LFT-based parameter identification of the lateral dynamics of vehicles

This work is dedicated to the development and implementation of estimators to track and correctly predict the lateral dynamics of a vehicle allowing the development of advanced safety and control features. The spread of new low-cost inertial and position sensors based on MEMS is leading to the development of new algorithms, which combine data from the latter to produce reliable estimates, allowing a more general use of this informations. The methods developed are all built around a parameter identification-based estimation technique for non-linear models, based on Linear Fractional Transformation (LFT). All approaches are explained in detail and used to build several estimators, which are then tested against data sets from a simulation and a real autonomous vehicle. The robustness and validity of each case is analyzed, with the aim of providing a complete and correct tool to support assisted control solutions.

Questo lavoro è dedicato allo sviluppo e all’implementazione di stimatori per inseguire e prevedere correttamente la dinamica laterale di un veicolo consentendo lo sviluppo di funzionalità avanzate di sicurezza e controllo. Algoritmi anche complessi possono ora essere implementati utilizzando misure fornite da nuovi sensori inerziali e di posizione, a basso costo e basati su MEMS. Gli stimatori sono stati implementati ricorrendo ad a una tecnica di identificazione parametrica per modelli non lineari, basata sulla Linear Fractional Transformation (LFT). Tutti gli approcci sono spiegati nei dettagli e gli stimatori sono poi testati, che vengono poi testati a fronte di dati provenienti da un simulatore e da un vero veicolo autonomo. La robustezza e validità di ogni caso è analizzata, con l’obiettivo di fornire uno strumento completo e corretto di supporto a soluzioni di controllo assistito.