damping enhancing and path tracking for autonomous vehicle at the limits of handling

When dealing with path tracking of an autonomous vehicle, lateral dynamics are a critical aspect to take into consideration. In fact, especially when low surface friction values and high speeds are considered, the vehicle dynamics are highly nonlinear and they could present oscillations and diverge. This work aims to design a control system for autonomous vehicles able to damp oscillations at high speed and perform path tracking. To model the vehicle lateral dynamics, the Affine in the Force Input (AFI) model will be used, because it allows to have a better representation of the lateral forces, taking out of the equations the non linearity of tire-ground interaction. For the first purpose, an Advanced Gain Scheduling (AGS) control strategy is proposed, because of its ability to incorporate parameters variation, such as the vehicle velocity. For the second task, a Model Predictive Control (MPC) algorithm will be used, because of its ability to define constraints directly on the input variables, which is well suited to be used with the AFI model. Simulations will be carried out with the proposed designs of the controllers.

Quando si affronta il problema di inseguimento di traiettoria con un veicolo autonomo, la dinamica laterale é un aspetto critico da tenere in considerazione. Infatti, soprattutto in caso di un valore basso di coefficiente di attrito e ad alte velocità, la dinamica é altamente non lineare e il comportamento del veicolo potrebbe presentare oscillazioni e divergere. Questo lavoro di tesi ha lo scopo di progettare un sistema di controllo per veicoli autonomi in grado di smorzare le oscillazioni presenti ad alte velocità ed eseguire un inseguimento di traiettoria. Per modellare le dinamiche laterali, si utilizzerà il modello Affine in the Force Input (AFI), in quanto, estraendo le non linearità dell’interazione ruota-suolo dalle equazioni, permette di avere un modello migliore delle forze laterali. Per il primo obiettivo, é proposto un controllore Advanced Gain Scheduling (AGS), per la sua capacità di incorporare parametri tempo varianti, come ad esempio la velocità del veicolo. Per il secondo obiettivo invece, un algoritmo Model Predictive Control (MPC) sarà usato, grazie alla possibilità di definire dei limiti direttamente sulle variabili d’ingresso, che si sposa bene con l’uso del modello AFI. Infine, saranno riportati i risultati delle simulazioni ottenute con l’uso dei controllori proposti.