A vast expansion is found in the field of automotive electronic systems. The expansion iscoupled with a related increase in the demands of power and design. Now, this is goodarena of engineering opportunities and challenges. One of the challenges faced, isdeveloping fault tolerant systems, which increases the overall automotive and passengersafety. The development in the field of automotive electronics has led to the innovationof some very sophisticated technology. However, with increasing sophistication intechnology also rises the requirement to develop fault tolerant solutions.As one of many steps towards developing a fault tolerant system, this thesis presents anexhaustive fault analysis. The modeling and fault analysis is carried out for a vehicle withfour in-wheel motors. The primary goal is to collect as many of the possible failuremodes that could occur in a vehicle. A database of possible failure modes is retrievedfrom the Vehicle Dynamics research group at KTH. Now with further inputs to thisdatabase the individual faults are factored with respect to change in parameters of vehicleperformance. The factored faults are grouped with respect to similar outputcharacterization.The fault groups are modeled and integrated into a vehicle model developed earlier inMatlab/Simulink. All the fault groups are simulated under specific conditions and theresults are obtained. The dynamic behavior of the vehicle under such fault conditions isanalyzed. Further, in particular the behavior of the vehicle with electronic stabilitycontrol (ESC) under the fault conditions is tested. The deviation in the vital vehicleperformance parameters from nominal is computed.Finally based on the results obtained, a ranking system termed Severity Ranking System(SeRS) is presented. The severity ranking is presented based on three essential vehicleperformance parameters, such as longitudinal acceleration ( ), lateral acceleration ( )and yaw rate ( ̇ ). The ranking of the faults are classified as low severity S1, mediumseverity S2, high severity S3 and very high severity S4. A fault tolerant system must beable to successfully detect the fault condition, isolate the fault and provide correctiveaction. Hence, this database would serve as an effective input in developing fault tolerantsystems.

Autonomous driving is a rapidly growing field and can bring significant transition in mobility and transportation. In order to cater a safe and reliable autonomous driving operation, all the systems concerning with perception, planning and control has to be highly efficient. MPC is a control technique used to control vehicle motion by controlling actuators based on vehicle model and its constraints. The uniqueness of MPC compared to other controllers is its ability to predict future states of the vehicle using the derived vehicle model. Due to the technological development & increase in computational capacity of processors and optimization algorithms MPC is adopted for real-time application in dynamic environments. This research focuses on using Model predictive Control (MPC) to control the trajectory of an autonomous vehicle controlling the vehicle actuators for high dynamic maneuvers. Vehicle Models considering kinematics and vehicle dynamics is developed. These models are used for MPC as prediction models and the performance of MPC is evaluated. MPC trajectory control is performed with the minimization of cost function and limiting constraints. MATLAB/Simulink is used for designing trajectory control system and interfaced with CarMaker for evaluating controller performance in a realistic simulation environment. Performance of MPC with kinematic and dynamic vehicle models for high dynamic maneuvers is evaluated with different speed profiles.

As futuras utilizações de sistemas de controle em automóveis seguirão a tendência de integração, através do desenvolvimento de sistemas de controle integrados capazes de coordenar as ações dos vários subsistemas que compõem o veículo. Esta coordenação e integração requerem que as integrações entre os subsistemas sejam levadas em conta já nos primeiros estágios de projeto, levando ao desenvolvimento de modelos completos de veículos. Neste sentido, o comportamento dinâmico de um veículo de quatro rodas é analisado através de técnicas de modelagem de sistemas multicorpos utilizando-se o programa ADAMS. Posteriormente, são gerados modelos lineares obtidos através do Jacobiano das equações do modelo original, resultando em uma gama de equações na forma de espaço de estados. O modelo linearizado é então submetido a vários tipos de simulações e os resultados são comparados às respostas do modelo não linear de modo a validar as aproximações lineares em diferentes condições de operação do veículo. São também desenvolvidos dois sistemas de controle de suspensão baseados em técnicas de controle ótimo como duas diferentes abordagens: um controlador skyhook que foi implementado no modelo não linear desenvolvido no ADAMS e um controle de suspensão baseado em um controlador RLQ (Regulador Linear Quadrático), com realimentação de saída que utiliza os modelos linearizados na forma de espaço de estados, sendo este último implementado através da co-simulação ADAMS/Matlab. O sistema de controle de suspensão desenvolvido é um primeiro passo na tentativa de projeto de um sistema de controle integrado do movimento. / Future applications of control in automotive vehicles will follow a trend towards system integration, leading ultimately to the development of integrated vehicle control systems capable of coordinating the action of the various subsystems. The coordination and integration of automotive vehicle subsystems require the interaction amongst the various subsystems to be taken into consideration at the control design stages, resulting in full vehicle models. Therefore, a nonlinear 10 degree of freedom model is obtained through MBS modelling techniques present in ADAMS package software. Then, a linear model is obtained by linearization of the system equations through the Jacobian facility also present in ADAMS. The resulting linearised models are simulated and their response are compared to the previous non-linear one in order to validate the linear approximations. This work also presents two distincts suspension control systems based in optimal control theory: a skyhook controler designed at ADAMS (with the non-linear vehicle model) and a LQR (Linear Quadratic Regulator) with output feedback based on the state space linear vehicle model. This last one was designed through ADAMS/Matlab co-simulation facilities. This designed suspension control is a first attempt to future developments of integrated vehicle control.

Esta Tese propõe uma nova ferramenta para Otimização Robusta Multiobjetivo por Análise de Intervalo Não Probabilística (Non-probabilistic Interval Analysis for Multiobjective Robust Design Optimization ou NPIA-MORDO). A ferramenta desenvolvida visa à otimização dos parâmetros concentrados de suspensão em um modelo veicular completo, submetido a uma manobra direcional percorrendo diferentes perfis de pista, a fim de garantir maior conforto e segurança ao motorista. O modelo multicorpo possui 15 graus de liberdade (15-GDL), dentre os quais onze pertencem ao veículo e assento, e quatro, ao modelo biodinâmico do motorista. A função multiobjetivo é composta por objetivos conflitantes e as suas tolerâncias, como a raiz do valor quadrático médio (root mean square ou RMS) da aceleração lateral e da aceleração vertical do assento do motorista, desenvolvidas durante a manobra de dupla troca de faixa (Double Lane Change ou DLC). O curso da suspensão e a aderência dos pneus à pista são tratados como restrições do problema de otimização. As incertezas são quantificadas no comportamento do sistema pela análise de intervalo não probabilística, por intermédio do Método dos Níveis de Corte-α (α-Cut Levels) para o nível α zero (de maior dispersão), e realizada concomitantemente ao processo de otimização multiobjetivo. Essas incertezas são aplicáveis tanto nos parâmetros do problema quanto nas variáveis de projeto. Para fins de validação do modelo, desenvolvido em ambiente MATLAB®, a trajetória do centro de gravidade da carroceria durante a manobra é comparada com o software CARSIM®, assim como as forças laterais e verticais dos pneus. Os resultados obtidos são exibidos em diversos gráficos a partir da fronteira de Pareto entre os múltiplos objetivos do modelo avaliado Os indivíduos da fronteira de Pareto satisfazem as condições do problema, e a função multiobjetivo obtida pela agregação dos múltiplos objetivos resulta em uma diferença de 1,66% entre os indivíduos com o menor e o maior valor agregado obtido. A partir das variáveis de projeto do melhor indivíduo da fronteira, gráficos são gerados para cada grau de liberdade do modelo, ilustrando o histórico dos deslocamentos, velocidades e acelerações. Para esse caso, a aceleração RMS vertical no assento do motorista é de 1,041 m/s² e a sua tolerância é de 0,631 m/s². Já a aceleração RMS lateral no assento do motorista é de 1,908 m/s² e a sua tolerância é de 0,168 m/s². Os resultados obtidos pelo NPIA-MORDO confirmam que é possível agregar as incertezas dos parâmetros e das variáveis de projeto à medida que se realiza a otimização externa, evitando a necessidade de análises posteriores de propagação de incertezas. A análise de intervalo não probabilística empregada pela ferramenta é uma alternativa viável de medida de dispersão se comparada com o desvio padrão, por não utilizar uma função de distribuição de probabilidades prévia e por aproximar-se da realidade na indústria automotiva, onde as tolerâncias são preferencialmente utilizadas. / This thesis proposes the development of a new tool for Non-probabilistic Interval Analysis for Multi-objective Robust Design Optimization (NPIA-MORDO). The developed tool aims at optimizing the lumped parameters of suspension in a full vehicle model, subjected to a double-lane change (DLC) maneuver throughout different random road profiles, to ensure comfort and safety to the driver. The multi-body model has 15 degrees of freedom (15-DOF) where 11-DOF represents the vehicle and its seat and 4-DOF represents the driver's biodynamic model. A multi-objective function is composed by conflicted objectives and their tolerances, like the root mean square (RMS) lateral and vertical acceleration in the driver’s seat, both generated during the double-lane change maneuver. The suspension working space and the road holding capacity are used as constraints for the optimization problem. On the other hand, the uncertainties in the system are quantified using a non-probabilistic interval analysis with the α-Cut Levels Method for zero α-level (the most uncertainty one), performed concurrently in the multi-objective optimization process. These uncertainties are both applied to the system parameters and design variables to ensure the robustness in results. For purposes of validation in the model, developed in MATLAB®, the path of the car’s body center of gravity during the maneuver is compared with the commercial software CARSIM®, as well as the lateral and vertical forces from the tires. The results are showed in many graphics obtained from the Pareto front between the multiple conflicting objectives of the evaluated model. The obtained solutions from the Pareto Front satisfy the conditions of the evaluated problem, and the aggregated multi-objective function results in a difference of 1.66% for the worst to the best solution. From the design variables of the best solution choose from the Pareto front, graphics are created for each degree of freedom, showing the time histories for displacements, velocities and accelerations. In this particular case, the RMS vertical acceleration in the driver’s seat is 1.041 m/s² and its tolerance is 0.631 m/s², but the RMS lateral acceleration in the driver’s seat is 1.908 m/s² and its tolerance is 0.168 m/s². The overall results obtained from NPIA-MORDO assure that is possible take into account the uncertainties from the system parameters and design variables as the external optimization loop is performed, reducing the efforts in subsequent evaluations. The non-probabilistic interval analysis performed by the proposed tool is a feasible choice to evaluate the uncertainty if compared to the standard deviation, because there is no need of previous well-known based probability distribution and because it reaches the practical needs from the automotive industry, where the tolerances are preferable.

Due to the detrimental effects of ride vibrations on occupants and increasing safety concerns, improvement in vehicle dynamic characteristics has become a key focus of researchers. Typically, ride and handling problems have been dealt with independently. There is a dearth of vehicle models capable of capturing occupant biodynamics and its implication on vehicle ride and handling. Also in general, the objective of conventional control systems has been to attenuate vertical dynamic response of the sprung mass of a vehicle. Feedback control based algorithms are predominantly used in active/semi-active suspensions that ignore the biodynamics of occupants. In the current work, a new 50 degree-of-freedom (DOF) combined nonlinear multi-occupant vehicle model is developed using the lumped parameter modelling (LPM) approach. The current model provides a platform for performing a combined study of ride, handling and occupant biodynamics. The model is capable of simulating the combined effect of sitting occupancies, road inputs and driving maneuvers on biodynamic responses. It is analyzed using MATLAB/SIMULINK functionalities and validated by independently correlating the computed responses with existing experimental results. A study is performed on ride behavior of a vehicle-occupant system under two different transient road inputs. In addition, the effect of road roughness on vehicle ride is also studied. Random road profiles are generated from road roughness spectrum given in the ISO 8608:1995 manual. Insights are developed into the ride dynamics of a vehicle traversing over roads of classes A, B, C and D at given test velocities. The effect of sitting occupancies and vehicle velocities on lateral dynamics is also studied. Results underscore the need for considering sitting occupancies while analyzing vehicle dynamics and also highlight the potential of the current model. Furthermore, a Moore-Penrose Pseudoinverse based feed-forward controller is developed and implemented in an independently acting semi-active seat suspension system. Feasibility of feed-forward control in primary suspensions is also investigated. Finally, issues of stability, performance and limitation of the controller are discussed.

Esta Tese propõe uma nova ferramenta para Otimização Robusta Multiobjetivo por Análise de Intervalo Não Probabilística (Non-probabilistic Interval Analysis for Multiobjective Robust Design Optimization ou NPIA-MORDO). A ferramenta desenvolvida visa à otimização dos parâmetros concentrados de suspensão em um modelo veicular completo, submetido a uma manobra direcional percorrendo diferentes perfis de pista, a fim de garantir maior conforto e segurança ao motorista. O modelo multicorpo possui 15 graus de liberdade (15-GDL), dentre os quais onze pertencem ao veículo e assento, e quatro, ao modelo biodinâmico do motorista. A função multiobjetivo é composta por objetivos conflitantes e as suas tolerâncias, como a raiz do valor quadrático médio (root mean square ou RMS) da aceleração lateral e da aceleração vertical do assento do motorista, desenvolvidas durante a manobra de dupla troca de faixa (Double Lane Change ou DLC). O curso da suspensão e a aderência dos pneus à pista são tratados como restrições do problema de otimização. As incertezas são quantificadas no comportamento do sistema pela análise de intervalo não probabilística, por intermédio do Método dos Níveis de Corte-α (α-Cut Levels) para o nível α zero (de maior dispersão), e realizada concomitantemente ao processo de otimização multiobjetivo. Essas incertezas são aplicáveis tanto nos parâmetros do problema quanto nas variáveis de projeto. Para fins de validação do modelo, desenvolvido em ambiente MATLAB®, a trajetória do centro de gravidade da carroceria durante a manobra é comparada com o software CARSIM®, assim como as forças laterais e verticais dos pneus. Os resultados obtidos são exibidos em diversos gráficos a partir da fronteira de Pareto entre os múltiplos objetivos do modelo avaliado Os indivíduos da fronteira de Pareto satisfazem as condições do problema, e a função multiobjetivo obtida pela agregação dos múltiplos objetivos resulta em uma diferença de 1,66% entre os indivíduos com o menor e o maior valor agregado obtido. A partir das variáveis de projeto do melhor indivíduo da fronteira, gráficos são gerados para cada grau de liberdade do modelo, ilustrando o histórico dos deslocamentos, velocidades e acelerações. Para esse caso, a aceleração RMS vertical no assento do motorista é de 1,041 m/s² e a sua tolerância é de 0,631 m/s². Já a aceleração RMS lateral no assento do motorista é de 1,908 m/s² e a sua tolerância é de 0,168 m/s². Os resultados obtidos pelo NPIA-MORDO confirmam que é possível agregar as incertezas dos parâmetros e das variáveis de projeto à medida que se realiza a otimização externa, evitando a necessidade de análises posteriores de propagação de incertezas. A análise de intervalo não probabilística empregada pela ferramenta é uma alternativa viável de medida de dispersão se comparada com o desvio padrão, por não utilizar uma função de distribuição de probabilidades prévia e por aproximar-se da realidade na indústria automotiva, onde as tolerâncias são preferencialmente utilizadas. / This thesis proposes the development of a new tool for Non-probabilistic Interval Analysis for Multi-objective Robust Design Optimization (NPIA-MORDO). The developed tool aims at optimizing the lumped parameters of suspension in a full vehicle model, subjected to a double-lane change (DLC) maneuver throughout different random road profiles, to ensure comfort and safety to the driver. The multi-body model has 15 degrees of freedom (15-DOF) where 11-DOF represents the vehicle and its seat and 4-DOF represents the driver's biodynamic model. A multi-objective function is composed by conflicted objectives and their tolerances, like the root mean square (RMS) lateral and vertical acceleration in the driver’s seat, both generated during the double-lane change maneuver. The suspension working space and the road holding capacity are used as constraints for the optimization problem. On the other hand, the uncertainties in the system are quantified using a non-probabilistic interval analysis with the α-Cut Levels Method for zero α-level (the most uncertainty one), performed concurrently in the multi-objective optimization process. These uncertainties are both applied to the system parameters and design variables to ensure the robustness in results. For purposes of validation in the model, developed in MATLAB®, the path of the car’s body center of gravity during the maneuver is compared with the commercial software CARSIM®, as well as the lateral and vertical forces from the tires. The results are showed in many graphics obtained from the Pareto front between the multiple conflicting objectives of the evaluated model. The obtained solutions from the Pareto Front satisfy the conditions of the evaluated problem, and the aggregated multi-objective function results in a difference of 1.66% for the worst to the best solution. From the design variables of the best solution choose from the Pareto front, graphics are created for each degree of freedom, showing the time histories for displacements, velocities and accelerations. In this particular case, the RMS vertical acceleration in the driver’s seat is 1.041 m/s² and its tolerance is 0.631 m/s², but the RMS lateral acceleration in the driver’s seat is 1.908 m/s² and its tolerance is 0.168 m/s². The overall results obtained from NPIA-MORDO assure that is possible take into account the uncertainties from the system parameters and design variables as the external optimization loop is performed, reducing the efforts in subsequent evaluations. The non-probabilistic interval analysis performed by the proposed tool is a feasible choice to evaluate the uncertainty if compared to the standard deviation, because there is no need of previous well-known based probability distribution and because it reaches the practical needs from the automotive industry, where the tolerances are preferable.

Esta Tese propõe uma nova ferramenta para Otimização Robusta Multiobjetivo por Análise de Intervalo Não Probabilística (Non-probabilistic Interval Analysis for Multiobjective Robust Design Optimization ou NPIA-MORDO). A ferramenta desenvolvida visa à otimização dos parâmetros concentrados de suspensão em um modelo veicular completo, submetido a uma manobra direcional percorrendo diferentes perfis de pista, a fim de garantir maior conforto e segurança ao motorista. O modelo multicorpo possui 15 graus de liberdade (15-GDL), dentre os quais onze pertencem ao veículo e assento, e quatro, ao modelo biodinâmico do motorista. A função multiobjetivo é composta por objetivos conflitantes e as suas tolerâncias, como a raiz do valor quadrático médio (root mean square ou RMS) da aceleração lateral e da aceleração vertical do assento do motorista, desenvolvidas durante a manobra de dupla troca de faixa (Double Lane Change ou DLC). O curso da suspensão e a aderência dos pneus à pista são tratados como restrições do problema de otimização. As incertezas são quantificadas no comportamento do sistema pela análise de intervalo não probabilística, por intermédio do Método dos Níveis de Corte-α (α-Cut Levels) para o nível α zero (de maior dispersão), e realizada concomitantemente ao processo de otimização multiobjetivo. Essas incertezas são aplicáveis tanto nos parâmetros do problema quanto nas variáveis de projeto. Para fins de validação do modelo, desenvolvido em ambiente MATLAB®, a trajetória do centro de gravidade da carroceria durante a manobra é comparada com o software CARSIM®, assim como as forças laterais e verticais dos pneus. Os resultados obtidos são exibidos em diversos gráficos a partir da fronteira de Pareto entre os múltiplos objetivos do modelo avaliado Os indivíduos da fronteira de Pareto satisfazem as condições do problema, e a função multiobjetivo obtida pela agregação dos múltiplos objetivos resulta em uma diferença de 1,66% entre os indivíduos com o menor e o maior valor agregado obtido. A partir das variáveis de projeto do melhor indivíduo da fronteira, gráficos são gerados para cada grau de liberdade do modelo, ilustrando o histórico dos deslocamentos, velocidades e acelerações. Para esse caso, a aceleração RMS vertical no assento do motorista é de 1,041 m/s² e a sua tolerância é de 0,631 m/s². Já a aceleração RMS lateral no assento do motorista é de 1,908 m/s² e a sua tolerância é de 0,168 m/s². Os resultados obtidos pelo NPIA-MORDO confirmam que é possível agregar as incertezas dos parâmetros e das variáveis de projeto à medida que se realiza a otimização externa, evitando a necessidade de análises posteriores de propagação de incertezas. A análise de intervalo não probabilística empregada pela ferramenta é uma alternativa viável de medida de dispersão se comparada com o desvio padrão, por não utilizar uma função de distribuição de probabilidades prévia e por aproximar-se da realidade na indústria automotiva, onde as tolerâncias são preferencialmente utilizadas. / This thesis proposes the development of a new tool for Non-probabilistic Interval Analysis for Multi-objective Robust Design Optimization (NPIA-MORDO). The developed tool aims at optimizing the lumped parameters of suspension in a full vehicle model, subjected to a double-lane change (DLC) maneuver throughout different random road profiles, to ensure comfort and safety to the driver. The multi-body model has 15 degrees of freedom (15-DOF) where 11-DOF represents the vehicle and its seat and 4-DOF represents the driver's biodynamic model. A multi-objective function is composed by conflicted objectives and their tolerances, like the root mean square (RMS) lateral and vertical acceleration in the driver’s seat, both generated during the double-lane change maneuver. The suspension working space and the road holding capacity are used as constraints for the optimization problem. On the other hand, the uncertainties in the system are quantified using a non-probabilistic interval analysis with the α-Cut Levels Method for zero α-level (the most uncertainty one), performed concurrently in the multi-objective optimization process. These uncertainties are both applied to the system parameters and design variables to ensure the robustness in results. For purposes of validation in the model, developed in MATLAB®, the path of the car’s body center of gravity during the maneuver is compared with the commercial software CARSIM®, as well as the lateral and vertical forces from the tires. The results are showed in many graphics obtained from the Pareto front between the multiple conflicting objectives of the evaluated model. The obtained solutions from the Pareto Front satisfy the conditions of the evaluated problem, and the aggregated multi-objective function results in a difference of 1.66% for the worst to the best solution. From the design variables of the best solution choose from the Pareto front, graphics are created for each degree of freedom, showing the time histories for displacements, velocities and accelerations. In this particular case, the RMS vertical acceleration in the driver’s seat is 1.041 m/s² and its tolerance is 0.631 m/s², but the RMS lateral acceleration in the driver’s seat is 1.908 m/s² and its tolerance is 0.168 m/s². The overall results obtained from NPIA-MORDO assure that is possible take into account the uncertainties from the system parameters and design variables as the external optimization loop is performed, reducing the efforts in subsequent evaluations. The non-probabilistic interval analysis performed by the proposed tool is a feasible choice to evaluate the uncertainty if compared to the standard deviation, because there is no need of previous well-known based probability distribution and because it reaches the practical needs from the automotive industry, where the tolerances are preferable.

As futuras utilizações de sistemas de controle em automóveis seguirão a tendência de integração, através do desenvolvimento de sistemas de controle integrados capazes de coordenar as ações dos vários subsistemas que compõem o veículo. Esta coordenação e integração requerem que as integrações entre os subsistemas sejam levadas em conta já nos primeiros estágios de projeto, levando ao desenvolvimento de modelos completos de veículos. Neste sentido, o comportamento dinâmico de um veículo de quatro rodas é analisado através de técnicas de modelagem de sistemas multicorpos utilizando-se o programa ADAMS. Posteriormente, são gerados modelos lineares obtidos através do Jacobiano das equações do modelo original, resultando em uma gama de equações na forma de espaço de estados. O modelo linearizado é então submetido a vários tipos de simulações e os resultados são comparados às respostas do modelo não linear de modo a validar as aproximações lineares em diferentes condições de operação do veículo. São também desenvolvidos dois sistemas de controle de suspensão baseados em técnicas de controle ótimo como duas diferentes abordagens: um controlador skyhook que foi implementado no modelo não linear desenvolvido no ADAMS e um controle de suspensão baseado em um controlador RLQ (Regulador Linear Quadrático), com realimentação de saída que utiliza os modelos linearizados na forma de espaço de estados, sendo este último implementado através da co-simulação ADAMS/Matlab. O sistema de controle de suspensão desenvolvido é um primeiro passo na tentativa de projeto de um sistema de controle integrado do movimento. / Future applications of control in automotive vehicles will follow a trend towards system integration, leading ultimately to the development of integrated vehicle control systems capable of coordinating the action of the various subsystems. The coordination and integration of automotive vehicle subsystems require the interaction amongst the various subsystems to be taken into consideration at the control design stages, resulting in full vehicle models. Therefore, a nonlinear 10 degree of freedom model is obtained through MBS modelling techniques present in ADAMS package software. Then, a linear model is obtained by linearization of the system equations through the Jacobian facility also present in ADAMS. The resulting linearised models are simulated and their response are compared to the previous non-linear one in order to validate the linear approximations. This work also presents two distincts suspension control systems based in optimal control theory: a skyhook controler designed at ADAMS (with the non-linear vehicle model) and a LQR (Linear Quadratic Regulator) with output feedback based on the state space linear vehicle model. This last one was designed through ADAMS/Matlab co-simulation facilities. This designed suspension control is a first attempt to future developments of integrated vehicle control.

[pt] Atualmente, as novas tecnologias estão estendendo os limites físicos dos veículos automotivos em busca de mais segurança e comforto. Novas aplicações, como por exemplo veículos autônomos, exigem sistemas de controle capazes de garantir a estabilidade do veículo durante a condução autônoma ou em cenários perigosos. Na maioria dos carros modernos, os sistemas de controle atuam de forma independente, ou seja, não há coordenação ou compartilhamento de dados entre eles, pois poderiam produzir conflitos entre esses controladores. Desse modo, nenhuma melhoria na estabilidade do veículo é alcançada ou inclusive, piores cenários podem ser produzidos. Para superar esses problemas, uma abordagem integrada é projetada neste trabalho. Esta integração, definida como sistema de controle integrado (IC), usa uma regra para coordenar o programa eletrônico de estabilidade (ESP em inglês) e o sistema de direção de quatro rodas (4WS em inglês). O ESP realiza uma frenagem seletiva dependendo do estado atual do veículo. Esta condição é estimada pela diferença entre a taxa de guinada desejada, obtida usando um modelo linear do veículo, e a taxa de guinada real. Adicionalmente, as pressões de frenagem em cada roda são calculadas pelo sistema de travagem antibloqueio (ABS em inglês). Neste trabalho, uma lógica de comutação on-off e um modelo hidráulico de primeira ordem são empregadas para modelar o sistema ABS. Para projetar o 4WS, usou-se uma estratégia por alimentação direta que considera o ângulo de esterçamento das roas frontais. Finalmente, para testar as vantagens do sistema IC proposto nesta tese contra o enfoque não integrado, realizaram-se simulações considerando um modelo não-linear do veículo em cenários críticos de condução. O modelo do veículo foi derivado empregando a abordagem multicorpos e o princípio de Jourdain, e depois é validado usando um conjunto de dados experimentais obtidos por sensores montados em um carro a escala. / [en] Nowadays new technologies are pushing the road vehicle limits further. Promising applications, e.g. self-driving cars, requires control systems that are able to ensure the vehicle s stability during autonomous driving or under dangerous scenarios. In most of modern cars, the control systems actuates independently, i.e. there is no coordination or data sharing between them. This approach can produce conflicts between these standalone controllers, thereby no improvements on the vehicle s stability are achieved or even a worse scenario can be produced. In order to overcome these problems, an integrated approach is designed in this work. This integration, defined as Integrated control system (IC), use a rule to coordinate the Electronic stability program (ESP) and the Four-wheel steering system (4WS). The ESP performs a selective braking depending of the current state of the vehicle. This condition is estimated by the difference between the desired yaw rate, obtained using a linear vehicle model, and the actual yaw rate. In addition, the braking pressures at each wheel are computed by the Anti-lock braking system (ABS). In this work, an on-off switching logic and a firstorder hydraulic model are employed to model the ABS system. To model the 4WS, a simple feed-forward control strategy that consider the front steering as input is used. Finally, in order to test the advantages of the IC system against the non-integrated one, simulations considering a nonlinear vehicle model under critical driving scenarios were performed. The vehicle model was derived employing the multibody approach and the Jourdain s principle, and then it is validated using a set of experimental data obtained by sensors mounted on a scaled car.

The object of this master thesis is testing of vehicle using four post rig. The main goal is to make a research about testing and tuning vehicle characteristics on four post rig in order to implement them for testing of TU Brno Racing’s Formula Student racecar. The main method of testing, input signals and measurement description are presented in this thesis. The different methods of analysis of testing data to find best tuning of damper and spring stiffness for different race disciplines are described. In the last part of this work, quarter car model and multibody model in MSC Adams Car is created. Input parameters of model are based on measurements from real car/ component testing, including damper characteristics and static tire radial stiffness for best fit with the characteristics of real vehicle. The measurements themselves were also described in separate chapter of this thesis. The last but not the least goal was to compare these simulations with measurements, made od real four post rig in order to decide whether car model is suitable for racecar development.