In this work we explore online secondary path modelling (SPM) in the context of spatial active noise control (ANC). Specifically, we are interested in the reduction of broadband noise over a three-dimensional region, without restrictions on microphone and loudspeaker array placement. As spatial ANC generally requires many channels, both ANC and SPM methods must have low computational cost. The SPM methods are intended to be used with a specific spatial ANC algorithm based on kernel interpolation. By incorporating SPM, the spatial ANC method is enabled to operate under timevarying secondary paths. Four SPM methods are considered in detail, of which three are based on the auxiliary noise technique. Descriptions of the algorithms are presented for the multichannel case, in addition to block-based implementations taking advantage of the fast Fourier transform to drastically reduce computational cost. Impulse responses to simulate a soundfield are recorded using a programmable robot arm. The algorithms are evaluated through simulations to show their respective strengths and weaknesses. It is found that the auxiliary noise based SPM methods have good convergence properties for both control filter and secondary path estimate, although the auxiliary noise’s degrading effect on the residual noise leads to a similar total noise reduction as the auxiliary noise free method. For all algorithms, the noise control performance worsens, and the convergence time increases by more than an order of magnitude, compared to when the secondary paths are known. It is verified that the kernel interpolation based spatial ANC method successfully reduces noise over a region even when used with online SPM. / I detta projekt undersöks sekundärvägsmodellering för spatial aktiv brusreducering. Fokus ligger på minskning av brus över en tredimensionell region, för metoder utan några restriktioner när det gäller mikrofon- och högtalarplacering. Efterssom spatial brusreducering generellt kräver många kanaler, behöver både sekundärvägsmodellering samt brusreducering ha mycket låg beräkningskostnad. Metoderna för sekundärvägsmodellering är menade att användas tillsammans med en specifik spatial brusreduceringsalgoritm baserad på kärninterpolation. Genom att inkludera sekundärvägsmodellering kan den spatiala brusreduceringsmetoden operera även då sekundärvägarna är tidsvarierande. Fyra metoder för sekundärvägsmodellering är undersökta i detalj, tre av vilka är baserade på auxiliärbrusprincipen. Dessa algoritmer är beskrivna för multikanalsfallet, tillsammans med blockbaserade implementationer som utnyttjar den snabba Fouriertransformen för att drastiskt minska sina beräkningskostader. Impulssvar som kan användas för att simulera ett ljudfält är inspelade med hjälp av en programmerbar robotarm. Algoritmerna är utvärderade genom simuleringar för att visa deras respektive styrkor och svagheter. Experimenten visade att de algoritmer som använder sig av auxiliärbrus har bra konvergenskaraktäristik för både kontrollfilter och sekundärvägsestimat. Däremot, på grund av auxiliärbrusets negativa inverkan på residualbruset i rummet, är den totala brusreduceringen snarlik det den auxiliärbrusfria metoden ger. För alla algoritmer blir brusreduceringen försämrad och konvergenstiden ökad med mer än en storleksordning när sekundärvägsmodellering används, jämfört med när sekundärvägarna är kända. Det verifierades också att den spatiala brusreduceringsmetoden baserad på kärninterpolation kan reducera brus över en region även när den används tillsammans med sekundärvägsmodellering.

Autonomous driving technology is continuously evolving at an accelerated pace. The road environment is always uncertain, which requires an evasive manoeuvre that an autonomous vehicle can take. This evasive behaviour to avoid accidents in a critical situation is analogous to autonomous racing that operates at the limits of stable vehicle handling. In autonomous racing, the vehicle must operate in highly nonlinear operating conditions such as high-speed manoeuvre on sharp turns, avoiding obstacles and slippery road conditions. These dynamically changing racing situations require advanced path planning systems with obstacle avoidance executed in real-time. Therefore, the motion planning problem for autonomous racing is analogous to safe and reliable autonomous vehicle operation in critical situations. This thesis project evaluates the application of traction adaptive motion planning to autonomous racing on different road surfaces for a small-scale test vehicle in real-time. The evaluation is based on a state-of-the-art algorithm that uses a combination of optimization, trajectory rollout, and constraint adaption framework called "Sampling Augmented Real-Time Iteration (SAARTI)". SAARTI allows motion planning and control with respect to time-varying vehicle actuation capabilities while taking locally adaptive traction into account for different parts of the track as a constraint. Initially, the SAARTI framework is adapted to work with the SmallVehicles-for-Autonomy (SVEA) system; then, the whole system is simulated in a ROS (Robot Operating System) based SVEA simulator with a Hardware-in-the-loop setup. Later, the same setup is used for the real time experiments that are carried out using the SVEA vehicles, and the different critical scenarios are tested on the SVEA vehicle. The emphasis was given to the experimental results; therefore, the results also consider computationally intensive localization inputs while the motion planner was implemented in real-time instead of a simulation setup. The experimental results showed the impact of planning motions according to an approximately correct friction estimate when the friction parameter was close to the actual value. The results indicated that the traction variation had indeed affected the lap time and trajectory taken by the test vehicle. The lap time is affected significantly when the coefficient of friction value is far away from the real friction coefficient. It is observed that the lap time increased significantly at higher values of friction coefficient, when involving more excessive over-estimation of the traction, leading to the oscillatory motion and lane exits. Furthermore, the non-adaptive case scenario result shows that the test vehicle performed better when given friction parameter inputs to the algorithm approximately equal to the real friction value. / Teknik för autonom körning har utvecklats i snabb takt de senaste åren. Trafikmiljön innehåller många källor till osäkerhet, vilket ibland kräver undanmanövrar av det autonoma fordonet. Undanmanövrar i kritiska situationer är analoga med autonom racing i det avseendet att fordonet opererar nära gränsen av dess fysiska förmåga. I autonom racing måste fordonet fungera i hög grad olinjära driftsförhållanden som höghastighetsmanöver i skarpa svängar, undvika hinder och halt väglag. Dessa dynamiska föränderliga racingsituationer kräver avancerad vägplaneringssystem med undvikande av hinder exekveras i realtid. Därför är rörelseplaneringsproblemet för autonom racing är analogt med det för säkra undanmanövrer i kritiska situationer. Detta examensarbete utvärderar tillämpningen av dragkraft adaptiv till autonom racing på olika väglag för ett småskaligt testfordon i realtid. Utvärderingen baseras på en algoritm som kallas "Sampling Augmented Real Time Iteration (SAARTI)" som tillåter rörelse planering och kontroll med avseende på tidsvarierande fordonsdynamik, på så vis tar algoritmen hänsyn till lokalt varierande väglag. Arbetet började med att integrera SAARTI-ramverket med testplattformen Small-Vehicles-for-Autonomy (SVEA). Därefter utfördes hardware-in-the-loop simuleringar i ROS (Robot Operating System), och därefter utfördes fysiska tester med SVEA plattformen. Under experimenten kördes SAARTI-algoritmen parallellt med en beräkningsintensiv SLAM-algoritm för lokalisering. De experimentella resultaten visade att adaptiv rörelseplanering kan avhjälpa problemet med lokalt varierande väglag, givet att den uppskattade friktionsparametern är approximativt korrekt. Varvtiden påverkas negativt när friktionsskattningen avviker från den verkliga friktionskoefficienten. Vidare observerades att varvtiden ökade vid höga värden på den skattade friktionsparametern, vilket gav upphov till mer aggressiva manövrer, vilket i sin tur gav upphov till oscillerande rörelser och avåkningar.

Model Predictive Control (MPC) is a control strategy based on optimization that handles system constraints explicitly, making it a popular feedback control method in real industrial processes. However, designing this control policy is an expensive operation since an explicit model of the process is required when re-tuning the controller. Another common practical challenge is that not all states are available, which calls for an observer in order to estimate the states, and imposes additional challenges such as satisfying the constraints and conditions that follow. This thesis attempts to address these challenges by extending the novel Adversarial Adaptive Model Predictive Control (AAMPC) algorithm with output-feedback for linear plants without explicit identification. The AAMPC algorithm is an adaptive MPC framework, where results from an adversarial Multi-Armed Bandit (MAB) are applied to a basic model predictive control formulation. The algorithm of the project, Adversarial Adaptive Output-Feedback Model Predictive Control (AAOFMPC), is derived by extending the standard MPC formulation with output-feedback, i.e, to an Output-Feedback Model Predictive Control (OFMPC) scheme, where a Kalman filter is implemented as the observer. Furthermore, the control performance of the extended algorithm is demonstrated with the problem of driving the state to a given reference, in which the performance is evaluated in terms of regret, state estimation errors, and how well the states track their given reference. Experiments are conducted on two discrete-time Linear Time- Invariant (LTI) systems, a second order system and a third order system, that are perturbed with different noise sequences. It is shown that the AAOFMPC performance satisfies the given theoretical bounds and constraints despite larger perturbations. However, it is also shown that the algorithm is not very robust against noise since offsets from the reference values for the state trajectories are observed. Furthermore, there are several tuning parameters of AAOFMPC that need further investigation for optimal performance. / Modell Prediktiv Reglering (MPC) är en optimeringsbaserad reglertekniksmetod som hanterar processbegränsingar på ett systematiskt sätt, vilket gör den till en populär metod inom återkopplad reglering i processindustrin. Denna metod medför dock höga beräkningskostnader eftersom det krävs en explicit modell varje gång regulatorn justeras online. I praktiken är det också vanligt att alla tillståndsvariabler inte är tillgängliga, vilket kräver en observatör för att rekonstruera alla tillståndsvariabler. Detta leder till fler utmaningar som att uppfylla ytterligare systembegränsingar och villkor som följer. Detta projekt adresserar dessa utmaningar genom att förlänga den nya algoritmen Adversarial Adaptiv Modell Prediktiv Reglering (AAMPC) med output-feedback för linjära system utan explicit modellidentifiering. AAMPC-algoritmen är en adaptiv reglerstrategi där resultat från en adversarial multiarmed bandit (MAB) appliceras i en standard MPC-formulering. Denna MPC-formulering är förlängd med output-feedback dvs. Output-Feedback Modell Predktiv Reglering (OFMPC) där ett Kalman filter är implementerad som en observatör och resulterar i projektets algoritm: Adversarial Adaptiv Output- Feedback Modell Prediktiv Reglering (AAOFMPC). Vidare demonstreras den utökade algoritmens prestanda med problemet att driva tillståndsvariablerna till ett givet referensvärde, där prestandan evalueras i termer av regret, skattningsfel och hur väl tillståndsvariablerna följer de givna referensvärdena. Experiment utförs på två tidsdiskreta tidsinvarianta (LTI) system, ett andraordningssystem och ett tredjeordningssystem, som är perturberade med olika värden av brus. Resultaten visar att AAOFMPC:s prestanda uppfyller de givna teoretiska begränsningarna trots större störningar. Det visar sig dock att algoritmen inte är särskilt robust mot brus eftersom det sker avvikelser från de givna referensvärdena för tillståndsvariablerna. Dessutom finns det flera parametrar i algoritmen som kräver ytterligare utredningar för optimal prestanda.

Focusing on the problem of Drone vs. Unknown classification based on radar frequency-amplitude spectra using Deep Learning (DL), especially 1-Dimensional Convolutional Neural Networks (1D-CNNs), this thesis aims at reducing the current gap in the research related to adequate pre-processing techniques for hardware deployment. The primary challenge tackled in this work is determining a pipeline that facilitates industrial deployment while maintaining high classification metrics. After presenting a comprehensive review of existing research on radar signal classification and the application of DL techniques in this domain, the technical background of signal processing is described to provide a practical scenario where the solutions could be implemented. A thorough description of technical constraints, such as Field Programmable Gate Array (FPGA) data type requirements, follows the entire project justifying the necessity of a learning-based pre-processing technique for highly skewed distributions. The results demonstrate that data-adaptive preprocessing eases hardware deployment and maintains high classification metrics, while other techniques contribute to noise and information loss. In conclusion, this thesis contributes to the field of radar frequency-amplitude spectra classification by identifying effective methods to support efficient hardware deployment of 1D-CNNs, without sacrificing performance. This work lays the foundation for future studies in the field of DL for real-world signal processing applications. / Med fokus på problemet med klassificering av drönare kontra okänt baserat på radarfrekvens-amplitudspektra med Deep Learning (DL), särskilt 1-Dimensional Convolutional Neural Networks (1D-CNNs), syftar denna avhandling till att minska det nuvarande gapet i forskningen relaterad till adekvata förbehandlingstekniker för hårdvarudistribution. Den främsta utmaningen i detta arbete är att fastställa en pipeline som underlättar industriell driftsättning samtidigt som höga klassificeringsmått bibehålls. Efter en omfattande genomgång av befintlig forskning om klassificering av radarsignaler och tillämpningen av DL-tekniker inom detta område, beskrivs den tekniska bakgrunden för signalbehandling för att ge ett praktiskt scenario där lösningarna kan implementeras. En grundlig beskrivning av tekniska begränsningar, såsom krav på datatyper för FPGA (Field Programmable Gate Array), följer hela projektet och motiverar nödvändigheten av en inlärningsbaserad förbehandlingsteknik för mycket skeva fördelningar. Resultaten visar att dataanpassad förbehandling underlättar hårdvaruimplementering och bibehåller höga klassificeringsmått, medan andra tekniker bidrar till brus och informationsförlust. Sammanfattningsvis bidrar denna avhandling till området klassificering av radarfrekvens-amplitudspektra genom att identifiera effektiva metoder för att stödja effektiv hårdvarudistribution av 1D-CNN, utan att offra prestanda. Detta arbete lägger grunden för framtida studier inom området DL för verkliga signalbehandlingstillämpningar.

Hydrofoiling technology has existed for over a hundred years but has seen a significant acceleration in development lately. The lower water resistance significantly increases the propulsion energy efficiency, giving the technology the potential to contribute to global goals of reducing emissions. Fully submerged hydrofoils, in general, and single-strut hydrofoils, in particular, need a control system to maintain stability in flight. It makes for an interesting control system design challenge, with dynamics resembling an inverted pendulum with six degrees of freedom. In this study, two control systems were designed and tested to stabilize a simulated model of the FoilCart prototype while performing turning maneuvers at different velocities and handling changes in altitude and speed. The first controller was a static Linear-Quadratic Integral (LQI) controller with some additions, including anti-windup mechanisms, setpoint step smoothing, symmetric linearization, and error cascading. The second controller was a modified, adaptive version of the LQI controller that used gain scheduling to combine multiple LQI controllers, each designed for coordinated banking turns at different roll angles, interpolating between them at every time step based on the current roll angle setpoint. With one exception, both controllers successfully performed turning maneuvers with 10 and 20° roll angles at 7 and 8 m/s. While the adaptive controller did, in some cases, improve the system’s speed, reducing rise time and overshoot, it was also less reliable and made the boat crash in one case (20° roll angle at 7 m/s). The static controller, however, exceeded all expectations and could perform stable turning maneuvers with roll angles up to 40°. Adding anti-windup measures and setpoint step smoothing improved stability, while error cascading and symmetric linearization had only minor, yet positive, effects. In conclusion, with the mentioned enhancements, LQI control systems have great potential for stabilizing single-strut hydrofoiling vessels. Several openings for future work remain, from validating these results in actual prototype tests to robustness and disturbance rejection studies and exploring other ways of combining LQI control and gain scheduling. / Bärplan har funnits i över hundra år, men dess utveckling och spridning har accelerat ordentligt den senaste tiden. Det minskade vattenmotståndet ökar energieffektiviteten avsevärt och ger tekniken potential att bidra till de globala målen att minska utsläppen. Dränkta bärplan i stort, men speciellt de som bara har en vertikal koppling till skrovet, behöver styrsystem för att bibehålla stabiliteten när de flyger. Utvecklingen av styrsystem för dem är därför en intressant utmaning, med dynamik liknande en inverterad pendel med sex frihetsgrader. I denna studie utvecklades och testades två styrsystem för att stabilisera en simulerad modell av FoilCart-prototypen under svängar i olika hastigheter och förändringar i höjdled. Det första styrsystemet var ett statiskt linjär-kvadratiskt integrerande system med vissa tilläggsfunktioner: anti-windup-mekanismer, utjämning av referenssteg, symmetrisk linjärisering och kaskadkoppling av felet. Det andra styrsystemet var en modifierad, adaptiv version av det första systemet. Det använde gain scheduling för att kombinera flera LQI-kontrollenheter designade för koordinerade svängar med en viss rollvinkel vardera, och interpolerade mellan dem vid varje tidssteg baserat på det aktuella referensvärdet för rollvinkeln. Med ett undantag lyckades båda styrsystemen genomföra koordinerade svängar med rollvinklar på 10 och 20° i 7 och 8 m/s. Medan det adaptiva styrsystemet i vissa fall gav ett snabbare svar med kortare stigtid och mindre översläng, var det även mindre pålitligt och fick båten att välta i ett fall (20° rollvinkel i 7 m/s). Det statiska styrsystemet överträffade dock alla förväntningar, och klarade att genomföra stabila svängar med upp till 40° rollvinkel. Tilläggsfunktionerna med anti-windup-mekanismer och utjämning av referenssteg förbättrade stabiliteten, medan kaskadkoppling av felet och symmetrisk linjärisering hade endast små, men positiva, effekter. Sammanfattningsvis har linjär-kvadratiska integrerande styrsystem med de nämnda tilläggsfunktionerna stor potential inom stabilisering av bärplansbåtar. Flera möjligheter för fortsatt arbete återstår, från validering av resultaten i faktiska prototyptester till utvärdering av robusthet och störningstålighet, samt utforskande av andra kombinationer av linjär-kvadratisk integrerande reglering och gain scheduling.

Transition delay in boundary-layer flows is achieved via reactive control of flow instabilities, i.e. Tollmien-Schlichting (TS) waves. Adaptive and model-based control techniques are investigated by means of direct numerical simulations (DNS) and experiments. The action of actuators localised in the wall region is prescribed based on localised measurement of the disturbance field; in particular, plasma actuators and surface hot-wire sensors are considered. Performances and limitations of this control approach are evaluated both for two-dimensional (2D) and three-dimensional (3D) disturbance scenarios. The focus is on the robustness properties of the investigated control techniques; it is highlighted that static model-based control, such as the linear-quadratic- Gaussian (LQG) regulator, is very sensitive to model-inaccuracies. The reason for this behaviour is found in the feed-forward nature of the adopted sensor/actuator scheme; hence, a second, downstream sensor is introduced and actively used to recover robustness via an adaptive filtered-x least-mean-squares (fxLMS) algorithm. Furthermore, the model of the flow required by the control algorithm is reduced to a time delay. This technique, called delayed-x least-mean-squares (dxLMS) algorithm, allows taking a step towards a self-tuning controller; by introducing a third sensor it is possible to compute on-line the suitable time-delay model with no previous knowledge of the controlled system. This self-tuning approach is successfully tested by in-flight experiments on a motor-glider. Lastly, the transition delay capabilities of the investigated control con- figuration are confirmed in a complex disturbance environment. The flow is perturbed with random localised disturbances inside the boundary layer and the laminar-to-turbulence transition is delayed via a multi-input-multi-output (MIMO) version of the fxLMS algorithm. A positive theoretical net-energy- saving is observed for disturbance amplitudes up to 2% of the free-stream velocity at the actuation location, reaching values around 1000 times the input power for the lower disturbance amplitudes that have been investigated. / I den här avhandlingen har reglertekniska metoder tillämpats för att försena omslaget från ett laminärt till ett turbulent gränsskikt genom att dämpa tillväxten av små instabiliteter, så kallade Tollmien-Schlichting vågor. Adaptiva och modellbaserade metoder för reglering av strömning har undersökts med hjälp av numeriska beräkningar av Navier-Stokes ekvationer, vindtunnelexperiment och även genom direkt tillämpning på flygplan. Plasmaaktuatorer och varmtrådsgivare vidhäftade på ytan av plattan eller vingen har använts i experimenten och modellerats i beräkningarna. Prestanda och begränsningar av den valda kontrollstrategin har utvärderats för både tvådimensionella och tredimensionella gränsskiktsinstabiliteter. Fokus har varit på metodernas robusthet, där vi visar att statiska metoder som linjär-kvadratiska regulatorer (LQG) är mycket känsliga för avvikelser från den nominella modellen. Detta beror främst på att regulatorer agerar i förkompenseringsläge (”feed-foward”) på grund av strömningens karaktär och placeringen av givare och aktuatorer. För att minska känsligheten mot avvikelser och därmed öka robustheten har en givare införts nedströms och en adaptiv fXLMS algoritm (filtered-x least-mean-squares) har tillämpats.                  Vidare har modelleringen av fXLMS-algoritmen förenklats genom att ersätta överföringsfunktionen mellan aktuatorer och givare med en lämplig tidsfördröjning.  Denna  metod som kallas för dxLMS (delayed-x least-mean-squares) kräver att ytterligare en givare införs långt uppströms för att kunna uppskatta hastigheten på de propagerande instabilitetsvågorna. Denna teknik har tillämpats framgångsrikt för reglering av gränsskiktet på vingen av ett segelflygplan. Slutligen har de reglertekniska metoderna testas för komplexa slumpmässiga tredimensionella störningar som genererats uppströms lokalt i gränsskiktet. Vi visar att en signifikant försening av laminärt-turbulentomslag äger rum med hjälp av en fXLMS algoritm. En analys av energibudgeten visar att för ideala aktuatorer och givare kan den sparade energiåtgången på grund av minskad väggfriktion vara upp till 1000 gånger större än den energi som använts för reglering.

Vehicular ad hoc networks (VANETs) are a hot topic in the intelligent transport system (ITS) area. The introduction of wireless communications between vehicles will enable many useful applications to enhance road traffic safety as well to increase efficiency. The standardization of IEEE 802.11p, being an amendment to IEEE 802.11 intended for VANETS, faces many challenges. In Europe a 30 MHz spectrum at 5.9 GHz have been dedicated for ITS and this spectrum has to be used to its full potential. For this reason this thesis compares a 20 MHz wide frequency channel with a 10 MHz wide through measurements using 802.11p hardware. The measurements were conducted on a highway with relative speeds of up to 240 km/h. The results from these initial measurements show that a 20 MHz channel does not perform worse than a 10 MHz channel despite the high relative speeds and large metal signs scattering the signals. What enabled this thesis to do the measurements was Halmstad University‟s participation in the Grand Cooperative Driving Challenge (GCDC) 2011. In GCDC nine teams mostly from Europe competed in having the vehicle that had the best behaviour in a platoon of vehicles using cooperative adaptive cruise control (CACC), the CACC algorithm controlled the vehicles‟ acceleration and breaking autonomously based on in-vehicle sensors and communicated messages between the vehicles in the platoon using 802.11p. This thesis implemented the communication part of Halmstad University‟s vehicle. The challenge was held in Helmond, Holland, May 14-15, 2011. Halmstad University‟s team finished in second place. / CoAct

The Electric/Electronic architecture of vehicle becomes more complex and costly, self-adaption can reduce the system, enhance the adaptive meanwhile reduce energy consumption and costs. The self-adaption needs the cooperation of both hardware and software reconfigurations, such that after the software is reconfigured the automotive network continues to fulfill the time constraints for time-critical applications. The thesis focuses on the real-time network reconfiguration. It uses EAST-ADL to model a real-time automotive system with timing events and constraints, which conforms to AUTOSAR timing extensions. The network media access is analyzed based on the model and a scheduling algorithm is developed. Then the concept is implemented by a use case, which is transformed from an EAST-ADL model to an executable simulation.

Increasing the operational speed of trains has attracted a lot of interest in the last decades and has brought new challenges, especially in terms of infrastructure design methodology, as it may induce excessive vibrations. Such demands can damage bridges, which in turn increases maintenance costs, endangers the safety of passing trains and disrupts passenger comfort. Conventional design provisions should therefore be evaluated in the light of modern concerns; nevertheless, several previous studies have highlighted some of their shortcomings. It should be emphasized that most of these studies have neglected the uncertainties involved, which preventsthe reported results from representing a complete picture of the problem. In this respect, the present thesis is dedicated to evaluating the performance of conventional design methods, especially those related to running safety and passenger comfort, using probabilistic approaches. To achieve this objective, a preliminary study was carried out using the first-order reliability method for short/medium span bridges passed by trains at a wide range of operating speeds. Comparison of these results with the corresponding deterministic responses showed that applying a constant safety factor to the running safety threshold does not guarantee that the safety index will be identical for all bridges. It also shows that the conventional design approaches result in failure probabilities that are higher than the target values. This conclusion highlights the need to update the design methodology for running safety. However, it would be essential to determine whether running safety is the predominant design criterion before conducting further analysis. Therefore, a stochastic comparison between this criterion and passenger comfort was performed. Due to the significant computational cost of such investigations, subset simulation and crude Monte-Carlo (MC) simulation using meta-models based on polynomial chaos expansion were employed. Both methods were found to perform well, with running safety almost always dominating the passenger comfort limit state. Subsequently, classification-based meta-models, e.g. support vector machines, k-nearest neighbours and decision trees, were combined using ensemble techniques to investigate the influence of soil-structure interaction on the evaluated reliability of running safety. The obtained results showed a significant influence, highlighting the need for detailed investigations in further studies. Finally, a reliability-based design optimization was conducted to update the conventional design method of running safety by proposing minimum requirements for the mass per length and moment of inertia of bridges. It is worth mentioning that the inner loop of the method was solved by a crude MC simulation using adaptively trained Kriging meta-models. / Att öka tågens hastighet har väckt stort intresse under de senaste decennierna och har medfört nya utmaningar, särskilt när det gäller broanalyser, eftersom tågen inducerar stora vibrationer. Sådana vibrationer kan öka underhållskostnaderna, äventyra säkerheten för förbipasserande tåg och påverka passagerarkomforten. Konstruktionsbestämmelser bör därför utvärderas mot bakgrund av dessa problem; dock har flera tidigare studier belyst några av bristerna i dagens bestämmelser. Det bör understrykas att de flesta av dessa studier har försummat de osäkerheter som är involverade, vilket hindrar de rapporterade resultaten från att representera en fullständig bild av problemet. I detta avseende syftar denna avhandling till att utvärdera prestandan hos konventionella analysmetoder, särskilt de som rör körsäkerhet och passagerarkomfort, med hjälp av sannolikhetsmetoder. För att uppnå detta mål genomfördes en preliminär studie med första ordningens tillförlitlighetsnmetod för broar med kort/medellång spännvidd som passeras av tåg med ett brett hastighetsspektrum. Jämförelse av dessa resultat med motsvarande deterministiska respons visade att tillämpa en konstant säkerhetsfaktor för verifieringen av trafiksäkerhet inte garanterar att säkerhetsindexet kommer att vara identiskt för alla broar. Det visar också att de konventionella analysmetoderna resulterar i brottsannolikheter som är högre än målvärdena. Denna slutsats belyser behovet av att uppdatera analysmetoden för trafiksäkerhet. Det skulle emellertid vara viktigt att avgöra om trafiksäkerhet är det dominerande designkriteriet innan ytterligare analyser genomförs. Därför utfördes en stokastisk jämförelse mellan detta kriterium och kriteriet för passagerarkomfort. På grund av den betydande. analystiden för sådana beräkningar användes delmängdssimulering och Monte-Carlo (MC) simulering med metamodeller baserade på polynomisk kaosutvidgning. Båda metoderna visade sig fungera bra, med trafiksäkerhet som nästan alltid dominerade över gränsningstillståndet för passagerarkomfort. Därefter kombinerades klassificeringsbaserade metamodeller som stödvektormaskin och beslutsträd genom ensembletekniker, för att undersöka påverkan av jord-brointeraktion på den utvärderade tillförlitligheten gällande trafiksäkerhet. De erhållna resultaten visade en signifikant påverkan och betonade behovet av detaljerade undersökningar genom ytterligare studier. Slutligen genomfördes en tillförlitlighetsbaserad konstruktionsoptimering för att föreslå ett minimikrav på erforderlig bromassa per längdmeter och tröghetsmoment. Det är värt att nämna att metodens inre loop löstes med en MC-simulering med adaptivt tränade Kriging-metamodeller. / <p>QC 20210910</p>

The Electric/Electronic architecture of vehicle becomes more complex and costly, self-adaption can reduce the system, enhance the adaptive meanwhile reduce energy consumption and costs. The self-adaption needs the cooperation of both hardware and software reconfigurations, such that after the software is reconfigured the automotive network continues to fulfill the time constraints for time-critical applications. The thesis focuses on the real-time network reconfiguration. It uses EAST-ADL to model a real-time automotive system with timing events and constraints, which conforms to AUTOSAR timing extensions. The network media access is analyzed based on the model and a scheduling algorithm is developed. Then the concept is implemented by a use case, which is transformed from an EAST-ADL model to an executable simulation.:1. Introduction 2. Research Fundamentals 2.1. AUTOSAR Specifications for Modeling Function Communication 2.2. Media Access Control in Real-time Network 3. Function Communication Model and Determination of Network Configuration 3.1. Function Communication Model 3.2. Scheduling Algorithm for Media Access 4. Implementation of Communication Model and Plugin for Model Transformation 4.1. EAST-ADL Modeling Language 4.2. Implementation of Function Communication Model in EAST-ADL 4.3. Model Transformation Plugin and Simulation Tool Integration 5. Evaluation of the Function Communication Model 5.1. Use-Case Model for Evaluation 5.2. Time Values of Use-Case Model 5.3. Analysis and Evaluation of Simulation Result 6. Conclusion and Outlook 6.1. Conclusion of the Work 6.2. Outlook of the Future Work A. OMNeT++ Simulation Log B. EAST-ADL Model to Artop Model Mapping Bibliography Nomenclature