Odhady dynamických veličin vozidla pomocí neuronových sítí

Ondřej Neuman

Zahájení studia: 1. 9. 2022

​

Plánovaný konec studia: 31. 8. 2026

Předběžné nebo finální téma disertační práce

Téma

Téma se zabývá odhadem dynamických veličin vozidla. Pro aktuální trend autonomních

vozidel a elektromobilů je zapotřebí dostatečně přesně znát dynamické veličiny, které jsou nápomocné pro řízení různých systémů vozidla. S přibývajícími elektronickými systémy v současných vozidlech je třeba hledat alternativní cesty k získání těchto údajů. Také je nutné přihlédnout k tlaku na výrobní náklady. Často se jedná o data, která je možné měřit jen finančně nákladnou technikou, což často není na produkčních modelech vozů možné. Nebo se jedná o data, která se získávají výpočetním modelem, který musí běžet na vozidle v reálném čase. I to může být komplikované a drahé.

​

K tomu účelu je zapotřebí rozvíjet aktuální přístupy o nové. To znamená použití např. Deep learningu, který je nasazován na různé aplikace a významně již pomáhá v jiných oblastech. Nový přístup rozšiřuje aplikace neuronových sítí na jízdný dynamiku vozu a bude testován jak virtuálně, tak experimentálně.

3

http://http://automotiveengineering.online/

Vědecké otázky a pracovní hypotézy své disertační práce

Vědecké otázky a pracovní hypotézy

• Vytvoření rešerše parametrů, které mohou přispět k řízení systémů na voze spojených v jízdný dynamikou. Získání přehledu o využití nástrojů strojového učení v této oblasti.

​

• Na základě této rešerše vybrat parametry, které jsou obtížně zjistitelné, vyžadují speciální měřící techniku, nebo jejichž získání je výpočetně náročné. Přesto však jsou užitečné k dalšímu použití na vozidle. Následně pak vytvořit model, který bude schopen daný signál odhadovat.

​

• Dílčí úkoly:
• Sestavení multibody modelu vozidla, který bude sloužit jako zdroj tréninkových dat.
• Sestavení modelu strojového učení, který bude schopen odhadovat požadovaný signál.
• Automatizovat jízdní simulaci a vygenerovat tak velké množství různorodých tréninkových dat.
• Ověřit funkci také na reálných datech.

4

http://http://automotiveengineering.online/

Jaký bude přínos tzv. bílé místo DP

Cílem práce je zkoumání parametrů jízdní dynamiky vozidel, a vytipování těch, u kterých by bylo prospěšné použití strojového učení k jejich odhadu. Odhad by nevyžadoval nákladné měřící zařízení, ale využíval by běžně dostupné signály na vozidle.

​

Motivací je zvýšit informace dostupné na vozidle bez výrazného zvyšování nákladů na senzoriku nebo výpočetní výkon. Tyto informace by měly pozitivně přispět k řízení systémů spojených s jízdní dynamikou vozu. Jedná se například o řízení tlumení, kontroly trakce, vektorování točivého momentu, řízení svornosti diferenciálů aj.

​

Přínosem práce bude odhad těžce popsatelných nebo náročně měřitelných signálů, které jsou však užitečné jako vstupy pro další systémy na voze.

5

http://http://automotiveengineering.online/

Současný stav rešerše

Z dosavadní rešerše vyplývá, že strojové učení v aplikacích pro dynamiku vozidel se již využívá. Alespoň tedy na úrovni výzkumu. Zatím nebyly nalezeny zmínky o tom, že by strojové učení bylo uplatněno v dynamice vozidla na sériově vyráběném vozidle, respektive nejsou to veřejně dostupné informace.

​

Ze současného poznání vyplývají tyto parametry jako vhodné pro odhad strojovým učením:

• odhad podélného skluzu pneumatiky, nebo dynamické síly pod pneumatikou
• odhad úhlu směrové odchylky pneumatiky (zde již existuje řada výzkumů)
• odhad trakce, resp. koeficientu tření pod kolem
• odhad podkladu, resp. kategorizace povrchu, na kterém se vozidlo pohybuje, včetně trakce a nerovností (vyžaduje statistické zpracování více signálů, k čemuž jsou neuronové sítě vhodné)

6

http://http://automotiveengineering.online/

Jízdní model vozidla

Za účelem tvorby tréninkových dat je sestavován jízdní model nákladního vozidla v softwaru Matlab Simulink. V současné době model umožňuje simulovat základní jízdní stavy, jako například slalom, plynulé zatáčení, rozjezdy apod. Výstupem modelu jsou signály spojené s jízdní dynamikou.

​

Budoucí vylepšení:

• přesnější model pneumatiky Magic Formula
• modelace torzního stabilizátoru
• automatizace jízdní simulace, umožňující tvorbu velkého množství rozličných tréninkových dat
• propojení s modelem neuronové sítě

​

​

​

7

http://http://automotiveengineering.online/

Model obsahující neuronovou síť pro odhad parametru

Současně je tvořen model pro odhad signálu, využívající strojové učení. Je programování v jazyce Python a využívá zejména knihovnu Keras.

Model obsahuje 3 základní části:

• preprocessing dat a vytvoření tenzorů dat pro učení
• samotný NN model
• postprocessing a ověření přesnosti odhadu na validačních datech

Model je schopen na základě 6 signálů odhadovat signál sedmý.

​

Model byl otestován na dvou datasetech z webu Kaggle (data z meteorologických stanic a data cen akcií na burze).

​

Na datech, které byly neznámé pro NN model bylo dosaženo přesnosti odhadu 90-93% (porovnání skutečného signálu vs odhadovaný signál). Model by měl být z velké části připraven na použití pro vozidlová data.

8

http://http://automotiveengineering.online/

Aktulizovaný plán studia

Časový plán studia

Termíny složení zkoušek

9AJ Jazyk anglický pro doktorské studium splněno

9MAS Metody a algoritmy pro simulaci a optimalizaci systémů splněno

9IDS Modelování a řízení dynamických systémů splněno

9RIP Řízení pohybu splněno

9PVP Programování v Python splněno

Termín odevzdání pojednání k Státní doktorské zkoušce

Předběžně naplánováno na srpen 2024

Termín zahraniční stáže

Prozatím neplánovaný

Termín odeslání článku do redakce článku nutného k obhajobě disertační práce

Prozatím neplánovaný

Termín odevzdání disertační práce

Předběžně plánovaný na rok 2026

10

http://automotiveengineering.online/

Publikace

Seznam publikací

Plánovaný příspěvek na konferenci KOKA 2024

12

http://http://automotiveengineering.online/

Zapojení do projektů a výuky

Seznam projektů

• Digitální dvojče: nástroj pro vývoj dopravních prostředků, zahájení: 01.03.2023, ukončení: 28.02.2026

14

http://http://automotiveengineering.online/

Zapojení do výuky

Vedení bakalářských závěrečných prací – 1x

Oponování bakalářských závěrečných prací – 1x

​

Výuka vybraných cvičení předmětu QEM

15

http://http://automotiveengineering.online/

Děkuji za pozornost

Vysoké učení technické v Brně

Fakulta strojního inženýrství

Ústav automobilního a dopravního inženýrství

Technická 2

616 69 Brno

Česká republika