User: Guest  Login
Original title:
Model Based Energy Management and State Estimation for the Robotic Electric Vehicle ROboMObil
Translated title:
Modellbasiertes Energiemanagement und Zustandsschätzung für das robotische Elektrofahrzeug ROboMObil
Author:
Brembeck, Jonathan
Year:
2018
Document type:
Dissertation
Faculty/School:
Fakultät für Elektrotechnik und Informationstechnik
Advisor:
Kennel, Ralph (Prof. Dr.)
Referee:
Kennel, Ralph (Prof. Dr.); Hirzinger, Gerd (Prof. Dr.); Otter, Martin (Prof. Dr.)
Language:
en
Subject group:
ELT Elektrotechnik; VER Technik der Verkehrsmittel
Keywords:
ROboMObil, electro mobility, battery electric vehicle, in-wheel motor, by-wire, wheel robot, energy management, control allocation, path planning, trajectory control, state estimation, Kalman Filter, constrained estimation, moving horizon estimation, real-time estimation, delayed measurements, Modelica, state of charge estimation, vehicle position estimation, DLR
TUM classification:
ELT 855d; ELT 868d
Abstract:
An innovative energy management framework – focusing on the spatial vehicle motion – is developed and evaluated by simulations with realistic test scenarios using a multiphysical Modelica model of ROboMObil. Additionally, a novel method is proposed, and evaluated with ROboMObil, to automatically construct real-time capable, discrete-time, nonlinear state estimation algorithms with constraint handling from multi-physical, continuous-time Modelica models.
Translated abstract:
Es wird ein innovatives Energiemanagement Framework – das sich auf die räumliche Fahrzeugbewegung konzentriert – entwickelt und mit Simulationen von realistischen Testszenarien mit Hilfe eines multiphysikalischen Modelica Modells des ROboMObils bewertet. Weiterhin wird eine neue Methode vorgeschlagen, und mit dem ROboMObil evaluiert, um automatisiert echtzeitfähige, nicht-lineare Zustandsschätzer mit Nebenbedingungen von zeitkontinuierlichen, multiphysikalischen Modelica Modellen zu erzeugen.
WWW:
https://mediatum.ub.tum.de/?id=1415807
Date of submission:
19.12.2017
Oral examination:
26.10.2018
File size:
5616824 bytes
Pages:
182
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20181026-1415807-1-6
Last change:
09.11.2018
 BibTeX