Lateral Model Predictive Control for Autonomous Heavy-Duty Vehicles : Sensor, Actuator, and Reference Uncertainties

• Autonomous vehicle technology is shaping the future of road transportation. This technology promises safer, greener, and more efficient means of transportation for everyone. Autonomous vehicles are expected to have their first big impact in closed environments, such as mining areas, ports, and construction sites, where heavy-duty vehicles (HDVs) operate. Although research for autonomous systems has boomed in recent years, there are still many challenges associated with them. This thesis addresses lateral motion control for autonomous HDVs using model predictive control (MPC).First, the autonomous vehicle architecture and, in particular, the control module architecture are introduced. The control module receives the current vehicle states and a trajectory to follow, and requests a velocity and a steering-wheel angle to the vehicle actuators. Moreover, the control module needs to handle system delays, maintain certain error bounds, respect actuation constraints, and provide a safe and comfortable ride.Second, a linear robust model predictive controller for disturbed discrete-time nonlinear systems is presented. The optimization problem includes the initial nominal state of the system, which allows to guarantee robust exponential stability of the disturbance invariant set for the discrete-time nonlinear system. The controller effectiveness is demonstrated through simulations of an autonomous vehicle lateral control application. Finally, the controller limitations and possible improvements are discussed with the help of a more constrained autonomous vehicle example.Third, a path following reference aware MPC (RA-MPC) for autonomous vehicles is presented. The controller makes use of the linear time-varying MPC framework, and considers control input rates and accelerations to account for limitations on the vehicle steering dynamics and to provide a safe and comfortable ride. Moreover, the controller includes a method to systematically handle references generated by motion planners which can consider different algorithms and vehicle models from the controller. The controller is verified through simulations and through experiments with a Scania construction truck. The experiments show an average lateral error to path of around 7 cm, not exceeding 27 cm on dry roads.Finally, the nonlinear curvature response of the vehicle is studied and the MPC prediction model is modified to account for it. The standard kinematic bicycle model does not describe accurately the lateral motion of the vehicle. Therefore, by extending the model with a nonlinear function that maps the curvature response of the vehicle to a given request, a better prediction of the vehicle's movement is achieved. The modified model is used together with the RA-MPC and verified through simulations and experiments with a Scania construction truck, where the improvements of the more accurate model are verified. The experiments show an average lateral error to path of around 5 cm, not exceeding 20 cm on wet roads.

• Autonoma fordon förväntas få en stor inverkan på framtidens transporter av gods och personer. En teknologi som lovar säkrare, grönare och effektivare transporter till alla. Den typ av verksamhet som autonoma fordon först förväntas få ett större genomslag inom är transporter i avskilda områden, så som gruvområden, hamnar och byggplatser. Även om forskning kopplat till autonoma system har exploderat under den senaste åren kvarstår fortfarande ett flertal frågeställningar. Denna avhandling fokuserar på lateral rörelsestyrning av tunga autonoma fordon med modellprediktiva regulatorer (MPC).Avhandlingen består av fyra huvuddelar. I först delen introduceras det autonoma fordonets systemarkitektur, med fokus på regulatormodulen. Regulatormodulen genererar hastighet och rattvinkel referenser till fordonets hastighetaktuator och rattvinkelaktuator baserat på fordonets nuvarande tillstånd samt den givna referensbanan som fordonet skall följa. Regulatormodulen behöver dessutom hantera fördröjningar i systemet, säkerställa att systemet inte överskrider givna felmarginaler, hantera aktuator och systembegränsningar, och sist men inte minst framföra fordonet på ett säkert och komfortabelt sätt.I andra delen presenteras en robust modellprediktiv regulator för ett tidsdiskret olinjärt system med störningar. I  optimeringsproblemet inkluderas systemets nominella initialtillstånd, detta möjliggör garanterad robust exponentiell stabilitet för det tidsdiskreta olinjära systemets störningsinvarianta tillståndsmängd. Regulatorns prestanda visas genom simuleringar av ett autonomt fordon där regulatorn kontrollerar fordonets laterala rörelse. Begränsningar och potentiella förbättringar av regulatorn diskuteras utifrån exempel med ökade begränsningar.I tredje delen presenteras en referens medveten modellprediktiv regulator (RA-MPC), en regulator utvecklad för att styra ett autonomt fordon längs en given referensbana. Regulator baseras på en linjärt tidsvarierande MPC och begränsningar i fordonets styrdynamik hanteras genom att beräkna dessa baserat på in insignalernas, referensbana, värden och derivator. Genom att beakta begränsningarna på detta sätt möjliggörs en komfortabel och säker körning. En systematisk metod för att hantera referensbanor som genererats av rörelseplanerare baseras på algoritmer och modeller som skiljer sig från de som används i regulatorn presenteras också. Den metoden är även implementerad i regulatorn. Regulatorn har utvärderats med såväl simuleringar som tester. Testerna har genomförts i en Scania lastbil av anläggningstyp. Experimenten visade på en lateral avvikelse från referensbana på 7 cm i genomsnitt och en maximal avvikelse på 27 cm då fordonet kördes på torr asfalt.I den sista delen studeras olinjär respons i fordonets kurvaturreglering och hur detta kan hanteras i MPC’ns prediktions modell av fordonet presenteras också. En prediktions modell baserad på en standard kinematisk cykelmodell beskriver inte fordonets laterala rörelse tillräckligt bra för det studerade systemet. Dock, genom att utvidga modellen med en funktion som mappar fordonets respons mot en given kurvaturbegäran kan noggrannhet av fordonets rörelse förbättras. Modellen tillsammans med RA-MPC utvärderades genom simuleringar och tester. Testerna har genomförts i en Scania lastbil av anläggningstyp. Utvärderingen visade att den introducerade modellen gav en förbättrad precision. Experimenten visade på en lateral avvikelse från referensbanan på 5 cm i genomsnitt och en maximal avvikelse på 20 cm då fordonet kördes på våt asfalt.

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Reglerteknik (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Control Engineering (hsv//eng)

Nyckelord

Electrical Engineering

Elektro- och systemteknik

Publikations- och innehållstyp

vet (ämneskategori)

lic (ämneskategori)