A Robust Hybrid Observer for Side-slip Angle Estimation

要約

自動運転や高度な運転支援では、車両のダイナミクス挙動を監視することが重要です。
この動作の正確なモデルには、加速度だけでなく、タイヤと路面の間の複雑な相互作用から最終的に生じる横滑り角も含まれます。
加速度とは対照的に、これは（安定性評価などに）重要な量ですが、従来の既製のセンサーでは測定できません。
したがって、車両の適切な計画と制御には、正確な横滑り角観測装置が必要です。
この論文では、モデルベースの横滑り角推定とニューラル ネットワークを組み合わせた新しいアプローチを紹介します。
私たちは実車データにアプローチを適用します。
我々は、提案された方法が、通常の運転操作や、正確な推定を提供することが困難になる限界に近い操作において、最先端の方法よりも優れたパフォーマンスを発揮できることを証明します。

要約(オリジナル)

For autonomous driving or advanced driving assistance, it is key to monitor the vehicle dynamics behavior. Accurate models of this behavior include acceleration, but also the side-slip angle, that eventually results from the complex interaction between the tires and the road. Though it is an essential quantity (e.g. for stability assessment), as opposed to accelerations, it is not measurable through conventional off-the-shelf sensors. Therefore, accurate side-slip angle observers are necessary for the proper planning and control of vehicles. In this paper, we introduce a novel approach that combines model-based side-slip angle estimation with neural networks. We apply our approach to real vehicle data. We prove that the proposed method is able to outperform state-of-the-art methods for normal driving maneuvers, and for near-limits maneuvers where providing accurate estimations becomes challenging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google