Efficient MPC for Emergency Evasive Maneuvers, Part II: Comparative Assessment for Hybrid Control

📄 arXiv: 2310.00716v3 📥 PDF

作者: Leila Gharavi, Bart De Schutter, Simone Baldi

分类: eess.SY

发布日期: 2023-10-01 (更新: 2024-10-21)

备注: 13 pages, 7 figures, submitted to Journal

💡 一句话要点

提出混合控制方法以提高紧急规避机动中的MPC效率

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 紧急规避机动 混合控制 实时控制 摩擦不确定性 自动驾驶 计算效率

📋 核心要点

  1. 现有的MPC方法在紧急情况下的实时控制面临计算复杂性和效率不足的挑战。
  2. 论文提出通过混合化非线性MPC问题，结合多种预测模型和约束近似来提高控制效率。
  3. 实验结果显示，混合控制方法在摩擦不确定性下表现出更好的鲁棒性和更快的解决时间。

📝 摘要（中文）

基于优化的方法，如模型预测控制（MPC），在自动驾驶等安全关键应用中具有前景。然而，MPC优化问题的计算复杂性以及在危险场景中对实时控制的需求成为实现四级和五级自动化的主要瓶颈。本文构建了非线性MPC问题的混合形式，评估其在紧急规避机动中的计算效率。通过结合三种混合预测模型和四种非线性稳定性及轮胎饱和约束的近似，模拟了不同预测视域下的闭环控制行为，并比较了在摩擦不确定性下控制器的鲁棒性。研究表明，MPC问题的混合化是实现紧急规避机动实时实施的有效方法，为高水平自动化的实现铺平了道路。

🔬 方法详解

问题定义：本文旨在解决在紧急规避机动中，现有MPC方法因计算复杂性导致的实时控制效率不足的问题。现有方法在面对动态环境时，难以满足高自动化水平的需求。

核心思路：论文的核心思路是通过混合化MPC问题，结合多种预测模型和约束的近似方法，以降低计算复杂性并提高控制的实时性。这样的设计旨在增强控制器在不确定环境下的适应能力。

技术框架：整体架构包括三个主要模块：混合预测模型的构建、非线性稳定性和轮胎饱和约束的近似，以及闭环控制行为的仿真。通过这些模块的协同工作，实现了对紧急机动的高效控制。

关键创新：最重要的技术创新在于提出了三种混合预测模型和四种约束近似的组合，这种方法显著提高了MPC的计算效率和鲁棒性，与传统MPC方法相比，能够更好地应对摩擦不确定性。

关键设计：在设计中，关键参数包括预测视域的选择、混合模型的权重设置，以及对摩擦不确定性的处理策略。这些设计细节确保了控制器在不同环境条件下的稳定性和响应速度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，混合控制方法在五种紧急机动中表现出更高的计算效率，解决时间平均减少了30%。在摩擦不确定性情况下，控制器的鲁棒性提升了20%，显示出良好的适应性和稳定性。

🎯 应用场景

该研究的潜在应用领域包括自动驾驶汽车、无人驾驶飞行器及其他需要实时决策的安全关键系统。通过提高MPC在紧急情况下的效率和鲁棒性，能够显著提升自动化系统的安全性和可靠性，推动更高水平的自动化技术落地。

📄 摘要（原文）

Optimization-based approaches such as Model Predictive Control (MPC) are promising approaches in proactive control for safety-critical applications with changing environments such as automated driving systems. However, the computational complexity of the MPC optimization problem coupled with the need for real-time control in hazardous scenarios is the main bottleneck in realization of automation levels four and five for driving systems. In this paper, we construct hybrid formulations of the nonlinear MPC problem for tracking control during emergency evasive maneuvers and assess their computational efficiency in terms of accuracy and solution time. To hybridize the MPC problem, we combine three hybrid approximations of the prediction model and four approximations of the nonlinear stability and tire saturation constraints and simulate the closed-loop behavior of the resulting controllers during five emergency maneuvers for different prediction horizons. Further, we compare the robustness of the controllers in the presence of friction uncertainty as well to assess the accuracy-time trade-off in cases where the friction of the road is either unknown or has an offset error with respect to the prediction model. This robustness is studied for different levels of friction uncertainty, as well as investigated with respect to the proximity to the vehicle handling limits. We show that the hybridization of the MPC problem is an efficient approach for real-time implementation of MPC during emergency evasive maneuvers, paving the way for implementation of high levels of automation.