Model predictive control for passing assistance in autonomous vehicles
Otonom araçlarda geçiş yardımı için model tahmini kontrol
- Tez No: 1001005
- Danışmanlar: PROF. DR. YASA EKŞİOĞLU ÖZOK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Otonom veya kendi kendine giden araçlar, direksiyon, hızlanma ve frenleme üzerinde doğrudan sürücü kontrolüne ihtiyaç duymadan çalışacak şekilde tasarlanmıştır. Bu araçlar, sürücünün sürekli olarak yolu izlemesini gerektirmeden kendi kendine sürüş modunda çalışmak üzere tasarlanmıştır. Bu tezin amacı, hem basit hem de karmaşık manevralarda otonom araçların performansının iyileştirilmesine katkıda bulunan yeni ve sağlam bir metodoloji sunmaktır. Bu bağlamda, Model Tahminli Kontrolörün (MPC) avantajlarını bir Stanley kontrolörüyle birleştirerek hibrit bir sistem, yani Model Tahminli ve Stanley Tabanlı Kontrolör (MPS) oluşturmak için çift kontrolör yaklaşımı kullanılmıştır. Her birinin bazı eksiklikleri vardır: MPC, yol tahminini verimli bir şekilde gerçekleştirebilir ancak dinamik koşullar altında doğru şekilde yanıt vermede gecikme yaşayabilirken, Stanley kontrolörü -yanal kontrol için yaygın olarak kullanılsa da- dar virajlarda ve karmaşık yol yapısında yüksek yanal hatalar sergiler. Bunlar, MPS yönteminde dikkatlice birleştirilmiştir, böylece ilgili dezavantajları birbirini dengeler: MPC'nin tahmin yetenekleri, Stanley kontrolörünün sağlamlığıyla birleştirilerek üstün yol izleme ve araç kontrol yetenekleri elde edilir. Daha sonra, MPS sisteminin performansını çeşitli yol koşullarında, özellikle düz bölümlerde, keskin virajlarda ve engellerle dolu yol ortamlarında değerlendirmek için kapsamlı bir analiz gerçekleştirilecektir. Geliştirilen kontrolör, çeşitli hız ve yol kategorilerinde şerit stabilitesini ve yörünge doğruluğunu korurken, çok çeşitli senaryolar için uygun bir esneklik ve ulaşılabilir uyarlanabilirlik seviyesi göstermektedir. Buna göre, izleme doğruluğu, hata minimizasyonu ve hesaplama verimliliği için çeşitli performans ölçütleri, MPS sisteminin özellikle diğer sistemlerin zorluklarla karşılaşabileceği durumlarda tek kontrolör yaklaşım sistemini geride bıraktığını göstermektedir. Makale ayrıca geleneksel kontrol sistemleriyle karşılaştırmalı bir analiz yaparak, MPS kontrolörünün basit ve karmaşık koşullar altında hata minimizasyonunda ve daha düzgün ve güvenilir araç hareketinde daha iyi performans gösterdiğini ortaya koymaktadır. Sonuç olarak, bu araştırma, model öngörücü ve Stanley kontrolörlerinin avantajlarının yenilikçi bir kombinasyonunu önererek MPS kontrolörünü otonom araç kontrolü alanında önemli bir ilerleme olarak konumlandırmaktadır. Şimdiye kadar elde edilen sonuçlar, MPS'nin daha güvenli ve daha hassas otonom sürüşe ulaşmaya yardımcı olabileceğini göstermiştir; bu da onu, güvenilirlik ve uyarlanabilirliğin büyük önem taşıdığı gerçek dünya uygulamaları için potansiyel bir aday haline getirmektedir.
Özet (Çeviri)
Autonomous or self-driving vehicles are designed to operate without the need for direct driver control over steering, acceleration, and braking. These vehicles are intended to function in self-driving mode without requiring the driver to continuously monitor the road. The aim of this thesis is to present a novel and robust methodology contributing to the improvement of the performance of autonomous vehicles in both simple and complex manoeuvres. In this context, the dual-controller approach is utilized for merging the benefits of a Model Predictive Controller with a Stanley controller into a hybrid system, namely the Model Predictive and Stanley-based Controller (MPS). Each of them is suffering from some shortcomings: MPC can efficiently perform the path prediction but may lag in responding properly under dynamic conditions, while Stanley controller-though widely used for lateral control-exhibits high lateral errors on tight curves and complex road structure. These are combined carefully in the MPS method so that their respective disadvantages counterbalance each other: the predictive capabilities of MPC are combined with the robustness of the Stanley controller to yield superior path-following and vehicle control capabilities. Extensive analysis of the MPS system will thereafter be implemented to evaluate its performance under a variety of road conditions, namely straight sections, tight corners, and road environments filled with obstacles. The controller that has been developed demonstrates a level of flexibility and attainable adaptability that is appropriate for a wide range of scenarios while retaining lane stability and trajectory accuracy throughout a variety of speeds and road categories. Accordingly, the several measures of performance for tracking accuracy, minimization of errors, and computational efficiency indicate that the MPS system surpasses the single controller approach system, especially in situations where other systems may face difficulties. The paper also performs a comparison analysis with traditional control systems, pointing out that the MPS controller gives better performance in minimizing errors and providing smoother and more reliable vehicle movement under simple and complex conditions. Conclusively, the research positions the MPS controller as a significant advancement in the field of autonomous vehicle control by proposing an innovative combination of advantages of the model predictive and Stanley controllers. The results obtained so far have shown that MPS can help achieve safer and more precise autonomous driving, thus making it a potential candidate for real-world applications where reliability and adaptability are considered of prime importance.
Benzer Tezler
- Collision avoidance and crash mitigation via intelligent steering intervention
Aktı̇f dı̇reksı̇yon müdahalesı̇ ı̇le kaza önlenmesı̇ ve çarpışma etkı̇sı̇nı̇n azaltılması
HASAN ŞAHİN
Doktora
İngilizce
2020
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGEN AKALIN
- Otonom araçlarda fren kararı tahmini için dikkat mekanizması geliştirilmesi
An attention mechanism for brake decision prediction in autonomous vehicles
EKREM AKSOY
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET YAZICI
- Para piyasasında banka dışı mali kesimde finansal farklılaşma: Factoring, forfaiting, leasing ve özel finans kurumları
Başlık çevirisi yok
MÜGEHAN ACARASLAN
- Kronik obstrüktif akciğer hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi
Development of a new machine learning-based method for the diagnosis of chronic obstructive pulmonary disease
ENGİN MELEKOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT KOCABIÇAK
- Otonom araçlarda clothoid tabanlı lineer zamanla değişen model öngörülü kontrol
Clothoid based linear time varying model predictive control in autonomous vehicles
MUSTAFA CANER SEZER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN