Improved trajectory tracking via multi obstacle avoidance utilizing nonlinear model predictive controller
Doğrusal olmayan model öngörülü kontrol kullanılarak çoklu engellerden kaçınma ile geliştirilmiş yörünge takibi
- Tez No: 931691
- Danışmanlar: DOÇ. DR. ALİ FUAT ERGENÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Mekatronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 99
Özet
Modern endüstrilerdeki büyük devrimlerden biri otonom sistemlerin geliştirilmesi ile yaratılmıştır. Otonom sistemlerin kullanıldığı alanlardan bazıları robotik, otonom araçlar ve endüstriyel otomasyon alanları olarak belirtilebilir. Otonom sistemler bu alanlarda güvenlik, hassasiyet ve verimlilik sağlamak için kritik bir rol oynarlar. Otonom araçların daha yaygın hale gelmesi ile, sürüş uygulamalarında araç dinamiği, yol takibi ve engelden kaçınma algoritmaları farklı bileşenler olarak ön plana çıkmaktadır. Yaygın hale gelmelerindeki temel sebeplerden bazıları çevreci çözümler sağlamak, yaya dostu ulaşıma destek olmak ve trafik sıkışıklığını azaltmak olarak düşünülebilir. Bunlara ek olarak otonom araçların kullanıldığı alanlardan bazıları, savunma sanayisi ile ilişkili olan gözetim ve kurtarma operasyonları, kara ve deniz lojistik sektörlerindeki teslimat süreçlerinin iyileştirilmesi, tarımda sulama ve ilaçlama verimliliğini artırma olarak sınıflandırılabilir. Otonom sistemlerin günlük hayatta yaygınlaşması, şehir içi ve şehirler arası ulaşımdan sanayiye kadar birçok sektörü doğrudan etkilemektedir. Akıllı ulaşım sistemleri, trafik akışını optimize etmek, kazaları önlemek ve yolculuk sürelerini azaltmak için otonom araçlardan yararlanmaktadır. Gelecekte, sürücüsüz toplu taşıma araçlarının yaygınlaşmasıyla trafik yoğunluğunun azalması, park alanı ihtiyacının düşmesi ve karbon salınımının minimuma inmesi beklenmektedir. Ayrıca, bu teknolojilerin lojistik sektörüne entegrasyonu ile teslimat süreçlerinde büyük verimlilik sağlanabilir. Depolarda ve fabrikalarda kullanılan otonom araçlar, iş gücünü optimize ederek maliyetleri azaltabilir. Otonom araç kontrolünün temel taşlarından biri yol takibidir (trajectory tracking). Bahsedilen yol takibi, araçların belirlenmiş bir rotayı doğru bir şekilde takip etmesini sağlar. Trafiğin özellikle yoğun olarak yaşandığı şehirlerde, yüksek hıza çıkılabilen yollarda güvenliğin sağlanabilmesi için yol takibine daha fazla özen gösterilmelidir. Bu özen çerçevesinde yolculuk daha rahat bir hale gelir, zaman ve enerjiden tasarruf edilebilir. Otonom araç kontrolünün diğer bir yapı taşı olarak engelden kaçınma düşünülebilir. Engelden kaçınma, araç karşısına bir engel çıktığında rotayı gerçek zamanlı olarak ayarlayarak aracın engelden kaçınmasını ve olası bir kazanın önüne geçilmesini sağlar. Yol takibi ve engelden kaçınma genel olarak birbiri ile senkronize bir şekilde çalışan birimlerdir. Engelden kaçınma algoritması ile karşılaşılacak olası engellerin bertaraf edilmesi sağlanır ve buna uygun farklı bir rota oluşturularak yol takibinin sekteye uğramadan güvenli bir şekilde devam ettirilmesi sağlanır. Bu senkronize çalışma ile otonom araçlar, dinamik ve çevre değişikliklerinden etkilenen ortamlarda sağlıklı bir sürüş gerçekleştirerek kaza risklerini azaltır. Kaza risklerinin azaltılması ile birlikte de trafik akışının daha düzenli olduğu ve daha güvenli yolculukların gerçekleştiği bir düzen kurulabilir. Bunun yanı sıra, gelecekte geliştirilecek yeni algılama teknolojileri ile engel tanıma sistemlerinin daha hızlı ve hassas hale getirilmesi mümkündür. Gelişmiş yapay zeka destekli algılama sistemleri, ani durumlara daha hızlı yanıt verilmesini sağlayarak otonom sürüş güvenliğini artırabilir. Bu tez çalışmasında, yukarıda bahsedilen otonom araçların iki temel taşı olan yol takibi ve engelden kaçınmanın iyileştirilmesi üzerine çalışmalar yapılmıştır. İki tekerli bisiklet modeli (single-track bicycle model), dört tekerli bir araç dinamiğini modellemek üzere seçilmiştir. Basit ve hesaplama açısından verimli bir yaklaşım olan bu model, kullanılan aracın yanal ve sapma hareketlerini verimli bir şekilde analiz edebilme kapasitesine sahiptir. Yukarıdaki model kullanılarak, karmaşık araç dinamiklerini ve dinamik çevre koşullarını ele alan doğrusal olmayan bir model öngörülü kontrol (MPC) çerçevesi önerilmiştir. Önerilen MPC yaklaşımının yardımıyla, gerçek zamanlı engelden kaçınma ile yüksek doğrulukta yörünge takibi elde edilebilir. Otonom sistemlerin performansını artırmak için, kullanılan modelin doğruluk seviyesi kadar, optimizasyon algoritmalarının etkinliği de büyük önem taşımaktadır. MPC gibi model tabanlı kontrol yöntemleri, aracın hareketlerini optimize etmek için birden fazla değişkeni aynı anda değerlendirir. Bu sayede, çevresel değişkenlere dinamik olarak uyum sağlanarak daha stabil ve verimli bir sürüş gerçekleştirilebilir. Özellikle, yoğun trafik koşullarında veya dar alanlarda yapılan manevralarda, MPC'nin sağladığı avantajlar belirgin hale gelmektedir. Bu tezin diğer katkısı, hareket denklemlerini çözmek için iki farklı sayısal yöntemin uygulanmasıdır: Euler ve Runge-Kutta yöntemleri. Bu çalışma, özellikle dinamik koşullar altında, hesaplama verimliliği ile bir çözümün doğruluğu arasındaki uzlaşmayı kontrol etmektedir. İç Nokta Optimizasyonlu bir IPOpt optimizasyon çerçevesi kullanılmış, kısıtlı optimizasyon problemleri çözülmüş ve kontrol girdilerinin uygulanabilir sınırlar içinde kalması sağlanmıştır. Mevcut araştırmada, CasADi kütüphanesini kullanarak MATLAB'da tasarlanmış gelişmiş bir simülasyon ortamını ve statik ve dinamik engellerle ilgili bir dizi test senaryosunu kullanılmıştır. Bu tezde otonom sistemlerde yol takibi ve engelden kaçınma ile ilgili bazı temel zorluklar ele alınmıştır. En önemli zorluklardan biri, araç dinamiklerinin doğrusal olmayan yapısıdır. Bu zorluk, kontrol girişlerini hız yerine ivme ile tanımlayarak çözülmüştür. Bu yaklaşım, özellikle düşük hız koşullarında daha fazla stabilite ve esneklik sağlamaktadır. Bununla birlikte, ivmeyi kontrol girdisi olarak kullanmak, aracın ani hız değişimlerini daha iyi yönetmesine olanak tanımaktadır. Ani hızlanma ve yavaşlamaların dengeli bir şekilde gerçekleştirilmesi, yol tutuş performansını artırarak güvenli bir sürüş sağlamaktadır. Bir diğer zorluk ise gerçek zamanlı engelden kaçınma problemidir. Engelleri algılamak ve rotayı hızlı bir şekilde ayarlamak gerekmektedir. Bu nedenle, engelleri statik veya dinamik olarak sınıflandırabilen ve buna göre rotayı ayarlayan bir algılama algoritması önerilmiştir. Bu algoritma, MPC ile entegre edilmiştir ve bu sayede sistemin güvenliği sağlanırken hesaplama yükü azaltılmıştır. Gerçek zamanlı engelden kaçınma, yalnızca aracın önündeki engelleri değil, çevresel değişkenleri de göz önünde bulundurmalıdır. Yol yüzeyindeki bozulmalar, hava koşulları ve trafik akışı gibi faktörler de engel kaçınma algoritmasının etkinliğini doğrudan etkileyebilir. Bu nedenle, gelecekte geliştirilecek sistemlerde, çoklu sensör verilerinin birleştirilmesi ile daha kapsamlı bir çevresel farkındalık sağlanabilir. Sayısal doğruluk (numerical accuracy) da önemli bir zorluktur. Özellikle dinamik ortamlarda Euler yöntemi hızlıdır ancak doğruluk açısından yetersiz kalmaktadır. Runge-Kutta yöntemi bu sorunu çözmek için uygulanmıştır. Bu yöntem, daha yüksek doğruluk sağlayarak dinamik engellerin daha iyi ele alınmasını mümkün kılmıştır. Bu iyileştirmeler, karmaşık senaryolarda güçlü bir performans elde edilmesini sağlamaktadır. Sayısal yöntemlerin doğruluğu, yalnızca hata oranlarını düşürmekle kalmaz, aynı zamanda sistemin tepki süresini de iyileştirir. Doğru yöntem seçimi, aracın engelleri zamanında tespit etmesini ve uygun manevraları gerçekleştirmesini sağlar. Özellikle yüksek hızlarda, düşük hata payına sahip yöntemler tercih edilerek güvenli ve kararlı bir sürüş elde edilebilir. Tez çalışmasının sonuçları, geliştirilen yöntemlerin performansını farklı test senaryoları ele alınarak göstermektedir. Yol takibi açısından, Euler ve Runge-Kutta yöntemleri başarılı bir performans sergilemiştir. Ancak Runge-Kutta yöntemi, daha düşük hata oranları ve daha yüksek doğruluk ile Euler yöntemine kıyasla üstünlük sağlamıştır. Özellikle daha uzun kontrol ufuklarında bu üstünlük belirgin hale gelmiştir. Bu durum, dinamik sistemler için doğru sayısal yöntemlerin önemini vurgulamaktadır. Tez, statik ve dinamik engellerin önlenmesine yönelik sonuçları da sunmaktadır. Statik engel senaryolarında sistem, rotadan minimum sapmalarla pürüzsüz geçişler gerçekleştirmiştir. $x$ ve $y$ konumlarına yönelik ağırlık katsayılarındaki düzenlemeler performansı artırmış, daha yüksek ağırlıklar daha iyi sonuçlar sağlamıştır. Dinamik engel senaryolarında ise sistem, çarpışmasız navigasyonu sürdürürken pürüzsüz geçişleri korumuştur. Runge-Kutta yöntemi yine daha düşük ISE değerleri ile rakibine üstünlük sağlamıştır. Farklı sayısal yöntem çözümlerine ek olarak, simülasyon sonuçları boyunca birçok farklı tahmin ve kontrol ufku değeri için sonuçlar elde edilmiştir. Beklenildiği üzere hem tahmin ufku hem de kontrol ufkunun daha büyük değerler aldığı durumlarda sistem daha iyi performanslar sergilemiştir. Sistem modeli, çoklu engel senaryolarında da ölçeklenebilir ve sağlam bir yapı göstermiştir. Hem statik hem de dinamik engelleri başarıyla aşmayı başarmıştır. Diğer çalışmalarla karşılaştırıldığında, bu tez dinamik engel tahminini MPC çerçevesine entegre etmesi ve sayısal yöntemler üzerinde kapsamlı bir inceleme sunmasıyla dikkat çekmektedir. Bu yenilikler, sistemin daha karmaşık ve zorlu çevrelerde üstün bir performans göstermesine olanak tanımaktadır. Özellikle art arda farklı dinamik engellerle karşılaşıldığında, sistemin hızlı adaptasyon sağlayabilmesi önemli bir avantaj olarak öne çıkmaktadır. Simülasyon sonuçları, sistemin farklı trafik senaryolarında etkin çalışabildiğini ve ani yön değişikliklerine uyum sağlayabildiğini göstermiştir. Gelecekte, bu modelin farklı otonom araç platformlarında test edilmesi, sistemin gerçek dünya uygulamalarına entegrasyonunu daha da güçlendirebilir. Otonom araç teknolojilerinin gelişimi ile, bu tür sistemlerin farklı yol koşullarında ve daha karmaşık trafik senaryolarında test edilmesi gerekmektedir. Gelecekte, geliştirilmiş algoritmaların gerçek zamanlı sensör verileri ile entegre edilmesi, sistemin doğruluğunu ve güvenilirliğini artırabilir. Ayrıca, makine öğrenmesi tabanlı adaptif kontrol yöntemleri ile sistemin değişen yol koşullarına ve trafik yoğunluğuna göre kendini optimize edebilmesi sağlanabilir. Bu tür geliştirmeler, otonom araçların günlük hayatta daha yaygın ve güvenli bir şekilde kullanılmasını mümkün kılacaktır.
Özet (Çeviri)
Autonomous systems point to a revolution in most of the modern industries, none of which had ever fully empowered sensing, reasoning, and acting in dynamic and uncertain environments. The systems in discussion play a key role in ensuring safety, precision, and efficiency within robotics, autonomous vehicles, and industrial automation. Among the various components defining an autonomous system, vehicle dynamics, trajectory tracking, and obstacle avoidance have places especially in autonomous driving applications. Vehicle dynamics modeling is basic to the understanding and prediction of vehicle motions resulting from control inputs. One of the most popular representations is the so-called single-track bicycle model, which reduces the complications of a four-wheeled vehicle to two wheels. This model provides a balance of computational efficiency with accuracy and is hence quite suitable for control system design. Yaw rate, sideslip angle, velocity, and cornering stiffness represent the critical parameters to define dynamic behavior. The named parameters will be representative of very basics for novel generation of control strategies but they allow simulation of behavior of vehicles and give ideas toward the design of algorithms that are able to maintain stability and handling under different driving conditions. Another important aspect of autonomous systems is trajectory tracking, whereby a vehicle must be steered with accuracy and stability along a given path. The job has remained daunting with regard to environmental uncertainties, vehicle dynamics, and limitations imposed on the control. Among solutions for this challenging problem, Model Predictive Control (MPC) has proved effective. MPC is based on a model-based framework that predicts the future states over a defined horizon and optimizes the control inputs in order to minimize trajectory errors while satisfying system constraints. The flexibility of this control strategy allows it to adapt to dynamic scenarios, and thus it is particularly effective for trajectory tracking in autonomous vehicles. Obstacle avoidance forms part of every autonomous system through which safe navigation is ensured, avoiding collisions with static and dynamic obstacles. It ranges from real-time obstacle detection and classification of obstacles into nature to the realization of appropriate adjustments in the vehicle's trajectory. Integrating obstacle avoidance with trajectory tracking presents unique challenges, since multi-objective optimization must be performed simultaneously. In modern algorithms, the combination of predictive models with real-time sensing ensures smooth and collision-free navigation. These constitute a key enabler for applications requiring guaranteed safety of operation, such as autonomous driving, robotics, and industrial automation. This thesis addresses trajectory tracking and obstacle avoidance problems in autonomous vehicles using high-order control strategies and numerical algorithms. The vehicle dynamic model used for this work is the single-track bicycle model-a simplified approach that can effectively analyze the lateral and yaw motions of the vehicle. Using the above model, a nonlinear model predictive control framework has been proposed that handles sophisticated vehicle dynamics and dynamic environmental conditions. With the help of the proposed MPC approach, one can obtain high-accuracy trajectory tracking with real-time obstacle avoidance. Important aspects of this thesis are the implementations of two numerical methods for solving the equations of motion: the Euler and Runge-Kutta methods. Especially within dynamic conditions, it checks the compromise between computational efficiency and the accuracy of a solution. An IPOpt optimization framework with an Interior-Point Optimizer can solve constrained optimization problems and make sure that the control inputs stay within feasible limits. The current research will utilize an advanced simulation environment designed in MATLAB using the CasADi library, along with a set of testing scenarios concerning static and dynamic obstacles. This thesis explores key challenges central to trajectory tracking and obstacle avoidance in self-driving systems. Most crucial among them are the nonlinear dynamics of the vehicle with regard to achieving good modeling and control. This is accomplished by re-formulating the control inputs in a manner related to acceleration, not velocity, which provides more stability and flexibility, especially at low-speed conditions. The other problem involves real-time obstacle avoidance, where efficient detection and trajectory adjustment are required. In the framework, there was a proposal for a robust detection algorithm integrated with MPC to classify obstacles as static or dynamic and to adjust the trajectory accordingly. In this way, it minimizes computational overhead while keeping safety. Another critical challenge is numerical accuracy, especially in dynamic environments. The Euler method, which is computationally efficient, becomes less precise when the changes in vehicle dynamics are fast. Therefore, the Runge-Kutta method has been implemented in order to improve the accuracy and handle dynamic obstacles better. In this way, step by step, refining the model and control strategies balances computational efficiency with precision, enabling robust performance in complex scenarios. These results show the performances of the developed methods under different test scenarios. For trajectory tracking, the Euler and Runge-Kutta methods are proven to be precise in view of both methods. However, the Runge-Kutta method always keeps a better performance than the Euler method, with lower trajectory errors and better precisions, especially within higher control horizons. Therefore, these findings again confirm the importance of proper numerical methods for dynamic systems. The thesis also presents the validation results for the static and dynamic obstacle avoidance scenarios. For static obstacles, the system exhibits smooth trajectory adjustments with minimal deviations from the reference path. Adjustments to the weight coefficients for x and y position improves performance; the higher the weights, the higher the accuracy. In dynamic obstacle scenarios, the proposed framework is performing well in maintaining collision-free navigation while preserving smooth transitions. Again, the Runge-Kutta method outperforms its competitor with a smaller ISE value and closer trajectory accuracy. It is scalable and robust for multi-obstacle scenarios, promising to go around both static and dynamic obstacles successfully. Compared to related works, this thesis represents considerable improvements in such aspects as the integration of dynamic obstacle prediction into the MPC framework and providing a basic review of numerical methods. Due to these novelties, the system can handle challenging environments much better than traditional methods might.
Benzer Tezler
- Addressing parametric uncertainties in autonomous cargo ship heading control
Otonom kargo gemisi yön kontrolündeki parametrik belirsizliklerin ele alınması
AHMAD IRHAM JAMBAK
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. İSMAİL BAYEZİT
- Contribution to high-performance motion control of parallel robots using hybrid joint-space and task-space approaches
Hibrid eklem-uzayı ve görev-uzayı kontrol yaklasımı ile paralel robotlarda yüksek performanslı hareket kontrolü
EYYÜP SİNCAR
Doktora
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEKİ YAĞIZ BAYRAKTAROĞLU
- Çift sistem dikey kalkış ve iniş iha'larda kontrol yüzeyi arıza yönetimi
Control surface failure management in dual-system vtol uavs
BİLAL BADUR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. FİKRET ÇALIŞKAN
- Numerical simulation of aircraft icing with an adaptive thermodynamic model considering ice accretion
Buz birikimini göz önüne alarak uyarlanmış bir termodinamik model ile uçakta buzlanmanın sayısal benzetimi
HADI SIYAHI
Doktora
İngilizce
2022
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CİHAT BAYTAŞ
- Robust hovering and trajectory tracking control of a quadrotor helicopter using acceleration feedback and a novel disturbance observer
İvme geri bildirimi ve özgün bir bozucu gözlemcisi kullanarak bir quadrotor helikopterin gürbüz havada kalma ve yörünge izleme kontrolü
HAMMAD ZAKI