261 |
Däckmodellering och prestandaanalys för Formula StudentOlsson, Hugo January 2024 (has links)
Arbetets syfte var att göra ett motiverat val av däck till bilen som KTH Formula Student planerar att utveckla till 2025. Detta gjordes genom att använda däckdata från FSAE TTC och utifrån den modellera alla däck med däckmodellen Magic Formula TNO MFTyre/MF-Swift 6.1. Denna modell innehåller variationer i däcktryck, camber och vertikal last. Därefter simulerades varvtid vid olika grenar som skidpad, autocross och endurance för att jämföra alla däcks prestanda. Dessutom kunde flera andra värden värda att jämföras beräknas utifrån däckmodellen och datan från FSAE TTC. Dessa var hållbarhet, däcktemperatur, däckens massa, sidkraftskoefficient, camberkänslighet och däckens fjäderkonstant. Alla dessa värden jämfördes till sist där varvtid och hållbarhet prioriterades. Tre däck fanns kvar i slutet vilka rekommenderades.
|
262 |
Návrh zavěšení kol Formule Student / Design of Formula Student Wheel SuspensionsUrban, Marek January 2020 (has links)
Tato práce se se zabývá návrhem kinematiky zavěšení kol obou náprav. Na základě analýz jízdních dat, multi-body simulací v softwaru Adams Car, simulací v Matlabu a analytických kalkulací v Mathcadu, je navržena řada změn s cílem zlepšit jízdní vlastnosti vozu Formule student, tyto změny jsou následně implementovány do CAD modelu vozu. Jednotlivé změny kinematiky náprav jsou provedeny na základě analýzy konkrétního problému, který se snaží řešit. Jednou z problematik je zástavbová náročnost systému odpružení a zavěšení zadních kol, zde je cílem snížit hmotnost, výšku těžiště a moment setrvačnosti. Další problematikou je geometrie předního kola, kde je cílem zlepšit využití pneumatik a snížit síly v řízení. Dále se práce zabývá simulacemi elastokinematiky zadní nápravy, součástí je také návrh měřícího zařízení. V poslední části je zkoumán vliv provedených změn i elastokinematiky na jízdní dynamiku vozu v ustálených stavech za pomocí MM metody simulované s modelem celého vozu v Adams Car a zpracované v Matlabu.
|
263 |
Evaluation of Target Tracking Using Multiple Sensors and Non-Causal AlgorithmsVestin, Albin, Strandberg, Gustav January 2019 (has links)
Today, the main research field for the automotive industry is to find solutions for active safety. In order to perceive the surrounding environment, tracking nearby traffic objects plays an important role. Validation of the tracking performance is often done in staged traffic scenarios, where additional sensors, mounted on the vehicles, are used to obtain their true positions and velocities. The difficulty of evaluating the tracking performance complicates its development. An alternative approach studied in this thesis, is to record sequences and use non-causal algorithms, such as smoothing, instead of filtering to estimate the true target states. With this method, validation data for online, causal, target tracking algorithms can be obtained for all traffic scenarios without the need of extra sensors. We investigate how non-causal algorithms affects the target tracking performance using multiple sensors and dynamic models of different complexity. This is done to evaluate real-time methods against estimates obtained from non-causal filtering. Two different measurement units, a monocular camera and a LIDAR sensor, and two dynamic models are evaluated and compared using both causal and non-causal methods. The system is tested in two single object scenarios where ground truth is available and in three multi object scenarios without ground truth. Results from the two single object scenarios shows that tracking using only a monocular camera performs poorly since it is unable to measure the distance to objects. Here, a complementary LIDAR sensor improves the tracking performance significantly. The dynamic models are shown to have a small impact on the tracking performance, while the non-causal application gives a distinct improvement when tracking objects at large distances. Since the sequence can be reversed, the non-causal estimates are propagated from more certain states when the target is closer to the ego vehicle. For multiple object tracking, we find that correct associations between measurements and tracks are crucial for improving the tracking performance with non-causal algorithms.
|
Page generated in 0.0323 seconds