LPV/Gain-Scheduled lateral control architectures for autonomous vehicles
Architectures de contrôle latéral LPV/Gain-Scheduled pour véhicules autonomes
Résumé
This thesis deals with the problem of designing Linear Parameter Varying (LPV) based Gain-scheduling controllers for the lateral control system, needed for a passenger vehicle to steer automatically in autonomous mode. The main objective of this thesis is to suggest an automatic steering system that provides safety for the passenger and sustain comfort while performing fast maneuvers according to the reference trajectory.The proposed lateral control system architectures are based-on the a) Polytopic and b) Gridded parameter space approaches to design such LPV dynamic output feedback controllers. Subsequently, a study is conducted to design a controller to avoid method's conservatism issues, assure H-infinity performance guaranteeswhile taking into account the error tracking dynamics.The main scenarios of lateral control this work aims at tackling, are the lane-tracking and the switching of lanes. At first is treated solely the lane-keeping problem for varying longitdunal speed and then, the transition between these scenarios. In the LPV framework, this transition is modeled to adapt the controller's performance in real-time according to the treated scenario. The same aplication is also formulated as a real-time optimization problem, called Reference Governor, that feeds a virtual referencefor which the gain-scehduled controller can handle both tracking and switching lanes maneuvers and closed-loop state constraints are respected.The proposed control architectures are validated at first on high-fidelity simulators for several scenarios. Moreover, the embedded control code is deployed on an automated electric Renault Zoe's software and tested in a real test track for low speed turns and high-velocity curves. Thus, the suggested methods are validated through ana analysis of the collected experimental results and proving in that way the encouraging performance.
Cette thèse traite du problème de la conception de contrôleurs à base de LPV (Linear Parameter Varying) et de Gain-scheduling pour le système de contrôle latéral, nécessaire pour qu'un véhicule de passagers puisse se diriger automatiquement en mode autonome. L'objectif principal de cette thèse est de proposer un système de direction automatique qui assure la sécurité du passager et maintient le confort tout en effectuant des manœuvres rapides selon la trajectoire de référence.Les architectures de système de contrôle latéral proposées sont basées sur les approches a) Polytopique et b) Gridded de l'espace des paramètres pour concevoir de tels contrôleurs dynamiques à rétroaction de sortie LPV. Par la suite, une étude est menée pour concevoir un contrôleur permettant d'éviter les problèmes de conservatisme de la méthode, d'assurer des garanties de performance H-infinitout en tenant compte de la dynamique de suivi des erreurs.Les principaux scénarios de contrôle latéral que ce travail vise à aborder sont le suivi de voie et le changement de voie. Dans un premier temps, nous traitons uniquement le problème du maintien dans la voie pour une vitesse longitudinale variable, puis la transition entre ces scénarios. Dans le cadre du LPV, cette transition est modélisée pour adapter en temps réel les performances du contrôleur en fonction du scénario traité. La même application est également formulée comme un problème d'optimisation en temps réel, appelé Gouverneur de référence, qui alimente une référence virtuellepour laquelle le contrôleur à gain régulé peut gérer à la fois les manœuvres de suivi et de changement de voie et les contraintes d'état en boucle fermée sont respectées.Les architectures de contrôle proposées sont d'abord validées sur des simulateurs haute-fidélité pour plusieurs scénarios. De plus, le code de contrôle embarqué est déployé sur un logiciel de Renault Zoe électrique automatisé et testé sur une piste d'essai réelle pour des virages à basse vitesse et des courbes à haute vitesse. Ainsi, les méthodes suggérées sont validées par une analyse des résultats expérimentaux collectés et prouvent ainsi leurs performances encourageantes.
| Origine | Version validée par le jury (STAR) |
|---|