This research presents a rule-based Anti-lock Braking System (ABS) algorithm towards active vehicle safety in Heavy Commercial Road Vehicles (HCRVs). Wheel Slip Regulation (WSR) algorithms, that are constituents of an ABS, are typically either model-based or rule-based. Model-Based Algorithms (MBAs) utilise mathematical models that characterise vehicle dynamics and are intensive in their demand for real-time information. On the other hand, Rule-Based Algorithms (RBAs) operate on set rules with pre-defined thresholds and utilise data from sensors that are typically available on the vehicle. A great deal of advancement has been reported in literature related to MBAs. However, most commercially available RBAs are proprietary in nature and the finer details are seldom revealed. Hence, this work proposes an RBA, which is a combined Slip and Wheel Acceleration Threshold Algorithm (SWATA), including a framework for identifying the importance of thresholds and their magnitudes. SWATA was tested on a Hardware-in-Loop (HiL) setup across varying road and loading conditions, and it provided a maximum of 36% braking distance improvement compared to a case where it was inactive. An adaptive version – ASWATA – is also proposed that can adapt the thresholds according to the particular tyre-road interface. Additionally, a quantitative comparison of the proposed RBA with a Sliding Mode Control (SMC) based MBA, which was developed and tested on the same HiL setup, is presented. It was observed that the performance of the RBA was on par with that of the MBA for most test cases, but with minimal data requirements.

本研究提出了一种基于规则的防抱死制动系统 (ABS) 算法，用于重型商用道路车辆 (HCRV) 中的主动车辆安全。车轮滑移调节 (WSR) 算法是 ABS 的组成部分，通常是基于模型或基于规则的。基于模型的算法 (MBA) 利用数学模型来表征车辆动力学，并且对实时信息的需求非常密集。另一方面，基于规则的算法 (RBA) 使用具有预定义阈值的设定规则运行，并利用来自车辆上通常可用的传感器的数据。与 MBA 相关的文献报道了许多进步。然而，大多数商业上可用的 RBA 本质上是专有的，很少透露更详细的细节。因此，这项工作提出了 RBA，这是一个组合的滑动和车轮加速度阈值算法 (SWATA)，包括一个用于识别阈值及其大小的重要性的框架。SWATA 在不同道路和负载条件下的硬件在环 (HiL) 设置上进行了测试，与不活动的情况相比，它提供了最多 36% 的制动距离改进。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。包括确定阈值及其大小的重要性的框架。SWATA 在不同道路和负载条件下的硬件在环 (HiL) 设置上进行了测试，与不活动的情况相比，它提供了最多 36% 的制动距离改进。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。包括确定阈值及其大小的重要性的框架。SWATA 在不同道路和负载条件下的硬件在环 (HiL) 设置上进行了测试，与不活动的情况相比，它提供了最多 36% 的制动距离改进。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。SWATA 在不同道路和负载条件下的硬件在环 (HiL) 设置上进行了测试，与不活动的情况相比，它提供了最多 36% 的制动距离改进。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。SWATA 在不同道路和负载条件下的硬件在环 (HiL) 设置上进行了测试，与不活动的情况相比，它提供了最多 36% 的制动距离改进。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。还提出了一种自适应版本 - ASWATA，它可以根据特定的轮胎-道路界面调整阈值。此外，还介绍了提议的 RBA 与基于滑动模式控制 (SMC) 的 MBA 的定量比较，后者是在相同的 HiL 设置上开发和测试的。据观察，对于大多数测试用例，RBA 的性能与 MBA 的性能相当，但数据要求极低。