Advances in planning and control for autonomous vehicles

Abstract

This thesis presents some advances to the state of the art of state estimation, automatic control and trajectory planning fields applied to autonomous vehicles. Such contributions have a common aspect throughout the thesis, all of them are model-based techniques. The Linear Parameter Varying (LPV) Takagi-Sugeno (TS) theory are used to generate control-oriented models by using the non-linear embedding approach. Several vehicle models are proposed depending on lhe application and estimation -control -planning technique. First, non-linear vehicle formulations are presented. Later, the same models are represented in the LPV form. In the area of control and estimation, the thesis shows different approaches for diferent applications: normal and racing driving modes. First, for normal driving, gain scheduling (GS) LPV state feedback techniques are developed. In the first instance, an LPV-Linear Quadratic Regulator (LQA) design via Linear Matrix lnequality (LMI) formulation is stated for control at low velocities. Later, a cascade scheme including kinematic and dynamic control layers is presented to improve the last design. Here, both controller designs are set up using the LPV-LQR design via LMI formulation and a LPV-Unknown Input Observer (UIO) is presented for estimating vehicle states and exogenous friction force. Second, for racing driving, optimal techniques are explored leading to introduce the Model Predictive Control (MPC) technique as a basis for racing behaviours. In the first instance, the cascade scheme is maintained where the outer control layer is governed by a TS -MPC controller. At this point, an advanced estimation technique is presented, the TS-Moving Horizon Estimator-UIO (TS-MHE-UIO). lt is shown that by using the TS formulation both optimal-based controller and estimator reduce greatly the computational effort in comparison to their non-linear formulation. Then, the idea of designing a unique controller is explored through the LPV-MPC technique. In this case, it is shown the potential of this strategy being able to be executed in real time in small embedded platforms for controlling the vehicle in racing situations. Finally, an online robust MPC is considered that aims at improving the computational load using zonotope theory while preservin high levels of robustness and performance in racing scenarios. In the area or planning, the thesis focuses on trajectory planning approaches from the optimal point of view. First, the non-linear MPC is formulated as a planner (NL-MPP) in space domain where the goal is the minimization of the total lap time.Later, an innovative real time solution is explored leading to a LPV-MPP. The method follows the structure of the model predictive optimal strategy where the main objective is to maximize the velocity while fulfilling varying constraints. In particular, the aim is on reformulating the non-linear original problem into a pseudo-linear problem by convexifying the objective function and making use of the LPV vehicle formulation.

Esta tesis presenta algunos avances en los campos de la estimación de estados, el control automático y la planificación de trayectorias aplicados a vehículos autónomos. Tales contribuciones comparten un particular aspecto a lo largo de la tesis, todas ellas son técnicas basadas en modelos. La teoría de Variación Lineal de Parámetros (VLP) y Takagi-Sugeno (TS) se utilizan para generar modelos orientados al control mediante el uso de enfoques de inclusión no lineal y de no linealidad sectorial. Se proponen diferentes modelos de vehículos según la aplicación y la técnica de estimación-control-planificación . Primero, se presentan los modelos de vehículos en la formulación no lineal. Más tarde, dichos modelos se reformulan como VLP . En el área de control y estimación, la tesis muestra diferentes enfoques para diferentes aplicaciones: modos de conducción normal y de carreras. Primero, para la conducción normal, se desarrollan técnicas de retroalimentación de estado VLP de programación de ganancia (PG). En primera instancia, un diseño de Regulador Cuadrático Lineal (RCL) VLP a través de la formulación de Desigualdad de Matriz Lineal (DML) se establece para el control del vehiculo a bajas velocidades. Más tarde, se presenta un esquema en cascada que incluye capas de control cinemático y dinámico para mejorar el último diseño . Aquí, ambos diseños de controlador se realizan utilizando el diseño VLP-LQR a través de la formulación LMI y un Observador de Entrada Desconocida (OED) VLP está preestablecido para estimar los estados del vehículo , así como la fuerza de fricción que actúa sobre el vehículo . Segundo , para la conducción en carreras, se exploran técnicas óptimas que conducen a introducir la técnica de Control de Modelo Predictivo (CMP) como base para los comportamientos de carrera. En primera instancia, el esquema en cascada se mantiene donde la capa de control externa está gobernada por un controlador TS-CMP . En este punto, se presenta una técnica de estimación avanzada, el TS-Moving Horizon Estimator-UIO (TS-MHE-OED) . Se demuestra que al usar la formulacion TS, tanto el controlador como el estimador óptimos reducen en gran medida el esfuerzo computacional en comparación con su formualción no lineal. Luego, la idea de diseñar un controlador único se explora a través de la técnica VLP-CMP . En este caso, se muestra el potencial de esta estrategia para poder ejecutarse en tiempo real en pequeñas plataformas integradas para controlar el vehículo en situaciones de carrera. Finalmente, se considera un CMP robusto en línea que tiene como objetivo mejorar la carga computacional utilizando la teoría de zonótopos mientras preserva altos niveles de robustez y rendimiento en escenarios de carreras. En el área de planificación, la tesis se centra en los enfoques de planificación de trayectorias desde el punto de vista óptimo . Primero, el CMP no lineal se formula como un planificador (NL-MPP) en el dominio espacial donde el objetivo es la minimización del tiempo de vuelta total. Más tarde, se explora una solución innovadora en tiempo real que conduce a un VLP-MPP. El método sigue la estructura de la estrategia óptima de modelo predictivo donde el objetivo principal es maximizar la velocidad mientras se cumplen las limitaciones dinámicas del vehiculo. En particular, el objetivo es reformular el problema original no lineal en un problema pseudo-lineal convexificando la función objetivo y haciendo uso de la formulación del vehículo VLP.