1. Trang chủ
  2. » Luận Văn - Báo Cáo

Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)

70 46 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 70
Dung lượng 3,23 MB

Nội dung

LỜI CAM ĐOAN Em xin cam đoan đồ án tốt nghiệp: Ứng dụng phương pháp tổng hợp liệu đa cảm biến ước lượng vận tốc dài xe ô-tô điện em tự thực hướng dẫn thầy giáo ThS Võ Duy Thành Mọi số liệu kết đồ án hoàn toàn trung thực Để hoàn thành đồ án em sử dụng tài liệu ghi danh mục tài liệu tham khảo không chép hay sử dụng tài liệu khác Nếu phát có chép, em xin chịu hồn tồn trách nhiệm Hà Nội, ngày 19 tháng 05 năm 2018 Sinh viên thực Phạm Văn Quyền MỤC LỤC CHƯƠNG TỔNG QUAN CHUNG VỀ ƯỚC LƯỢNG VẬN TỐC DÀI TRÊN XE Ô-TÔ ĐIỆN 1.1 Vấn đề ước lượng tốc độ dài xe ô-tô điện 1.1.1 Ý nghĩa vai trị vận tốc dài xe ơ-tơ điện 10 1.1.2 Các phương pháp đo vận tốc dài xe ô-tô điện 11 1.1.3 Một số nghiên cứu ước lượng vận tốc dài xe ô-tô điện 11 1.2 Tổng hợp liệu đa cảm biến 13 1.3 Nhiệm vụ cấu trúc đồ án 14 CHƯƠNG NÂNG CAO TỐC ĐỘ TRÍCH MẪU CỦA CẢM BIẾN 16 2.1 Vấn đề đồng tốc độ trích mẫu cảm biến 16 2.2 Bộ lọc Kalman 18 2.3 Nâng cao tốc độ trích mẫu cảm biến thuật tốn Multirate Kalman Filter 21 2.4 Đề xuất cải tiến lọc Multirate Kalman 22 2.4.1 Góc nhìn khác hiệp phương sai R 22 2.4.2 Ngoại suy đa thức 23 2.4.3 Lưu đồ thuật toán MKF cải tiến 24 2.5 Ứng dụng nâng cao tốc độ trích mẫu cho cảm biến tốc độ quay bánh xe ô-tô điện 26 2.6 Mô kiểm chứng độ hiệu lọc 27 2.6.1 Mơ hình mô 27 2.6.2 Kết mô 28 CHƯƠNG TỔNG HỢP DỮ LIỆU ĐA CẢM BIẾN 32 3.1 Đặt vấn đề 32 3.2 Bài toán tổng hợp tối ưu thông tin từ nguồn liệu 35 3.3 Ứng dụng ước lượng vận tốc dài 38 CHƯƠNG XÂY DỰNG HỆ THỐNG THỰC NGHIỆM 42 4.1 Giới thiệu sơ lược hệ thống thực nghiệm 42 4.2 Hệ thống cảm biến 43 4.3 Thiết bị xử lý trung tâm 44 4.4 Hệ thống thu thập liệu tham chiếu 46 4.5 Lắp đặt, chỉnh định hệ thống thực nghiệm 49 4.6 Quy trình thực nghiệm 51 CHƯƠNG KẾT QUẢ THỰC NGHIỆM 53 5.1 Kết thực nghiệm thuật toán nâng cao tốc độ trích mẫu 53 5.2 Kết ước lượng vận tốc dài 55 KẾT LUẬN……… ……………………………………………………………….59 Danh sách hình vẽ DANH SÁCH HÌNH VẼ Hình 1.1: Xe ô-tô điện i-MiEV phiên 2012 (Nguồn: Mitsubishi) Hình 1.2: Mơ hình tổng hợp liệu đa cảm biến 14 Hình 1.3: Cấu hình hệ thống nghiên cứu ước lượng vận tốc dài xe ô-tô điện 15 Hình 2.1: Tương quan tốc độ trích mẫu cảm biến tốc độ điều khiển 17 Hình 2.2: Mơ hình lọc Kalman 20 Hình 2.3: Lưu đồ thuật toán Multirate Kalman Filter 22 Hình 2.4: Lưu đồ thuật tốn MKF cải tiến 25 Hình 2.5: Mơ hình mơ thuật tốn MKF 27 Hình 2.6: Mơ MKF với tín hiệu hình sine 28 Hình 2.7: So sánh tín hiệu trước sau lọc MKF cải tiến 30 Hình 2.8: So sánh hiệu thuật toán MKF cải tiến MKF gốc 30 Hình 3.1: Dạng tín hiệu đo cảm biến 34 Hình 3.2: Quan hệ trình ga-phanh tín hiệu vận tốc, gia tốc 40 Hình 4.1: Encoder xe ơ-tơ điện i-MiEV (Nguồn: Mitsubishi) 43 Hình 4.2: Thiết bị GPS EVK-M8U (Nguồn: U-blox) 44 Hình 4.3: Thiết bị xử lý NI MyRIO-1900 (Nguồn: National Instruments) 46 Hình 4.4: Thiết bị thu thập liệu DAS-3 (Nguồn: Kistler) 49 Hình 4.5: Cấu trúc hệ thống thu thập liệu 50 Hình 4.6: Hệ thống thực nghiệm thực tế 51 Danh sách hình vẽ Hình 5.1: Kết nâng cao tốc độ trích mẫu Encoder 54 Hình 5.2: Kết nâng cao tốc độ trích mẫu GPS 54 Hình 5.3: Kết ước lượng vận tốc điều kiện không trượt 56 Hình 5.4: So sánh kết ước lượng với vận tốc tham chiếu (không trượt) 56 Hình 5.5: Kết ước lượng vận tốc điều kiện có trượt 57 Hình 5.6: So sánh kết ước lượng với vận tốc tham chiếu (có trượt) 57 Danh sách bảng biểu DANH SÁCH BẢNG BIỂU Bảng 4.1: Thông số thiết bị xử lý NI MyRIO-1900 45 Bảng 4.2: Thông số thiết bị thu thập liệu DAS-3 47 Bảng 4.3: Thông số cảm biến hệ thống tham chiếu 48 Lời nói đầu LỜI NĨI ĐẦU Trong năm gần đây, tình trạng khai thác dầu mỏ ạt trở thành vấn đề nóng tiêu điểm tranh chấp tồn cầu Trong đó, phần không nhỏ trở thành nhiên liệu sử dụng phương tiện sử dụng động đốt Người ta ước tính, tiếp tục mức tiêu thụ nhiên liệu tồn lượng dầu mỏ giới cạn kiệt sau 50 năm Không vậy, tượng ô nhiễm môi trường trầm trọng khí thải phương tiện hành tồn khắp thành phố lớn tập trung đông đúc cư dân Bởi lý này, xe điện phát triển mạnh mẽ nhằm thay xe chạy nhiên liệu đốt Dự kiến tương lai, xe điện trở thành phương tiện di chuyển thay phương tiện sử dụng động đốt truyền thống, ưu điểm mà đem lại: - Khơng thải khí gây nhiễm, thân thiện với mơi trường - Tiết kiệm nhiên liệu đốt chi phí cho lượng vận hành xe Một nghiên cứu trường đại học Michigan công bố vào đầu năm 2018, chi phí trung bình cho xe chạy nhiên liệu đốt khoảng 1.117$ năm; xe điện tiêu tốn cỡ 485$ năm [27] - Vận hành êm, chi phí bảo trì thấp khơng phải định kỳ thay dầu động cơ, chất làm mát,… hay thay đai truyền động mịn khí Ngồi ra, xe điện thể ưu điểm vượt trội khả điều khiển với đáp ứng mô-men tức thời động điện Các hệ thống điều khiển phát triển xe điện hỗ trợ cho xe vận hành xác an tồn hơn, đặc biệt dòng xe tự lái Một điều kiện tiên hệ thống điều khiển an tồn ơ-tơ điện phải hiểu biết xác đại lượng động học xe, đặc biệt vận tốc, đặc trưng cho chuyển động xe Khi mà cách đo lường vận tốc xe phục vụ cho việc hiển thị mặt đồng hồ khơng u cầu độ xác cao, người ta đề xuất phương án ước lượng để thu thông tin vận tốc dài với độ xác cao Từ lý này, em lựa chọn đề tài “Ứng dụng phương pháp tổng hợp liệu đa cảm biến ước lượng vận tốc dài xe ô-tô điện” Mục tiêu ước lượng tối ưu đại lượng vận tốc dài nhằm phục vụ cho hệ thống điều khiển xe ô-tô điện Lời nói đầu Đồ án tập trung giải tốn tổng hợp tối ưu thơng tin từ cảm biến vấn đề liên quan tới toán, đồng thời xây dựng hệ thống thực nghiệm áp dụng cho ước lượng đại lượng vận tốc dài hệ thống tham chiếu phục vụ việc kiểm chứng tính xác phương pháp Bố cục đồ án bao gồm chương: Chương 1: Tổng quan chung ước lượng vận tốc dài xe ô-tô điện Chương 2: Nâng cao tốc độ trích mẫu cảm biến Chương 3: Tổng hợp liệu đa cảm biến Chương 4: Xây dựng hệ thống thực nghiệm Chương 5: Kết thực nghiệm Em xin chân thành cảm ơn thầy giáo hướng dẫn ThS.Võ Duy Thành thuộc môn Tự động hóa cơng nghiệp, thầy trung tâm Nghiên cứu Ứng dụng Sáng tạo Công nghệ (CTI) tạo điều kiện thuận lợi tận tình hướng dẫn em thực đồ án chuyên ngành Trong q trình thực đề tài khơng tránh sai sót, em mong nhận ý kiến đóng góp thầy, mơn Tự động hóa cơng nghiệp để em hoàn thiện đề tài Em xin chân thành cảm ơn Hà Nội, ngày 19 tháng 05 năm 2018 Sinh viên thực Phạm Văn Quyền Chương 1: Tổng quan chung ước lượng vận tốc dài xe ô-tô điện CHƯƠNG TỔNG QUAN CHUNG VỀ ƯỚC LƯỢNG VẬN TỐC DÀI TRÊN XE Ô-TÔ ĐIỆN Vấn đề ước lượng tốc độ dài xe ô-tô điện 1.1 Ngày nay, theo phát triển khoa học công nghệ, ô-tô điện dần trở nên phổ biến có xu hướng thay cho dịng ơ-tơ chạy động đốt truyền thống Đó ưu điểm vượt trội động điện so với động đốt trong:  Động điện cho đáp ứng mô-men nhanh, vài mili giây, gấp hàng chục lần so với động đốt (động đốt cho đáp ứng cỡ 100ms)  Động điện cho phép xác định mô-men thông qua việc đo dịng điện, dễ dàng điều khiển lực phát động cho xe  Động điện tích hợp bánh xe, việc điều khiển mơmen bánh xe độc lập Từ phối hợp điều khiển bánh xe cách linh hoạt, hỗ trợ điều khiển xe ơ-tơ điện vận hành an tồn Hình 1.1: Xe ô-tô điện i-MiEV phiên 2012 (Nguồn: Mitsubishi) Chương 1: Tổng quan chung ước lượng vận tốc dài xe ô-tô điện Để phát huy ưu điểm xe ô-tô điện, hệ thống điều khiển u cầu phải có hiểu biết xác trạng thái xe, hệ thống phần cứng phải đáp ứng thơng tin có tốc độ trích mẫu phù hợp (với tốc độ xử lý điều khiển), khối lượng tính tốn phải đơn giản để phù hợp với ứng dụng thời gian thực Một trạng thái cần hiểu biết xác xe ô-tô điện vận tốc dài 1.1.1 Ý nghĩa vai trò vận tốc dài xe ơ-tơ điện Trên xe ơ-tơ nói chung xe ô-tô điện nói riêng, vận tốc dài trạng thái tối quan trọng Không đơn đại lượng hiển thị lên mặt đồng hồ bảng điều khiển giúp người lái theo dõi để vận hành ơ-tơ theo ý muốn, vận tốc dài cịn đại lượng quan trọng hệ thống điều khiển xe nhằm đảm bảo an toàn cho người lái hành khách Hiện nay, số hệ thống điều khiển chuyển động, kể đến: hệ thống điều khiển lực kéo TCS (Traction Control System), hệ thống điều khiển chống bó cứng phanh ABS (Anti-block System),… sử dụng thông tin vận tốc dài xe ô-tô tín hiệu phản hồi trực tiếp Nếu có thơng tin xác vận tốc, hệ thống điều khiển xử lý, phối hợp với thơng tin liên quan để tính tốn, đưa tín hiệu điều khiển tác động tới cấu chấp hành xe nhằm hỗ trợ đưa ô-tô trạng thái vận hành an toàn Ngoài ra, điều khiển an tồn cịn vấn đề phát triển công nghệ xe tự lái Đây phương tiện khơng có kiểm sốt “bộ điều khiển thơng minh nhất” người Chính đặc trưng xe tự lái, hệ thống điều khiển nghiên cứu xây dựng phát triển nhằm đảm bảo an toàn cho thân chủ thể xe đối tượng xung quanh (con người, phương tiện lưu thông đường, sở hạ tầng,…) Các hệ thống yêu cầu phải vận hành ổn định, tin cậy với độ xác cao Bởi vậy, việc nắm bắt xác thơng tin vận tốc dài xe ô-tô cần thiết Như vậy, coi vận tốc dài trạng thái quan trọng thành phần thiếu hệ thống điều khiển xe ô-tô điện Do đó, để hệ thống vận hành cách ổn định xác, vấn đề đặt phải thu thập thông tin vận tốc dài dựa tiêu chí: xác, tốc độ trích mẫu phù hợp với yêu cầu điều khiển, khối lượng tính tốn đơn giản 10 ... Tự động hóa cơng nghiệp, thầy cô trung tâm Nghiên cứu Ứng dụng Sáng tạo Công nghệ (CTI) tạo điều kiện thuận lợi tận tình hướng dẫn em thực đồ án chuyên ngành Trong trình thực đề tài khơng tránh... chất lượng điều khiển cao, cách làm lại tỏ khơng xác, bởi: phanh xe, tốc độ bánh xe nhỏ tốc độ xe; xe truyền động bánh bánh xe chủ động, xảy tượng trượt, khơng có bánh xe phản ánh tốc độ xe Ngoài...oán tổng hợp cảm biến, lọc nhiễu nâng cao tốc độ trích mẫu cảm biến trích mẫu chậm hệ thống thuật toán Multirate Kalman Filter Đồng thời, đồ án đề xuất phương án sửa đổi, cải tiến thuật toán trên, p

Ngày đăng: 26/08/2021, 08:39

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Lin-Hui Zhao, Zhi-Yuan Liu, and Hong Chen, “Design of a Nonlinear Observer for Vehicle Velocity Estimation and Experiments”, IEEE Transactions On Control Systems Technology, vol. 19, no. 3, May 2011 Sách, tạp chí
Tiêu đề: Design of a Nonlinear Observer for Vehicle Velocity Estimation and Experiments”, "IEEE Transactions On Control Systems Technology
[2] L. Imsland, T. A. Johansen, T. I. Fossen, H. F. Grip, J. C. Kalkkuhl, A. Suissa, “Vehicle velocity estimation using nonlinear observers”, Automatica, vol. 42, no. 12, 2006, pp. 2091–2103 Sách, tạp chí
Tiêu đề: Vehicle velocity estimation using nonlinear observers”, "Automatica
[3] Imsland, L., T. A. Johansen, T. I. Fossen, J. C. Kalkkuhl, and A. Suissa, “Vehicle velocity estimation using modular nonlinear observers”, Proceedings of the 44 th IEEE Conference Decision and Control, and the European Control Conference 2005, Sevilla, Spain, Dec. 2005 Sách, tạp chí
Tiêu đề: Vehicle velocity estimation using modular nonlinear observers”, Proceedings of the 44th "IEEE Conference Decision and Control, and the European Control Conference 2005
[4] L. Imsland, H. F. Grip, T. A. Johansen, T. I. Fossen, J. C. Kalkkuhl, and A. Suissa, “Nonlinear observer for vehicle velocity with friction and road bank angle adaptation - validation and comparison with an extended Kalman filter”, SAE 2007 World Congress.Detroit, Michigan, USA: SAE International, Warrendale, Pennsylvania, USA, Apr.2007, pp. 2007–01–0808 Sách, tạp chí
Tiêu đề: Nonlinear observer for vehicle velocity with friction and road bank angle adaptation - validation and comparison with an extended Kalman filter”, "SAE 2007 World Congress
[5] H. F. Grip, L. Imsland, T. A. Johansen, T. I. Fossen, J. C. Kalkkuhl, and A. Suissa, “Nonlinear vehicle side slip estimation with friction adaptation”, Automatica, vol. 44, 2008, pp. 611–622 Sách, tạp chí
Tiêu đề: Nonlinear vehicle side slip estimation with friction adaptation”, "Automatica
[6] G. Baffet, A. Charara, and D. Lechner, “Experimental evaluation of a sliding mode observer for tire-road forces and an extended Kalman filter for vehicle sideslip for vehicle sideslip angle”, Proc.46th IEEE conference on decision and control, New Orleans, USA: IEEE Press, Dec. 2007, pp. 3877–3882 Sách, tạp chí
Tiêu đề: Experimental evaluation of a sliding mode observer for tire-road forces and an extended Kalman filter for vehicle sideslip for vehicle sideslip angle”, "Proc.46th IEEE conference on decision and control
[7] M. Oudghiri, M. Chadli, and A. E. Hajjaji, “Lateral vehicle velocity estimation using fuzzy sliding mode observer”, Proc. of the Mediterranean Conference on Control &Automation, Athen, Greece: IEEE Press, July 2007, pp. T18–009 Sách, tạp chí
Tiêu đề: Lateral vehicle velocity estimation using fuzzy sliding mode observer”, "Proc. of the Mediterranean Conference on Control & "Automation
[8] James Llinas, David L. Hall, “An Introduction to Multi-Sensor Data Fusion”, Proceedings of the 1998 IEEE International Symposium on Circuits and Systems, 6:537–540, May–June, 1998 Sách, tạp chí
Tiêu đề: An Introduction to Multi-Sensor Data Fusion”, "Proceedings of the 1998 IEEE International Symposium on Circuits and Systems
[9] Arthur Gelb, Joseph F. Kasper, JR., Raymond A. Nash, JR., Charles F. Price, Arthur A. Sutherland, JR., Applied Optimal Estimation, The M.I.T. Press, 1974 Sách, tạp chí
Tiêu đề: Applied Optimal Estimation
[10] T. A. Wenzel , K. J. Burnham , M. V. Blundell, R. A. Williams, “Dual extended Kalman flter for vehicle state and parameter estimation”, Vehicle System Dynamics, vol Sách, tạp chí
Tiêu đề: Dual extended Kalman flter for vehicle state and parameter estimation”," Vehicle System Dynamics
[11] Y. Sebsadji, S. Glaser, and S. Mammar, “Road slope and vehicle dynamics estimation”, Proc. American Control Conference, Seattle, Washington, USA, Jun. 2008, pp. 4603–4608 Sách, tạp chí
Tiêu đề: Road slope and vehicle dynamics estimation”, "Proc. American Control Conference
[12] H. G. de Marina, F. J. Pereda, J. M. Giron-Sierra, and F. Espinosa, “UAV attitude estimation using Unscented Kalman filter and TRIAD”, IEEE Trans. Ind. Electron., vol Sách, tạp chí
Tiêu đề: UAV attitude estimation using Unscented Kalman filter and TRIAD”, "IEEE Trans. Ind. Electron
[13] J. St´ehant, A. Charara, and D. Meizel, “Virtual sensor: application to vehicle sideslip angle and transversal forces”, IEEE Trans. Ind. Electron., vol. 51, no. 2, Apr.2004, pp. 278–289 Sách, tạp chí
Tiêu đề: Virtual sensor: application to vehicle sideslip angle and transversal forces”, "IEEE Trans. Ind. Electron
[14] J. Dakhlallah, S. Glaser, and S. Mammar, “Tire-road forces estimation using extended Kalman filter and sideslip angle evaluation”, Proc. American Control Conference, Seattle, Washington, USA, Jun. 2008, pp. 4597–4602 Sách, tạp chí
Tiêu đề: Tire-road forces estimation using extended Kalman filter and sideslip angle evaluation”, "Proc. American Control Conference
[15] A. Y. Ungoren, H. Peng, and H. E. Tseng, “A study on lateral speed estimation methods”, International Journal on Vehicle Autonomous Systems, vol. 2, May. 2004, pp. 126–144 Sách, tạp chí
Tiêu đề: A study on lateral speed estimation methods”, "International Journal on Vehicle Autonomous Systems
[16] P. J. T. Venhovens and K. Naad, “Vehicle dynamics estimation using Kalman filters”, Vehicle System Dynamics, vol. 32, 1999, pp. 171–184 Sách, tạp chí
Tiêu đề: Vehicle dynamics estimation using Kalman filters”, "Vehicle System Dynamics
[17] G. Baffet, A. Charara, and D. Lechner, “Estimation of vehicle sideslip, tire force and wheel cornering stiffness”, Control Engineering Practice, vol. 17, no. 11, Nov.2009, pp. 1255–1264 Sách, tạp chí
Tiêu đề: Estimation of vehicle sideslip, tire force and wheel cornering stiffness”, "Control Engineering Practice
[18] Chu L, Zhang Y, Shi Y, Xu M, Liu M, “Vehicle lateral and longitudinal velocity estimation based on Unscented Kalman Filter”, 2010 2nd International Conference on Education Technology and Computer (ICETC), IEEE, 2010, pp. 427-432 Sách, tạp chí
Tiêu đề: Vehicle lateral and longitudinal velocity estimation based on Unscented Kalman Filter”", 2010 2nd International Conference on Education Technology and Computer (ICETC)
[19] Zong, Xin-Yi, Deng, Wei-Wen, “Study on velocity estimation for four-wheel independent drive electric vehicle by UKF”, Fifth International Conference on Measuring Technology and Mechatronics Automation (ICMTMA), 2013, pp. 1111–1114 Sách, tạp chí
Tiêu đề: Study on velocity estimation for four-wheel independent drive electric vehicle by UKF”, "Fifth International Conference on Measuring Technology and Mechatronics Automation (ICMTMA)
[20] V.A.W Hillier, Peter Coomber, Hillier's fundamentals of motor vehicle technology 5 th Edition Book 1, Nelson Thornes Limited, 2004 Sách, tạp chí
Tiêu đề: Hillier's fundamentals of motor vehicle technology 5"th" Edition Book 1

HÌNH ẢNH LIÊN QUAN

Hình 1.1: Xe ô-tô điện i-MiEV phiên bản 2012 (Nguồn: Mitsubishi) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 1.1 Xe ô-tô điện i-MiEV phiên bản 2012 (Nguồn: Mitsubishi) (Trang 9)
Hình 1.2: Mô hình tổng hợp dữ liệu đa cảm biến - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 1.2 Mô hình tổng hợp dữ liệu đa cảm biến (Trang 14)
Hình 1.3: Cấu hình hệ thống nghiên cứu ước lượng vận tốc dài xe ô-tô điện - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 1.3 Cấu hình hệ thống nghiên cứu ước lượng vận tốc dài xe ô-tô điện (Trang 15)
Hình 2.1: Tương quan giữa tốc độ trích mẫu cảm biến và tốc độ điều khiển - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 2.1 Tương quan giữa tốc độ trích mẫu cảm biến và tốc độ điều khiển (Trang 17)
Hình 2.2: Mô hình bộ lọc Kalman - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 2.2 Mô hình bộ lọc Kalman (Trang 20)
Hình 2.3: Lưu đồ thuật toán Multirate KalmanFilter - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 2.3 Lưu đồ thuật toán Multirate KalmanFilter (Trang 22)
Hình 2.4: Lưu đồ thuật toán MKF cải tiến - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 2.4 Lưu đồ thuật toán MKF cải tiến (Trang 25)
2.6.1. Mô hình mô phỏng - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
2.6.1. Mô hình mô phỏng (Trang 27)
(a) Hình ảnh tổng quan trên toàn đặc tính của tín hiệu - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
a Hình ảnh tổng quan trên toàn đặc tính của tín hiệu (Trang 30)
Hình 2.7: So sánh tín hiệu trước và sau bộ lọc MKF cải tiến - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 2.7 So sánh tín hiệu trước và sau bộ lọc MKF cải tiến (Trang 30)
Hình 3.1: Dạng tín hiệu đo được của các cảm biến - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 3.1 Dạng tín hiệu đo được của các cảm biến (Trang 34)
Hình 3.2: Quan hệ giữa quá trình ga-phanh và tín hiệu vận tốc, gia tốc - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 3.2 Quan hệ giữa quá trình ga-phanh và tín hiệu vận tốc, gia tốc (Trang 40)
Hình 4.1: Encoder trên xe ô-tô điện i-MiEV (Nguồn: Mitsubishi) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.1 Encoder trên xe ô-tô điện i-MiEV (Nguồn: Mitsubishi) (Trang 43)
Hình 4.2: Thiết bị GPS EVK-M8U (Nguồn: U-blox) c)Cảm biến gia tốc  - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.2 Thiết bị GPS EVK-M8U (Nguồn: U-blox) c)Cảm biến gia tốc (Trang 44)
Bảng 4.1: Thông số thiết bị xử lý NI MyRIO-1900 - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Bảng 4.1 Thông số thiết bị xử lý NI MyRIO-1900 (Trang 45)
Hình 4.3: Thiết bị xử lý NI MyRIO-1900 (Nguồn: National Instruments) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.3 Thiết bị xử lý NI MyRIO-1900 (Nguồn: National Instruments) (Trang 46)
Bảng 4.2: Thông số thiết bị thu thập dữ liệu DAS-3 - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Bảng 4.2 Thông số thiết bị thu thập dữ liệu DAS-3 (Trang 47)
Bảng 4.3: Thông số các cảm biến trong hệ thống tham chiếu - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Bảng 4.3 Thông số các cảm biến trong hệ thống tham chiếu (Trang 48)
Hình 4.4: Thiết bị thu thập dữ liệu DAS-3 (Nguồn: Kistler) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.4 Thiết bị thu thập dữ liệu DAS-3 (Nguồn: Kistler) (Trang 49)
Hình 4.5: Cấu trúc hệ thống thu thập dữ liệu - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.5 Cấu trúc hệ thống thu thập dữ liệu (Trang 50)
Hình 4.6: Hệ thống thực nghiệm thực tế - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 4.6 Hệ thống thực nghiệm thực tế (Trang 51)
Hình 5.2: Kết quả nâng cao tốc độ trích mẫu của GPS - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.2 Kết quả nâng cao tốc độ trích mẫu của GPS (Trang 54)
Hình 5.1: Kết quả nâng cao tốc độ trích mẫu của Encoder - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.1 Kết quả nâng cao tốc độ trích mẫu của Encoder (Trang 54)
Hình 5.4: So sánh kết quả ước lượng với vận tốc tham chiếu (không trượt) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.4 So sánh kết quả ước lượng với vận tốc tham chiếu (không trượt) (Trang 56)
Hình 5.3: Kết quả ước lượng vận tốc trong điều kiện không trượt - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.3 Kết quả ước lượng vận tốc trong điều kiện không trượt (Trang 56)
Hình 5.5: Kết quả ước lượng vận tốc trong điều kiện có trượt - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.5 Kết quả ước lượng vận tốc trong điều kiện có trượt (Trang 57)
Hình 5.6: So sánh kết quả ước lượng với vận tốc tham chiếu (có trượt) - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
Hình 5.6 So sánh kết quả ước lượng với vận tốc tham chiếu (có trượt) (Trang 57)
1– Hình 1: Chương trình mô phỏng thực hiện thuật toán MKF trên Labview - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
1 – Hình 1: Chương trình mô phỏng thực hiện thuật toán MKF trên Labview (Trang 64)
2 – Hình 2: Chương trình mô phỏng thực hiện thuật toán MKF cải tiến - Ứng dụng phương pháp tổng hợp dữ liệu đa cảm biến trong ước lượng vận tốc dài trên xe ô-tô điện Bao cao đồ án tốt nghiệp chuyên ngành tự động hóa BKHN (13)
2 – Hình 2: Chương trình mô phỏng thực hiện thuật toán MKF cải tiến (Trang 65)

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w