Detta examensarbete utförs tillsammans med Ålö AB som tillverkar frontlastare under varumärket Quike och ämnar utvärdera olika möjliga lösningar för ett system som beräknar inklinationen på fordon. Systemet ska utformas med låg kostnad som prioritet och skall klara hårdvaruklassificeringar för elektronik tillämpat på fordon (AEC-Q100). Arbetet behandlar i huvudsak bestämmande- och motivation av komponentval, teori kring den signalbehandling som behövs i miljöer där en stor mängd brus förekommer samt implementationen av detta. I arbetet valdes två sensorer som ansågs lämpliga för utvärdering. Den första var en 3-axlad accelerometer till vilken en proprietär 2D-positioneringsalgoritm används för att bestämma inklination. Den andra sensorn som valdes är en 6-axlad sensor som kombinerar accelerometer och gyroskop vilken implementeras med sensorfusion och Kalman-filter genom användning av ett mjukvarubibliotek. Systemet implementerades hårdvarumässigt i form av ett kretskort som huserar båda sensorerna. Systemet testades och utvärderades stationärt och på fordon tillsammans med en referenssensor för att ge en bild av hur de respektive sensorerna och algoritmerna presterade i både ideala och verkliga förhållanden. Vid de stationära testerna uppvisar båda lösningarna goda egenskaper och ger inklination nära verklig vinkel. Traktortesternas tillförlitlighet kan höjas och håller inte nog hög kvalitet för att kunna leda till slutsats, vilket leder till en rekommendation om fortsatt utvecklingsarbete. / This student thesis is carried out togheter with Ålö AB which manufactures front loaders under the Quicke brand and intents to evaluate a system that calculates vehicle incline. The system should prioritize low cost and must use electronics that is classified for vehicle use (AEC-Q100). This thesis deals with selecting components, sensors and motivations of the selected components, theory of sensor signal conditioning in noisy environments and its implementation. Two sensors where selected that was deemed suitable for evaluation. The first was a 3-axis accelerometer for which a proprietary 2D-positioning algorithm was used to calculate incline. The second sensor that was chosen was a 6-axis IMU that was implemented using sensor fusion with a Kalman filter which was realized with an available software library. The system hardware was implemented with a custom PCB. The system was tested and evaluated stationary and, on a vehicle, along with a reference sensor to give an indication of how the sensors and their respective algorithms performed in both ideal and a real conditions. The stationary tests showed that both solutions perform well regarding outputting incline close to the actual angle. The reliability of the vehicle tests can be improved and as the results they yielded are not of high enough quality to draw conclusions from them. This leads to a recommendation of further testing and evaluation of both solutions.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:umu-185139 |
Date | January 2021 |
Creators | Hedenström, Pontus |
Publisher | Umeå universitet, Institutionen för tillämpad fysik och elektronik |
Source Sets | DiVA Archive at Upsalla University |
Language | Swedish |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds