Model Predictive Contouring Control for Vehicle Obstacle Avoidance at the Limit of Handling Using Torque Vectoring
作者: Alberto Bertipaglia, Davide Tavernini, Umberto Montanaro, Mohsen Alirezaei, Riender Happee, Aldo Sorniotti, Barys Shyrokau
分类: cs.RO, eess.SY
发布日期: 2024-05-17
备注: Accepted at IEEE/ASME International Conference on Advanced Intelligent Mechatronics, Boston, USA, 2024
💡 一句话要点
提出基于扭矩矢量控制的非线性模型预测轮廓跟踪控制，用于车辆极限工况下的避障。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 扭矩矢量控制 车辆避障 非线性控制 车辆动力学 极限工况 高级驾驶辅助系统
📋 核心要点
- 现有车辆避障方法在极限工况下难以兼顾车辆稳定性和避障性能，尤其是在操控极限附近。
- 提出一种基于扭矩矢量控制的非线性模型预测轮廓跟踪控制，通过优化车轮纵向力产生额外横摆力矩，提升避障能力。
- 在高保真仿真中，验证了该方法在双车道变换避障场景下的有效性，相较于基线方法，能够更好地保持车辆稳定并成功避障。
📝 摘要（中文）
本文提出了一种车辆避障的新方法。该方法开发了一种非线性模型预测轮廓跟踪控制（Model Predictive Contouring Control, MPCC），利用扭矩矢量控制在车辆操控极限下稳定并驱动车辆进行规避动作。所提出的算法结合了运动规划、路径跟踪和车辆稳定性目标，在紧急情况下优先考虑避撞。控制器的预测模型是一个基于扩展Fiala轮胎模型的非线性双轨车辆模型，以捕捉非线性耦合的纵向和横向动力学。控制器计算最优转向角和每个车轮的纵向力，以在安全情况下最小化跟踪误差，并在紧急情况下最大化车辆与障碍物之间的距离。通过优化纵向轮胎力，所提出的控制器可以产生额外的横摆力矩，提高车辆的横向灵活性，从而避开障碍物，同时保持车辆稳定。最优力被约束在轮胎摩擦圆内，以不超过轮胎和车辆的性能。在高保真仿真环境中，我们展示了扭矩矢量控制的优势，表明与缺乏扭矩矢量控制或碰撞避免优先级的基线相比，我们提出的方法能够成功避开障碍物，并在双车道变换操作中保持车辆稳定。
🔬 方法详解
问题定义：论文旨在解决车辆在极限工况下，尤其是在操控极限附近进行避障时，难以同时保证车辆稳定性和避障性能的问题。现有方法在紧急避障时，可能导致车辆失稳或无法有效避开障碍物。
核心思路：论文的核心思路是利用扭矩矢量控制，通过优化分配四个车轮的纵向力，产生额外的横摆力矩，从而提高车辆的横向灵活性和避障能力。同时，采用模型预测控制（MPC）框架，结合运动规划、路径跟踪和车辆稳定性目标，实现对车辆运动轨迹的优化控制。
技术框架：该方法采用非线性模型预测轮廓跟踪控制（NMPC）框架。整体流程如下：1) 使用非线性双轨车辆模型作为预测模型，该模型基于扩展Fiala轮胎模型，能够捕捉车辆的非线性动力学特性。2) 控制器根据当前车辆状态和环境信息（如障碍物位置）进行预测，计算最优的转向角和每个车轮的纵向力。3) 优化目标包括最小化跟踪误差（在安全情况下）和最大化车辆与障碍物之间的距离（在紧急情况下）。4) 优化过程中，需要满足轮胎摩擦圆约束，以保证轮胎力不超过其极限。
关键创新：该方法最重要的技术创新点在于将扭矩矢量控制与模型预测控制相结合，通过优化车轮纵向力来产生额外的横摆力矩，从而提高车辆的横向灵活性和避障能力。与传统方法相比，该方法能够更有效地利用车辆的动力学性能，在极限工况下实现更好的避障效果。
关键设计：该方法采用非线性双轨车辆模型，并使用扩展Fiala轮胎模型来描述轮胎的非线性特性。优化目标函数包含跟踪误差项和避障距离项，并根据场景的紧急程度动态调整两者的权重。轮胎力约束采用轮胎摩擦圆模型，以保证轮胎力不超过其极限。控制器采用合适的采样时间和预测步长，以保证控制效果和计算效率。
🖼️ 关键图片
📊 实验亮点
在高保真仿真环境中，该方法在双车道变换避障场景下进行了验证。实验结果表明，与缺乏扭矩矢量控制或碰撞避免优先级的基线方法相比，该方法能够更有效地避开障碍物，并保持车辆的稳定性。具体而言，该方法能够显著减小车辆与障碍物之间的最小距离，并降低车辆发生侧滑或失控的风险。
🎯 应用场景
该研究成果可应用于高级驾驶辅助系统（ADAS）和自动驾驶系统，尤其是在紧急避障场景下。通过提高车辆在极限工况下的避障能力，可以有效降低交通事故的发生率，提升车辆的安全性能。此外，该方法还可以应用于赛车运动等高性能车辆控制领域，以提高车辆的操控性能。
📄 摘要（原文）
This paper presents an original approach to vehicle obstacle avoidance. It involves the development of a nonlinear Model Predictive Contouring Control, which uses torque vectoring to stabilise and drive the vehicle in evasive manoeuvres at the limit of handling. The proposed algorithm combines motion planning, path tracking and vehicle stability objectives, prioritising collision avoidance in emergencies. The controller's prediction model is a nonlinear double-track vehicle model based on an extended Fiala tyre to capture the nonlinear coupled longitudinal and lateral dynamics. The controller computes the optimal steering angle and the longitudinal forces per each of the four wheels to minimise tracking error in safe situations and maximise the vehicle-to-obstacle distance in emergencies. Thanks to the optimisation of the longitudinal tyre forces, the proposed controller can produce an extra yaw moment, increasing the vehicle's lateral agility to avoid obstacles while keeping the vehicle stable. The optimal forces are constrained in the tyre friction circle not to exceed the tyres and vehicle capabilities. In a high-fidelity simulation environment, we demonstrate the benefits of torque vectoring, showing that our proposed approach is capable of successfully avoiding obstacles and keeping the vehicle stable while driving a double-lane change manoeuvre, in comparison to baselines lacking torque vectoring or collision avoidance prioritisation.