Informationsfilterbaserad sensorfusion för skattning av fordonshastighet

In this thesis, the possibility to estimate the velocity of a Heavy-duty vehicle (HDV) based on the Global Positioning System (GPS), an Inertial Measurement Unit (IMU) and the propeller shaft tachometer is investigated. The thesis was performed at Scania CV AB. The objective was to find an alternative to the wheel encoders that currently are used for velocity estimation. Three different sensor configurations were tested: the first (SC1) was based on GPS and an accelerometer, the second (SC2) was based on GPS, an accelerometer and a gyroscope, and the third (SC3) was based on GPS, an accelerometer and the propeller shaft tachometer. An experimental sensor architecture for collection of measurement data was built. The sensor configurations were evaluated in simulations based on measurement data collected from a test vehicle at Scania’s test track in S¨odert¨alje. An Information filter (IF) was used for decentralized fusion of sensor measurements. The sensor configurations were evaluated against the wheel encoders and a high quality GPS/IMU reference system using the Root Mean Squared Error (RMSE), Mean Signed Deviation (MSD) and maximum error. It was concluded that the sensor configurations based solely on GPS and IMU are not robust enough during GPS outages because of the IMU’s drift. An alternative source to GPS for correction of the IMU errors was thus necessary. The propeller shaft tachometer was used for this. The RMSE for this sensor configuration (SC3) was reduced with 37% and the MSD was reduced with 60% in comparison to the wheel encoder based velocity in the most extreme test performed, when the wheels slip and the GPS signal is erroneous during two instances. SC3 is thus proposed for further development. This work lays the basis for real-time implementation of the proposed sensor configuration and shows the feasibility of using the IF for decentralized multi-sensor fusion. It is also suggested to use the IF for integration of multiple sensors to create a refined and redundant velocity estimation.I det här examensarbetet undersöks möjligheten att skatta hastigheten av ett tungt fordon baserat på GPS, IMU och den drivande axelns varvtalsgivare. Projektet utfördes hos Scania CV AB. Målet var att finna ett alternativ till hjulhastighetssensorerna som används för hastighetsskattning idag. Tre olika sensorkonfigurationer testades. Den första (SC1) baserades på GPS och en longitudinell accelerometer, den andra (SC2) på GPS, en longitudinell accelerometer and ett gyroskop som mäter lutning. Den tredje (SC3) baserades på GPS, en longitudinell accelerometer och den drivande axelns varvtalsgivare. En experimentiell sensorarkitektur byggdes för insamling av mätdata. Sensorkonfigurationerna evaluerades med simuleringar baserade på mätdata från ett testfordon insamlad på Scanias testbana i Södertälje. Ett infrotmationsfilter (IF) användes för decentraliserad fusion av sensordata. Sensorkonfigurationerna evaluerades mot hjulhastighetssensorerna och ett högkvalitativt GPS/IMU-referenssystem med hjälp av de statistiska mätvärdena Root Mean Square Error (RMSE), Mean Signed Deviation (MSD) och det maximala felet. Resultaten visade att sensorkonfigurationerna baserade endast på GPS och IMU inte var tillräckligt robusta då GPS-signalen förlorades på grund av IMU:ns tendens att divergera. En alternativ källa till GPS för korrigering av IMU:ns fel var därför nödvändig. För detta användes den drivande axelns varvtalsgivare. Denna sensorkonfiguration (SC3) har visat en RMSE-förbättring med 37% och en MSD förbättrad med 60% i jämförelse med hjulhastighetssensorerna i det mest extrema test som geneomförts, då hjulen spinner och GPSsignalen är felaktig under två tillfällen. SC3 är därför föreslagen för vidareutveckling. Detta arbete lägger grunden för fortsatt utveckling av en realtidsimplementation av den föreslagna sensorkonfigurationen, och påvisar möjligheten att använda ett IF för decentraliserad multisensorfusion. Det är även föreslaget att använda IF för integration av flera sensorer för att skapa en förfinad och redundant hastighetsskattning