SE1250629A1 - System och metod för reglering av fordon i fordonståg - Google Patents

Description

2 sikt till målet vilket gör det svårt att detektera händelser mer än ett par fordon framåt i kön.

En ytterligare begränsning är att de inte kan reagera proaktivt, d.v.s. reagera på händelser som inte haft någon markant påverkan på trafikrytmen.

En utvecklig av IEEE-standarden 802.11 för WLAN (Wireless Local Area Networks) kallat 802.11p möjliggör trådlös överföring av information mellan fordon, och mellan fordon och infrastruktur. Olika sorters information kan sändas till och från fordonen, såsom fordonsparametrar och strategier. Ett framförvarande fordon i fordonståget kan då exempelvis: 0 Sända information om det egna fordonets tillstånd, d.v.s. vikt, hastighet, motoreffekt, position etc. 0 Sända information om åtgärder som påverkar omgivande trafik, exempelvis vid bromsning. 0 Agera prob för bakomvarande fordon genom att rapportera iakttagna trafikhändelser bakåt i fordonståget.

Informationstillgången möjliggör skapandet av nya funktioner för att exempelvis assistera föraren att köra på ett mer effektivt och säkert sätt. Utvecklingen av kommunikationstekniken har gjort det möjligt att utforma lastbilar och infrastruktur som stöder användandet av fordonståg. Fordonståget kan agera som en enhet vilket medför dämpning av svängningar i tåget orsakade av hastighetsändringar. Följaktligen möjliggörs kortare avstånd och ett bättre globalt trafikflöde.

Skapandet av fordonståg ger dock upphov till nya problemställningar. I dagsläget är inte alla fordon utrustade för trådlös kommunikation och detta kan leda till att fordon utan möjlighet att kommunicera trådlöst kommer in i fordonståget. Detta kan bidra till problem vid regleringen av fordonen i fordonståget då all nödvändig information inte finns tillgänglig.

I ”String-stable CACC design and experimental validation”, R.P.A. Vugts, Master”s Thesis, Technische Universitet Eindhoven, Department of Mechanical Engineering, Control Systems Technology Group, beskrivs problemet med att ett eller flera okända 10 15 20 25 30 fordon kommer in i fordonståget. Dock omfattar examensarbetet inte dessa fall, utan avgränsar sig till fallet när kommunikation är möjlig med ett direkt framförvarande fordon.

I WO-20l2/020297-Al beskrivs en styranordning samt styrmetod för reglering av fordon.

Då ett fordon kommer in mellan ett värdfordon och ett framförvarande fordon blir tiden mellan värdfordonet och det framförvarande fordonet större än den förbestämda tiden.

Radar används då för att detektera fordonet, och sätter en tid mellan fordonen baserat på resultatet av detektionen.

För att ett fordonståg ska fungera på ett bra sätt måste de andra fordonens hastighet erhållas via trådlös kommunikation. När ett fordon utan möjlighet att kommunicera trådlöst kommer in i fordonståget, går det inte att trådlöst få information om dess hastighet. Åtgärder måste då vidtagas för att säkerställa korrekt reglering av fordonen.

Syftet med uppfinningen är således att tillhandahålla ett förbättrat system som underlättar regleringen av fordon då det finns fordon som kommunicera på olika sätt.

Sammanfattning av uppfinningen Enligt en aspekt uppnås åtminstone delvis det ovan beskrivna syftet genom ett system för att reglera fordon i ett fordonståg enligt det första oberoende kravet. Fordonståget innefattar ett ledarfordon och åtminstone ett ytterligare fordon anpassade att kommunicera via trådlös kommunikation. Systemet innefattar vidare en processorenhet som är anpassad att ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget, samt analysera nämnda data enligt förutbestämda kriterier. Processorenheten är vidare anpassad att kategorisera nämnda fordon i en av ett förutbestämt antal kategorier baserat på resultatet av nämnda analys, varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen, samt att generera åtminstone en styrsignal som indikerar hur ett eller flera fordon i fordonståget ska regleras baserat på nämnda kategorisering.

Processorenheten är sedan anpassad att sända styrsignalen till en eller flera styrenheter i ett eller flera fordon i fordonståget, varvid fordonen regleras i enlighet därmed. 10 15 20 25 30 Genom uppfinningen underlättas regleringen av fordon i ett fordonståg. Informationen om vilken kategori fordon tillhör kan användas av en regulator, som direkt kan anpassa sin beräkning av styrparametrar för ett fordon i fordonståget i enlighet med hur omgivande fordon kategoriserats. Uppfinningen underlättar för regleringen att hela tiden hålla ett säkert avstånd till fordonet framför oavsett om det är ett okänt eller känt fordon. Då man hela tiden håller det kortast möjliga avstånd till framförvarande fordon erhålls både en säker reglering och minskad bränsleförbrukning.

Enligt en andra aspekt uppnås det ovan beskrivna syftet åtminstone delvis genom en metod för att reglera fordon i ett fordonståg, varvid fordonståget innefattar ett ledarfordon och åtminstone ett ytterligare fordon anpassade att kommunicera via trådlös kommunikation. Metoden innefattar stegen att i) ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget; ii) analysera nämnda data enligt förutbestämda kriterier; iii) kategorisera nämnda fordon i en av ett förutbestämt antal kategorier baserat på resultatet av nämnda analys, varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen; och att iv) reglera åtminstone ett fordon i fordonståget baserat på nämnda kategorisering.

Enligt en tredje aspekt uppnås åtminstone delvis det ovan beskrivna syftet genom en datorprogramprodukt, innefattande datorprograminstruktioner för att förmå ett datorsystem att utföra stegen enligt den beskrivna metoden ovan och enligt metodstegen i den detaljerade beskrivningen, datorprograminstruktionerna körs på datorsystemet.

Föredragna utföringsformer beskrivs i de beroende kraven och i den detaljerade beskrivningen.

Kort beskrivning av de bifogade figurerna Nedan kommer uppfinningen att beskrivas med hänvisning till de bifogade figurerna, av vilka: Figur l visar en översiktsbild av en häri använd fordonsnotation för ett fordonståg. 10 15 20 25 30 Figur 2 visar ett blockschema över systemet för reglering av fordon i ett fordonståg enligt en utföringsform av uppfinningen.

Figur 3 visar ett blockschema över systemet för reglering av fordon i ett fordonståg enligt en annan utföringsform av uppfinningen.

Figur 4A och 4B illustrerar hur ett okänt fordon kan kategoriseras enligt en utföringsforrn av uppfinningen.

Figur 5 visar en översiktbild över hur centraliserad styrning fungerar.

Figur 6 visar en översiktbild över hur decentraliserad styrning fungerar.

Figur 7 illustrerar en översiktbild av en metod för att reglera fordon i ett fordonståg enligt en utföringsform av uppfinningen.

Detaljerad beskrivning av föredragna utföringsforrner av uppfinningen Ett fordonståg definieras som ett antal fordon som fungerar som en enhet. Varje fordon som tillhör fordonståget styrs automatisk i den longitudinella riktningen och kommunicerar med varandra genom ett trådlöst nätverk. Figur 1 visar en översiktsbild av en häri använd fordonsnotation för ett fordonståg. Det egna fordonet har notationen 1 och de framförvarade fordonen notationen 2,...N. Det egna fordonet kan även refereras till som EGO och fordonet N som ledarfordonet. Dessa notationer är lokala för vardera fordon i fordonståget. Det relativa avståndet och hastigheten mellan fordon 1 och fordon 2 refereras till som dm, 111,2 etc. Fordonet 1 har hastigheten V1 etc. Det generella målet för fordonståg är att hålla fordonen i fordonståget så nära varandra som möjligt genom att reglera fordonens farthållare och bromssystem, för att dra fördel av positiva effekter såsom minskat luftmotstånd.

Genom fordon-till-fordon kommunikation (V2V communication), kan information erhållas trådlöst från de omgivande fordonen. Fordonen innefattar då enheter som är anpassade att trådlöst mottaga och sända information. Ett ytterligare sätt att kommunicera är via fordon-till-infrastruktur-kommunikation (V21 Communication), varvid fordon kan utbyta information trådlöst med exempelvis vägsidesenheter med inbyggd intelligens.

I Figur 2 visas ett blockschema över systemet för reglering av fordon i ett fordonståg enligt en utföringsform av uppfinningen. Systemet innefattar en processorenhet som 10 15 20 25 30 exempelvis kan vara placerad i ett fordon i fordonståget, alternativt i en externt placerad enhet. Enligt en utföringsform innefattar varje fordon i fordonståget en processorenhet enligt uppfinningen. Underförstått innefattar systemet även minnesutrymme kopplat till instruktioner. processorenheten för att exempelvis lagra nödvändig data och Processorenheten innefattar även en eller flera processorer som kan exekvera maskinkod.

Processorenheten är anpassad att ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget. Med ett område kring fordonet menas ett område i storleken 0 till 2 km. Den trådlösa kommunikationen har en räckvidd på upp till ca 2 km, och exempelvis radar har en räckvidd på mellan 50-200 m. Ifall processorenheten är placerad i ett fordon, kan data inhämtas exempelvis via ett nätverk i fordonet. Ett vanligt nätverk som används i fordon är CAN (Controller Area Network). Data på nätverket kommer från data som sänts trådlöst från andra fordon, och från sensorer i det egna fordonet. Fordonen i fordonståget är vanligtvis utrustat med ett flertal detektorer som tillhandahåller fordonsparametrar som exempelvis fordonens position och/eller hastighet. Radar, lidar eller en kameraenhet kan exempelvis ge information om det relativa avståndet, den relativa hastigheten och/eller accelerationen mellan fordonen. Fordonen innefattar då åtminstone en radarenhet, lidarenhet och/eller kameraenhet vardera. Global Positioning System (GPS) är ett satellitnavigationssystem som ger fordonets position i longitud- och latitudkoordinater samt hastigheten till en GPS-mottagare i fordonet. Varje fordon i fordonståget har företrädesvis en GPS-enhet. Information från GPS-enheten kan sedan distribueras till olika system i fordonet via exempelvis CAN, och till andra fordon via trådlös kommunikation.

Information såsom motorns vridmoment, fordonsmassa, odometerdata, riktning och/eller girhastighet kan vanligtvis även läsas från CAN. Information från CAN avläses enligt en utföringsform med en frekvens på 100 Hz.

Data som överförts trådlöst till fordonet innehåller förutom fordonsparametrar även identifieringsdata som indikerar från vilket eller vilka fordon fordonsparametrarna kommer ifrån. Processorenheten är företrädesvis anpassad att kontrollera och hålla reda på från vilket fordon data kommer genom nämnda identifieringsdata. Den trådlösa datan illustreras i Figur 2 som trådlösa signaler genom de streckade linjerna som mottages till 10 15 20 25 30 processenheten. Signalema innefattar datapaket med tillhörande identifiering som anger från vilket fordon datapaketet härstammar. Signalerna mottages i fordonen med en frekvens av exempelvis 10 Hz. Enligt en utföringsfonn har varje fordon ett specifikt ID- nummer direkt kopplat till fordonet som anges som identifiering av ett datapaket. Varje fordon som ingår i ett fordonståg får enligt en utföringsfrom också ett specifikt fordonstågs-ID, som exempelvis kan vara ID-numret på ledarfordonet i fordonståget.

Processorenheten är vidare anpassad att analysera nämnda data enligt förutbestämda kriterier. Detta kan ske genom exempelvis estimering och/eller sensorfusion, som kommer att förklaras i det följande. Baserat på resultatet av analysen, kategoriseras sedan fordonet i en av ett förutbestämt antal kategorier, varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen. Enligt en utföringsform innefattar de förutbestämda kategoriema 1) trådlöst sändande fordon i fordonståget och/eller 2) trådlöst sändande fordon utanför fordonståget och/eller 3) okänt fordon i fordonståget. Enligt en utföringsform anger nämnda regler för en kategori hur ett fordon placerat efter ett fordon i denna kategori ska regleras. Ifall ett fordon har placerats i kategori 3), så ska fordonet efter det i fordonståget enligt en utföringsform öka avståndet till detta fordon för att en säker reglering ska kunna erhållas. Även andra kategorier än de ovan beskrivna är naturligtvis tänkbara.

I Figur 3 visas en översiktsbild av ett system för reglering av fordonen i ett fordonståg enligt en utföringsform av uppfinningen. Processenheten innefattar enligt denna utföringsform tre funktionsenheter som kommer att förklaras i det följ ande. Denna strategi ska enbart ses som ett exempel, och andra strategier är tillämpbara i samband med uppfinningen. Den första enheten, “EST.”-enheten, tar emot data från exempelvis ett nätverk i fordonet. Enligt en utföringsform innefattar alltså nämnda data identifieringsdata som indikerar från vilket fordon nämnda data kommer ifrån. Processorenheten kan då vara anpassad att analysera datat från ett fordon genom att jämföra identifieringsdata från mottagen data med identifieringsdata för fordonståget. Baserat på resultatet av jämförelsen, kategoriseras sedan fordonet i en av ett förutbestämt antal kategorier. Ifall identifieringsdata från mottagen data matchar identifieringsdata från fordonståget, kommer det mottagna datat från ett trådlöst sändande fordon i fordonståget. Fordonet 10 15 20 25 30 kategoriseras då i kategorin 1), d.v.s. trådlöst sändande fordon i fordonståget. På så sätt kan regulatorn enkelt få reda på vilka fordon som ingår i fordonståget. Ifall identifieringsdata från mottagen data ii matchar identifieringsdata från fordonståget, kommer det mottagna datat från ett trådlöst sändande fordon utanför fordonståget.

Fordonet kategoriseras då i kategorin 2), d.v.s. trådlöst sändande fordon utanför fordonståget. Denna kategori är av intresse att hålla reda på eftersom ett sådant fordon kanske kommer att vilja ingå i fordonståget, och då vet redan systemet och regulatorn hur denne ska regleras. Enligt en utföringsform estimeras även tillstånd för ett eller flera fordon i EST.-enheten, samt beräknas kontrollvärden för respektive tillstånd. Denna estimering och beräkning av kontrollvärden kan exempelvis göras med ett utökat Kalmanfilter, som beskrivs i det följande. Sensordata från kända källor taggade med identifieringsdata fusioneras för att estimera exempelvis fordonstillstånden position, hastighet och riktning för fordonen. EST.-enheten mottager alltså avkänd rådata och garanterar bland annat att datat är relevant för vidare estimeringar före det går in i de två följande enheterna. Processorenheten är alltså anpassad att kategoriera fordon åtminstone delvis beroende på med vilken metod nämnda data tagits fram, exempelvis om den mottagits trådlöst eller inte.

I “FUSION”-enheten som visas i Figur 3 fusioneras sedan sensorvärden som är identiferbara genom märkning, exempelvis trådlös data innefattande identifieringsdata, med sensordata som är omärkt, exempelvis data från radar, lidar eller kamera. I fusionen ingår estimering av tillstånd, som enligt en utföringsform är position, hastighet och/eller längd för de fordonen i fordonståget som hänsyn ska tas vid regleringen. En ID-vektor för alla fordonen som bestäms ska estimeras återkopplas enligt en utföringsfonn till EST.- enheten, vilket visas som “ID” i Figur 3. ID-vektorn innefattar identiteten för de fordon som bestämts ska estimeras. Fusionen kan exempelvis utföras med ett utökat Kalmanfilter (EKF), som beskrivs härnäst.

Utökat Kalmanfilter EKF är ett filter som kan hantera olinjäriteter i modellema. Vid filtreringen utförs ett prediktionssteg även kallat tidsuppdatering baserat på en fysisk modell (1) av fordonet, 10 15 20 25 30 den föregående informationen om tillstånden samt samplingstiden. Fordonsmodellen (1), som visas som ett exempel, uttrycker fordonet i:s acceleration enligt följande: _ få irífflcflf T CaAaPaVZ CaAa/Javz frid) ai _ 2 -2-2 e _ + ' _ 1,, +mrw+it ifntnfje ru, 2 2 ioo crmgcosa-mysina' (l) i vilken TW är fordonets hjulradie, ja, är fordonets hjultröghet, m är fordonets massa, it är fordonets överföringsförhållande gällande växel, if är fordonets överföringsförhållande för slutväxeln, nt är en verkningskonstant för gällande växel, 11 f är en verkningskonstant för slutväxeln, je är motorns tröghetsmoment, Te är motormomentet, cd är luftdragskoefficienten, Aa är fordonets frontarea, pa är luftdensiteten, v är fordonets hastighet, fl-(d) är en funktion för fordonet i:s minskning av luftdragskoefficienten, c, är fordonets rullkoefficient, g är gravitationskonstanten och a är vägens lutning. Modellen diskretiseras sedan för att kunna användas i estimeringen. Vid beskrivningen av EKF nedan används för enkelhetens skull en generell modell (2) för fordonets rörelse, vilken alltså kan motsvaras av en diskretiserad variant av modellen (l).

En generell modell av en olinjär rörelsemodell i diskret tid illustreras genom (2) nedan: 5Ük+1 = fffluuk » Û-Vk) (2) i vilken 52k är den estimerade tillståndvektom, uk är insignaler, 6 är modellparametrar samt vk är processbrus. Vid tidsuppdateringen predikteras tillstånden (3) samt den tillhörande kovariansen (4) enligt: üiqk-i = f(5¿1<-1|1<-1»Uk-1» ÛWk-i) (3) Plqk-i = FRPIqkFI: "l" Qk (4) i vilken 10 15 20 25 30 lO Öf Fk-l = å |fk_1|k,uk_1 Qk är kovariansmatrisen för vk. Alltså, Qk beskriver modellens osäkerhet och kan viktas efter hur väl modellen motsvarar verkligheten.

I ett nästa steg jämförs de predikterade tillstånden med uppmätta värden för tillstånden.

Detta steg kallas även mätuppdatering. För att kunna jämföra de uppmätta värdena med de predikterade värdena används en modell för mätvärdena enligt (6) nedan: Yk = Mflfluk, Ûßk) (6) i vilken yk är de nu förprocessade mätvärdena i vektorformat och ek är mätbruset. Vid mätuppdateringen jämförs sedan de förprocessade mätvärdena med den estimerade tillståndvektom från tidsuppdateringen enligt (7) nedan: åk = Yk _ hßflqk-i) (7) Kovariansen Sk för mätvärdesresidualen ek beräknas enligt (8) Sk = HkPk|k-1H1:+Rk (8) i vilken Pk är kovariansen för tillstånden och Hk beräknas enligt (9): ö Hk = 6-2 tekk: <9> R k är kovariansmatrisen för mätbruset, ek. Rk är den motsvarande viktmatrisen till Q k och kan justeras efter osäkerheten i sensormätvärdena. Därefter beräknas den estimerade tillståndsuppdateringen, íck, enligt (10): 9^f1<|k = flqk-i "l" Kkfk (m) 10 15 20 25 30 ll i vilken Kalmanförstärkningen, K, är Kk = PkwHšßzl <11> Kovariansmatrisen P för de estimerade tillstånden uppdateras sedan enligt (12) nedan: Plqk I (I _ KRHIÖPIqR-i (12) Insignalerna till filtret som används i FUSIONS-enheten är vektom (13) enligt nedan: uk I [Te d) alT (13) i vilken Te (fordonets motormoment), cp (fordonets riktning) och a, vägens lutning, erhålls från data via trådlös kommunikation.

Mätningarna kommer alltså från två olika källor. Den första källan är EST.-enheten som ger en estimerad position zp och hastighet 2,, för varje fordon baserat på exempelvis sensormätningar från det egna fordonet och trådlös data. Den andra källan är här radar, från vilken ett relativt avstånd zprel samt en relativ hastighet zum till fordonet framför erhålls. Mätsignalerna till filtret är vektom (14) kan då uttryckas enligt nedan: zk = [Zp Zv Zvm zvmlT (14) Beräkningama i EKF kan sedan göras antingen utifrån ett globalt referenssystem som innefattar alla fordonen i fordonståget och som använder GPS-koordinater i form av longitud och latitud för att beskriva fordonens position, eller ett lokalt referenssystem som erhåller genom koordinattransfonnation av det globala koordinatsystemet. I det lokala referenssystemet är det egna fordonet EGO origo. Beroende på vilket referenssystem som används, kan mätekvationer M2) för respektive z-parameter uttryckas, som sedan används i filtreringen. 10 15 20 25 30 12 Vid estimeringen i FUSIONS-enheten är det möjligt att estimera exempelvis fordonets längd, vilket kan vara användbar data för många applikationer. Då lastbilars längd ofta ändras beroende på hur många och långa släp det har, underlättar det ifall man kan beräkna längden istället för att bestämma den i förväg. Processorenheten är enligt en utföringsform anpassad att analysera data genom att estimera fordonets längd l, beräkna en skillnad Al mellan den estimerade längden och en förutbestämd längd på fordonet, samt jämföra Al med ett förutbestämt tröskelvärde. Fordonet kan sedan kategoriseras i en kategori i beroende av resultatet av jämförelsen. Ifall den estimerade längden på fordonet plötsligt ökar, eller åtminstone mer än tröskelvärdet, indikerar detta att ett okänt fordon kommit in i fordonståget. Detta okända fordon kan då kategoriseras i kategorin 3) okänt fordon i fordonståget. Det okända fordonet sänder då inte data trådlöst, och ett system i ett fordon som ska identifiera ett framförvarande fordon via radar och trådlös data kommer att få data härstammande från olika fordon. I Figur 4A och Figur 4B exemplifieras hur ett okänt fordon kan identifieras genom att övervaka det framförvarande fordonet i:s längd.

Fordonen i:s och i-l:s respektive position är kända genom GPS, och det relativa avståndet Ap - GPS kan då räknas ut mellan fordonen. Fordonet i-1 mäter det relativa avståndet Apre, genom att använda radar. I FUSION-enheten bestäms ifall mätningama gäller samma fordon. Fordonet i:s längd l,- kan då bestämmas genom att subtrahera Apre, från Ap - GPS, vilket illustreras i Figur 4A. Denna längd antas då som fordonets verkliga längd, och kan alltså bestämmas under färd. Denna nu förutbestämda längd jämförs sedan företrädesvis kontinuerligt med nya beräknade värden för fordonet i:s längd li. En skillnad kan räknas fram, och ifall skillnaden är större än ett förutbestämt tröskelvärde, antas det att ett nytt fordon har kommit in mellan fordonen i och i-l, vilket illustreras i Figur 4B. Detta nya fordon kategoriseras då i kategori 3) som tidigare förklarats. Enligt en utföringsform är det förutbestämda tröskelvärdet mellan 5-50 m.

Processorenheten kan även vara anpassad att beräkna ett eller flera kontrollvärde(n) för nämnda estimerade tillstånd som indikerar hur pålitlig estimeringen av tillståndet eller tillstånden är beroende på hur väl data från olika källor motsvarar varandra. Ifall längden på ett fordon plötsligt ökar, kommer även kontrollvärdet i form av den estimerade längdens varians att öka, vilket indikerar att ett okänt fordon kommit in mellan fordonet i 10 l5 20 25 30 13 och i-1 (se Figur 4B). Ett fordon kan alltså kategoriseras baserat på dess tillstånds varians.

Enligt denna utföringsform är alltså processorenheten anpassad att analysera datat genom att beräkna variansen för fordonets längd 1,-, jämföra variansen med ett förutbestämt tröskelvärde, samt kategorisera fordonet i en kategori i beroende av resultatet av jämförelsen. Denna vetskap kan sedan användas i regleringen av fordonen i fordonståget, för att få en säkrare reglering.

I utföringsformen som visas i Figur 3, erhåller sedan ”REG.”-enheten de relativa avstånden dkjcfl mellan de N fordonen, samt hastigheten 12k för respektive fordon i fordonståget från FUSIONS-enheten. Även fordonens kategori förs vidare till REG.- enheten, som sedan anpassar sin reglerstrategi efter kategoriseringen. REG-enheten tar enligt kategoriexemplet som beskrivits ovan hänsyn till de fordon som har kategoriserats i kategori l) och 3), och anpassar exempelvis fordonens hastighet v och avstånden d mellan fordonen därefter. Processenheten är alltså anpassat att generera åtminstone en styrsignal som indikerar hur fordonen i fordonståget ska regleras baserat på nämnda kategorisering.

Enligt en utföringsform genereras styrsignaler genom att använda en MPC-algoritm, som härnäst kommer att förklaras.

MPC MPC är en utökning av en LQ-regulator, som ofta används för att lösa multivariabla reglerproblem. LQ-regulatom minimerar en kostnadsfunktion vars funktion beskrivs som en linjär differentialekvation. Den generella kvadratiska kostnadsfunktionen minimeras med avseende på styrsignalen u, exempelvis avståndet d och/eller hastigheten v, enligt (15) nedan: mm Z;:0||x||š, + ||u||šz <1S> i vilken P1 och P2 är viktmatriser och används för att balansera hur tillstånden och styrsignalen värderas. MPC kan även hantera begränsningar av styrsignalen och tillstånden, och kostnadsfunktion som sedan ska minimeras blir då: 10 15 20 25 30 14 1,.,,(x)= zfïglnxik +1>||ä + ||u||ëz os) i vilken Hp är prediktionshorisonten, och begränsningar av avståndet mellan fordon i fordonståget, fordonens hastighet och/eller motormoment. Enligt en utföringsform introduceras en integrerande verkan i kostnadsfunktionen (13) genom att skillnaden mellan två efterföljande styrsignaler ska minimeras. Denna utföringsform ger en jämnare reglering eftersom styrsignalen inte tillåts att variera för mycket. Utsignaler från MPC:n är styrsignaler till andra regulatorer i fordonet i form av en referenshastighet till farthållaren och/eller en referensretardation till bromssystemet. Regulatorn kommer alltså att fungera som en överordnad regulator över de existerande farthållarna och/eller bromssystemen.

Enligt en utföringsform innefattar systemet en omvandlingsenhet (visas inte) som är anpassad att omvandla en styrsignal innefattande moment Te till en lämplig styrsignal för en styrenhet i ett fordon. Detta kan göras enligt följande villkor: Te > -250, vref = v(k + 1) (k 1)- (k) Te s -25o, aref Jzís” (17) (18) varvid vref är insignal till en farthållare, och aref är insignal till ett bromssystem. De angivna värdena ska endast ses som exempel, och andra värden är alltså tillämpbara för uppfinningen. Från REG.-enheten skickas nu styrsignaler vidare till en eller flera styrenheter i fordonet eller till styrenheter i andra fordon. Detta beror bland annat på val av reglerstrategi. I Figur 5 visas en översiktbild över hur centraliserad styrning fungerar för N fordon i ett fordonståg. Den omgivande ramen representerar att alla fordonen har information om alla de andra fordonen i fordonståget. Varje fordon löser då samma optimeringsproblem. Det vill säga, varje fordon i fordonståget beräknar en optimal styrsignal för varje fordon i fordonståget. Fusion samt distribution av de optimala styrsignalema behöver då göras för att uppnå en styrsignal som blir den verkliga utsignalen från regulatorn till vardera styrenhet i respektive fordon. I Figur 6 visas en översiktsbild över hur decentraliserad styrning fungerar. Den omgivande ramen representerar att varje fordon har en beskrivning av sitt eget fordonssystem, och att varje 10 15 20 25 30 15 fordon utför optimering av dess egna styrsignal(er) och därför kan styrsignalen eller styrsignalema användas direkt efter att den eller de har beräknats.

Uppfinningen hänför sig även till en metod för reglering av fordon i ett fordonståg som innefattar ett ledarfordon och åtminstone ett ytterligare fordon anpassade att kommunicera via trådlös kommunikation. Metoden illustreras genom flödesschemat i Figur 7, och innefattar i ett första steg i) att ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget. Denna data kan exempelvis inhämtas via trådlös kommunikation och/eller sensorsystem som exempelvis GPS i fordonet. I ett andra steg ii) analyseras datat enligt förutbestämda lcriterier. Enligt en utföringsform innefattar datat identifieringsdata som indikerar från vilket fordon nämnda data kommer ifrån, varvid metoden innefattar att analysera nämnda data från ett fordon genom att jämföra identifieringsdata från mottagen data med identifieringsdata för fordonståget. På så sätt kan man identifiera ifall fordonet tillhör fordonståget eller inte, och ifall fordonet är ett sändande fordon, alltså sänder trådlös data.

I ett tredje steg iii) kategoriseras fordonen i en av ett förutbestämt antal kategorier baserat på resultatet av analysen, varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen. Regeln eller reglema för en kategori anger exempelvis hur ett fordon placerat efter ett fordon i denna kategori ska regleras. Enligt en annan utföringsform innefattar steg ii) att analysera datat genom att estimera fordonets längd l, beräkna en skillnad Al mellan den estimerade längden och en förutbestämd längd och jämföra Al med ett förutbestämt tröskelvärde, samt steg iv) att kategorisera fordonet i beroende av resultatet av jämförelsen. I ett fjärde steg iv) regleras åtminstone ett fordon i fordonståget baserat på kategoriseringen.

Uppfinningen hänför sig även till en datorprogramprodukt innefattande datorprograminstruktioner för att förmå ett datorsystem att utföra stegen enligt metoden som beskrivits ovan, när datorprograminstruktionerna körs på nämnda datorsystem.

Datorprograminstruktionerna är enligt en utföringsform lagrade på ett av ett datorsystem läsbart medium. 16 Den föreliggande uppfinningen är inte begränsad till de ovan beskrivna utföringsformerna.

Olika alternativ, modifieringar och ekvivalenter kan användas. Därför begränsar inte de ovan nämnda utföringsfonnerna uppfinningens omfattning, som definieras av de bifogade kraven.

Claims (16)

10 15 20 25 30 17 Patentkrav

1. System för att reglera fordon i ett fordonståg, varvid fordonståget innefattar ett ledarfordon och åtminstone ett ytterligare fordon anpassade att kommunicera via trådlös kommunikation, varvid systemet innefattar en processorenhet som är anpassad att -ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget; - analysera nämnda data enligt förutbestämda kriterier; - kategorisera nämnda fordon i en av ett förutbestämt antal kategorier baserat på resultatet av nämnda analys; varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen; - generera åtminstone en styrsignal som indikerar hur ett eller flera fordon i fordonståget ska regleras baserat på nämnda kategorisering; - sända nämnda styrsignal till en eller flera styrenheter i ett eller flera fordon i fordonståget, varvid fordonen regleras i enlighet därmed.

2. System enligt krav l, som innefattar att kategorisera fordon åtminstone delvis beroende på med vilken metod nämnda data tagits fram.

3. System enligt krav l eller 2, varvid nämnda data innefattar identifieringsdata som indikerar från vilket fordon nämnda data kommer ifrån, varvid processorenheten är anpassad att analysera nämnda data från ett fordon genom att jämföra identifieringsdata från mottagen data med identifieringsdata för fordonståget.

4. System enligt något av ovanstående krav, varvid processorenheten är anpassad att analysera nämnda data genom att estimera fordonets längd l, beräkna en skillnad Al mellan den estimerade längden och en förutbestämd längd, jämföra Al med ett förutbestämt tröskelvärde, samt kategorisera fordonet i en kategori i beroende av resultatet av jämförelsen.

5. System enligt något av ovanstående krav, varvid nämnda regler för en kategori anger hur ett fordon placerat efter ett fordon i denna kategori ska regleras. 10 15 20 25 30 18

6. System enligt något av tidigare krav, varvid nämnda förutbestämda kategorier innefattar trådlöst sändande fordon i fordonståget och/eller trådlöst sändande fordon utanför fordonståget och/eller okänt fordon i fordonståget.

7. System enligt något av ovanstående lqrav, varvid nämnda data innefattar trådlöst överförda signaler.

8. System enligt något av ovanstående krav, varvid nämnda data innefattar data mottaget via radar, kamera och/eller GPS (Global Positioning System).

9. Metod för att reglera fordon i ett fordonståg som innefattar ett ledarfordon och åtminstone ett ytterligare fordon anpassade att kommunicera via trådlös kommunikation, metoden innefattar stegen att - ta emot data relaterat till en eller flera fordonsparametrar för ett fordon i fordonståget eller ett fordon i ett område kring fordonståget; - analysera nämnda data enligt förutbestämda kriterier; - kategorisera nämnda fordon i en av ett förutbestämt antal kategorier baserat på resultatet av nämnda analys; varvid varje kategori anger regler för hur åtminstone ett fordon i fordonståget ska regleras beroende på kategoriseringen; - reglera åtminstone ett fordon i fordonståget baserat på nämnda kategorisering.

10. Metod enligt krav 9, som innefattar att kategorisera fordon åtminstone delvis beroende på med vilken metod nämnda data tagits fram.

11. Metod enligt krav 9 eller 10, varvid nämnda data innefattar identifieringsdata som indikerar från vilket fordon nämnda data kommer ifrån, varvid metoden innefattar att analysera nämnda data från ett fordon genom att jämföra identifieringsdata från mottagen data med identifieringsdata för fordonståget.

12. Metod enligt något av kraven 9 till 11, som innefattar att analysera nämnda data genom att estimera fordonets längd l, beräkna en skillnad Al mellan den estimerade 10 15 20 25 19 längden och en förutbestämd längd och jämföra Al med ett förutbestämt tröskelvärde, samt kategorisera fordonet i beroende av resultatet av jämförelsen.

13. Metod enligt något av kraven 9 till 12, varvid nämnda regler för en kategori anger hur ett fordon placerat efter ett fordon i denna kategori ska regleras.

14. Metod enligt något av kraven 9 till 3, varvid nämnda förutbestämda kategorier innefattar trådlöst sändande fordon i fordonståget och/eller trådlöst sändande fordon utanför fordonståget och/eller okänt fordon i fordonståget.

15. Datorprogramprodukt, innefattande datorprograminstruktioner för att fönnå ett datorsystem att utföra stegen enligt metoden enligt något av kraven 9 till 14, när datorprograminstruktionerna körs på nämnda datorsystem.

16. Datorprogramprodukt enligt krav 15, där datorprograminstruktionema är lagrade på ett av ett datorsystem läsbart medium.