Projektet är avslutat

Overall monitoring and diagnosis of hybrid electric vehicles in realistic scenarios

Ett diagnossystem används för att upptäcka och lokalisera fel som har uppkommit i ett system. Doktoranden Christofer Sundström undersöker vilka aspekter och möjligheter som finns i designen av diagnossystem för hybridfordon. Han berättar att han genom sin forskning vill bidra med nya metoder och idéer för att göra systemen lättare att designa men samtidigt mer exakta när det gäller att peka ut vilken komponent som är trasig och behöver bytas.

-Det skulle innebära att en bil inte behövde vara lika länge på verkstaden när ett fel har inträffat, vilket är särskilt viktigt för kommersiella fordon.

Ett av målen med forskningen är att ta reda på hur väl ett övervakningssystem hittar fel i fordonet beroende på hur och var det körs. Forskarna tittar också på designen av mjukvaran som styr hur elmotorn respektive förbränningsmotorn används, och utvecklar allmänna teorier och metoder för designen av diagnossystem.

-Vi har bland annat kommit fram till att om designen av mjukvaran som styr när el- respektive förbränningsmotorn ska användas görs parallellt med designen av diagnossystemet, kan man minska antalet sensorer som behövs för att övervaka om något är fel i drivlinan, berättar Christofer Sundström. Relativt enkla förändringar kan göra stor skillnad, det är något jag lärt mig under arbetets gång.

Man samarbetar brett inom projektet, bland annat används ett antal plug-in hybridbilar från Volvo Cars i labbet.

-Hybridfordon är fortfarande en ung bransch där det finns mycket ogjort, både industriellt och akademiskt, säger Erik Frisk som är handledare. Vi bidrar till industrin genom att bygga kunskap för utvecklingen av diagnossystem. Hittills har vi tagit fram en metod för att automatisera delar av designprocessen av ett diagnossystem, samt utvecklat en elmotormodell som är lämplig både för simulering och för användning i diagnosalgoritmer.

Christofer Sundström disputerade i april 2014.

Läs mer: Bättre diagnostik på fordonsnivå >>

Läs avhandlingen >>

Ladda ner rapporten: Overall Monitoring and Diagnosis of Hybrid Vehicles in Realistic Scenarios (47 KB)

Publikationer

Licentiate thesis: Vehicle Level Diagnosis for Hybrid Powertrains, Christofer Sundström (2011), Lic thesis, Linköping University. LiU-TEK-LIC-2011:27, Thesis No. 1488.

Journal papers:

A New Electric Machine Model and its Relevance for Vehicle Level Diagnosis, Christofer Sundström, Erik Frisk, and Lars Nielsen, Submitted to Proceedings of the Institution of Mechanical Engineers, Part D, Journal of Automobile Engineering.

Selecting and Utilizing Sequential Residual Generators in FDI Applied to Hybrid Vehicles, Christofer Sundström, Erik Frisk, and Lars Nielsen (Accepted for publication), In: IEEE Transactions on Systems, Man, and Cybernetics: Systems.

Robust Driving Pattern Detection and Identification With a Wheel Loader Application, Tomas Nilsson, Peter Nyberg, Christofer Sundström, Erik Frisk, Mattias Krysander (Accepted for publication), In: International Journal of Vehicle Systems Modelling and Testing.

Conference papers:

Fuel Efficient Speed Profiles for Finite Time Gear Shift with Multi-Phase Optimization, Xavier Llamas, Lars Eriksson, and Christofer Sundström, Accepted for publication in 54th conference on Simulation and Modeling, Bergen, Norway.

Fault Monitoring of the Electric Machine in a Hybrid Vehicle, Christofer Sundström, Erik Frisk, and Lars Nielsen, (2013), In: 7th IFAC Symposium on Advances in Automotive Control, Tokyo, Japan.

Residual Generator Selection for Fault Diagnosis of Hybrid Vehicle Powertrains, Christofer Sundström, Erik Frisk, and Lars Nielsen (2011), In: IFAC World Congress. Milano, Italy.

Adaptive Control of a Hybrid Powertrain with Map-based ECMS, Martin Sivertsson, Christofer Sundström, and Lars Eriksson (2011), In: IFAC World Congress. Milano, Italy.

Overall Monitoring and Diagnosis for Hybrid Vehicle Powertrains, Christofer Sundström, Erik Frisk, and Lars Nielsen (2010), In: 6th IFAC Symposium on Advances in Automotive Control. Munich, Germany.