Change search
CiteExportLink to record
Permanent link

Direct link
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
Implementation and Analysis of a Clothoid-based Model Predictive Controller
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]

For the last couple of years autonomous driving has increased in popularity as a research area, and it continues to grow. A topic within autonomous driving is path following, which is the subject studied in this project. One of the popular controllers to use for controlling a vehicle is the model predictive controller, because it finds an optimal control input for the vehicle based on the model of the vehicle, and its estimated future behaviour within the prediction horizon - which covers a distance ahead of the vehicle. To increase the length of this distance, one can use a new controller - the clothoid-based model predictive controller.

The clothoid-based model predictive controller is a linear time-varying model predictive controller that uses a clothoid-based vehicle model to find an optimal input based on the vehicle’s behaviour at the kink-points. The kink-points are way-points that are used to create the clothoids, and the distance between them can be very far. Therefore, it is possible to cover a large distance ahead of the vehicle with a small prediction horizon.

In this thesis, the controller is implemented at the Smart Mobility Laboratory at KTH Royal Institute of Technology so that it can be tested and evaluated for future use. The controller is implemented on a 1 : 32 scaled radio truck that is monitored by a motion capture system, and remotely controlled by a desktop computer.

The outcome of the implementation is a new controller for the remote controlled radio trucks with a fast control algorithm, where the greatest mean deviation from the path was 0.117m.

Abstract [sv]

Under de senaste åren har självkörande fordon blivit populärare som forskningsområde, och det blir allt mer populärt. Ett område inom självkörande fordon är att den ska följa efter en bana, även kallat path following, vilket är området som projektet fokuserat på. En av de populära kontrollerna för att styra fordonet är predikterande modell-kontroller (model predictive control), för den hittar en den optimala kontrol signalen baserat på modellen av fordonet och dess framtida bettende inom prediktions horisonten - som täcker ett område framför bilen. För att öka täckningsgraden av det här området kan en använda en ny kontroller - den klotoidbaserade predikterande modell-kontroller (clothoid-based model predictive controller).

Den klotoidbaserade predikterande modell-kontroller är en linjärt tidsvarierande predikterande modell-kontroller (linear time-varying model predictive controller) som använder sig av en klotoidbaserad fordonsmodel för att hitta den optimala inputsignalen baserat på fordonets beteende vid knut-punkterna (kink-points). Knut-punkterna är punkter som används för att skapa klotoiderna, och avståndet mellan punkterna kan vara långt. Därför är det möjligt att täcka ett större område framför fordonet med en mindre prediktions horisont.

I den här uppsatsen är kontroller implementerad i Smart Mobility Laboratory på Kungliga Tekniska Högskolan, så att den kan bli evaluerad och testad för användning i framtiden. Kontrollern används på˚ en 1 : 32 skalenlig radiostyd lastbild som är övervakad av ett rörelse detektionssystem, och lastbilen är radio fjärrstyrd via en dator.

Resultatet av implementeringen är en ny kontroller för radiostyrd lastbil med en snabb kontroller algorithm med en maximal medelavvikelse från banan på 0.117m.

Place, publisher, year, edition, pages
2016. , 53 p.
Series
EES Examensarbete / Master Thesis, TRITA EE 2015:78
National Category
Electrical Engineering, Electronic Engineering, Information Engineering
Identifiers
URN: urn:nbn:se:kth:diva-187688OAI: oai:DiVA.org:kth-187688DiVA: diva2:931100
Examiners
Available from: 2016-05-26 Created: 2016-05-26 Last updated: 2016-05-26Bibliographically approved

Open Access in DiVA

fulltext(2749 kB)114 downloads
File information
File name FULLTEXT01.pdfFile size 2749 kBChecksum SHA-512
404a60697a1a9bb8e7a880efaedb096c043be55be75527c871a4972ddbcedeb281b82d91cb42549553a1ec885bc122affca0ae38db71d6ba770f6d293d636c83
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering (EES)
Electrical Engineering, Electronic Engineering, Information Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 114 downloads
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: 81 hits
CiteExportLink to record
Permanent link

Direct link
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