Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Fuel optimal powertrain control of heavy-duty vehicle based on model predictive control and quadratic programming
KTH, School of Electrical Engineering (EES), Automatic Control.
2017 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

The freight transport has a fundamental role in the world’s economic development.Due to the flexibility of heavy-duty vehicles, a large part of freighttransport is carried out inland. Although the use of heavy-duty vehicles contributesto the economic growth, the increased fuel consumption and globalgreenhouse gas emission that come with it constantly challenge the transportationsector to adapt and develop more fuel-efficient methods to reduce suchside effects while fulfilling the transportation requirements.This thesis considers fuel-optimal highway driving for heavy-duty vehicles.A model predictive control algorithm for minimizing fuel consumptionwhile satisfying constraints on desired speed is developed and evaluated. Thecontroller uses the available topography information of the road ahead of thevehicle in order to achieve an efficient vehicle control while satisfying a certaintrip time requirement. Under the assumption of fixed gear during the drivemission, the actual nonlinear problem is re-formulated as a real-time optimalcontrol problem based on MPC theory with a quadratic cost function and linearconstraints at each receding horizon of the drive mission. The QP problem isthen solved online and the resulting first control action is applied to the vehiclefor forward movement.The feasibility to implement such an algorithm on a control unit with limitedcomputational power is investigated and shown to be possible. Both therequirement of low computational complexity and low memory occupation arefulfilled by the tailored quadratic programming algorithm developed in thisthesis. The algorithm is fast enough to provide a solution within each samplinginterval.The overall control algorithm is implemented on a G5 control unit andtested in real life with a Scania truck during highway driving test. The resultsfrom both the real implementation and extensive simulations indicate that themethod provides a fuel-efficient vehicle behavior and is competitive with a rulebasedcontroller.

Abstract [sv]

Transport av gods har en grundläggande roll i världens ekonomiska utveckling.På grund av flexibiliteten hos tunga fordon, utförs en stor del av allgodstransport med hjälp av dem. Trots att användning av tunga fordon bidrartill ekonomisk tillväxt, utgör bränsleförbrukning tillsammans med den ökadeutsläpp av växthusgas en utmaning för transportföretag att anpassa och utvecklamer bränslesnål och miljövänligare transportteknologi för tunga fordon.I detta examensarbete fokuserar man på körningen av lastbil på motorvägar.En bränsle optimal förutsägande styralgoritm är utvecklad och utvärderad.Algoritmen utnyttjar framför allt topografi information om vägen framför fordonetså att den kan planera körningen på ett bränslesparande sätt samtidigtsom den uppfyller ett visst tidskrav. Med antagande om konstant växel underkörningen, formuleras ett optimal styrningsproblem baserat på ett MPC ramverkmed kvadratisk målfunktion och linjära bivillkor. Den slutliga kvadratiskoptimeringsproblemet för varje styrhorisont är löst med hjälp av en för ändamåletframtagen QP-algoritm.Möjligheten att implementera en sådan algoritm på en inbyggd styrenhetär undersökt och veriferad. Både krav på låg beräkningskomplexitet och lågminnes användning är uppfylls av den MPC-anpassade QP-lösare som utvecklatsi detta examensarbete.Den slutliga styralgoritmen testades i verkligheten med en Scania lastbilpå motorväg. Resultat från både provkörning och simulering visar att metodenger en bränsleeffektiv körstrategi, som kan spara bränsle jämfört med en regelbaseradprediktiv farthållaren.

Place, publisher, year, edition, pages
2017. , 69 p.
Series
TRITA-EE, ISSN 1653-5146 ; 2017:033
National Category
Electrical Engineering, Electronic Engineering, Information Engineering
Identifiers
URN: urn:nbn:se:kth:diva-217527OAI: oai:DiVA.org:kth-217527DiVA: diva2:1156737
External cooperation
Scania
Educational program
Master of Science - Applied and Computational Mathematics
Available from: 2017-11-14 Created: 2017-11-14 Last updated: 2017-11-14Bibliographically approved

Open Access in DiVA

fulltext(1856 kB)2 downloads
File information
File name FULLTEXT01.pdfFile size 1856 kBChecksum SHA-512
146ff042cd95f065f718adbec26f6675eaf39f64f1714324b68e31bb910fd081d6074f745a08276a384663fc513b880d39e7115e9dc54247e74a1cf65af65d82
Type fulltextMimetype application/pdf

By organisation
Automatic Control
Electrical Engineering, Electronic Engineering, Information Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 2 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 11 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf