|
|
Dissertation angenommen durch: Universität Duisburg-Essen, Campus
Duisburg, Fakultät für Ingenieurwissenschaften, Abt. Elektrotechnik,
2005-04-12
BetreuerIn: Prof. Dr.-Ing. Steven X. Ding , Universität
Duisburg-Essen, Campus Duisburg, Fakultät für Ingenieurwissenschaften,
Abt. Elektrotechnik
GutachterIn: Prof. Dr.-Ing. Steven X. Ding , Universität
Duisburg-Essen, Campus Duisburg, Fakultät für Ingenieurwissenschaften,
Abt. Elektrotechnik GutachterIn: Prof. Dr.-Ing. Dirk Söffker
, Universität Duisburg-Essen, Campus Duisburg, Fakultät für
Ingenieurwissenschaften, Abt. Maschinenbau
Schlüsselwörter in Deutsch: Sensorfehler, Modellbildung,
HSRI-Reifenmodell, Einspurmodell, Modellfehler, parameterunabhängiger
Beobachter, Kalman-Filter, Fahrbahnneigung, Querbeschleunigung
Schlüsselwörter in Englisch: sensor-fault, modelling,
HSRI-model, one-track-model, modelling error, observer, Kalman-filter,
bank angle, lateral acceleration
|
|
|
|
Abstrakt in Deutsch
Moderne Fahrerassistenzsysteme dienen der Erhöhung der Sicherheit der
Fahrzeugführung bei gleichzeitiger Erhöhung des Komforts durch eine
Entlastung des Fahrers von Routineaufgaben. Kritische Fahrsituationen
werden frühzeitig erkannt und durch einen aktiven Eingriff in Antrieb,
Bremse und – in Zukunft – auch Lenkung korrigiert. Mit steigender
Komplexität der Fahrerassistenzsysteme steigt entsprechend auch der
Informationsbedarf dieser Systeme stark an. Dabei muss sichergestellt
werden, dass die verarbeiteten Informationen, insbesondere die
gemessenen Sensorsignale, korrekt sind. Da aus Kostengründen meist auf
eine redundante Sensorik verzichtet wird, müssen andere Methoden zur
Überwachung der Sensoren eingesetzt werden.
In der vorliegenden Arbeit wird die Einsatzmöglichkeit modellbasierter
Verfahren für die Sensorfehlerdiagnose am Beispiel der Sensoren der
Fahrzeugquerdynamik untersucht. Das in dieser Arbeit verfolgte Ziel ist
die schnelle, modellbasierte Detektion der Sensorfehler bei
gleichzeitiger Vermeidung von Fehlalarmen auch in Fahrsituationen, in
denen die verwendeten Modelle ungenau sind sowie unter Einwirkung der
unbekannten Eingangsgröße Fahrbahnneigung.
Grundlage für die modellbasierte Fehlerdiagnose sind geeignete,
hinreichend genaue physikalische Modelle des Fahrzeugs. Der Prozess der
Modellbildung wird dabei systematisch vollzogen und führt zum
Zweispurmodell mit einer nichtlinearen Modellierung der Reifenkräfte
nach dem HSRI-Modell. Anschließend wird das Einspurmodell mit Wanken
hergeleitet und daraus das vereinfachte Einspurmodell mit Wanken
abgeleitet, das gegenüber dem bekannten, klassischen Einspurmodell die
stationäre Auswirkung des Wankens berücksichtigt.
Den Kern der Arbeit bilden zwei neu entwickelte Verfahren: Zunächst
wird ein Verfahren zur normbasierten Abschätzung der Auswirkung von
Modellfehlern auf die mit einem Modell oder Beobachter erzeugten
Schätzwerte der Zustandsgrößen entwickelt. Dazu werden die Modellfehler
des Einspurmodells im Vergleich zum Zweispurmodell mit einer
nichtlinearen Modellierung der Reifenkräfte als Funktion messbarer
Größen beschrieben. Das Verfahren liefert einen Schätzwert für den
Fehler der Systemgrößen, der sowohl zur Bildung eines
Vertrauensintervalls für die Systemgrößen als auch zur Bildung
adaptiver Schwellen für die Sensorfehlerdiagnose verwendet werden kann.
Anschließend wird ein neues Konzept zur Sensorfehlerdiagnose
entwickelt. Dieses Konzept beruht auf der Auswertung von zwei Residuen
für jeden überwachten Sensor. Ein Erkennungsresiduum reagiert auf den
zu entdeckenden Sensorfehler, während ein Kontrollresiduum nicht auf
den zu entdeckenden Sensorfehler, sondern nur auf alle anderen Fehler
sowie Modellungenauigkeiten und unbekannte Eingangsgrößen reagiert. Das
Kontrollresiduum wird zur Bildung der Schwellen für das
Erkennungsresiduum eingesetzt. Diese Schwellen beruhen auf der
Definition von Fehlerbereichen im von den beiden Residuen aufgespannten
Residuenraum. Fehlalarme werden vermieden, da in Fahrsituationen mit
eingeschränkter Modellgültigkeit die Schwellen automatisch angehoben
werden. Für die Realisierung dieses Konzeptes erfolgt die Generierung
der Residuen mittels Kalman-Filtern. Die Validierung erfolgt mittels
Messungen aus realen Fahrmanövern.
Abstrakt in Englisch
Modern driver assistance systems simultaneously increase the safety and
the comfort of driving. These systems are designed to fulfil routine
tasks and thus aid the driver. Critical situations are detected early
and are prevented by direct intervention, i.e. active braking and – in
the future – also active steering. With the complexity of the
assistance systems the information demand increases as well. It must be
ensured, that the information used, in particular the signals measured
by the sensors, are proper. As redundant sensors are generally not
acceptable for cost reasons, the sensors must be supervised reliably.
In this work the application of model-based sensor-fault diagnosis is
examined at the example of the sensors for lateral vehicle dynamics.
The aim is to achieve a fast, model-based detection of sensor-faults
while avoiding false alarms in any driving situation. This includes
driving situations, where the models used are imprecise, and under the
influence of an unknown input, the road bank angle.
The basis for model-based fault diagnosis are suitable models of the
vehicle with adequate accuracy. The process of modelling is thus
revisited carefully leading to the two-track model with non-linear
modelling of the tyre forces according to the HSRI-model. From this
model the one-track model with consideration of vehicle rolling motion
is deducted.
The essential part of this work are two methods, that are developed.
The first method is the normbased estimation of the effect of modelling
errors on the state-variables, which are estimated with a model or an
observer. The modelling errors of the one-track model in comparison to
the two-track model with nonlinear modelling of tyre forces are
described as a funcion of measured sensor signals. The method provides
an estimate of the faults of the system variables, which can be
utilized as well for the definition of a confidence interval as for the
generation of adaptive thresholds for fault diagnosis.
Subsequently a novel concept for fault diagnosis is presented, which is
based on the evaluation of two residuals fro each sensor to be
supervised. A detection residual is sensitive to the fault to be
detected while a checking residual does not react on this fault but
only on any other fault as well as on model uncertainties and unknown
input variables. The checking residual is used to define a threshold
for the detection residual. This threshold is based on the definition
of fault areas in the vector-space spanned by the residuals. To avoid
false alarms, the threshold is automatically increased in driving
situations with restricted model accuracy. For the realisation of the
concept the residuals are generated using Kalman-Filters. The
validation of the method is accomplished using measurements from real
driving maneuvers.
|
|