Online Tyre Parameter Estimation for a 4WD Formula Student Racecar

Abstract

Dekkene til en racerbil er en av dens viktigste deler. Siden alle kreftene som akselererer bilen virker i dekkets kontaktflate med asfalten, er kunnskap om dekkets ytelse essentiell for å maskimere bilens ytelse. Modeller for dekk-krefter har blitt mye forsket på, og er egnet til å nøyaktig beskrive dekkets oppførsel. Dekkets parametere, som inngår i modellene, er avhengig av eksterne faktorer som veioverflaten, temperatur på asfalten og dekket, dekkets sammenstilling værforhold og dekkslitasje. Disse parametere kan variere fra dag til dag, og kan til og med endre seg under en Formula Student konkurranse. Derfor har en online estimator for dekkparametere blitt utviklet.

Bevegelseslikningnene for en racerbil har blitt brukt for implementasjonen av et Kalman Filter. Filteret estimerer både longitudinelle og laterale krefter fra dekket, ved hjelp av målinger fra motorens enkodere og INS'en. Estimerte longitudinale krefter er så brukt til å estimere parametere for to rent longitudinelle dekkmodeller. De valgte dekkmodeller er en brush modell og en magic formula modell, som har forskjellige forenklinger og antall parametere. For å forsikre seg om at estimatoren blir ekstitert tilstrekkelig har en online dataseleksjonsalgoritme blitt utviklet.

Resultatene viser at begge dekkmodellene klarer å identifisere friksjonskoeffisienten, der magic formula modellen presterer best, under et eksperiment der bilen akselererer og bremser i en rett linje. I scenarioer der bilen opplever kombinerte longitudinelle og laterale krefter i dekkene blir friksjonskoeffisienten underestimert fordi modellene kun inkluderer longitudinell oppførsel. I tillegg viser resultatene at den online estimatoren klarer å nøyaktig identifisere parametere for en full longitudinell dekkmodel under kjøring på rette strekker.

The tyres of a racing car are one of it's most important parts. As all forces that accelerate the car have to be induced in the tyre contact patch, extensive knowledge of the tyre's performance is key to maximise performance. Models for tyre performance have been extensively researched, and are able to accurately describe the tyre behaviour. The properties of a tyre, used in tyre models, are highly dependent on external factors like the road surface, tyre and tarmac temperature, tyre compound, weather conditions and tyre wear. These parameters vary from day to day, and can even change over the course of a race. Therefor, an online estimation scheme for the tyre parameters was developed.

The equations of motion for the race car are derived, and were used to implement a Kalman Filter. The Kalman Filter estimates the longitudinal and lateral tyre forces using measurements from the motor encoders and INS. The longitudinal tyre force estimates are then used to estimate the parameters for two tyre models. The chosen tyre models are the brush tyre model and the magic formula tyre model. They have different amount of parameters, and are based on different simplifications. In order to ensure that the estimation scheme was excited enough, an online data selection algorithm was designed.

The results show that both tyre models were able to identify the friction coefficient, with the magic formula being the most accurate, during straight line acceleration and braking. The friction coefficient was underestimated during experiments where combined tyre behaviour is present, as the implemented tyre models only model pure longitudinal forces. The online estimator proved to be able to accurately identify the full tyre models when run during a straight line acceleration experiment.