As a consequence the rapid development of autonomous driving technologies, there has been a growing interest in their application to motorcycles, not only to make them autonomous, but also for a better understanding of their dynamics to develop safety and comfort systems for riders. This thesis aims at identifying and controlling the roll dynamics of an autonomous racing motorcycle, a relatively low-explored topic in both research and industrial settings. The target vehicle of the analysis is an electric racing motorcycle, the Eva Ribelle, whose virtual model is developed employing a multibody simulator. The proposed reasoning and procedures are designed on the simulator, while considering their future application in reality. The arising limitations, such as the absence of a torque sensor in the real vehicle’s steering system, resulting in the steering torque measure not always being available, are taken into account. Thus, two different scenarios are examined: the first assumes the absence of the steering torque measure, while the second takes into account its availability. In the first part of the thesis, a literature analysis is conducted to analyze vehicle models to be employed in the two scenarios. The model’s parameters are then identified through a grey box identification procedure based on the simulation error method. The identification algorithm conveys that linear parameter varying models are capable to represent adequately the vehicle dynamics, even under aggressive driving conditions. Once the models are identified, a control strategy is developed for both scenarios. Without a torque sensor, a purposely simple nested steering and roll control strategy is proposed, aimed at stabilizing and controlling the vehicle for negotiating basic autonomous driving experiments. Subsequently, assuming the availability of a torque input model, a speed-scheduled LQR with Integrator control strategy is proposed, tuned to achieve consistent performance across the entire speed range of operation.
A seguito del fervente sviluppo di tecnologie nell’ambito della guida autonoma, negli ultimi anni si sta riscontrando un crescente interesse nell’applicare tali ricerche ai motoveicoli, non solo per renderle autonome, ma anche per ottenere una migliore comprensione delle loro dinamiche al fine di sviluppare sistemi di sicurezza e comfort alla guida. Questa tesi si pone come obiettivo l’identificazione e il controllo della dinamica di rollio di una moto da corsa autonoma, argomento poco trattato ed esplorato sia nella ricerca che in ambito industriale. L’analisi considera come veicolo target la moto da corsa elettrica Eva Ribelle, il cui modello virtuale è sviluppato utilizzando un simulatore multibody. I ragionamenti e le procedure proposti sono sviluppati sul simulatore tenendo però conto della loro futura applicazione nella realtà, con le relative limitazioni: lo sterzo del veicolo reale non è equipaggiato con un sensore di coppia e, di conseguenza, la coppia allo sterzo non è sempre disponibile. Dunque, vengono esaminati due diversi scenari: il primo assume l’assenza della misura della coppia di sterzo, mentre il secondo ne tiene conto della sua disponibilità. Nella prima parte della tesi viene condotta un’analisi della letteratura per analizzare i modelli del veicolo da utilizzare nei due scenari. I parametri dei modelli sono quindi identificati attraverso un algoritmo di identificazione grey box basata sul simulation error method. La procedura di identificazione dimostra che con dei modelli Linear Parameter Varying si è in grado di rappresentare adeguatamente la dinamica del veicolo, anche in condizioni di guida aggressiva. Una volta identificati i modelli, viene sviluppata una strategia di controllo per entrambi gli scenari. Senza un sensore di coppia, viene proposta una strategia di controllo annidato di sterzo e rollio volutamente semplice, finalizzata a stabilizzare e controllare il veicolo per negoziare semplici esperimenti in modalità autonoma. Successivamente, ipotizzando la disponibilità di un modello con ingresso la coppia, viene proposta una strategia di controllo LQR con integratore schedulata con la velocità, tarata per ottenere performance uniformi con la velocità in tutto il range di controllo.
Modellistica e controllo per una moto da corsa autonoma
PATRUNO, ANDREA
2021/2022
Abstract
As a consequence the rapid development of autonomous driving technologies, there has been a growing interest in their application to motorcycles, not only to make them autonomous, but also for a better understanding of their dynamics to develop safety and comfort systems for riders. This thesis aims at identifying and controlling the roll dynamics of an autonomous racing motorcycle, a relatively low-explored topic in both research and industrial settings. The target vehicle of the analysis is an electric racing motorcycle, the Eva Ribelle, whose virtual model is developed employing a multibody simulator. The proposed reasoning and procedures are designed on the simulator, while considering their future application in reality. The arising limitations, such as the absence of a torque sensor in the real vehicle’s steering system, resulting in the steering torque measure not always being available, are taken into account. Thus, two different scenarios are examined: the first assumes the absence of the steering torque measure, while the second takes into account its availability. In the first part of the thesis, a literature analysis is conducted to analyze vehicle models to be employed in the two scenarios. The model’s parameters are then identified through a grey box identification procedure based on the simulation error method. The identification algorithm conveys that linear parameter varying models are capable to represent adequately the vehicle dynamics, even under aggressive driving conditions. Once the models are identified, a control strategy is developed for both scenarios. Without a torque sensor, a purposely simple nested steering and roll control strategy is proposed, aimed at stabilizing and controlling the vehicle for negotiating basic autonomous driving experiments. Subsequently, assuming the availability of a torque input model, a speed-scheduled LQR with Integrator control strategy is proposed, tuned to achieve consistent performance across the entire speed range of operation.File | Dimensione | Formato | |
---|---|---|---|
2023_05_Patruno_Tesi_01.pdf
non accessibile
Dimensione
9.03 MB
Formato
Adobe PDF
|
9.03 MB | Adobe PDF | Visualizza/Apri |
2023_05_Patruno_Executive_Summary_02.pdf
non accessibile
Dimensione
1.22 MB
Formato
Adobe PDF
|
1.22 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/211395