Geri Dön

Model predictive contouring control for autonomous ground vehicles

Otonom kara araçları için model öngörülü kontur kontrolü

PDF İndir

  1. Tez No: 507915
  2. Yazar: ÖMER FARUK DİK
  3. Danışmanlar: PROF. DR. MÜJDE GÜZELKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 73

Özet

Geçmişte bilim-kurgunun etkisi ile günümüzde is bilim-kurgu ile birlikte artan trafik kazalarının ve trafikte gereksiz yere harcanan zaman ve enejinin azaltılması gerekliliği, otonom araçlara duyulan ilgiyi hem otomotiv firmaları, hem kullanıcılar, hem de akademik araştırmacılar açısından arttırmıştır. Tesla, Volvo ve Mercedes gibi otomotiv firmaları, kendi teknolojik gelişmişliklerini göstererek ve kullanıcılarına daha güvenli ve daha konforlu bir yolculuk imkanı sunarak rakiplerine karşı daha üstün olmak ve böylelikle kar marjlarını arttırmak amacı ile otonomi alanına ar-ge harcamaları yapmaktadır. Bunların dışında, araçlarda otonomi, akademi için de ilginç bir çalışma alanı sunmaktadır ve yeni, gelişmiş control yöntemlerinin ortaya koyulmasını teşvik etmekle beraber, kendi içinde barındırdığı tahmin edilemeyecek problemler, üzerinde çalışma yapılmasını akademi için eğlenceli ve zor bir meydan okuma yapmaktadır. Otonom araçlar için bugüne kadar farklı control yöntemleri önerilmiştir. Başlangıçta uygulanan klasik yöntemler, aracın durum ve giriş işaretleri üzerindeki kısıtlamaları, her durumda sistematik bir şekilde ele alamdığından, uygulanan bu yöntemler uygulamaya özel olmuş ve bu nedenle değişen ortam şartlarına karşı çok dayanıklı olamamışlardır, ayrıca enerji tüketimi, konfor, güvenlik veya yolculuk süresi gibi konularda herhangi bir iyileştirme işlemini doğrudan ve sezgisel bir şekilde ele alamamışlardır. Bu nedenle, araç üzerindeki kısıtlamaları sistematik bir şekilde ele alabilecek ve sürücü tarafından belirlenebilecek, yolculuk süresi, güvenlik, konfor ve/veya enerji verimliliği gibi hedefleri en iyileştirebilecek yani optimize edebilecek ve tüm bunları, bir insan sürücü gibi araç ve yol üzerinden gelecek tahminleri yaparak sezgisel bir şekilde çözebilecek bir kontrol yönteminin uygulanmasını akılcı kılmaktadır. Bu nedenlerle, bu tezde otonom araç kontrolü için model öngörülü ya da diğer adıyla modele dayalı öngörülü kontrol yöntemi kullanılmıştır. Model öngörülü kontrol, optimizasyon ile kontrol teorisinin kesişimi olan optimal kontrolün bir alt konusudur, belirlenen bir amaç ya da maliyet fonksiyonunun belirli kısıtlamalara bağlı olarak optimize edilmesini içerir. Bu optimizasyon işlemi için kontrol edilen sistemin, ki bu durumda araç, modeli ve ilk durumlar üzerinden sistemin gelecek davranışları tahmin edilir ve bu tahminlerin, amaç fonksiyonunu optimize etmesini sağlayacak, optimizasyon problem için karar değişkenleri olan sistemin giriş işaretleri dizisi hesaplanır, ancak bu optimal giriş işaretleri dizisinin sadece ilk elemeanı sisteme uygulanır ve tekrar optimizasyon işlemi yapılır, böylelikle sisteme kontrol yöntemine geribesleme eklenmiş olur. Tezde bu kontrol yöntemi, otonom araçlar için test edilmiştir, ancak bu durumda da ortaya aracın takip edeceği yolun belirlenmesi sorunu ortaya çıkmaktadır. Yolculuk süresi, güvenlik, konfor gibi amaç ölçütlerini minimize edecek bir yol, aracın modeli üzerinden üst seviyedeki bir kontrol mekanizması ile yine optimizasyona dayanarak belirlenebilir ve sonra bu en iyi yol, alt seviyedeki bir kontrolcü yardımı ile takip edilebilir, bu kontrolcü için yapılan literature taramasında yine optimizasyon temelli kontrol yöntemlerinin daha çok tercih edildiği görülmüştür. Bu yapıya 2 aşamalı model öngörülü kontrol yapısı denmektedir. Yolun belirlenmesi kendi içinde zor bir görevdir. Bu nedenle tezde tek aşamalı model öngörülü kontrol yapısı olan model öngörülü kontur kontrolü yöntemi seçilmiştir. Bu yöntemde daha önceden takip edilmesi için belirlenmiş bir optimal yol bilgisi gerekmemektedir, yolun belirlenmesi ve kontrol aynı anda yapılmaktadır, ancak bu yöntemde, takip etmek yerine sadece ilerlemeyi ifade etmek amacı ile bir yola ihtiyaç vardır ve genellikle bu yol, aracın bulunduğu yolun merkez çizgisi olur. Aracın, bu yolun üzerine olan izdüşümünün hızlı bir şekilde merkez çizgiyi takip etmesi aslında aracın kendisinin yolda hızlı bir şekilde ilerlediği anlamına gelir, bu ilerlemedir. İlerlemenin kontrolü için, merkez çizgi üzerindeki aracın izdüşümün de yol aldığı mesafenin de maksimize edilmesi gerekmektedir. Bununla birlikte eğer aracın yolun merkez çizgisine yakınsaması isteniyorsa, aracın bulunduğu konumu ile aracın bu merekez çizgi üzerindeki izdüşümü arasındaki mesafenin minimize edilmesi gerekmektedir. Aracın izdüşümünün belirlenmesi de kendi içinde bir optimizasyon problem olduğundan, oluşan kontrol yöntemi optimizasyon içinde optimizasyon problem çözülmesini gerektirir ki bu durum çok karmaşık ve zordur, bu nedenle gerçek zaman uygulamaları için uygun değildir. Bu problemi çözmek için aracın izdüşümünün hesaplanması yerine bu izdüşüm için bir yaklaşıklık kullanılması önerilmiştir ve bu yaklaşıklığın geçerli olabilmesi için de yaklaşık izdüşüm ile gerçek izdüşüm arasındaki mesafenin minimize edilmesi önerilmiştir. Son durumda oluşan kontrol yapısı, aracın hızının ve merkez çizgiyi takip etme doğruluğunun kontrolünü, amaç ölçütünde kullanılan üç tane ağırlaştırma elemanının ayarlanmasına indirgenmiştir. Tezde, bu üç ağırlaştırma elemanının araç hareketi üzerindeki etkisi benzetimler üzerinden analiz edilmiştir. Bunlarla birlikte, yolu oluştururken, aracın bir optimizasyon problemi içerisinde yolu ifade eden sadece tek bir basit geometrik fonksiyonu, hata hesabı için kullanabilmesi amacı ile yol basit fonksiyon parçalarına bölünmüştür ve bu parçaların kendi alanları belirlenmiştir, araç bu alanlardan birine girdiğinde o alana ait yol fonksiyonunu, ilerleme göstergesi olarak kullanacaktır. İlerleme göstergesi olarak kullanılan merkez çizginin, belirli yol fonksiyonlarına bölünmesi, yol fonksiyonları arasındaki geçişin sağlanması, bu yol fonksiyonları arasında yol sınırları ve dönüşler açısından fizibiliteyi, uygulanabilirliği mümkün ölçüde arttıracak bir karar verme mekanizmasının, bir anahtarlamanın kullanılmasını zorunlu kılmıştır. Bu tezde, bahsedilen problemlerin çözümü için yol üzerinde belirli noktalar alınıp, bu noktalar arası doğrusal interpolasyon uygulanmıştır, böylelikle tezde kullanılan MPCC yönteminde ilerleme göstergesi olarak kullanılan yol üzerindeki aracın izdüşümünün aldığı toplam mesafenin bu yol üzerinde konuma dönüştürülmesi ve tez içersinde tanımlanan geometrik hataların hesabı kolaylaştırılmıştır. Doğrusal interpolasyonların geçerliği olduğu bölgeler arasında geçişlerin sağlanmasında, yani ilerleme göstergesi olarak kullanılan yollar arasındaki anahtarlamanın yapılmasında kesişim bölgelerinin kullanılması önerilmiştir. Araç, takip ettiği yol ile bu yolun komşunun kesiştiği bölgeye girdiğinde yeni yolu, bu yola ait kısıtlamalara uyarak takip edecektir. Model öngörülü kontrolde kullanılan kestirim ufku boyunca aracın, o anda takip etmekte olduğu yolu takip edeceği varsayılmaktadır, dolayısı ile araç daha kesişim bölgesine girmeden, kestirim ufku içerisinde aracın izdüşümünün konumuna dair yapılan kestirimler, ufkun uzunluğuna bağlı olarak, takip edilen yolun ilerisini kapsayabilir. Bu durumda araç, kestirim bölgesine belirli bir hızın üzerinde girebilir ve bu da yine dönüşlerde problemlere yol açabileceğinden, aracın izdüşümünün, ancak o anda takip etmekte olduğu yolun son noktasına kadar ilerleyebilmesine yönelik bir kısıt eklenmiştir. Bu kısıtın eklendiği ve eklenmediği durumlar için ayrı ayrı benzetimler yapılmış ve sonuçlar incelenmiştir. Araca uygulanan, model öngörülü kontur kontrolü yönteminin gerçek zamanda da uygulanabilmesi amacı ortaya çıkan ve çözülmesi zor olan konveks olmayan optimizasyon problemi, yinelemeli bir yöntemle optimize edilmiş gelecek durum tahminleri etrafında doğrusallaştırılır, aynı yinelemeli doğrusallaştırma yöntemi, model öngörülü kontrol için eşitsizlik kısıtı oluşturan yol sınırlarına da uygulanır. Elde edilen konveks optimizasyon problemini amaç ölçütü olarak içeren model öngörülü kontrol yöntemi ve önerilen yol fonksiyonlarını çember yayları ile birleştirme yöntemi benzetimler üzerinden test edilmiştir. Model öngörülü kontrolün kısıtlamaları sistematik bir şekilde ele alabilme gücü ve önerilen yöntemin geçerliliği test edilmiştir.

Özet (Çeviri)

Increment in the car accidents and energy wasted inefficiently makes the field of the autonomous vehicles more attractive for automotive companies such as Tesla, Volvo and Mercedes also attract academic researcher's attention due to competitive structure of the problem of autonomy, because it is open to development and testing of the new and advanced control methods and field of autonomous vehicles has unpredictable problems in its nature. Numerious methods have been proposed for autonomous vehicle control. At the beginning classical methods applied to this problem. But classical methods do not have constraint handling such as keeping the vehicle always on track or not exceeding pre-defined speed in a systematic way and do not have preferable objective achievement such as minimizing the traveling time, minimizing the amount of wasted energy, or maximizing the safety in their nature, so the method used in this field must have constraint handling in a systematic way that is always achievable and objective achievement in an intuitive way by predicting the all possible situations from the model of the vehicle and from the road like human driver does. Briefly, it is appropriate to use model predictive control which is a subtopic of the optimal control theory in autonomous vehicles and in this thesis model predictive control is used to make a car autonomous with capability of constraint handling and with an adjustable objective in an intuitive way such as tuning the weighting factors in the optimization problem. Road information is needed to be able to take the border constraints in account and there should be a path that will be followed by minimizing the positional errors between the vehicle and road or at least there should be a path that defines the progress taken by the vehicle. One of the model predictive control approaches applied into the autonomous vehicles is defining a path that achieves a pre-defined objective such as least curvature, minimum lap time, maximum path accuracy, and then following this path using the controller, so before tracking, 1d path must be planned on 2d road, this is a two-layer approach consists of high level path planner and low level path tracking controller, but the calculation of the optimal path is a hard task due to its non-convex nature. The other model predictive control approach is to make planning and tracking at the same time, this is called one-layer approach and one of them is“model predictive contouring control”. In model predictive contouring control approach, first, a path is chosen for only progress indication, then traveled distance of the projection of the vehicle on this pre-chosen path is maximized so even if the vehicle is not onto this path, it completes the lap, this is called progress of the vehicle and as stated it is measured by the projection of the car on the path. Generally, this path defines progress is chosen as center line of the 2d road. At the same time with the progress maximization, the error between the vehicle and its projection which is called contouring error is minimized but projection is itself an optimization problem, the result is optimization in an optimization problem and this is too complex to do in real time. To overcome this issue, projection approximation is used, and this approximated projection of the vehicle on the path is dedicated as a new optimization variable, and called path variable. It is controlled by the virtual input. Approximation is valid only when the longitudinal error between real projection and approximated projection is almost zero, this longitudinal error is called lag error. Path variable and its virtual control variable are added to the optimization problem so that maximization of the progress and the minimization of the contouring and lag errors can be achieved by tuning three weighting factors in an intuitive way. If speed is desired then the weighting on lag error is increased, if the accuracy is more essential then the weighting on contouring error is increased. In order to follow just one known road function in the prediction horizan at time step k, the road is divided into known functions and function areas in which center line of the road is currently followed road function. When the vehicle enters a next road function area, then in the whole prediction horizon, this road function is used as the progress path. The joining these independent road paths is the problem for this thesis, there must be a switching to change the road function. As switching, intersection of the currently followed road and the next road is used. When the vehicle enters the intersection area, it suddenly follows the next road function and kept into the new borders. Intersection area provides switching before projection arrives end point of the currently followed line, and this decrease the possibility of the infeasibilty at the turnings. In summary, effect of the weighting factor in the model predictive control approach and the new proposed intersection area method for turnings are tested in this thesis.

Benzer Tezler

  1. Tez No

    18939

    Türkiye'de özelleştirme

    Başlık çevirisi yok

    HASAN KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    EkonomiMarmara Üniversitesi

    PROF.DR. İLHAN ULUDAĞ

  2. Tez No

    82655

    Model predictive control using neural networks applied to flight control

    Yapay sinir ağları kullanan modelli öngören denetim ve uçuş kontrolu

    SÜLEYMAN TARKAN KARŞIDAĞ

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET KEMAL LEBLEBİCİOĞLU

  3. Tez No

    692630

    Model predictive controller implementation to a multicopter for stability augmentations

    Model önsezili kontrol ile çok rotorlu hava aracı'nın kararlılığının iyileştirilmesi

    CANTÜRK SANAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Makine MühendisliğiHacettepe Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELAHATTİN ÇAĞLAR BAŞLAMIŞLI

  4. Tez No

    695646

    Model predictive torque control of an induction motor enhanced with an inter-turn short circuit fault detection feature

    Asenkron motorların sargı arası kısa devre arızası tespit özelliği ile zenginleştirilmiş model öngörülü moment denetimi

    İLKER ŞAHİN

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OZAN KEYSAN

    PROF. DR. HULUSİ BÜLENT ERTAN

  5. Tez No

    465461

    Uyarlamalı araç takip sistemlerinde model öngörülü kontrol yöntemleri: Karşılaştırmalı bir çalışma

    Model predictive control approaches for adaptive cruise control systems: A comparative study

    UMUT KARAPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. AFİFE LEYLA GÖREN

Geri Dön