Dissertação

{en_GB=Sparse Predictive Control for Vehicle Motion} {} EVALUATED

{pt=Este trabalho propõe o desenvolvimento de uma estratégia de controlo baseada na aplicação da norma de penalização $\ell_1$ ao custo do esquema de Modelo de Controlo Preditivo para veículos autónomos. A estratégia de controlo resultante será denominada controlo preditivo esparso, ou controlador esparso, devido ao tipo de ação considerado. O veículo será modelado utilizando uma versão discretizada do modelo de um integrador simples, expresso em coordenadas cartesianas, bem como uma versão discretizada do modelo unicíclico, expressa em coordenadas polares, de modo a obter uma formulação não linear. Serão apresentados resultados de simulação, a fim de validar e avaliar a viabilidade da estratégia de controlo proposta, relativamente a parâmetros de otimização e restrições, aplicados num ambiente conhecido e preenchido por um dado conjunto de obstáculos. Será também levada a cabo uma análise comparativa relativamente à função de custo quadrática, ou convencional, do Modelo de Controlo Preditivo. Tendo por base os resultados das simulações, será demonstrada a viabilidade da estratégia de controlo proposta para o controlo do movimento de um veículo, bem como o efeito da seleção dos pesos de custo que configuram o controlador. Adicionalmente, a análise sugere que o controlador esparso poderá ser uma alternativa mais vantajosa, relativamente à implementação convencional do Modelo de Controlo Preditivo, especialmente no que toca à minimização do custo associado ao processo, resultando num consumo de combustível mínimo., en=This work proposes the development of a control strategy based on the use of $\ell_1$-norm penalty to the cost of Model Predictive Control (MPC) scheme for autonomous vehicles. The resulting control strategy will then be called sparse predictive control or sparse controller, because of the type of action considered. The vehicle is modeled using a discretized version of single integrator model expressed in Cartesian coordinates for a linear formulation, and a discretized version of unicycle model expressed in polar coordinates for a nonlinear formulation. Simulation results are provided to validate and evaluate the viability of the proposed control strategy in relation to the optimization parameters and constraints as applied in a known environment inhabited with given obstacles. A comparison analysis to quadratic or conventional cost function of MPC is also conducted. Based on the results from simulations, the feasibility of the proposed control strategy for vehicle motion control is shown as well as the effect of the selection of the cost weights that configure the controller. Furthermore, it can suggest that sparse controller is a better alternative to a conventional implementation of MPC, especially on the basis of minimizing the cost incurred during the process, resulting to a minimal fuel consumption.}
{pt=Esparsidade, Controlo Preditivo baseado em Modelos, Controlo de Horizonte Recidivo, Robô Móvel, Evitar Obstáculos., en=Sparsity, Model Predictive Control, Receding Horizon Control, Mobile Robot, Obstacle Avoidance.}

Setembro 13, 2018, 10:0

Orientação

ORIENTADOR

João Manuel Lage de Miranda Lemos

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático