Adaptive Learning-based Model Predictive Control Strategy for Drift Vehicles

要約

ドリフト車両制御は、極端な条件で安全な自律運転をサポートするための貴重な洞察を提供します。これは、ドリフト平衡点（DEP）の近くで車両状態を維持しながら、特定の経路を追跡することにかかっています。
ただし、従来の追跡方法は、反対のステアリング角度とヨーレートのため、ドリフト車両に適応できません。
このホワイトペーパーでは、ドリフト状態を動的に調整して基準パスに従って調整し、リリースされた計算負荷で一般的に利用される予測パス追跡方法を改善するための適応パス追跡（APT）制御方法を提案します。
さらに、既存の制御戦略では、DEPを計算するために正確なシステムモデルを必要とします。これは、非常に非線形ドリフトダイナミクスと敏感な車両パラメーターのためにより扱いやすい場合があります。
この問題に取り組むために、適応学習ベースのモデル予測制御（ALMPC）戦略がAPTメソッドに基づいて提案されています。この方法では、上位レベルのベイジアン最適化が採用され、DEPおよびAPTコントロール法を学習して低レベルのMPCドリフトを指示することが提案されています。
コントローラ。
この階層システムアーキテクチャは、これらの目的を異なるレイヤーに分離することにより、パス追跡とドリフトの間の固有の制御競合を解決することもできます。
ALMPC戦略はMATLAB-CARSIMプラットフォームで検証されており、シミュレーション結果は、誤認された道路摩擦摩擦パラメーターでさえ、クロクロイドベースの参照パスに従うためのドリフト車両を制御する際の有効性を示しています。

要約(オリジナル)

Drift vehicle control offers valuable insights to support safe autonomous driving in extreme conditions, which hinges on tracking a particular path while maintaining the vehicle states near the drift equilibrium points (DEP). However, conventional tracking methods are not adaptable for drift vehicles due to their opposite steering angle and yaw rate. In this paper, we propose an adaptive path tracking (APT) control method to dynamically adjust drift states to follow the reference path, improving the commonly utilized predictive path tracking methods with released computation burden. Furthermore, existing control strategies necessitate a precise system model to calculate the DEP, which can be more intractable due to the highly nonlinear drift dynamics and sensitive vehicle parameters. To tackle this problem, an adaptive learning-based model predictive control (ALMPC) strategy is proposed based on the APT method, where an upper-level Bayesian optimization is employed to learn the DEP and APT control law to instruct a lower-level MPC drift controller. This hierarchical system architecture can also resolve the inherent control conflict between path tracking and drifting by separating these objectives into different layers. The ALMPC strategy is verified on the Matlab-Carsim platform, and simulation results demonstrate its effectiveness in controlling the drift vehicle to follow a clothoid-based reference path even with the misidentified road friction parameter.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google