The automotive industry has been actively seeking ways to reduce emissions and combat global warming. While pure battery electric vehicles have shown promise in achieving zero-tailpipe emissions, they face challenges in meeting the energy demands of large construction machines like excavators and wheel loaders, due to the heavy batteries required. To overcome this issue, Fuel Cell Hybrid Electric Vehicles (FCHEV) have emerged as a potential solution. However, efficient energy management systems are crucial for FCHEV, as fuel cells are slow-reacting devices and construction machines operate with highly transient work cycles. This thesis addresses the need for an effective energy management strategy by developing a controller and machine load predictor for an FCHEV. The proposed approach utilizes Model Predictive Control (MPC) to minimize an objective function encompassing hydrogen consumption and rate constraints. The controller determines the optimal power split between the fuel cell and battery over a specific time-horizon, ensuring power demand is met while adhering to system constraints. Additionally, an auto-correlation-based machine load predictor is integrated with the controller to optimize the power split between the battery and fuel cell. By implementing the MPC combined with the auto-correlation-based load predictor, the FCHEV effectively utilizes a narrower battery State of Charge (SoC) window, potentially reducing the required battery size in the machine. Moreover, the strategy reduces transients in fuel cell power, slowing down degradation and enhancing its lifetime, in comparison to Volvo Construction Equipment AB’s (Volvo CE) previous real-time power-split function. This research contributes to the development of energy-efficient solutions for large construction machines, particularly in the context of FCHEV. The proposed energy management strategy utilizing MPC and load prediction techniques holds promise for improving overall system performance, reducing hydrogen consumption, and limiting the degradation of fuel cell and battery components. / Bilindustrin har sedan länge sökt sätt att minska utsläppen och bekämpa den globala uppvärmningen. Även om rent batteridrivna elektriska fordon är i princip avgasfria, så är det utmananade att möta energikraven för stora byggmaskiner som grävmaskiner och hjullastare med endast batterier. För att övervinna detta problem har bränslecell-hybrid-elektriska fordon (FCHEV från engelskans Fuel-cell hybrid electrical vehicle) identifierats som en potentiell lösning. Dock är effektiva energihanteringssystem avgörande för FCHEV, eftersom bränsleceller reagerar långsamt och byggmaskiner arbetar med snabbt varierande arbetscykler. Detta examensarbete försöker att möta behovet av en effektiv energihanteringsstrategi genom att utveckla en styrenhet och maskinbelastningsprognos för en FCHEV. Det föreslagna tillvägagångssättet använder modellprediktiv reglering (MPC) för att minimera en målfunktion som ta hänsyn till både vätekonsumtion och hastighetsbegränsningar. Styrenheten bestämmer den optimala effektfördelningen mellan bränslecellen och batteriet över en specifik tidshorisont, och säkerställer att effektkravet uppfylls samtidigt som systembegränsningarna följs. Dessutom integreras en auto-korrelationsbaserad maskinbelastningsprediktor med styrenheten för att optimera effektfördelningen mellan batteriet och bränslecellen. Genom att implementera MPC i kombination med den auto-korrelationsbaserade belastningsprognosen, använder FCHEV effektivt ett smalare fönster för batterets laddningstillstånd (SoC), vilket potentiellt minskar den nödvändiga batteristorleken i maskinen. Dessutom minskar strategin transienter i bränslecellseffekten och förbättrar dess livstid, jämfört med Volvo Construction Equipment AB:s (Volvo CE) tidigare lösning. Denna forskning bidrar till utvecklingen av energieffektiva lösningar för stora byggmaskiner, särskilt i sammanhanget FCHEV. Den föreslagna energihanteringsstrategin, med sin kombination av MPC och belastningsprediktionstekniker, har en potential att förbättra den totala systemprestandan, minska vätekonsumtionen och begränsa försämringen av bränslecell- och batterikomponenter.

No description available.

Cette thèse traite de l'estimation d'un canal de communication radio-mobile multi-bond. La communication entre l'émetteur et le récepteur est ainsi faite par l'intermédiaire de relais (de type « Amplify and-Forward ») en série. Les différents éléments (émetteurs, relais, récepteurs) peuvent être fixes ou mobiles. Chaque lien de communication (chaque bond) est modélisé par un canal de Rayleigh à évanouissements plats, avec un spectre Doppler issu de deux environnements possibles de diffusion : en deux dimensions (2D, amenant le spectre en U de Jakes), ou en trois dimensions (3D, amenant un spectre Doppler plat). L'objectif majeur de la thèse est l'estimation dynamique du canal global issue de la cascade des différents liens. A cette fin, la cascade de canaux est approchée par une modèle auto-régressif du premier ordre (AR (1)), et l'estimation est réalisée à l'aide d'un algorithme standard, le filtre de Kalman. La méthode couramment utilisée dans la littérature pour fixer le paramètre du modèle AR(1) est basée sur un critère de « corrélation matching » (CM). Cependant, nous montrons que pour des canaux à variations lentes, un autre critère basé sur la minimisation de la variance asymptotique (MAV) de la sortie du filtre de Kalman est plus approprié. Pour les deux critères, CM et MAV, cette thèse donne une justification analytique en fournissant des formules approchées de la variance d'estimation par le filtre de Kalman, ainsi que du réglage optimal du paramètre du modèle AR(1). Ces formules analytiques sont données en fonctions des fréquences Doppler et du rapport signal sur bruit, pour les environnements de diffusion 2D et 3D, quel que soit le nombre et le type de bonds (fixe-mobile ou mobile-mobile). Les résultats de simulations montrent un gain considérable en termes de l'erreur quadratique moyenne (MSE) de l'estimateur de canal bien réglé, en particulier pour le scénario le plus courant de canal à évanouissements lents. / This thesis deals with the estimation of the multihop Amplify-and-Forward relay communications. The various objects (transmitter, relays, receivers) can be fixed or mobile. Each link is modeled by a flat fading Rayleigh channel, with a Doppler spectrum resulting from two-dimensional (2D, leading to the U-shape Dopller spectrum) or three-dimensional (3D, leading to a flat Doppler spectrum) scattering environments. The cascade of channel hops is approximated by a first-order autoregressive (AR(1)) model and is tracked by a standard estimation algorithm, the Kalman Filter (KF). The common method used in the literature to tune the parameter of the AR(1) model is based on a Correlation Matching (CM) criterion. However, for slow fading variations, another criterion based on the off-line Minimization of the Asymptotic Variance (MAV) of the KF is shown to be more appropriate. For both the CM and MAV criteria, this thesis gives analytic justification by providing approximated closed-form expressions of the estimation variance in output of the Kalman filter, and of the optimal AR(1) parameter. The analytical results are calculated for given Doppler frequencies and Signal-to-Noise Ratio for both scattering environments, whatever the number and type of transmission hops (Fixed-to-Mobile or Mobile-to-Mobile). The simulation results show a considerable gain in terms of the Mean Square Error (MSE) of the well tuned Kalman-based channel estimator, especially for the most common scenario of slow-fading channel.