VCloud II, Styrsystem och Reglering hos Autonomt Styrda Fordon med fokus på energiförbrukning

Syfte och mål

Forskningsprojektet syftar till att använda kunskapen om fordonets planerade rutt för att optimera regleringen utav drivlinan. Detta sker genom insamling av data för hur fordonet används med dess nuvarande tillstånd och genom att använda AI, räkna ut en optimal reglering av drivlinan för bilens framtida körsträcka. Projektet har på ett lyckosamt sätt kunna implementera ett fullt fungerande självlärande system som har påvisat uppmätta förbrukningsvinster i verklig körning.

Resultat och förväntade effekter

Forskningsfrågorna innebär att hitta metoder och infrastruktur för att implementera AI för fordon i realtid under tiden fordonet körs, samt på ett effektivt sätt kunna beräkna den optimala styrningen av drivlinan givet dessa tillstånd. Det förväntade resultatet är att kunna mäta skillnader i bränsleförbrukning med och utan funktionen aktiv i verklig körning. De förväntade effekterna är att kunna mäta signifikanta skillnader i bränsleförbrukning och emissioner då de nya metoderna är implementerade i fordonen.

Upplägg och genomförande

De första arbetspaketen var teoretiskt inriktade genom att studera metodernas effekt i simuleringsmiljö med bilens ordinarie styrsystem implementerat. Syftet var att studera optimeringsmetoder med de begränsningar i mjukvara som finns i fordonet och som är svåra att ha med i optimeringsmetoden på grund av växande tillståndsrymd. I de följande arbetspaketen implementerades en molnbaserad mjukvaruarkitektur för de självkörande fordonen. I det sista arbetspaketet genomfördes prov i verklig trafik med algoritmerna implementerade samt även mätningar i rigg på Chalmers.