Vehicle fuel consumption virtual sensing from GNSS and IMU measurements

01/01/2023

8 min de lecture

Source : preprint arXiv:2310.01230v1 [cs.RO], 2 oct. 2023 (avis ©2023 IEEE sur la première page ; revue ou conférence non indiquée dans le PDF) · pas de DOI dans le PDF · Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano ; soutien de UnipolTech S.p.A. · accès OPEN · PDF Cellina2023-VirtualSensing.pdf, sha256 6bb4485266469b97…, 6 pages Lu le : 2026-11-02. LECTURE COMPLÈTE (texte extrait en entier ; tableau II et figures 4 à 7 relus sur les pages 4 et 5 du PDF). Statut summarized. Thème : fusion · estimation virtuelle de la consommation (GNSS + IMU, sans OBD) Métadonnées vérifiées dans le PDF : auteurs M. Cellina, S. Strada, S. M. Savaresi, 2023, titre conformes au corpus. Écart : l’ancienne fiche donnait Elsevier / Transportation Research Part D et le DOI 10.1016/j.trd.2023.103848 ; rien de tel dans le PDF, qui est un preprint arXiv.

Contexte et question

Les modèles de consommation existants sont soit « boîte blanche » (paramètres de conception du véhicule non publics), soit « boîte grise » (besoin de la puissance moteur ou du régime, donc d’un accès au calculateur), soit « boîte noire » sur vitesse et accélération, dont VT-MICRO est la référence citée (§I). Les auteurs cherchent un estimateur indépendant du véhicule, non intrusif, qui n’utilise que la vitesse longitudinale GNSS et l’accélération longitudinale IMU, et qui bat VT-MICRO sur le débit instantané et sur la consommation intégrée.

Méthode

  • Modèle statique et sans dépendance au temps : débit estimé = F(a_x, v_x) (Éq. 1, §II).
  • Prétraitement (§II) : sous-échantillonnage de l’accélération et du débit à 10 Hz (cadence de la vitesse), après filtre passe-bas à phase nulle, gain unitaire, deux pôles confondus à 3 Hz ; interpolation par spline cubique.
  • VT-MICRO (référence, Éq. 2, §III-A) : polynôme en v et a de degré 3, log du débit, deux jeux de coefficients (a ≥ 0 et a < 0), 32 coefficients, moindres carrés linéaires. Les échantillons à débit nul sont exclus de l’ajustement.
  • Modèle à base physique, « PB » (§III-B, Éq. 3 à 6) : bilan des forces longitudinales (inertie, gravité, frottements aérodynamique et de roulement en polynôme du second degré de v), débit supposé proportionnel à la puissance de traction ; 4 paramètres, moindres carrés linéaires, débit forcé à 0 si l’estimation est négative ; masse traitée comme paramètre. Seuls les échantillons à débit > 0 servent à l’ajustement.
  • Réseau de neurones, « NN » (§III-C) : perceptron à une couche cachée, entrées v et a, une sortie ; MSE minimisée par LBFGS, « data regularization » appliquée aux entrées (non détaillée), partition 75 % apprentissage / 25 % test, plusieurs initialisations ; taille de la couche cachée choisie au minimum de la MSE de test : 9 nœuds.
  • Métriques (§IV) : erreur de test (débit instantané, en l/h), erreur intégrale (en %), erreur par « réservoir » (EOT) : le jeu est découpé en 10 « réservoirs » de 10,4 l, l’erreur intégrale est calculée sur chacun (§IV-D, Fig. 6).
  • Moteur en marche à l’arrêt (§IV-E) : spectre de l’accélération longitudinale à 100 Hz sur chaque segment à v = 0, moyenné moteur ON / OFF ; classifieur à seuil sur le second pic.

Données

  • Véhicule : Alfa Romeo Giulia 2.2 diesel, boîte automatique 7 rapports, arrêt-démarrage (§II).
  • Vérité terrain : débit instantané publié sur le CAN du véhicule à 20 Hz, résolution 0,001 l/h (§II). Ce n’est pas un débitmètre ajouté.
  • Capteur : Suchy Data Systems XPro Nano 10, vitesse horizontale à 10 Hz (résolution 0,01 km/h), accélération 3 axes alignée sur le véhicule à 100 Hz (0,001 m/s²) ; antenne magnétique sur le toit, centrale fixée sous le siège passager (§II).
  • Volume : plus de 20 h, 1493 km, 104,4 l de diesel, nord de l’Italie (§IV-A). Répartition par nombre de passagers : 1 passager 710 km (47,5 %), 2 passagers 147 km (9,9 %), 3 passagers 600 km (40,2 %), 4 passagers 36 km (2,4 %) ; été 476 km (31,9 %), hiver 1017 km (68,1 %) (Tab. I).
  • Les échantillons à l’arrêt (v = 0) sont exclus de la conception, du calage et de l’analyse du cadre principal ; ils pèsent 3 % du carburant total (§IV-A).

Résultats chiffrés

Tableau II (p. 4), relu sur le PDF. Le papier ne détaille pas la convention de signe, et son texte ne la recoupe pas avec le tableau : §IV-C dit que PB et VT-MICRO surestiment et que le NN sous-estime, alors que le tableau donne -1,408 % pour VT-MICRO et +0,376 % pour PB ; §IV-D dit que VT-MICRO et NN surestiment, alors que leurs moyennes d’EOT sont négatives.

ModèleErreur de test, moyenne (l/h)Erreur de test, écart-type (l/h)Erreur intégrale (%)EOT, moyenne (%)EOT, écart-type (%)
VT-MICRO+0,0991,202-1,408-0,625,81
PB-0,0601,230+0,376+0,035,44
NN-0,0261,028-0,486-0,815,58
  • Le NN est le meilleur sur l’erreur de test, avec, selon les auteurs, « 20% standard deviation reduction » par rapport à VT-MICRO (§IV-B, p. 4). Le Tableau II donne 1,028 contre 1,202 l/h, soit environ 14 % de moins (0,855 du niveau de VT-MICRO), et environ 16 % de moins que le PB (1,230) : le chiffre de 20 % n’est pas retrouvé dans le tableau.
  • Le PB est le meilleur sur l’erreur intégrale (les auteurs écrivent que son module est « one order of magnitude lower » que celui de VT-MICRO, §IV-C ; le Tableau II donne 0,376 contre 1,408, un rapport d’environ 3,7) et sur l’EOT (seul modèle à moyenne quasi nulle, écart-type le plus bas, §IV-D).
  • Conclusion des auteurs : PB et NN surpassent l’état de l’art « d’un ordre de grandeur dans presque toutes les métriques » (§V) ; le résumé annonce des erreurs inférieures à 1 % par rapport à la vérité terrain. Le Tableau II ne montre pas cet ordre de grandeur sur l’écart-type de l’EOT (5,44 à 5,81 %) ni sur l’écart-type de l’erreur de test.
  • Fig. 5 : un essai mêlant urbain et insertion sur autoroute (légende : « mixed urban and highway »), 300 s, débit instantané et cumul (≈ 0,4 l) ; les trois courbes sont proches de la mesure.
  • Moteur à l’arrêt (§IV-E, Fig. 7) : le carburant consommé à v = 0 pèse 3 % du total, jusqu’à 20 % en conduite urbaine (v < 50 km/h). Pics à 13,3 et 26,6 Hz, présentés comme les harmoniques 1 et 2 du régime de ralenti (800 tr/min), absents moteur coupé. Classifieur à seuil sur le second pic : 92 % de TPR et de PPV.

Limites déclarées par les auteurs

  • Un seul véhicule, un seul moteur diesel ; le transfert d’un modèle calé sur un véhicule vers un autre n’est pas testé (§V).
  • La détection moteur ON/OFF par spectre « manque de généralité » : très sensible au véhicule et au montage du capteur (emplacement, fixations) (§IV-E, §V).
  • Un modèle statique en (v, a) ne distingue pas moteur au ralenti et moteur coupé à v = 0 ; son estimation converge dans [0, f_idle] (§IV-E).
  • VT-MICRO est jugé fragile hors de son domaine d’apprentissage et ignorant de la coupure d’injection en décélération (§I).
  • Validation hors ligne ; la mise en oeuvre temps réel est présentée comme facile mais n’est pas démontrée (résumé).
  • Extension aux essence, hydrogène et électrique annoncée comme perspective (régénération = consommation négative), non testée (§V).

Ce que ça change pour Teleforge (interprétation, hors de l’article)

  • Référence utile pour un champ de consommation « virtuelle » dérivé de la vitesse GNSS et de l’accélération longitudinale, pour les boîtiers sans OBD.
  • Le PB a 4 paramètres et se résout par moindres carrés linéaires : candidat naturel pour un calage par véhicule et pour une comparaison à une base NN.
  • Le signal de pente est absorbé dans l’accélération mesurée ; notre chaîne, qui sépare accélération et pente, doit vérifier ce qu’elle injecte comme entrée.
  • Les écarts-types de 5,4 à 5,8 % par réservoir de 10,4 l sont à garder en tête : la moyenne quasi nulle ne dit pas la dispersion d’un trajet à l’autre.
  • Un seul véhicule, un seul capteur : tout transfert à une flotte hétérogène reste à mesurer sur nos données.
  • La détection moteur par spectre à 100 Hz suppose un échantillonnage de l’accélération que beaucoup de boîtiers n’ont pas.
Réseau2 sortants

Sources

  • B019 — Virtual sensing énergie : revue de Cellina et al. (2023) &…
  • L012 — Vers une estimation énergétique par capteurs inertiels : le…

Cité par

Aucune citation détectée

Références

Aucune référence