In recent years, while autonomous four-wheeled vehicles have advanced rapidly, the development of active safety and automation technologies for two-wheelers has remained limited due to their inherently unstable and speed-varying dynamics. To address this challenge, this thesis focuses on the identification of lateral dynamics and the implementation of roll angle control, utilizing the \textit{Energica Eva Ribelle} naked electric motorcycle as the experimental testing platform. The control-oriented model selected for this study is derived from the classical Whipple bicycle model, linearized around a constant forward speed. This structure is subsequently reduced to a lower-order state-space representation tailored to match the specific state estimates available on the experimental motorcycle. To capture the specific physical parameters of the motorcycle, a data-driven system identification campaign was performed using the Output-Error (OE) method. This optimization approach directly minimizes the simulation error against track validation data. The resulting identified models yielded consistent parameters, demonstrating a close agreement with the real motorcycle's macroscopic dynamics across different operational speeds. Based on the identified system, two state-feedback control architectures were developed. The first is a Minimum Energy Linear Quadratic (LQ) controller incorporating a prescribed degree of stability to enhance system responsiveness, while the second utilizes a Linear Matrix Inequality (LMI) framework enforcing conic sector constraints to explicitly bound the closed-loop pole damping. The synthesized controllers were validated through experimental reference tracking tests. The experimental data demonstrate robust stabilization performance across a selection of the tested configurations, proving that the proposed control frameworks can successfully control the vehicle's lateral dynamics.

Mentre i veicoli autonomi a quattro ruote hanno registrato rapidi progressi negli ultimi anni, lo sviluppo di tecnologie di automazione e sicurezza attiva per i veicoli a due ruote è rimasto limitato. Ciò è dovuto principalmente a una dinamica laterale intrinsecamente instabile e fortemente dipendente dalla velocità. Questa tesi si propone di identificare la dinamica laterale e implementare un controllo dell'angolo di rollio, sfruttando come piattaforma sperimentale la moto elettrica naked \textit{Energica Eva Ribelle}. Il modello \textit{control-oriented} scelto per lo studio deriva dal classico \textit{Whipple bicycle model}, linearizzato attorno a una velocità costante. Per potersi interfacciare al meglio con le stime di stato disponibili sulla moto sperimentale, questa struttura è stata successivamente ridotta a una rappresentazione di ordine inferiore. Con l'obiettivo di individuare i parametri fisici e il comportamento specifico del veicolo, è stata condotta una campagna di identificazione di tipo \textit{data-driven} basata sul metodo \textit{Output-Error} (OE). Questo algoritmo di ottimizzazione agisce minimizzando l'errore di simulazione rispetto ai dati di validazione raccolti in pista. I modelli identificati hanno così fornito parametri concordi con la dinamica della moto reale a diverse velocità operative. A partire dal sistema identificato, sono state sviluppate due diverse architetture di controllo \textit{state-feedback}. La prima consiste in un controllore \textit{Minimum Energy Linear Quadratic} (LQ), che va a minimizzare la coppia di sterzo; la seconda si basa su un controllo \textit{Linear Matrix Inequality} (LMI) con vincoli per lo smorzamento dei poli complessi coniugati. La validazione dei controllori sintetizzati è avvenuta tramite test sperimentali aventi l'obiettivo di seguire un riferimento di angolo di rollio. I dati raccolti dimostrano performance di stabilizzazione robuste, confermando che le strategie di controllo proposte siano in grado di regolare con successo la dinamica laterale del veicolo.

Experimental identification of lateral dynamics and roll control for an autonomous motorcycle

Lazzeri, Matteo
2025/2026

Abstract

In recent years, while autonomous four-wheeled vehicles have advanced rapidly, the development of active safety and automation technologies for two-wheelers has remained limited due to their inherently unstable and speed-varying dynamics. To address this challenge, this thesis focuses on the identification of lateral dynamics and the implementation of roll angle control, utilizing the \textit{Energica Eva Ribelle} naked electric motorcycle as the experimental testing platform. The control-oriented model selected for this study is derived from the classical Whipple bicycle model, linearized around a constant forward speed. This structure is subsequently reduced to a lower-order state-space representation tailored to match the specific state estimates available on the experimental motorcycle. To capture the specific physical parameters of the motorcycle, a data-driven system identification campaign was performed using the Output-Error (OE) method. This optimization approach directly minimizes the simulation error against track validation data. The resulting identified models yielded consistent parameters, demonstrating a close agreement with the real motorcycle's macroscopic dynamics across different operational speeds. Based on the identified system, two state-feedback control architectures were developed. The first is a Minimum Energy Linear Quadratic (LQ) controller incorporating a prescribed degree of stability to enhance system responsiveness, while the second utilizes a Linear Matrix Inequality (LMI) framework enforcing conic sector constraints to explicitly bound the closed-loop pole damping. The synthesized controllers were validated through experimental reference tracking tests. The experimental data demonstrate robust stabilization performance across a selection of the tested configurations, proving that the proposed control frameworks can successfully control the vehicle's lateral dynamics.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
Mentre i veicoli autonomi a quattro ruote hanno registrato rapidi progressi negli ultimi anni, lo sviluppo di tecnologie di automazione e sicurezza attiva per i veicoli a due ruote è rimasto limitato. Ciò è dovuto principalmente a una dinamica laterale intrinsecamente instabile e fortemente dipendente dalla velocità. Questa tesi si propone di identificare la dinamica laterale e implementare un controllo dell'angolo di rollio, sfruttando come piattaforma sperimentale la moto elettrica naked \textit{Energica Eva Ribelle}. Il modello \textit{control-oriented} scelto per lo studio deriva dal classico \textit{Whipple bicycle model}, linearizzato attorno a una velocità costante. Per potersi interfacciare al meglio con le stime di stato disponibili sulla moto sperimentale, questa struttura è stata successivamente ridotta a una rappresentazione di ordine inferiore. Con l'obiettivo di individuare i parametri fisici e il comportamento specifico del veicolo, è stata condotta una campagna di identificazione di tipo \textit{data-driven} basata sul metodo \textit{Output-Error} (OE). Questo algoritmo di ottimizzazione agisce minimizzando l'errore di simulazione rispetto ai dati di validazione raccolti in pista. I modelli identificati hanno così fornito parametri concordi con la dinamica della moto reale a diverse velocità operative. A partire dal sistema identificato, sono state sviluppate due diverse architetture di controllo \textit{state-feedback}. La prima consiste in un controllore \textit{Minimum Energy Linear Quadratic} (LQ), che va a minimizzare la coppia di sterzo; la seconda si basa su un controllo \textit{Linear Matrix Inequality} (LMI) con vincoli per lo smorzamento dei poli complessi coniugati. La validazione dei controllori sintetizzati è avvenuta tramite test sperimentali aventi l'obiettivo di seguire un riferimento di angolo di rollio. I dati raccolti dimostrano performance di stabilizzazione robuste, confermando che le strategie di controllo proposte siano in grado di regolare con successo la dinamica laterale del veicolo.
File allegati
File Dimensione Formato  
2026_07_Lazzeri_Tesi.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: File della Tesi
Dimensione 33.57 MB
Formato Adobe PDF
33.57 MB Adobe PDF   Visualizza/Apri
2026_07_Lazzeri_Executive_Summary.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: File dell'Executive Summary
Dimensione 10.55 MB
Formato Adobe PDF
10.55 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/260903