Improvement of tire-road longitudinal friction identification algorithm by implementation of an external vehicle speed estimator

Potential friction is a key factor for enhancing active control systems for vehicle dynamics. Thus, several estimators were developed on purpose. Since the already existed Friction Identification Algorithm (FIA) is a slippage dependent method, it needs the correct vehicle speed in order to be able to evaluate the potential friction in all driving conditions including braking maneuvers or AWD vehicle, where the traction/braking torque is applying to all wheels in longitudinal direction. The improvement has been done by tuning a previously developed vehicle speed estimator algorithm and merging different methods and estimators to provide the vehicle speed based on Kalman Filter and Fuzzy logic sensor fusion algorithms. To approach daily driving condition, for the outdoor tests, three speeds are chosen from the estimator which are on the basis of vehicle acceleration integral, wheels speed weighting functions and GPS speed signal respectively. To enhance the performance of the speed estimator, the three approaches are optimized and compared to highlight weakness and strength. Specifically, the following issues are addressed in this thesis: 1) Correction of the wheel rolling radius affecting wheel speed measurement; 2) Drift of acceleration integration due to long steady-state phases, pitch and road gradient. The slippage results of speed estimators are compared with each other. Then, the obtained three speeds as the output of the estimator along with the forces acquired by Cyber Tyre sensors are fed into FIA algorithm to be compared with the embedded reference curves and provide the potential friction at the output. As the final stage, the best value between the evaluated speeds is chosen depending on vehicle condition and wheels speed reliability.

Il potenziale di attrito è un fattore chiave per migliorare i sistemi di controllo attivo per la dinamica del veicolo. Pertanto, diversi stimatori sono stati sviluppati a tal proposito. Poiché il già esistente “Friction Identification Algorithm” (FIA) è un metodo dipendente dallo slittamento, ha bisogno della corretta velocità del veicolo per essere in grado di valutare il potenziale attrito in tutte le condizioni di guida, incluse le manovre di frenata o il veicolo AWD, dove la coppia di trazione / frenata è applicata a tutte le route in direzione longitudinale. Il miglioramento è stato fatto sintonizzando l`algoritmo di stima della velocità del veicolo precedentemente sviluppato e unendo i diversi metodi e stimatori per fornire la velocità del veicolo, basata sugli algoritmi di fusione del sensore di logica Kalman e Fuzzy. Per affrontare le condizioni di guida giornaliere, per le prove in esterna, vengono scelte tre velocità dallo stimatore che si basano rispettivamente sull'accelerazione del veicolo, sulle funzioni di ponderazione della velocità delle ruote e sul segnale di velocità GPS. Per migliorare le prestazioni dello strumento di stima della velocità, i tre approcci sono ottimizzati e confrontati fra loro al fine di evidenziare I rispettivi punti di forza e debolezza. In particolare, in questa tesi si affrontano i seguenti aspetti: 1) Correzione del raggio di rotolamento della ruota che influisce sulla misurazione della velocità della ruota stessa; 2) La divergenza di valori nell`integrazione dell'accelerazione dovuta a lunghe fasi stazionarie, beccheggio e pendenza stradale. I risultati di slittamento degli estimatori di velocità sono quindi confrontati tra loro. Le tre velocità ottenute sono dunque immesse insieme alle forze acquisite dai sensori Cyber Tyre nell'algoritmo FIA per essere confrontate con le curve di riferimento incorporate e fornire il potenziale attrito all'uscita. In fase finale, in base alle condizioni del veicolo e all'affidabilità della velocità della ruota, si sceglie il valore di velocita` piu` adatto fra quelli precedentementi ricavati.