A Nonlinear Model Predictive Control for Automated Drifting with a Standard Passenger Vehicle
作者: Stan Meijer, Alberto Bertipaglia, 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
提出基于非线性模型预测控制的自动漂移方案，适用于标准乘用车
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 自动漂移 非线性模型预测控制 车辆动力学 路径跟踪 高侧滑角控制
📋 核心要点
- 现有自动驾驶技术在极端工况下（如漂移）的控制能力不足，难以保证车辆稳定性和路径跟踪精度。
- 该论文提出一种基于非线性模型预测控制的自动漂移方案，通过平衡图、预测控制和路径跟踪三部分协同工作。
- 实验结果表明，该方案能够在高、低摩擦路面上实现车辆的稳定漂移，并有效减小路径偏差。
📝 摘要（中文）
本文提出了一种针对标准乘用车的自动漂移新方法，该方法采用非线性模型预测控制（NMPC）来稳定车辆并将其维持在高侧滑角状态。所提出的控制器架构分为三个部分。第一部分是离线计算的平衡图，它为每个车辆状态提供给定期望侧滑角和路径半径的平衡点。第二部分是预测控制器，用于最小化平衡状态和实际车辆状态之间的误差。第三部分是路径跟踪控制器，它通过改变平衡曲率路径来减少路径误差。在高保真仿真环境中，我们验证了该控制器架构在沿期望路径自动漂移时稳定车辆的能力，最大横向路径偏差为1米。在标准乘用车的实验中，我们证明了所提出的方法能够在高摩擦和低摩擦条件下将车辆带入并保持在期望的30度侧滑角。
🔬 方法详解
问题定义：论文旨在解决标准乘用车在自动漂移过程中的车辆稳定性和路径跟踪问题。现有方法在处理高侧滑角等极端工况时，难以实现精确控制，容易导致车辆失稳或偏离期望路径。因此，需要设计一种能够有效控制车辆在高侧滑角下运动状态，并保证路径跟踪精度的控制策略。
核心思路：论文的核心思路是将自动漂移控制问题分解为三个部分：确定平衡状态、预测控制和路径跟踪。首先，通过离线计算得到平衡图，为不同车辆状态提供对应的平衡点。然后，利用预测控制器最小化实际状态与平衡状态之间的误差，从而稳定车辆。最后，通过路径跟踪控制器调整平衡曲率路径，减小路径偏差。这种分层控制策略能够有效应对漂移过程中的非线性特性和不确定性。
技术框架：整体架构包含三个主要模块：离线平衡图计算模块、非线性模型预测控制模块和路径跟踪控制模块。离线平衡图计算模块根据车辆动力学模型和期望侧滑角、路径半径，计算出车辆的平衡状态。非线性模型预测控制模块以平衡状态为目标，通过预测车辆未来状态并优化控制输入，最小化状态误差。路径跟踪控制模块根据实际路径与期望路径的偏差，调整平衡曲率路径，实现精确的路径跟踪。
关键创新：该方法的主要创新在于将非线性模型预测控制应用于自动漂移控制，并结合离线平衡图和路径跟踪控制，实现了对车辆在高侧滑角下的精确控制。与传统的线性控制方法相比，非线性模型预测控制能够更好地处理漂移过程中的非线性特性。此外，离线平衡图的引入降低了在线计算的复杂度，提高了控制器的实时性。
关键设计：非线性模型预测控制器的目标函数通常包含状态误差和控制输入两部分。状态误差部分用于最小化实际状态与平衡状态之间的偏差，控制输入部分用于约束控制输入的幅值和变化率。预测时域和控制时域的选择需要根据车辆动力学特性和控制目标进行调整。路径跟踪控制器的设计需要考虑路径偏差和航向角偏差，常用的方法包括PID控制和模型预测控制。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法能够在高保真仿真环境中实现车辆的稳定漂移，最大横向路径偏差为1米。在真实车辆实验中，该方法能够在高摩擦和低摩擦条件下将车辆带入并保持在期望的30度侧滑角。这些结果验证了该方法在自动漂移控制方面的有效性和鲁棒性。
🎯 应用场景
该研究成果可应用于高级驾驶辅助系统（ADAS）和自动驾驶领域，尤其是在需要车辆具备高机动性和操控性的场景中，例如：极限运动表演、赛车运动、紧急避险等。此外，该技术还可以用于车辆动力学控制的研究和开发，为提高车辆的安全性和操控性提供新的思路。
📄 摘要（原文）
This paper presents a novel approach to automated drifting with a standard passenger vehicle, which involves a Nonlinear Model Predictive Control to stabilise and maintain the vehicle at high sideslip angle conditions. The proposed controller architecture is split into three components. The first part consists of the offline computed equilibrium maps, which provide the equilibrium points for each vehicle state given the desired sideslip angle and radius of the path. The second is the predictive controller minimising the errors between the equilibrium and actual vehicle states. The third is a path-following controller, which reduces the path error, altering the equilibrium curvature path. In a high-fidelity simulation environment, we validate the controller architecture capacity to stabilise the vehicle in automated drifting along a desired path, with a maximal lateral path deviation of 1 m. In the experiments with a standard passenger vehicle, we demonstrate that the proposed approach is capable of bringing and maintaining the vehicle at the desired 30 deg sideslip angle in both high and low friction conditions.