Nonlinear Model Predictive Control for Enhanced Path Tracking and Autonomous Drifting through Direct Yaw Moment Control and Rear-Wheel-Steering

📄 arXiv: 2406.02198v2 📥 PDF

作者: Gaetano Tavolo, Pietro Stano, Davide Tavernini, Umberto Montanaro, Manuela Tufo, Giovanni Fiengo, Pietro Perlo, Aldo Sorniotti

分类: eess.SY

发布日期: 2024-06-04 (更新: 2024-10-08)

备注: 7 pages, 2 figures, published in the 16th International Symposium on Advanced Vehicle Control. AVEC 2024. Lecture Notes in Mechanical Engineering. Springer, Cham, pp. 854 861, 2024

DOI: 10.1007/978-3-031-70392-8_120

💡 一句话要点

提出基于非线性模型预测控制的路径跟踪方法，通过直接横摆力矩控制和后轮转向实现自主漂移。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 非线性模型预测控制 路径跟踪 自主漂移 直接横摆力矩控制 四轮转向 车辆动力学 主动安全

📋 核心要点

  1. 现有路径跟踪控制器难以在极限工况下复现赛车驾驶技术，限制了主动安全性能的提升。
  2. 该论文提出一种NMPC方法，通过集成四轮转向、纵向轮胎力分配和直接横摆力矩控制，实现自主漂移。
  3. 仿真结果表明，该方法能够有效提升路径跟踪性能，突破传统稳定控制器的限制，实现更优的车辆控制。

📝 摘要（中文）

本文提出了一种非线性模型预测控制（NMPC）方法，该方法集成了多种执行机构，包括四轮转向、纵向轮胎力分配和直接横摆力矩控制，以便在紧急情况下，当漂移有利于路径跟踪（PT）时执行漂移。基于实验验证的车辆模型进行的具有挑战性的机动仿真结果表明，以下因素显著提高了PT性能：i）车辆在当前一代稳定性控制器强制执行的范围之外运行；ii）多个执行机构的集成控制。

🔬 方法详解

问题定义：论文旨在解决车辆在紧急情况下，传统路径跟踪控制器无法有效利用漂移等极限驾驶技术，导致主动安全性能受限的问题。现有方法通常依赖于车辆稳定性控制，限制了车辆的运动范围，无法充分发挥车辆的操控潜力。

核心思路：论文的核心思路是利用非线性模型预测控制（NMPC）框架，将多种执行机构（四轮转向、纵向轮胎力分配、直接横摆力矩控制）进行集成控制，从而实现车辆在极限工况下的精确路径跟踪。通过预测车辆未来的运动状态，并优化控制输入，使车辆能够在必要时进行漂移，以提高路径跟踪性能。

技术框架：该方法采用NMPC作为控制框架，主要包含以下模块：1) 车辆动力学模型：用于预测车辆在不同控制输入下的运动状态。该模型需要能够准确描述车辆的非线性特性，尤其是在轮胎进入饱和区后的行为。2) 目标函数：用于定义控制目标，例如最小化路径跟踪误差、控制输入等。3) 约束条件：用于限制车辆的运动范围和控制输入，例如轮胎附着力约束、执行机构的物理限制等。4) 优化求解器：用于求解NMPC问题，得到最优的控制输入序列。

关键创新：该论文的关键创新在于将多种执行机构集成到NMPC框架中，并利用直接横摆力矩控制和后轮转向来实现自主漂移。与传统的路径跟踪方法相比，该方法能够更好地利用车辆的操控潜力，提高在极限工况下的路径跟踪性能。此外，该方法还能够突破传统稳定性控制器的限制，允许车辆在一定程度上进入不稳定区域，从而实现更灵活的运动控制。

关键设计：论文中，车辆动力学模型基于实验数据进行验证，保证了模型的准确性。目标函数的设计综合考虑了路径跟踪误差和控制输入的平滑性，以提高控制性能和舒适性。约束条件的设计考虑了轮胎附着力约束和执行机构的物理限制，保证了控制的安全性。NMPC问题的求解采用合适的优化算法，以保证求解效率和精度。

📊 实验亮点

仿真结果表明，该方法能够显著提高路径跟踪性能。通过集成多种执行机构和允许车辆进行漂移，该方法能够突破传统稳定性控制器的限制，实现更优的车辆控制。具体的性能数据（例如路径跟踪误差的降低幅度）在论文中进行了详细的展示和分析，证明了该方法的有效性。

🎯 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，尤其是在紧急避障、车辆失控等极端情况下，能够显著提升车辆的安全性和操控性。此外，该方法还可以应用于赛车运动，帮助赛车手更好地控制车辆，提高比赛成绩。未来，该技术有望在智能交通系统中发挥重要作用，提高道路交通的安全性和效率。

📄 摘要（原文）

Path tracking (PT) controllers capable of replicating race driving techniques, such as drifting beyond the limits of handling, have the potential of enhancing active safety in critical conditions. This paper presents a nonlinear model predictive control (NMPC) approach that integrates multiple actuation methods, namely four-wheel-steering, longitudinal tyre force distribution, and direct yaw moment control, to execute drifting when this is beneficial for PT in emergency scenarios. Simulation results of challenging manoeuvres, based on an experimentally validated vehicle model, highlight the substantial PT performance improvements brought by: i) vehicle operation outside the envelope enforced by the current generation of stability controllers; and ii) the integrated control of multiple actuators.