Real-time evaluation of the tire-road friction coefficient using the set membership estimation algorithm

Autonomous vehicles have attracted significant interest from researchers and companies, leading to substantial investments in their development. Nevertheless, their widespread adoption remains a challenge, primarily due to security concerns. The focus is therefore on enhancing existing safety systems or developing new ones. In either case, a precise understanding of the environment is essential, requiring the use of a comprehensive set of sensors to gather accurate and extensive data. This is due mainly because many critical parameters for driving safety are difficult to obtain, as no direct measurement methods exist. This thesis aims to estimate the Tire-Road Friction Coefficient, a key parameter for assessing road conditions and optimizing driving security. Accurate estimation improves vehicle stability, braking efficiency, and overall control. This work proposes a novel approach for online friction estimation using the Set Membership Estimation (SME) algorithm. Although friction estimation is well studied in the literature, SME has not been explored for this purpose. Moreover, it has traditionally been tested only in simulations, whereas this project demonstrates its applicability in a real-world scenario. The proposed method was tested in both simulated and real environments using the experimental facilities at Delft University of Technology. Simulations assessed its strengths and addressed key challenges, while real-world tests evaluated its performance on an actual vehicle. The algorithm demonstrated high accuracy in friction estimation, outperforming traditional methods and providing reliable data for active safety systems. These findings highlight the potential of SME-based estimation for real-time vehicle safety applications, bridging the gap between theoretical models and real-world implementation.

I veicoli autonomi hanno suscitato un enorme interesse da parte di ricercatori e aziende, portando a numerosi investimenti per il loro sviluppo. Tuttavia, la loro diffusione su larga scala è ancora limitata sopratutto per problematiche legate alla sicurezza. Per questo motivo, l’attenzione si concentra principalmente sul miglioramento dei sistemi di sicurezza già esistenti o sullo sviluppo di nuovi. In entrambi i casi, una comprensione accurata dell’ambiente circostante è essenziale, rendendo necessario l’uso di un’ampia gamma di sensori per ottenere dati precisi e completi, in quanto molti parametri cruciali per la sicurezza risultano difficili da misurare direttamente. Questa tesi ha l’obiettivo di stimare in tempo reale il coefficiente di attrito tra pneumatico e superficie stradale, un parametro fondamentale per monitorare le condizioni della strada e ottimizzare la sicurezza del veicolo. Una stima accurata consente di migliorare la stabilità del veicolo, l’efficienza della frenata e il controllo generale della dinamica del mezzo. In questo lavoro si propone un nuovo approccio per la stima in tempo reale del coefficiente di attrito, basato sull’algoritmo Set Membership Estimation (SME). Sebbene la stima del coefficiente di attrito sia stata ampiamente studiata in letteratura, il metodo SME non è mai stato applicato a questo scopo. Inoltre, fino ad oggi, il suo utilizzo è stato limitato ad ambienti di simulazione, mentre questo progetto ne dimostra l’applicabilità in un contesto reale. Il metodo proposto è stato testato sia in simulazione che in un ambiente reale, utilizzando le strutture sperimentali della Delft University of Technology. Le simulazioni hanno permesso di verificare i punti di forza del metodo e affrontare le principali sfide, mentre i test su veicolo reale ne hanno valutato l’efficacia. L’algoritmo, infine, ha dimostrato un’elevata accuratezza nella stima del coefficiente di attrito. Questi risultati evidenziano il potenziale dell’estimazione basata su SME per applicazioni di sicurezza veicolare in tempo reale, colmando il divario tra modelli teorici e implementazione nel mondo reale.