Path tracking and collision avoidance for autonomous ground vehicles using nonlinear model predictive control
Doğrusal olmayan model öngörülü denetleyici kullanılarak otonom kara araçları için yol takibi ve çarpışma önleme
- Tez No: 972606
- Danışmanlar: DOÇ. DR. İBRAHİM ALIŞKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doğrusal olmayan kontrol, Model öngörümlü denetim, Otonom araçlar, PI denetleme, İnsansız araçlar, Nonlinear control, Model predictive control, Autonomous vehicles, PI control, Unmanned vehicles
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, otonom kara araçları için Doğrusal Olmayan Model Öngörülü Kontrol (NMPC) tabanlı bir izleme ve çarpışma önleme yapısı geliştirilmiştir. Tasarlanan yapı, aracın yanal dinamiklerini temsil eden beş durumlu değişken doğrusal olmayan dinamik bir modele dayanmaktadır. İlk olarak, araç sabit bir hızda hareket ederken sinüzoidal bir referans yolu üzerinde izlenir ve farklı kontrol ufukları ve ağırlık matrisleri altında performans analizleri gerçekleştirilir. Daha sonra, sabit bir engelin olduğu senaryolarda, engel önleme stratejisi MPC yapısına entegre edilir ve testler gerçekleştirilir. Çalışma iki aşamaya ayrılmıştır: yol izleme ve çarpışma önleme. İlk aşamada, yol izleme performansı sinüzoidal bir referans yolu kullanılarak üç senaryo üzerinden değerlendirilir. Senaryo 1, sabit hızda tahmin ufkunda meydana gelen değişimin sistem davranışı üzerindeki etkisini araştırır. Senaryo 2'de, hızdaki değişimin yol izleme performansı üzerindeki etkisi ağırlık matrisleriyle birlikte analiz edilir. Senaryo 3'te, sistemin yüksek hızdaki kontrol performansı, kontrol ufkunun değeri değiştirilerek değerlendirilir. Sistem ikinci aşamada sabit bir engel aşamasına karşı test edildi ve çarpışmadan kaçınma yeteneği değerlendirildi. Bu amaçla, engeli algıladığında çarpışmadan kaçınmak için alternatif bir yol üreten beşinci dereceden polinom tabanlı bir kaçınma stratejisi oluşturuldu ve MPC denetleyicisi yeniden oluşturulan referansı izleyecek şekilde yapılandırıldı. Çarpışmadan kaçınma senaryoları farklı hızlar ve kontrol parametreleri altında test edildi; daha yüksek hızlarda daha erken manevra başlatma ve daha büyük yanal sapmalar gözlemlendi. Sistem performansı yanal konum hatası, kök ortalama kare hatası (RMSE) ve simülasyon süreleri ile değerlendirildi. MPC yaklaşımına ek olarak, yaygın olarak kullanılan klasik kontrol yöntemlerinden biri olan Orantılı-İntegral (PI) kontrol yöntemi de değerlendirildi. MPC ve PI kontrol yöntemlerinin izleme performansı, referans yol olarak sinüzoidal bir yol kullanılarak karşılaştırıldı. Optimizasyon, MPC yapısında gelecekteki sistem davranışı dikkate alınarak yapılırken, PI denetleyicisi yalnızca mevcut ve kümülatif hatalara tepki verir. Gerçekleştirilen simülasyonlar, düşük hızda çalışan PI kontrolörünün sınırlı izleme performansı sunduğunu, MPC'nin ise daha akıcı ve daha kararlı izleme sağladığını göstermektedir. Sonuçlar, önerilen MPC tabanlı kontrol yapısının değişen hızlara ve çevre koşullarına karşı sağlam bir performans gösterdiğini ve güvenli sürüş sağladığını göstermektedir. Bu yapı, gerçek zamanlı uygulamalar için umut verici bir temel sunmaktadır.
Özet (Çeviri)
In this thesis, a Nonlinear Model Predictive Control (NMPC) based tracking and collision avoidance structure is developed for autonomous ground vehicles. The designed structure is based on a five-state variable nonlinear dynamic model representing the car's lateral dynamics. First, the vehicle is tracked on a sinusoidal reference path while moving at a constant speed, and performance analyses are performed under different control horizons and weight matrices. Then, in scenarios with a fixed obstacle, the obstacle avoidance strategy is integrated into the MPC structure, and tests are performed. The study is divided into two stages: path-tracking and collision avoidance. In the first stage, the path-tracking performance is evaluated over three scenarios using a sinusoidal reference path. Scenario 1 investigates the effect of the change in the prediction horizon at constant speed on the system behavior. In Scenario 2, the impact of the change in speed on the path-tracking performance is analyzed together with the weight matrices. In Scenario 3, the control performance of the system at high speed is evaluated by changing the value of the control horizon. The system was tested against a fixed obstacle stage in the second stage, and its collision avoidance ability was evaluated. For this purpose, a fifth-order polynomial-based avoidance strategy was created that generates an alternative path to avoid the collision when it detects the obstacle, and the MPC controller was configured to track the reconstructed reference. Collision avoidance scenarios were tested under different speeds and control parameters; earlier maneuver initiation and larger lateral deviations were observed at higher speeds. System performance was evaluated with lateral position error, root mean square error (RMSE), and simulation times. In addition to the MPC approach, the Proportional-Integral (PI) control method, one of the widely used classical control methods, is also evaluated. The tracking performance of the MPC and PI control methods was compared using a sinusoidal path as the reference path. While optimization is performed by considering the future system behavior in the MPC structure, the PI controller reacts only to the current and cumulative errors. The simulations performed show that the PI controller operating at low speed offers limited tracking performance, whereas MPC provides smoother and more stable tracking. The results show that the proposed MPC-based control structure performs robustly against changing speeds and environmental conditions and provides safe driving. This structure offers a promising basis for real-time applications.
Benzer Tezler
- İç mekanlarda zemin yol modeli üzerinde derin öğrenme ile otonom araçların rota takibi
Route tracking of autonomous vehicles with deep learning on the floor path model in indoor areas
MUSTAFA ERGİNLİ
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÇİL
- A practical implementation of navigation and obstacle avoidance for quadcopters
Dört pervaneli helikopterler için bir engelden kaçınma ve seyrüsefer uygulaması
ONUR YILDIRIM
Yüksek Lisans
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- 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
- 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
ÖNDER HOROZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Bina içi lojistik faaliyetler için bulut tabanlı otonom robot yönetimi
Cloud-based autonomous robot management for indoor logistics activities
FATİH OKUMUŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN FATİH KOCAMAZ