A model predictive control architecture for an unmanned electric vehicle

In this thesis, a Model Predictive Control architecture for an autonomous electric vehicle has been designed and developed together with the dynamic simulation used for its validation. The system has been realized first using a single-track model and then simulating a real vehicle, i.e., a “Polaris Ranger XP 900” via a 3D physics simulation. The work of this thesis starts from an MPC controller already developed in an other thesis in Simulink which was validated under ideal conditions. We developed also a localization system necessary to test our system in a simulation environment. The development of the software architecture has been done using the well- known and widely used framework for robotics ROS (Robot Operating System). Taking advantage of the flexibility of the ROS framework, we integrated ROAMFREE (Robust Odometry Applying Multisensor Fusion to Reduce Estimation Errors) in our architecture, which is a library for multisensor fusion and pose estimation. To verify and analyze the system behavior in control conditions, we have developed two simulators: one representing an ideal and simplified situation, exploiting the mathematical description of the single-track model, and one using Gazebo, a simulator that allows to model complex scenarios. The contribution of this thesis can be divided in four parts: the first one regards the general architecture, the second one is relative to the vehicle modeling, the third one is dedicated to the vehicle localization and the fourth one concerns the MPC controller. The overall design of the control architecture has been validated through an extensive experimental activity performed within the two simulation environments.

In questa tesi, è stata progettata e sviluppata l’architettura di controllo di un veicolo autonomo implementando un controllore predittivo basato su modello MPC (Model Predictive Control) insieme alla simulazione dinamica utilizzata per la sua validazione. Il sistema è stato validato infatti prima utilizzando un modello single-track, poi con la simulazione di un veicolo reale, ovvero un “Polaris Ranger XP 900”. Il lavoro di questa tesi parte da un controllore MPC precedentemente sviluppato in un’altra tesi tramite l’utilizzo di un linguaggio di program- mazione a più alto livello, MATLAB. E’ stato quindi necessario convertirlo ripensando all’architettura in modo da ottimizzare le sue performance ed aumentarne la sua modularità. E’ stato poi implementato un sistema di localizzazione necessario per poter testare il sistema in un ambiente di simulazione. Lo sviluppo dell’architettura è stato effettuato usando un framework per la robotica noto e ampiamente utilizzato, i.e., ROS (Robot Operating Systems), caratterizzato da un’elevata modularità, implementata con lo stile architetturale publish-subscribe, e dalla disponibilità di diversi moduli già sviluppati e testati. Ciò ha permesso di sviluppare un’architettura flessibile appropriata per un prototipo, che può essere sottoposto a svari- ate modifiche durante il suo sviluppo, rimanendo comunque un sistema sufficientemente robusto e attuabile per un utilizzo a lungo termine. ROS semplifica l’integrazione di più moduli sviluppati separatamente. In particolare, uno dei principali moduli che è stato integrato nell’architettura è ROAMFREE (Robust Odometry Applying Multisensor Fusion to Reduce Estimation Error), che è una libreria utilizzata per fare una fusione dei dati provenienti da diversi sensori con lo scopo di stimare la posizione di un robot. Oltre all’integrazione di questa libreria, è stato aggiunto un modulo proposto all’interno di un’altra tesi, chiamato fastPredictor, che partendo dalla posizione stimata da ROAMFREE integra le infor- mazioni di odometria per ottenere una stima più veloce e ridurne i ritardi di computazione. Nel campo dei veicolo autonomi, il ruolo della simulazione risulta essere fondamentale. Prima di poter utilizzare il sistema su di un veicolo reale, è richiesta la verifica e analisi dello stesso. A riguardo, abbiamo simulato il funzionamento della nostra architettura su Gazebo, un simulatore che permette di modellizzare scenari complessi utilizzando anche modelli di robot preesistenti. Inoltre, Gazebo offre la possibilità di simulare diversi sensori e di interfacciarsi facilmente con ROS. Il risultato è un ambiente di simulazione che può sostituire completamente il veicolo reale e che permette di effettuare esperimenti complessi. Il contenuto di questa tesi può essere diviso in quattro parti: la prima riguarda l’architettura generale, la seconda è relativa alla modellizzazione del veicolo, la terza è dedicata alla localizzazione e la quarta è inerente al controllore MPC. Prima di tutto forniamo una descrizione generale dell’architettura sviluppata, spiegandone la suddivisione e come avviene la comunicazione tra i vari componenti del sistema. Successivamente, analizziamo dettagliatamente la modellizzazione del veicolo e i vari step di simulazione dello stesso. Inoltre, nella stessa sezione, vengono descritti i sensori utilizzati ai fini della localizzazione. In seguito, viene illustrato il modulo riguardante la stima della posizione del veicolo, specificandone il funzionamento e come viene migliorato. Si fornisce successivamente una breve descrizione del MPC preso come riferimento per il nostro lavoro e la relativa implementazione in ROS. Nell’ultima parte della tesi è possibile trovare i risultati sperimentali ottenuti durante i test effettuati.