Cruise control design for low speed constrained environment autonomous vehicles: the iCab case-study

This Thesis explores the design and validation of a Cruise Control system tailored for low-speed autonomous vehicles operating in constrained environments, through the case study of an autonomous golf cart: the iCab. The control architecture is designed starting from a Data-Driven Model to simplify the dynamic description and reduce it to a minimal, control-oriented representation. Initially, a control system based on a PI regulator is developed. It effectively coordinates the Motor and Brake actuators through a Daisy Chain configuration, enabling the single controller to manage both actuators. Subsequently, a Model Predictive Controller (MPC) is implemented. It is formulated to compute the optimal Traction Force and Braking Force rather than the respective control actions of the actuators, thereby transforming the control problem from non-linear to a linear one without linearisation. This feature significantly reduces the computational load: a crucial aspect for limited resources applications. The control algorithms, developed as ROS nodes, are rigorously tested in a ROS-Simulink co-simulation environment, using the custom-designed Pseudo-Segóbriga test bench, which replicates the real operating environment of the iCab to validate the algorithms' control performance. Results demonstrate that while the PI-based system offers robustness and immediacy, the MPC, though less resilient to modelling uncertainties, provides optimal responses under ideal conditions, indicating the need for further robustness enhancements before practical field application. This work not only improves the longitudinal dynamic control functionality of the iCab, it also establishes a structured workflow for developing robust and low-resource control systems for similar autonomous platforms.

Questa Tesi esplora la progettazione e la validazione di un sistema di Cruise Control dedicato a veicoli autonomi a bassa velocità e in ambienti limitati attraverso il caso di studio del golf cart autonomo iCab. L’architettura di controllo è sviluppata a partire da un modello derivato sperimentalmente per semplificare la descrizione della dinamica, e ridurla a una rappresentazione minima e orientata al controllo. Inizialmente è stato sviluppato un sistema di controllo basato su un regolatore PI, che coordina efficacemente gli attuatori del motore e del freno tramite una configurazione Daisy Chain, permettendo al singolo controllore di gestire entrambi gli attuatori. Successivamente viene implementato un Model Predictive Controller (MPC) formulato in modo tale da calcolare le forze ottimali di trazione e frenata anziché le azioni di controllo degli attuatori, trasformando così il problema di controllo da non lineare a lineare. Questa caratteristica riduce sensibilmente il carico computazionale: un aspetto fondamentale in applicazioni a prestazioni limitate. Gli algoritmi di controllo, sviluppati sotto forma di nodi ROS, sono stati rigorosamente testati in un ambiente di co-simulazione ROS-Simulink, sfruttando il banco di prova personalizzato Pseudo-Segóbriga appositamente creato, che replica l’ambiente di lavoro reale dell’iCab per validare le prestazioni degli algoritmi di controllo. I risultati dimostrano che, mentre il sistema basato su PI offre robustezza e immediatezza, l’MPC, sebbene meno resistente alle incertezze di modellazione, presenta risposte ottimali in condizioni ideali, indicando la necessità di ulteriori miglioramenti per colmare le lacune di robustezza prima della sua effettiva applicazione in campo. Questo lavoro non solo migliora la funzionalità di controllo della dinamica longitudinale dell’iCab, ma stabilisce anche un flusso di lavoro strutturato per lo sviluppo di sistemi di controllo robusti e a basso consumo di risorse per piattaforme autonome analoghe.