Dissertação

{en_GB=Hybrid Modeling and Control for an Autonomous Passenger Car} {} EVALUATED

{pt=A popularidade dos veículos autónomos tem vindo a ser cada vez maior nos últimos anos. Garantir a segurança destes sistemas é de extrema importância para uma introdução adequada na sociedade. Neste trabalho, iremos modelar o veículo como um sistema híbrido - combinando estados discretos em que cada um, o sistema evolui de acordo com uma dinâmica contínua diferente. Esta tese apresenta uma arquitetura para controlar tais sistemas, ligeiramente inspirada em como as pessoas conduzem e intuitivamente assimilam as incertezas dessa tarefa. Iremos aplicar ideias da Teoria da Viabilidade, tais como núcleos de viabilidade, de modo a restringir as entradas do sistema a apenas aquelas consideradas seguras. O núcleo de viabilidade é o maior subconjunto das restrições no qual existe pelo menos uma trajetória que comece aí e aí permaneça durante um certo tempo. Melhoramos um algoritmo existente para calcular o núcleo de viabilidade, baseado em amostras da fronteira do conjunto de restrições. A adaptação resultou num algoritmo mais rápido e que é intuitivamente estendido para sistemas não-lineares descritos por equações diferenciais de primeira ordem, contínuas e convexas nas variáveis de entrada. A exatidão dos resultados após a adaptação é demonstrada. Alegamos que o nosso algoritmo, para sistemas não lineares e em certas condições, tem melhor complexidade assimptótica do que os usais métodos de discretização do espaço de estados. Resultados sobre a convexidade de núcleos de viabilidade para certas classes de inclusões diferenciais são também apresentados., en=The popularity of autonomous vehicles has been gaining momentum in the last few years. Safety assessment of such systems is of utmost importance for a commercial certification. In this work, we will be modeling the vehicle as an Hybrid System - combining discrete states where in one of them, the system displays a different continuous-time dynamics. This thesis presents an architecture to control such system, inspired on how humans drive, and, intuitively embed uncertainty. We employ ideas from Viability Theory, such as viability kernels, to restrict the system's inputs to the safe ones. The viability kernel is the largest subset of the constraint set where at least one trajectory starting there remains inside the constraint set for some time. We improved an existing algorithm to compute finite-time viability kernels, based on sampling the boundary of the constraint set. The novel feature implies that the algorithm is faster than the previous ones and is naturally extended to non-linear systems described by a first order, continuous, differential equation, convex in the input variables. Proofs validating the properties of the novel algorithm are presented. We claim that, for non-linear systems and in some conditions, our algorithm has better asymptotic complexity than the usual griding methods. Results on the convexity of the infinite-time viability kernel for some class of differential inclusions are also given.}
{pt=Veículos Autónomos, Sistemas Híbridos, Núcleo de Viabilidade, Atingibilidade, Analise de funções multi-valoradas, Sistemas não-lineares, en=Autonomous Vehicles, Hybrid Systems, Viability Kernel, Reachability, Set-Valued Analysis, Non-Linear Systems}

Junho 18, 2018, 12:0

Orientação

ORIENTADOR

João Fernando Cardoso Silva Sequeira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar