Applied wheel torque estimation in electric vehicle powertrain

Ovaj diplomski rad predstavlja estimacijski algoritam za estimaciju primijenjenog momenta kotača u električnim i hibridnim električnim vozilima. Predstavljena metoda estimacije koristi prošireni Kalmanov filtar za estimaciju momenta kotača oslanjajući se na brzinu vozila, mjerenja brzine motora i kotača te naredbe za moment motora. Model korišten u dizajnu Kalmanovog filtra uzima u obzir dinamiku motora, elastična pogonska vratila, dinamiku rotacijskih kotača i uzdužnu dinamiku vozila, kao i nelinearni model gume. Dizajnirani estimator testiran je u simulaciji na jednostavnijem upravljački orijentiranom modelu, kao i na detaljnijem simulacijskom modelu. Rezultati pokazuju da je u oba slučaja postignuta zadovoljavajuća točnost estimacije. Prevladavanjem nedostatka senzora zakretnog momenta kotača u serijskim vozilima, algoritam estimacije poboljšava performanse sustava za kontrolu i estimaciju dinamike vozila, poboljšavajući ukupnu učinkovitost i točnost. Predloženi estimator je u potpunosti dizajniran i ispitan za slučaj električnog vozila s pogonom na sva četiri kotača. Na kraju, u radu je predstavljen koncept proširenja estimatora na paralelno hibridno električno vozilo.This thesis presents estimation algorithm for estimating the applied wheel torque in electric and hybrid electric vehicles. The presented estimation method uses extended Kalman filter to estimate the wheel torque by relying on vehicle speed, motor and wheel speed measurements and motor torque commands. The model used in the Kalman filter design accounts for motor dynamics, elastic driveshafts, rotational wheel dynamics and longitudinal vehicle dynamics, as well as nonlinear tire model. The designed estimator is tested in simulation on simpler control-oriented model as well as more detailed simulation model. The results show that a satisfactory estimation accuracy is achieved in both cases. By overcoming the lack of wheel torque sensors, the wheel torque estimates provided by the presented algorithm facilitate other estimation and control algorithms, and thus also the performance of the vehicle. The proposed estimator has been fully designed and tested for the case of four-wheel drive electric vehicle. Finally, the thesis presents the concept for extension of the estimator to the parallel hybrid electric vehicle