Change search

Cite
Citation style
• apa
• ieee
• modern-language-association-8th-edition
• vancouver
• Other style
More styles
Language
• de-DE
• en-GB
• en-US
• fi-FI
• nn-NO
• nn-NB
• sv-SE
• Other locale
More languages
Output format
• html
• text
• asciidoc
• rtf
Model Predictive Control for Autonomous Driving of a Truck
KTH, School of Electrical Engineering (EES).
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
##### Abstract [en]

Platooning and cooperative driving can decrease the emissions of greenhouse gases and increase the traﬃc capacity of the roads. The Grand Cooperative Driving Challenge, GCDC, is a competition that will be held in May 2016 focusing on cooperative driving.

A cornerstone in the cooperative driving is autonomous driving. The main objective of this thesis is to design a Model Predictive Control for a truck so it autonomously can perform the following tasks: follow a straight road, make a lane change and make a turn. Constraints are added to the vehicle states and the control signals. Additionally, a constraint is added to make the vehicle keep a safe distance to preceding vehicles.

A Linear Time-Varying (LTV) MPC for reference tracking is derived. To use the MPC for reference tracking references for all the states and control signals are derived. For the lane change and turn scenario Bezier curves are used to obtain the position references.

The controller is implemented in MATLAB and validated through simulations. For the simulations both a bicycle model of the vehicle and a more complicated four wheel model are used. The latter is implemented in Simulink. The bicycle model is on-line linearised around the references in order to be used as the prediction model for the LTV-MPC.

The simulations show that the controller can make the vehicle perform the above mentioned tasks. With a horizon of 18 the time in average to perform one iteration of the control loop is 0.02 s. The maximum deviation in the lateral direction is 0.10 m and occurs for the turn scenario when the four wheel model is used for the simulations. Simulations are also done with a preceding vehicle. The controller is able to make the vehicle keep a safe distance to the preceding vehicle. If the preceding vehicle is driving slower than the controlled vehicle the controller is able to decrease the velocity of the controlled vehicle.

In addition to the above mentioned, simulations are also done where disturbances and noise, separately, are added. As a disturbance an error in the start position is used. The vehicle can start 1.3 m from the real start position, in the lateral direction, and still ﬁnd its way back to the trajectory. The noise is added as white noise to the position updates. The controller can deal with noise with a standard deviation up to 0.3 m.

##### Abstract [sv]

Kolonnkörning och kooperativkörning kan minska utsläppen av växthusgaser och öka traﬁkkapaciteten på vägarna. The Grand Cooperative Driving Challenge, GCDC, är en tävling med fokus på kooper-ativkörning som kommer att hållas i maj 2016.

En hörnsten i kooperativkörning är autonomkörning. Det huvudsakliga målet med det här examensarbetet ¨ar att designa en MPC för en lastbil så att den autonomt kan genomföra följande: följa en rak väg, göra ett ﬁlbyte samt göra en sväng. Begränsningar är lagda på fordonets tillstånd och kontrollsignalerna. Utöver det begränsas avståndetet till framförvarande fordon.

En linjär tidsvariant (LTV) MPC för referensföljning tas fram. För att använda MPC:n för referensföljning härleds referenser för fordonets tillstånd och kontrollsignaler. För ﬁlbytet och svängen används Bezier kurvor för att få fram positionsreferenserna.

Regulatorn implementeras i MATLAB och valideras genom simuleringar. För simuleringarna används både en cykelmodell av fordonet och en mer komplicerad fyrhjuls-modell. Den senare implementeras i Simulink. Cykelmodellen linjäriseras online kring referenserna i syfte att användas som prediktionsmodell för LTV-MPC.

Simuleringarna visar att regulatorn kan få fordonet att genomföra de ovan nämnda uppgifterna. Med en horisont på 18 ¨ar tiden det tar att genomföra en iteration av regulator-loopen i genomsnitt 0.02 sekunder. Den maximala avvikelsen i den laterala riktningen ¨ar 0.10 meter och uppstår när simuleringar görs för en sväng med fyrhjuls-modellen som fordonsmodell. Simuleringar görs även med ett framförvarande fordon. Regulatorn kan få fordonet att hallå ett säkerhetsavstånd till fordonet framför. Regulatorn kan vidare få fordonet att sänka hastigheten om det framförvarande fordonet kör långsammare.

Utöver de ovan nämnda simuleringarna görs simuleringar där störningar och brus, var för sig, introduceras. Som störning används ett fel i startpositionen. Fordonet kan starta 1.3 meter från den korrekta startpositionen, i den laterala riktningen, och hitta tillbaks till referensbanan. Bruset adderas som vitt brus på positionsuppdateringarna. Regulatorn kan hantera vitt brus med en stan-dardavvikelse på upp till 0.3 meter.

2016. , p. 57
##### Series
EES Examensarbete / Master Thesis ; TRITA EE 2016:017
##### National Category
Electrical Engineering, Electronic Engineering, Information Engineering
##### Identifiers
OAI: oai:DiVA.org:kth-187668DiVA, id: diva2:930995
##### Examiners
Available from: 2016-05-26 Created: 2016-05-26 Last updated: 2016-05-26Bibliographically approved

#### Open Access in DiVA

##### File information
File name FULLTEXT01.pdfFile size 4527 kBChecksum SHA-512
Type fulltextMimetype application/pdf
##### By organisation
School of Electrical Engineering (EES)
##### On the subject
Electrical Engineering, Electronic Engineering, Information Engineering

#### Search outside of DiVA

The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available
urn-nbn

#### Altmetric score

urn-nbn
Total: 872 hits

Cite
Citation style
• apa
• ieee
• modern-language-association-8th-edition
• vancouver
• Other style
More styles
Language
• de-DE
• en-GB
• en-US
• fi-FI
• nn-NO
• nn-NB
• sv-SE
• Other locale
More languages
Output format
• html
• text
• asciidoc
• rtf
v. 2.33.0
|