Design and implementation of a rear steer MPC-based controller for high performance vehicles

In this thesis, a rear steering controller based on Model Predictive Control techniques is designed, with the specific objective of increasing the handling and stability of high-performance vehicles. The proposed controller is developed so as to directly take into account the constraints imposed by the physical actuators and, therefore, guarantee enhanced performance with respect to traditional control strategies. The predictive model used inside the MPC is carefully chosen, so as to balance between simplicity and accuracy. The proposed solution is based on a nonlinear model, able to take into account important phenomena such as longitudinal load transfer and saturation of lateral forces for high sideslip angles. The resulting nonlinear model is linearized around the operating point at every MPC iteration. With this approach, a parameter-varying affine model of the controlled system is obtained. The optimization problem is built through a set of linear constraints and a quadratic cost function, so as to obtain a quadratic program and maintain the computational burden limited enough to find a real-time solution. The generation of a reasonable reference is deeply studied and a systematic approach to asses its feasibility is proposed. The performance of the developed controller is tested in simulation using VI-CarRealTime and Simulink and the superiority with respect to standard control strategies is demonstrated. Finally, a real-time implementation of the developed controller is proposed so as to be run on a dSPACE MicroAutoBox II hardware.

In questa tesi viene sviluppato un controllore di sterzo posteriore basato sulla tecnica Model Predictive Control, con l'obiettivo di migliorare la manovrabilità e la stabilità di veicoli ad alte prestazioni. Il controllore proposto è sviluppato in modo da tenere conto dei limiti imposti dagli attuatori e, quindi, garantire prestazioni superiori rispetto alle strategie di controllo tradizionali. Il modello predittivo da utilizzare all'interno del controllore MPC è scelto accuratamente, in modo da bilanciare tra semplicità e precisione. La soluzione proposta si basa su un modello non lineare, capace di tenere in considerazione fenomeni importanti come gli effetti dovuti al trasferimento di carico longitudinale e alla saturazione delle forze laterali per valori elevati degli angoli di slittamento. Il modello non lineare ottenuto viene linearizzato attorno al punto di operatività ad ogni iterazione dell'algoritmo di controllo. Attraverso questo approccio, è possibile ricavare un modello affine a parametri variabili del sistema controllato. Inoltre, il problema di ottimizzazione è formulato attraverso una serie di vincoli lineari e una funzione di costo quadratica, così da ottenere un problema di programmazione quadratica e mantenere sufficientemente limitato il carico computazionale complessivo per trovare una soluzione in real-time. La generazione del riferimento è studiata approfonditamente in modo da proporre un approccio sistematico che ne garantisca l'inseguimento. Le prestazioni finali del controllore sviluppato sono testate in simulazione, usando VI-CarRealTime e Simulink ed è dimostrata la sua superiorità rispetto alle strategie di controllo tradizionali. Infine, è proposta un'implementazione real-time del controllore, così che possa essere eseguita su un hardware dSPACE MicroAutoBox II.