Implementation of a non-optimization based preview control in case of significant actuator delays

The work of this thesis arises from the need to implement a lateral control for a small radio-controlled vehicle (Microcar) of 30 cm. The vehicle works inside a platform equipped with a system of 12 cameras capable of capturing the movement and recognizing with high accuracy the position of the vehicle in real time. The control system is implemented on a remote Desktop PC that integrates the position information and sends the control command to the Microcar via Wi-Fi. This whole communication architecture increases steering actuator delays, that significantly limits the fast dynamics of the Microcar and makes more difficult to follow an already winding and challenging path. For this reason, it was implemented a control that was able to combine high performance with reduced computational costs, thus avoiding worsening the system delay. In this perspective, a non-optimized architecture was used to exploit the curvature preview information of the track. In literature it has been shown that an algorithm of this type, if sufficiently supported by an accurate model, is able to guarantee performances comparable to techniques such as Model Predictive Control, which however presents major computational costs. A Smith Predictor has been developed and integrated into this control scheme, thus allowing to speed up the tracking of the yaw rate and to know explicitly how to set the preview information to best compensate for the actuation delays. A robustness analysis also provided a quantitative knowledge about the limits of the Smith Predictor's operation even in the face of possible uncertainties. Last but not least, the implementation phase was taken care of as much as possible, showing the critical issues of the practical side and the solutions adopted in implementing this architecture.

Il lavoro di questa tesi nasce dall’esigenza di implementare un controllo laterale per un veicolo radiocomandato (Microcar) di dimensioni ridotte, circa 30 cm. Il veicolo funziona all’interno di una piattaforma provvista di un sistema di 12 telecamere in grado di catturare il movimento e di riconoscere con un’alta accuratezza la posizione del veicolo in tempo reale. Il sistema di controllo è implementato su un Desktop PC in remoto che integra le informazioni di posizione e invia tramite Wi-Fi il comando di controllo alla Microcar. Questa architettura di comunicazione rende il ritardo di attuazione del servosterzo consistente, limitando notevolmente la dinamica veloce di cui la Microcar dispone per poter percorrere un tracciato tortuoso e impegnativo. Per migliorare questa limitazione, è stato implementato un controllo che fosse in grado di unire alte prestazioni con ridotti costi computazionali, ed evitare così di gravare ulteriormente sul ritardo del sistema. In quest’ottica si è utilizzata un’architettura non ottimizzata che sfrutta le conoscenze in anteprima della curvatura del tracciato. In letteratura si è visto che un algoritmo di questo tipo, se supportato sufficientemente da un modello accurato, è in grado di garantire prestazioni paragonabili a tecniche come Model Predictive Control, che presenta però grossi limiti in termini di costi computazionali. Si è sviluppato e integrato a questo schema di controllo un Predittore di Smith che ha reso possibile velocizzare l’inseguimento dello yaw rate e conoscere in modo esplicito come impostare l’informazione di anteprima per compensare al meglio i ritardi di attuazione. Un’analisi di robustezza ha permesso inoltre di conoscere quantitativamente i limiti di funzionamento del Predittore di Smith anche a fronte di possibili incertezze. Infine, e non per importanza, si descrive il lato implementativo, mostrando le criticità del lato pratico e le soluzioni adottate nell’applicare questa architettura.