Analysis and development of a black-box system for sideslip angle estimation in two-wheeled vehicles based on inertial measurements

The aim of this thesis is the sideslip angle estimation in two-wheeled vehicles. This problem has been approached by developing a black-box estimation in the Neural Networks framework based on inertial measurements. The problem is first addressed in a simulation environment and then validated with experimental data. For what concern simulations, a sensitivity analysis with respect to different road conditions is proposed and used to analyze how performances degrade in the case of non-idealities are introduced. More in details, three cases are taken into account: variable speeds, changes in the adherence coefficient and presence of road bank. Experimental data validation is carried out in order to highlight benefits and critical issues of the proposed approach. Furthermore, the introduction of additional regressors with respect to the standard set of inertial signals has been considered both in the simulation analysis and in experimental validation to assess how to improve performance and accuracy of the identified network. Experimental results have been compared with a proposed commercial solution, highlighting how the implemented estimation generally gives better performances in terms of rms error, up to a decrease of about 50 \% of the error in case of specific maneuvers, although non-standard cases have been identified in which performances of the neural network drop off considerably. Finally, a sensitivity analysis of the available inertial measurements has been proposed in order to evaluate which signals are more relevant in this estimation problem.

Lo scopo di questa tesi è la stima dell'angolo di deriva in veicoli a due ruote. Questo problema è stato approcciato attraverso lo sviluppo di una stima black-box nel framework delle reti neurali sulla base di misure inerziali. Il metodo è stato prima sviluppato in un ambiente di simulazione, in cui un'analisi di sensitività è stata proposta con lo scopo di valutare come le prestazioni della rete identificata degradino nel caso in cui vengano introdotte non idealità nelle condizioni di guida di una motocicletta. Più in dettaglio, tre casi sono stati presi in considerazione: variazioni del profilo di velocità, variazioni del coefficiente di aderenza e presenza di bank della strada. L'approccio presentato è stato poi validato mediante l'ausilio di dati sperimentali, al fine di evidenziarne vantaggi e criticità. Inoltre, l'introduzione di ulteriori regressori in aggiunta al set base di segnali inerziali è stata considerata sia nell'analisi in simulazione che nella validazione sperimentale per valutare in che modo migliorino le prestazioni e l'accuratezza della rete identificata. I risultati ottenuti con dati reali sono stati confrontati con una soluzione commerciale proposta, evidenziando come la stima implementata porti generalmente a migliori prestazioni, fino ad una diminuzione dell'errore del 50\% nel caso di determinate manovre, sebbene siano state identificate situazioni di guida non standard in cui la performance della rete neurale tende a notevoli peggioramenti. Infine, un'analisi di sensitività delle misure inerziali utilizzate è stata proposta al fine di individuare quali segnali risultino più rilevanti in questo problema di stima.