Trajectory Planning Using Tire Thermodynamics for Automated Drifting
作者: Takao Kobayashi, Trey P. Weber, J. Christian Gerdes
分类: eess.SY
发布日期: 2024-07-17
备注: This manuscript was accepted from IEEE Intelligent Vehicle Symposium (IV 2024) and will be published late August
💡 一句话要点
提出基于轮胎热力学的轨迹规划方法，用于自动漂移控制。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 自动驾驶 轨迹规划 轮胎热力学 摩擦估计 自动漂移 车辆动力学 LQR控制
📋 核心要点
- 传统自动驾驶运动规划将轮胎摩擦系数视为常数，忽略了轮胎温度对摩擦力的影响，导致控制精度下降。
- 论文提出一种简单的轮胎热力学模型，用于捕捉轮胎摩擦温度变化，从而更准确地估计轮胎摩擦力。
- 通过自动漂移实验验证了该模型的有效性，结果表明，该方法能够生成动态可行的轨迹，并提高控制精度。
📝 摘要（中文）
自动驾驶车辆需要估计轮胎与路面之间的摩擦信息，因为这在安全轨迹规划和车辆动力学控制中起着关键作用。值得注意的是，摩擦力不仅取决于路面条件，还取决于轮胎温度。然而，在自动驾驶车辆运动规划中，轮胎参数（如摩擦系数）通常被视为常数值。本文开发了一个简单的热力学模型，用于捕捉轮胎摩擦温度的变化。为了验证该模型，将其应用于自动漂移的轨迹规划——这是一个具有挑战性的应用，需要在摩擦极限下利用不稳定的漂移动态平衡。所提出的方法捕捉了隐藏的轮胎动力学特性，提供了动态可行的轨迹，从而在使用LQR（线性二次调节器）控制器进行实验时实现了更精确的跟踪。
🔬 方法详解
问题定义：自动驾驶车辆的轨迹规划需要准确的轮胎-路面摩擦信息，而传统的运动规划方法通常将轮胎摩擦系数视为常数，忽略了轮胎温度的影响。这导致在极限工况下，例如漂移，车辆的控制精度显著下降，甚至可能导致失控。因此，如何准确估计轮胎摩擦力，并将其纳入轨迹规划中，是一个亟待解决的问题。
核心思路：论文的核心思路是建立一个简单的轮胎热力学模型，该模型能够捕捉轮胎摩擦温度的变化，从而更准确地估计轮胎摩擦力。通过将该模型集成到轨迹规划中，可以生成更符合实际车辆动力学特性的轨迹，提高控制精度。这种方法考虑了轮胎的动态特性，使得车辆能够在极限工况下实现更稳定的控制。
技术框架：该方法主要包含两个模块：轮胎热力学模型和轨迹规划器。首先，轮胎热力学模型根据车辆的运动状态（如速度、滑移角等）和环境温度，计算轮胎的温度变化，进而估计轮胎的摩擦系数。然后，轨迹规划器利用该摩擦系数，生成满足车辆动力学约束的轨迹。最后，使用LQR控制器跟踪生成的轨迹。
关键创新：该论文的关键创新在于将轮胎热力学模型引入到自动驾驶车辆的轨迹规划中。与传统的将轮胎摩擦系数视为常数的方法相比，该方法能够更准确地估计轮胎摩擦力，从而生成更符合实际车辆动力学特性的轨迹。这种方法特别适用于需要利用极限摩擦力的工况，例如自动漂移。
关键设计：轮胎热力学模型的设计是关键。该模型需要考虑轮胎的生热和散热过程，以及轮胎温度对摩擦系数的影响。论文中采用了一个简化的热力学模型，该模型包含几个关键参数，如轮胎的热容、热传导系数等。这些参数可以通过实验标定。轨迹规划器可以使用各种优化算法，如二次规划或模型预测控制，来生成满足车辆动力学约束的轨迹。LQR控制器的设计需要根据车辆的动力学模型进行调整，以实现精确的轨迹跟踪。
🖼️ 关键图片
📊 实验亮点
实验结果表明，基于轮胎热力学模型的轨迹规划方法能够生成动态可行的轨迹，并在自动漂移实验中实现了更精确的轨迹跟踪。与传统的将轮胎摩擦系数视为常数的方法相比，该方法能够显著提高控制精度，使得车辆能够在极限工况下实现更稳定的控制。具体性能数据未知，但论文强调了LQR控制器的跟踪精度得到了提升。
🎯 应用场景
该研究成果可应用于自动驾驶车辆的运动规划和控制，特别是在需要利用极限摩擦力的场景中，如紧急避障、赛车等。通过更准确地估计轮胎摩擦力，可以提高车辆的操控性和安全性。此外，该模型还可以用于车辆动力学仿真和测试，为车辆的设计和优化提供参考。
📄 摘要（原文）
Automated vehicles need to estimate tire-road friction information, as it plays a key role in safe trajectory planning and vehicle dynamics control. Notably, friction is not solely dependent on road surface conditions, but also varies significantly depending on the tire temperature. However, tire parameters such as the friction coefficient have been conventionally treated as constant values in automated vehicle motion planning. This paper develops a simple thermodynamic model that captures tire friction temperature variation. To verify the model, it is implemented into trajectory planning for automated drifting - a challenging application that requires leveraging an unstable, drifting equilibrium at the friction limits. The proposed method which captures the hidden tire dynamics provides a dynamically feasible trajectory, leading to more precise tracking during experiments with an LQR (Linear Quadratic Regulator) controller.