Implementation of an economic NMPC for autonomous racing
Description
Full text not available
Abstract
Denne oppgaven fokuserer på design og implementering av en økonomisk ikke-lineær modell prediktiv kontroller for en autonom racerbil. Bilen som brukes i denne studien er en elektrisk formel-type racerbil utstyrt med en mekanisk lidar som har 360 graders synsfelt. Bilen er bygget for fjernstyring av både rattvinkel og motormoment.
Kostnadsfunksjonen til kontrolleren gjenspeiler det overordnede målet for en autonom racerbil, nemlig å minimere rundetiden. I en myk beskrankning som straffer avvik fra banen er formulert og implementert. En ekstra kost på bilens slipvinkel er introdusert i kostnadsfunksjonen for å kunne justere hvor aggressiv oppførselen til kontrolleren er.
Den interne modellen til kontrolleren er basert på en dynamisk to hjuls modell med kurvelinære koordinater, mens en forenklet versjon av den Hans B. Pajeka's formel brukes til modellering av laterale dekkrefter. Referansebanen er representert med b-splines som er parameterisert med kumulativ buelengde.
Aktuatordynamikk tas i betraktning og håndteres ved å integrere alle tilstander en stund i fremtiden før MPC'en initialiseres.
Den implementerte kontrolleren fungerer bra i simulerte miljøer, der den er i stand til å finne en avveining mellom maksimering av progresjon og minimering av avvik fra referansebanen.
HIL-tester har blitt brukt for å bekrefte at den komplette kontrollsløyfen også fungerer i praksis, men andre problemer med bilen har forhindret fullskalatester med bilen på dette tidspunktet. This thesis is focused on the design and implementation of an economic nonlinear model predictive controller (NMPC) for an autonomous racecar. The car subject to this study is an electrical formula student type racecar with a 360-degree FOV mechanical LIDAR. The car is built for remote actuation of both steering wheel angle and motor torque.
The NMPC objective function reflects the overall goal of an autonomous race car, namely to minimize lap time. An additional soft constraint is formulated in order to penalize track violations. A body sideslip angle term is introduced to the objective function, allowing for tuning the aggressiveness of the controller. This term is vital to prevent the car from entering modes that are not accounted for in the current model.
The internal model of the NMPC is based on a dynamic formulation of the bicycle model with curvilinear coordinates while a simplified version of the pajecka magic formula is used for modeling lateral tire forces. The reference path is represented by b-splines parameterized with cumulative arc-length travelled.
Actuator dynamics is taken into account and is dealt with by integrating all states some time into the future, using the control input sequence from the previous solution before the solver is initialized.
The implemented NMPC works well in simulated environments, where it is able to find a trade-off between maximizing progression and minimizing deviation from the path reference.
HIL tests have been used to confirm that the complete control loop works in practice as well, but other issues with the car have prevented full-scale tests of the autonomous pipeline as of this point in time.