Preceding Vehicle Dynamics Modeling for Fuel Efficient Control Strategies

Long haulage trucks are a key part of today’s goods trans-port networks. To reduce fuel costs and emissions from trucks, novel methods of regulating their speed optimally based on road slope data and other vehicles’ behavior are being developed. An important ability for these systems, when there is no vehicle to vehicle communication, is to be able to anticipate the speed of the vehicle driving in front.This master thesis explores a number of possible ap-proaches of predicting the speed of a preceding heavy ve-hicle. The work is limited to vehicles controlled by one of two common speed control systems: cruise control (CC) and look ahead cruise control (LACC) when driving on a highway. Initially, general methods of grey box and black box modeling are used. These are then refined into more specialized predictors that combine rule based algorithms with grey box or black box models.The speed controllers are found to have highly nonlinear switching behavior, making them diÿcult to predict. The general methods were found to either produce inaccurate predictions or require unacceptably large amounts of train-ing data. The two developed methods, one using switched ARX models and the other using switched grey box mod-els, required little training data and produced satisfactory results. The presented switched grey box model approach results in a 2 % reduction in fuel consumption relative to the naive assumption that the speed of the leading vehicle will remain the same over the prediction horizon.Långtradare är en viktig del av dagens transportnät. I syfte att minska bränslekostnader och utsläpp från långtradare utvecklar man nya metoder av att optimalt reglera has-tigheten med avseende på andra fordon och väglutning. I fallet då det inte finns någon kommunikation mellan for-donen, en viktig funktion för dessa system blir att kunna förustäga hastigheten for det framförvarande fordonet.Detta exjobb utforskar ett antal möjliga prediktorer för hastigheten av ett fordon som kör framför det egna. Man väljer att begränsa sig till två vanliga regulatorer för last-bilar som kör på motorväg: ordinarie farthållare (CC) och farthållare med topografisk planering (LACC). Till en bör-jan används allmänna metoder för modellering av system som grå- och svartlådemodeller. Dessa fick sedan utvecklas till mer specialiserade prediktorer som kombinerar regelba-serade algoritmer med grå- och svartlådemodeller.Hastighetsregulatorerna har starkt olinjärt beteende. Detta gör dem svårpredikterade. De allmänna metoderna gav antingen resultat med låg noggrannhet eller krävde sto-ra mängder träningsdata. Två metoder utvecklades. Den ena använder switchade ARX modeller medan den andra använder switchade grålådemodeller. Metoderna behöver bara små mängder träningsdata och ger bra prediktioner. Metoden med switchade grålådemodeller minskade bräns-leförbrukningen med 2 % relativt antagandet att fordonets hastighet kommer förbli densamma under hela prediktions-horisonten