANH MỤC BẢNG VÀ HÌNH VẼ Danh mục bảng Bảng 2.1 Tọa độ điểm đặt lực Bảng 2.2 Đề xuất ISO phân loại mật độ phổ mấp mô mặt đường Bảng 4.1 Thông số thực tế ô tơ khảo sát Bảng 4.2 Giá trị trung bình bình phương sai số ước lượng thực tế Bảng 4.3 Tỷ lệ sai số kết ước lượng thực tế thơng số tính tốn Danh mục hình vẽ Hình 1.1 Ảnh hưởng trọng lượng tồn đến qng đường phanh Hình 1.2 Bộ chuyển đổi áp suất APT (trái) cảm biến tải trọng (phải) Hình 1.3 Sơ đồ cấu trúc hệ thống OBM sử dụng chuyển đổi APT xe tải sử dụng hệ thống treo khí nén Hình 2.1 Mơ hình dao động ơtơ tải khơng gian Hình 2.2 Chuyển dịch thân xe vị trí đặt hệ thống treo Hình 2.3 Chuyển dịch cầu xe vị trí bánh xe Hình 2.4 Mấp mơ đơn dạng hình thang Hình 2.5 Phân loại mặt đường theo mật độ phổ (đề xuất ISO) Hình 2.6 Mơ hình dao động tơ rút gọn Hình 3.1 Sơ đồ lọc Kalman KF Hình 3.2 Chu kì lọc rời rạc (gián đoạn) Hình 3.3 Thuật tốn nguyên lý lọc Kalman Hình 3.4 Hệ tuyến tính biến đổi liên tục theo thời gian với nhiễu đầu vào nhiễu đo Hình 3.5 Tín hiệu vào lọc Kalman-Bucy Filter (KBF) Hình 4.1 Mơ hình mơ Matlab – Simulink với lọc Kalman - Bucy Hình 4.2 Các vận tốc dao động thân xe với kích thích mặt đường dạng xung Hình 4.3 Vận tốc dịch chuyển tương đối hệ thống treo với mặt đường dạng xung Hình 4.4 Biến đổi theo thời gian tín hiệu ước lượng thực tế Hình 4.5 Biến đổi thơng số qn tính thân xe ước lượng thực tế Hình 4.6 Các vận tốc dao động thân xe với kích thích mặt đường ngẫu nhiên Hình 4.7 Vận tốc dịch chuyển tương đối hệ thống treo với mặt đường ngẫu nhiên Hình 4.8 Biến đổi theo thời gian tín hiệu ước lượng thực tế Hình 4.9 Biến đổi thơng số quán tính thân xe ước lượng thực tế Trang 20 29 44 50 51 10 18 20 21 27 29 30 35 36 39 40 40 43 45 45 46 46 48 48 49 49 iv DANH MỤC CỤM TỪ VIẾT TẮT Cụm từ viết tắt Tên gọi đầy đủ ATGT An tồn giao thơng CAN bus Controller Area Network (Mạng điều khiển/giao tiếp cục bộ) GTVT Giao thông vận tải QL Quốc lộ ABS Anti-lock Braking System (Hệ thống chống bó cứng bánh xe phanh) APT Air Pressure Transducer (Bộ chuyển đổi áp suất không khí) DSRC Dedicated Short Range Communications (Truyền thơng chun dụng sóng ngắn) ESP Electronic Stability Program (Hệ thống ổn định điện tử) EKF Extended Kalman Filtering (Bộ lọc Kalman mở rộng) GNSS Global Navigation Satellite Systems (Hệ thống vệ tinh định vị toàn cầu) GPS Global Positioning Systems (Hệ thống định vị toàn cầu) GPRS General Packet Radio Service (Dịch vụ vơ tuyến gói tổng hợp) IAP Intelligent Access Program (Chương trình truy cập thơng minh) ITS Intelligent Transport Systems (Hệ thống giao thông thông minh) KF Kalman Filter (Bộ lọc Kalman) KBF Kalman - Bucy Filter (Bộ lọc Kalman - Bucy) LVDT Linear Variable Differential Transformers (Bộ chuyển đổi dịch chuyển tuyến tính) OBM On-Board Mass Monitoring (Hệ thống theo dõi tải trọng xe) RLS Recursive Least Squares (Hồi quy bình phương nhỏ nhất) WIM Weigh-in-Motion (Hệ thống cân xe tự động) WSN Wireless Sensor Networks (Mạng cảm biến không dây) v MỞ ĐẦU Tải trọng thông số kỹ thuật ảnh hưởng lớn đến tính chất khai thác, tính kinh tế nhiên liệu chất lượng làm việc hệ thống an toàn chủ động ô tô Đồng thời, ô tô tải cịn ngun nhân dẫn đến tai nạn giao thông hư hỏng đường Trong thời gian gần đây, tiến khoa học kỹ thuật lĩnh vực điều khiển, tự động hóa, cơng nghệ cảm biến, thông tin truyền thông tạo tiền đề cho phát triển nhanh chóng hệ thống an tồn chủ động tơ đại hệ thống ổn định điện tử ESP, hệ thống lái AFS, hệ thống treo chủ động, … Các hệ thống thường thiết kế dựa mơ hình động lực học tham chiếu phụ thuộc vào thông đặc trưng cho tính qn tính tơ khối lượng tồn mơ men qn tính ô tô theo trục Sự thay đổi thông số phạm vi rộng theo chế độ tải trọng ô tô ảnh hưởng đáng kể đến chất lượng làm việc hệ thống Vì vậy, việc xác định xác giá trị thơng số qn tính tơ để cập nhật thơng tin cho điều khiển q trình tơ vận hành đóng vai trị quan trọng việc nâng cao hiệu hoạt động hệ thống an tồn chủ động tơ Bên cạnh đó, thơng tin khối lượng tơ cịn tích hợp với hệ thống giám sát hành trình phương tiện, giúp doanh nghiệp vận tải quan quản lý nhà nước giám sát tải trọng phương tiện cách trực tuyến, tăng cường lực hiệu quản lý, giám sát phương tiện tải, nâng cao ý thức chấp hành quy định pháp luật trật tự an toàn giao thơng, góp phần giảm thiểu tai nạn giao thơng hư hỏng mặt đường Trên sở phân tích lựa chọn phương án phù hợp với điều kiện kinh tế công nghệ Việt Nam, đề tài giới thiệu phương pháp thiết kế ước lượng tải trọng ô tô theo thời gian thực ứng dụng thuật toán lọc Kalman - Bucy dựa mơ hình dao động rút gọn ô tô không gian Các kết mô sử dụng phần mềm Matlab Simulink cho thấy ước lượng tải trọng làm việc đảm bảo độ xác tin cậy Chƣơng TỔNG QUAN VỀ ĐỀ TÀI Chương giới thiệu ảnh hưởng tải trọng đến tính động lực học tơ vai trị việc xác định xác tải trọng tơ theo thời gian thực việc nâng cao chất lượng làm việc hệ thống an tồn chủ động tơ Trên sở phân tích đánh giá phương pháp xác định tải trọng ô tô theo thời gian thực giới nay, phương pháp xác định tải trọng tơ trực tuyến phù hợp với trình độ phát triển công nghệ nước lựa chọn 1.1 Ảnh hưởng tải trọng đến tính động lực học độ bền ô tô Tải trọng ảnh hưởng đến tất tính động lực học ô tô khả tăng tốc, quãng đường phanh, tính ổn định quay vịng dao động tô 1.1.1 Ảnh hƣởng đến khả tăng tốc Khi tải trọng tăng, trọng lượng tồn tơ tăng lên làm tăng giá trị thành phần lực cản chuyển động, bao gồm lực cản lăn, lực cản lên dốc lực cản qn tính Do làm giảm công suất dư dùng để tăng tốc vượt dốc ô tô [7, 20, 21, 25] Khi tải trọng tăng biến dạng hướng kính lốp biến dạng đường tăng lên làm tăng hệ số cản lăn lực cản lăn Do làm tăng tính tiêu hao nhiên liệu, gây phả hủy đường mòn lốp Tải trọng yếu tố trực tiếp ảnh hưởng đến lực cản quán tính lực cản lên dốc Tải trọng lớn khả tăng tốc leo dốc ô tô giảm 1.1.2 Ảnh hƣởng đến hiệu phanh Khi tăng tải làm tăng lực qn tính phanh, địi hỏi người lái phải tác dụng vào bàn đạp mạnh lâu để tạo lực phanh đủ lớn cân với lực quán tính Điều làm tăng thời gian phanh quãng đường phanh, đặc biệt loại xe tải cỡ lớn chuyển động vận tốc cao Nghiên cứu Airul Sharizli cộng [27] trọng lượng tồn ảnh hưởng khơng khơng nhiều đến qng đường phanh tương ứng với gia tốc phanh cực đại xe chuyển động tốc độ 30km/h Tuy nhiên, dải tốc độ từ 40km/h đến 100km/h, quãng đường phanh tăng đáng kể tăng trọng lượng toàn tơ, Hình 1.1 Điều cho thấy trọng lượng tồn tăng qng đường phanh lớn Vì tình khẩn cấp, tơ q tải khơng có khả dừng khoảng cách ngắn ô tô chở non tải, không phụ thuộc vào khả phản xạ lực đạp phanh người lái Quãng đường phanh (m) Vận tốc (km/h) Trọng lượng tồn phương tiện (T) Hình 1.1 Ảnh hưởng trọng lượng toàn đến quãng đường phanh [27] 1.1.3 Ảnh hƣởng đến tính ổn định quay vòng Tải trọng chuyên chở tăng làm tăng chiều cao trọng tâm xe, dẫn đến tăng khả ổn định lật xe quay vòng tốc độ cao Bên cạnh dao động Hình 4.4 Biến đổi theo thời gian tín hiệu ước lượng thực tế Hình 4.5 Biến đổi thơng số qn tính thân xe ước lượng thực tế 46 Sự thay đổi theo thời gian vận tốc dao động thơng số qn tính thân xe ước lượng thuật toán lọc Kalman - Bucy ảnh hưởng nhiễu đầu vào (input noise) nhiễu đo (measurement noise) so với giá trị thực tế minh họa Hình 4.4 Hình 4.5 Hình 4.5 biểu diễn kết ước lượng thơng số qn tính thân xe với hai trường hợp: p0 = [mS0 , Jx0, Jy0]T = [2x5394 kg, 2x4600 kgm2, 2x19632 kgm2]T p0 = [5394/2 kg, 4600/2 kgm2, 19632/2 kgm2]T Trong hai trường hợp giá trị ban đầu thông số lớn nhỏ lần so với giá trị thực tế, sau thời gian mô khoảng 1,5s thông số hội tụ giá trị thực, ngoại trừ tác động nhiễu Điều cho thấy hiệu chất lượng làm việc ước lượng thông số thiết kế Kết mô với giá trị khác ma trận Q R cho thấy thời gian hội tụ hiệu giảm nhiễu tỷ lệ thuận với thay đổi nhiễu đầu vào nhiễu đo Giá trị Q giảm thời gian hội tụ nhanh Trong trường hợp khơng có tác dụng nhiễu đầu vào nhiễu đo, nghĩa w(t) = v(t) = 0, đồ thị biến thiên vận tốc dao động kết ước lượng thực tế Hình 4.4 trùng khít 4.2.2 Kích thích mặt đƣờng ngẫu nhiên Trong trường hợp kích thích mặt đường ngẫu nhiên, mấp mơ mặt đường mô theo tiêu chuẩn ISO 8608 cho mặt đường chất lượng loại A [17, 19] minh họa Hình 4.6 Các thơng số đầu mơ hình dao động khơng gian đầy đủ mơ tả Hình 4.6 Hình 4.7 Kết so sánh thông số ước lượng thực tế biểu diễn Hình 4.8 4.9 Có thể thấy, tương tự trường hợp kích thích mặt đường dạng xung, có tác động nhiễu, kết ước lượng bám sát với giá trị thực tế Tuy nhiên thời gian hội tụ thơng số qn tính giá trị thực kéo dài hơn, khoảng 3.5s 47 Hình 4.6 Các vận tốc dao động thân xe với kích thích mặt đường ngẫu nhiên Hình 4.7 Vận tốc dịch chuyển tương đối hệ thống treo với mặt đường ngẫu nhiên 48 Hình 4.8 Biến đổi theo thời gian tín hiệu ước lượng thực tế Hình 4.9 Biến đổi thơng số qn tính thân xe ước lượng thực tế 49 Các kết mô kích thích mặt đường dạng xung mặt đường ngẫu nhiên cho thấy tín hiệu thông số ước lượng sử dụng lọc Kalman – Bucy thiết kế hội tụ xác tín hiệu giá trị thực Độ xác ước lượng thông số thiết kế dựa thuật toán Kalman – Bucy phụ thuộc chủ yếu vào việc xác định tham số ma trận Q R 4.3 Đánh giá sai số Độ xác ước lượng thông số đánh giá thơng qua giá trị trung bình bình phương (root mean square) sai số eri tín hiệu/thơng số ước lượng yˆi (t) tín hiệu/thơng số thực tế yi (t) theo công thức tổng quát sau: T eri   yi  t   yˆi  t    T (4.1) Trong tín hiệu/thơng số thực tế yi (t) tín hiệu/thơng số nhận từ mơ hình dao động khơng gian đầy đủ, tín hiệu/thơng số ước lượng yˆi (t ) tín hiệu/thơng số ước lượng thuật tốn Kalman – Bucy Chú ý giá trị trung bình bình phương sai số eri có thứ nguyên đại lượng yi , giá trị biểu diễn sai lệch trung bình bình phương đại lượng cần kiểm tra so với giá trị thực toàn thời gian khảo sát Các kết tính tốn sai số cho Bảng 4.2 Bảng 4.2 Giá trị trung bình bình phương sai số ước lượng thực tế Trƣờng hợp kích thích mặt đƣờng dạng xung Tín hiệu Thơng số tính tốn er  Z  [m/s] er   [độ/s] er   [độ/s] 0.0190 0.0209 0.0071 er  mS  [kg] 61.7994   er  J x  [kgm ] er J y [kgm2] 308.9972 807.4773 Trƣờng hợp kích thích mặt đƣờng ngẫu nhiên Tín hiệu Thơng số tính tốn er  Z  [m/s] er   [độ/s] er   [độ/s] 0.0708 0.0347 0.0121 er  mS  [kg] 91.0563   er  J x  [kgm ] er J y [kgm2] 444.9939 791.7112 50 Bảng 4.3 Tỷ lệ sai số kết ước lượng thực tế thơng số tính tốn Tỷ lệ sai số δmS (%) δJx (%) δJy (%) Kích thích mặt đường dạng xung 1.15% 6.72% 4.11% Kích thích mặt đường ngẫu nhiên 1.69% 9.67% 4.03% Tỷ lệ sai số giá trị ước lượng giá trị thực thơng số qn tính thân xe cho Bảng 4.3 Có thể thấy tỷ lệ sai số khối lượng thân xe mô men quán tính thân xe theo trục nhỏ 10%, điều cho phép kết luận ước lượng thơng số thiết kế đảm bảo độ xác cho phép 51 KẾT LUẬN Tải trọng thông số kỹ thuật quan trọng khơng ảnh hưởng đến tính động lực học an toàn chuyển động ô tô mà ảnh hưởng đến tuổi thọ cơng trình giao thơng Tuy nhiên tải trọng tô lại thường xuyên thay đổi phạm vi lớn tùy thuộc vào điều kiện khai thác Vì bên cạnh nâng cao chất lượng hiệu hoạt động hệ thống điều khiển ô tô đại, việc xác định xác tải trọng tơ theo thời gian thực tạo tiền đề cho quan quản lý nhà nước nghiên cứu triển khai giải pháp giám sát tải trọng thông minh loại xe tải hạng nặng nhiều nước giới thực Trên sở xây dựng mơ hình dao động khơng gian bậc tự ô tô, đề tài đề xuất mô hình dao động rút gọn để thiết kế ước lượng thơng số qn tính, bao gồm khối lượng mơ men qn tính thân xe Mơ hình cho phép đơn giản hóa việc xác định tín hiệu đầu vào cho ước lượng cho phép loại bỏ tác động yếu tố ngẫu nhiên từ mặt đường Do khối lượng không tải khối lượng phần không treo không thay đổi suốt trình vận hành nên dựa giá trị ước lượng khối lượng thân xe dễ dàng xác định tải trọng trọng lượng tồn tơ Bộ ước lượng thơng số thiết kế dựa thuật toán lọc Kalman – Bucy áp dụng cho hệ tuyến tính biến đổi liên tục theo thời gian Chất lượng làm việc ước lượng đánh giá mô sử dụng phần mềm Matlab Simulink Kết mô đánh giá sai số cho hai trường hợp kích thích mặt đường dạng xung hình thang kích thích mặt đường ngẫu nhiên cho thấy tín hiệu thơng số ước lượng nhanh chóng hội tụ giá trị thực tế sau thời gian 3.5s với tỷ lệ sai số 10% Điều cho phép khẳng định mặt lý thuyết hiệu độ xác ước lượng tải trọng Kalman – Bucy thiết kế so với phương pháp ước lượng khác Các kết nghiên cứu đề tài sử dụng để nghiên cứu sản xuất thử nghiệm xe thực Trên sở thử nghiệm đánh giá thực tế chất lượng làm 52 việc ước lượng tải trọng Kalman – Bucy, tích hợp thông tin tải trọng xe theo thời gian thực vào liệu thiết bị giám sát hành trình phục vụ cho công tác quản lý xe tải 53 TÀI LIỆU THAM KHẢO Nguyen Tuan-Anh: Vehicle Parameter Identification using Optimization Method based on Half-Car Model Journal of Transportation, Vol 06/2018, pp: 106-109 (2018) Ammon, D., Modellbildung und Systementwicklung in der Fahrzeugdynamik Stuttgart: Teubner (1997) Lloyd Davis, et al., Technical Feasibility Assessment of On-Board Mass-Monitoring (OBM) Devices Transport Certification Australia Ltd & Queensland University of Technology (2008) N O Donatus, et al., Implementation of Kalman-Bucy Filter for Continuous Time State Estimation in Simulink International Research Journal of Advanced Engineering and Science, Volume 3, Issue 1, pp 11-13 (2017) M Doumiati et al., Vehicle Dynamics Estimation using Kalman Filtering John Wiley & Sons, Inc (2013) Nguyễn Đình Hiếu, Nguyễn Phùng Quang, Điều khiển động không đồng không cần cảm biến tốc độ sử dụng lọc Kalman cấu trúc có tách kênh trực tiếp Tạp chí KH&CN trường đại học kỹ thuật, Số 74 (24-29), (2009) Reza N Jazar, Vehicle Dynamics – Theory and Application Springer (2008) Mohinder S Grewal, Angus P Andrews, Kalman Filtering: Theory and Practice using Matlab, Second Edition John Wiley & Sons, Inc., (2001) Charles Karl, et al., On-Board Mass Monitoring Test Report (Final) Transport Certification Australia Limited (2009) 10 N Kidambi, et al.: Methods in Vehicle Mass and Road Grade Estimation SAE International (2014) 11 D Kim, et al., Integrated Vehicle Mass Estimation Using Longitudinal and Roll Dynamics The 12th International Conference on Control, Automation and Systems, Korea (2012) 12 J Kolansky, C Sandu, Real-time Parameter Estimation Study for Inertia Properties of Ground Vehicles The Archive of Mechanical Engineering, No.1 (2013) 13 Chris Koniditsiotis, et al., Weigh-in-motion and ITS: Heavy Vehicle On-board 54 weighing using Intelligent Access Program The 1st International Seminar of Weigh in Motion Santa Catarina – Brazil (2011) 14 Kortum, W., Systems Dynamik und Reglung von Fahrzeugschwingung Berlin: Springer, (1994), 15 Shiwu Li, et al., Monitoring Technology for Vehicle Loading Status Based on the Analysis of Suspension Vibration Characters Advances in Mechanical Engineering Volume 2014, Article ID 654276 (2014) 16 Robert Wragge-Morley, et al., Gradient and Mass Estimation from CAN based data for a light passenger car SAE International Journal of Passenger CarsMechanical Systems, 8(1),137-145 (2015) 17 Peter Múčka: Simulated Road Profiles According to ISO 8608 in Vibration Analysis Journal of Testing and Evaluation, Vol 46, No (2018) 18 Mitschke, M., Einfluss der Strasseenunebenheit auf Fahrzeugschwingung, IFF Bericht, TU Braunschweig, (1986) 19 Mitschke, M., Dynamik der Kraftfahrzeuge, Band C: Fahrverhalten Berlin: Springer, (1990) 20 Mitschke, M., Dynamik der Kraftfahrzeuge, Band B: Fahrverhalten Berlin: Springer, (1992) 21 Mitschke, M., Dynamik der Kraftfahrzeuge Springer Verlag, 3rd edition, (1995) 22 B L Pence et al., Sprung Mass Estimation for Off-Road Vehicles via BaseExcitation Suspension Dynamics and Recursive Least Squares 2009 American Control Conference (2009) 23 Nguyễn Doãn Phƣớc, Lý thuyết điều khiển nâng cao, In lần thứ NXB Khoa học Kỹ thuật, Hà Nội (2009) 24 Nguyễn Doãn Phƣớc, Lý thuyết điều khiển tuyến tính, In lần thứ NXB Khoa học Kỹ thuật, Hà Nội (2009) 25 Popp, K., and Schiehlen, W., Fahrzeugdynamik Stuttgart: Teubner, (1993) 26 Rajamani, R., Vehicle Dynamics and control Berlin: Springer, (2005) 27 Airul Sharizli, et.al., Simulation and Analysis on the Effect of Gross Vehicle Weight on Braking Distance of Heavy Vehicle Applied Mechanics and Materials Vol 564 pp 77-82 (2014) 28 William Todts, Study on heavy vehicle on-board weighing - Final report Transport 55 & Environment, Brussels, Belgium (2013) 29 A Vahidi et al., Recursive least squares with forgetting for online estimation of vehicle mass and road grade: theory and experiments Vehicle System Dynamics, Vol 43, No 1, 31 - 55, Taylor & Francis Group Ltd (2005) 30 T A Wenzel et al., Dual extended Kalman filter for vehicle state and parameter estimation International Journal of Vehicle Mechanics and Mobility, Vehicle System Dynamics, Vol 44, No 2, 153–171, Taylor & Francis Group Ltd (2006) 31 Feng Yuan, et.al., Recursive Least Square Vehicle Mass Estimation Based on Acceleration Partition Chinese Mechanical Engineering Society and SpringerVerlag Berlin Heidelberg, Vo l 27, No 3, pp 448-459 (2014) 56 PHỤ LỤC PL1 Chƣơng trình mơ Matlab - Simulink % % sim_kalman_data.m % =============================================================== % % Tuan Anh Nguyen % October, 10 2018 % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % THONG SO MO HINH DAO DONG KHONG GIAN % tf = 1.705/2; tr = 1.495/2; lf = 2.400; lr = 1.685; L = lf+lr; % % % % % 1/2 vet banh 1/2 vet banh K/c tu K/c tu Chieu dai co xe truoc [m] xe sau [m] tam den truc truoc [m] tam den truc sau [m] so [m] ms = 5394; % Khoi luong duoc treo [m] msf = ms*lr/(lf+lr); % Front sprung mass msr = ms*lf/(lf+lr); % Rear sprung mass muf = 266; % Front unsprung mass mur = 427; % Rear unsprung mass mu = 2*(muf+mur); % Unsprung mass Jx = 4600; % Mo men quan tinh quanh truc x [kgm2] Jy = 19632; % Mo men quan tinh quanh truc y [kgm2] dsf dsr ksf ksr = = = = 7733; 9804; 193844; 177007; % % % % Front suspension damping rate Rear suspension damping rate Front suspension stiffness Rear suspension stiffness duf dur kuf kur = = = = 1000*0; 1000*0; 493211; 986422; % % % % Front tire damping rate Rear tire damping rate Front tire stiffness Rear tire stiffness % % Ms Mu Mg LINEARIZED EQUATIONS OF MOTION FOR MULTIBODY SYSTEM = diag([ms, Jx, Jy]); = diag([muf, muf, mur, mur]); = [msf+muf; msf+muf; msr+mur; msr+mur]; Ks Ku Cs Cu = = = = diag([dsf, dsf, dsr, dsr]); diag([duf, duf, dur, dur]); diag([ksf,ksf,ksr,ksr]); diag([kuf,kuf,kur,kur]); Gs = [1,tf,-lf; 1,-tf,-lf; 1,tr,lr; 1,-tr,lr]; Gu = [1,0,tf,0; 1,0,-tf,0; 0,1,0,tr; 0,1,0,-tr;]; Gfs = [Gs, -Gu]; Gfu = [zeros(4,3), Gu]; Kss = Gs'*Ks*Gfs; Css = Gs'*Cs*Gfs; Kuu = -Gu'*Ks*Gfs; Cuu = -Gu'*(Cs*Gfs-Cu*Gfu); Cq = Gu'*Cu; M1 = [Ms, zeros(3,4); zeros(4,3), Mu]; K1 = [Kss; Kuu]; C1 = [Css; Cuu]; H1 = [zeros(3,4); Cq]; H2 = -[Gs'*Cs, Gs'*Ks]; % ====================================================================== % % Phuong trinh trang thai 57 % % % % A01 B01 C01 D01 = = = = x' = A*x + B*u y = C*x + D*u (3) [zeros(7), eye(7); -inv(M1)*C1, -inv(M1)*K1]; [zeros(7,4); inv(M1)*H1]; [-inv(M1)*C1, -inv(M1)*K1; Gfs,zeros(4,7); zeros(4,7),Gfs]; [inv(M1)*H1; zeros(8,4)]; MS0 = 2*ms; JX0 = 2*Jx; JY0=2*Jy; MS = ms; JX = Jx; JY = Jy; M2 = diag([MS, JX, JY]); A02 B02 C02 D02 = = = = [zeros(6)]; [inv(M2)*H2; zeros(3,8)]; [eye(6)]; [zeros(6,8)]; % (2) Simulation options structure tsim=10; v0 = 36/3.6; bump=1; q=0.1; % (3) Call simulation my_opt = simset('InitialStep', 1e-2, 'OutputVariables','txy'); [t,x,y] =sim('KBF_sim',tsim, my_opt); %========================================================= % TINH SAI SO e1=ymes(:,1)-yhat(:,1); er1=sqrt(sum(e1.*conj(e1))/size(e1,1)) e2=ymes(:,2)-yhat(:,2); er2=sqrt(sum(e2.*conj(e2))/size(e2,1)) e3=ymes(:,3)-yhat(:,3); er3=sqrt(sum(e3.*conj(e3))/size(e3,1)) e4=MS-yhat(:,4); er4=sqrt(sum(e4.*conj(e4))/size(e4,1)) e5=JX-yhat(:,5); er5=sqrt(sum(e5.*conj(e5))/size(e5,1)) e6=JY-yhat(:,6); er6=sqrt(sum(e6.*conj(e6))/size(e6,1)) % VE DO THI figure(1); subplot(411), plot(t*v0, q,'k-','LineWidth',2.5); hold on; title('Bien dang mat duong') xlabel('x [m]'); ylabel('q [m]'); grid; subplot(412), plot(t,Z_d,'k-','LineWidth',2.5); title('Van toc dao dong than xe'); ylabel('dZ/dt [m/s]');); grid; hold on; subplot(413), plot(t,phi_d,'k-','LineWidth',2.5); title('Van toc lac ngang than xe');%xlabel('Thoi gian mo phong [s]'); ylabel('d\Phi/dt [deg/s]'); grid; hold on; subplot(414),plot(t,theta_d,'k-','LineWidth',2.5); title('Van toc lac doc than xe');grid; hold on; xlabel('Thoi gian [s]'); ylabel('d\Theta/dt [deg/s]'); figure(2); %clf; subplot(311), plot(t, xhat(:,4),'g ','LineWidth',3); hold on; plot(t, MS,'k-','LineWidth',2); hold on; 58 title('Khoi luong than xe'); ylabel('m_S [kg]'); grid; legend('Uoc luong','Thuc te'); subplot(312), plot(t, xhat(:,5),'g ','LineWidth',3); hold on; plot(t, JX,'k-','LineWidth',2); hold on; title('Mo men quan tinh lac doc'); ylabel('J_X [kgm^2]'); grid; hold on; legend('Uoc luong','Thuc te'); subplot(313), plot(t, xhat(:,6),'g ','LineWidth',3); hold on; plot(t, JY,'k-','LineWidth',2); hold on; title('Mo men quan tinh lac ngang'); xlabel('Thoi gian [s]'); ylabel('J_Y [kgm^2]'); grid; hold on; legend('Uoc luong','Thuc te'); figure(3); %clf; subplot(311), plot(t, yhat(:,1),'g ','LineWidth',3); hold on; plot(t, ymes(:,1),'k-','LineWidth',2); hold on; title('Van toc dao dong than xe'); ylabel('dZ/dt [m/s]'); legend('Uoc luong','Thuc te');grid subplot(312), plot(t, yhat(:,2)*180/pi,'g ','LineWidth',3); hold on; plot(t, ymes(:,2)*180/pi,'k-','LineWidth',2); hold on; title('Van toc lac ngang than xe'); ylabel('d\Phi/dt [deg/s]');grid legend('Uoc luong','Thuc te'); subplot(313), plot(t, yhat(:,3)*180/pi,'g ','LineWidth',3); hold on; plot(t, ymes(:,3)*180/pi,'k-','LineWidth',2); hold on; title('Van toc lac doc than xe');grid; hold on; ylabel('d\Theta/dt [deg/s]'); legend('Uoc luong','Thuc te'); xlabel('Thoi gian [s]'); figure(4); %clf; subplot(221), plot(t, deltaZ(:,1),'k-','LineWidth',2.5); hold on; plot(t, deltaZ(:,3),'k ','LineWidth',1.5); hold on; title('Banh xe ben trai'); ylabel('\Delta Z_1,\Delta Z_3 [m]'); legend('\Delta Z_1','\Delta Z_3');grid subplot(222), plot(t, deltaZ(:,2),'k-','LineWidth',2.5); hold on; plot(t, deltaZ(:,4),'k ','LineWidth',1.5); hold on; title('Banh xe ben phai'); ylabel('\Delta Z_2,\Delta Z_4 [m]'); legend('\Delta Z_2','\Delta Z_4');grid subplot(223), plot(t, deltaZd(:,1),'k-','LineWidth',2.5); hold on; plot(t, deltaZd(:,3),'k ','LineWidth',1.5); hold on; title('Banh xe ben trai'); ylabel('d\Delta Z_1/dt,d\Delta Z_3/dt [m]'); legend('d\Delta Z_1/dt','d\Delta Z_3/dt');grid xlabel('Thoi gian [s]'); subplot(224), plot(t, deltaZd(:,2),'k-','LineWidth',2.5); hold on; plot(t, deltaZd(:,4),'k ','LineWidth',1.5); hold on; title('Banh xe ben trai'); ylabel('d\Delta Z_2/dt,d\Delta Z_4/dt [m]'); legend('d\Delta Z_2/dt','d\Delta Z_4/dt');grid xlabel('Thoi gian [s]'); PL2 S-Function: Thuật toán lọc Kalman – Bucy function [xhat,yhat, FilterStatesOut] = KBFilter(u,ymeas,FilterStatesIn) % This Embedded MATLAB Function implements a very simple Kalman Bucy filter % %====================================================================== % CHUONG TRINH MO PHONG % THONG SO MO HINH DAO DONG RUT GON % tf = 1.705/2; tr = 1.495/2; lf = 2.400; % 1/2 vet banh xe truoc [m] % 1/2 vet banh xe sau [m] % K/c tu tam den truc truoc [m] 59 lr = 1.685; L = lf+lr; % K/c tu tam den truc sau [m] % Chieu dai co so [m] ms = 5394; % Khoi luong duoc treo [m] msf = ms*lr/(lf+lr); % Front sprung mass msr = ms*lf/(lf+lr); % Rear sprung mass muf = 266; % Front unsprung mass mur = 427; % Rear unsprung mass mu = 2*(muf+mur); % Unsprung mass Jx = 4600; % Mo men quan tinh quanh truc x [kgm2] Jy = 19632; % Mo men quan tinh quanh truc y [kgm2] dsf dsr ksf ksr = = = = 7733; 9804; 193844; 177007; % % % % Front suspension damping rate Rear suspension damping rate Front suspension stiffness Rear suspension stiffness duf dur kuf kur = = = = 1000*0; 1000*0; 493211; 986422; % % % % Front tire damping rate Rear tire damping rate Front tire stiffness Rear tire stiffness Ks = diag([dsf, dsf, dsr, dsr]); Cs = diag([ksf,ksf,ksr,ksr]); Gs = [1,tf,-lf; 1,-tf,-lf; 1,tr,lr; 1,-tr,lr]; H2 = -[Gs'*Cs, Gs'*Ks]; MS = ms; JX = Jx; JY = Jy; M2 = diag([MS, JX, JY]); A02 B02 C02 D02 = = = = [zeros(6)]; [inv(M2)*H2; zeros(3,8)]; [eye(6)]; [zeros(6,8)]; q1=1e0;q2=1e0;q3=1e0;q4=1e0;q5=1e0;q6=1e0; r1=1e-1;r2=1e1;r3=1e3;r4=1e0;r5=1e0;r6=1e0; Qn=diag([q1, q2, q3, q4, q5, q6])*1e-3; Rn=diag([r1,r2,r3,r4,r5,r6])*1e-3; % Separate out the model state estimate and the % Kalman Filter states xhat = (FilterStatesIn(1,1:6))'; P = FilterStatesIn(2:7,1:6); % calculate the residual residual = ymeas - (C02*xhat+D02*u); % Calculate the filter gain K =(P*C02')/Rn; % state update equations xhatdot = A02*xhat + B02*u + K*residual; Pdot = A02*P +P*A02' - (P*C02')/Rn*C02*P + Qn; % assign outputs yhat = C02*xhat+D02*u; FilterStatesOut = [xhatdot';Pdot]; 60