Recursive least square for mass and grade electric vehicle estimation

As the world becomes increasingly aware of environmental sustainability, Electric Vehicles are growing in popularity due to their improved efficiency and reduced greenhouse gas emissions. However, the performance of Electric Vehicles heavily relies on accurate parameter estimation such as vehicle mass and road grade. This thesis presents a Recursive Least Squares algorithm designed for accurate estimation of mass and road grade in electric vehicles. The algorithm’s performance is evaluated using real-world handling acquisitions encompassing various load configurations and road grades. The Recursive Least Squares algorithm demonstrates robustness and adaptability in estimating mass and road grade, even under challenging road conditions. The Root Mean Square Error values for both parameters remain consistently low, indicating the algorithm’s ability to maintain accurate estimates during different driving maneuvers. The algorithm also proves effective in distinguishing between different load configurations, highlighting its potential for practical implementation in electric vehicles. Sensitivity analyses are conducted to identify the influence of key model parameters on estimation accuracy. By understanding these sensitivities, the algorithm can be further enhanced to achieve more precise estimates under varying conditions. Additionally, the algorithm’s capability to accurately estimate the road grade, which is crucial for energy management and vehicle control, is demonstrated through extensive evaluations. The proposed algorithm holds significant promise for the future of sustainable transportation. By enabling accurate estimation of mass and road grade, electric vehicles can optimize energy usage, extend driving range, and reduce environmental impact. As the adoption of electric vehicles continues to grow, this estimation algorithm can play a crucial role in enhancing vehicle ef ficiency and advancing the development of sustainable transportation systems.

Nel contesto di una crescente consapevolezza mondiale sulla sostenibilità ambientale, i veicoli elettrici hanno guadagnato sempre più popolarità grazie alla loro maggior efficienza e alla possibilità di ridurre le emissioni di gas serra. Tuttavia, le prestazioni degli EV dipendono fortemente da una stima accurata di parametri chiave come la massa del veicolo e la pendenza del manto stradale. Questa tesi introduce un algoritmo di Recursive Least Squares specificamente progettato per la stima accurata del carico complessivo di un veicolo elettrico e della pendenza del manto stradale che si trova a percorrere. Le prestazioni dell’algoritmo sono valutate attraverso l’analisi di acquisizioni di manovre di guida reali eseguite con diverse configurazioni di carico e vari gradi di pendenza. L’algoritmo dimostra robustezza e adattabilità nella stima di massa e pendenza, mantenendo la sua efficacia anche in condizioni stradali difficili. I valori dell’errore quadratico medio per entrambi i parametri restano bassi in modo costante, dimostrando la capacità dell’algoritmo di fornire stime precise durante diverse manovre di guida. L’algoritmo si rivela inoltre capace di distinguere tra diverse configurazioni di carico, sottolineando il suo potenziale per un’implementazione pratica nei veicoli elettrici. Sono state eseguite analisi di sensibilità al fine di identificare l’influenza dei parametri principali del modello sulla precisione della stima. Queste analisi offrono la possibilità di ottimizzare ulteriormente l’algoritmo per ottenere stime più precise in una gamma di condizioni variabili. Inoltre, la capacità dell’algoritmo di stimare accuratamente la pendenza della strada, elemento cruciale per la gestione dell’energia e il controllo del veicolo, è stata confermata attraverso una serie di approfondite valutazioni. L’algoritmo proposto rappresenta una promessa significativa per il futuro del trasporto sostenibile. Fornendo una stima accurata della massa e della pendenza del manto stradale, i veicoli elettrici possono ottimizzare l’uso dell’energia, prolungare l’autonomia di guida e ridurre l’impatto ambientale. Considerando l’aumento progressivo del numero di veicoli elettrici in circolazione, l’approccio presentato in questa tesi può svolgere un ruolo cruciale nel promuovere lo sviluppo avanzato dei sistemi di trasporto sostenibile