461

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

ISBN: 978-85-8001-069-5
IDENTIFICA C

AO DO MODELO DIN

AMICO LONGITUDINAL DE UM CARRO

AUT

ONOMO
Jullierme Emiliano Alves Dias

, Guilherme Augusto Silva Pereira

, Reinaldo
Martinez Palhares

Programa de Pos-Graduacao em Engenharia Eletrica

Universidade Federal de Minas Gerais

Grupo de Pesquisa e Desenvolvimento de Veculos Autonomos

Universidade Federal de Minas Gerais
Av. Antonio Carlos, 6627, Pampulha, 31270-901, Belo Horizonte, Minas Gerais, Brasil
Emails: julliermeead@ufmg.br, gpereira@ufmg.br, palhares@cpdee.ufmg.br
Abstract This paper presents the design of a model that represents the longitudinal dynamic of the au-
tonomous car under development by the Grupo de Pesquisa e Desenvolvimento de Veculos Autonomos (PDVA)
at UFMG. Information from the cars physics equations are used along with system identication techniques.
Experimental data is used in the steps of parameter estimation and validation. The nal model will be applied
to synthesize a longitudinal velocity controller for the autonomous car.
Keywords Autonomous Car; Longitudinal Dynamic, System Identication, Modeling, Parameter Estima-
tion.
Resumo Este artigo apresenta a concepcao de um modelo que represente a dinamica longitudinal do carro
autonomo desenvolvido pelo Grupo de Pesquisa e Desenvolvimento de Veculos Autonomos (PDVA) da UFMG.
Para isso, informacoes extradas das equacoes da fsica do carro sao utilizadas juntamente com tecnicas de
identicacao estocastica de sistemas. Dados reais coletados por meio de experimentos sao utilizados nas etapas
de estimacao de parametros e de validacao. O modelo resultante desse trabalho servira, no futuro, para a sntese
de um controlador de velocidade longitudinal para o carro autonomo.
Palavras-chave Carro Autonomo; Dinamica Longitudinal; Identicacao de Sistemas; Modelagem; Estima-
cao de Parametros.
1 Introdu cao
As pesquisas com veculos aut onomos ganharam
forca nos ultimos tempos devido aos atuais pro-
blemas de mobilidade nos grandes centros urba-
nos mundiais. Espera-se que, alem de melhorar
a uidez do transito, estes veculos tragam maior
seguran ca, conforto e economia de combustvel.
Carros aut onomos tornaram-se destaque atra-
ves de competi c oes da Agencia de Defesa Ameri-
cana (DARPA, do ingles, Defense Advanced Rese-
arch Projects Agency) (Seetharaman et al., 2006).
Nelas, carros comerciais foram adaptados para
comportarem-se como rob os aut onomos e desaa-
dos a realizar trajetos em trilhas deserticas (edi-
coes de 2004 e 2005) e em ambientes urbanos (edi-
cao de 2007). Varias companhias automobilsti-
cas, universidades e entidades governamentais se
uniram para realizar pesquisas nesta area, bus-
cando desenvolver novas tecnologias e acreditando
ser um dos caminhos para o futuro da mobilidade.
Dois carros autonomos que obtiveram alto desem-
penho e destaque nas edi c oes do DARPA foram
os campe oes Stanley (Thrun et al., 2006) e Boss
(Urmson et al., 2009), ambos com parceria entre
ind ustrias automobilsticas e universidades.
No ambito da Universidade Federal de Minas
Gerais (UFMG), ha cinco anos, o grupo de Pes-
quisa e Desenvolvimento de Veculos Aut onomos
(PDVA) trabalha na concep c ao do Carro Aut o-
Figura 1: Carro Autonomo Desenvolvido na
UFMG (CADU) - Autom ovel comercial de mo-
delo Chevrolet Astra Sedan 2003 adaptado para
adquirir caractersticas de um rob o aut onomo.
nomo Desenvolvido na UFMG (CADU), que e
um autom ovel comercial, modelo Chevrolet Astra
Sedan 2003, com transmiss ao autom atica, freios
com sistema anti-bloqueio (ABS) e acelera c ao
sem cabo (drive-by-wire). Foram adicionados ao
CADU sensores e atuadores, integrados por uma
rede de tempo real baseada no protocolo Mod-
bus sobre a camada fsica RS-485 e interligada a
uma central de processamento, presente no porta-
malas do veculo (Arruda, 2012). Uma fotograa
do CADU e exibida na Figura 1.
Este artigo esta relacionado ao sistema de con-
462
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
trole do CADU. Em carros aut onomos, o sistema
de controle e geralmente dividido entre os contro-
ladores longitudinal e lateral. O primeiro refere-se
a regulacao da velocidade do veculo, ja o segundo,
ao movimento da dire c ao. H a principalmente
duas formas encontradas na literatura (Khodayari
et al., 2010) para projetar estes controladores.
Uma se d a atraves da imita c ao da forma hu-
mana de dirigir, na maioria das vezes utilizando
logica fuzzy, como visto em (Chiang et al., 2006),
(Cai et al., 2010) e (Yang e Zheng, 2007). J a
a outra forma, que sera aquela utilizada no sis-
tema de controle do carro em quest ao, refere-se
ao uso de um modelo da din amica do carro junta-
mente com as teorias de controle, como apresen-
tado em (Girard et al., 2005) e (Liang et al., 2003).
O objetivo do trabalho descrito neste artigo e
encontrar um modelo que represente o comporta-
mento da din amica longitudinal do Carro Aut o-
nomo Desenvolvido na UFMG. Para isso, infor-
ma c oes obtidas das equa c oes da fsica do carro
s ao inseridas nas tecnicas de identica c ao, com
base em dados reais coletados por meio de expe-
rimentos. Assim, pode-se dizer que a tecnica de
identicacao utilizada neste artigo e do tipocaixa
cinza (Aguirre, 2007). Nos experimentos realiza-
dos, a entrada do sistema e o nvel de potencia
fornecida ao motor e a sada e a velocidade das
rodas. O modelo dinamico encontrado servira no
futuro para a sntese de um controlador de veloci-
dade longitudinal para carro aut onomo.
Este artigo esta organizado como se segue: a
pr oxima se c ao apresenta a obten c ao das equa c oes
do modelo din amico a ser identicado e a Se c ao 3
descreve o processo da estima c ao dos par ametros
deste modelo. A Se c ao 4 apresenta os testes din a-
micos realizados com o carro aut onomo e a Se c ao 5
os resultados obtidos. A valida c ao do modelo e
mostrada na Se c ao 6 e, nalmente, conclus oes e
propostas para trabalhos futuros s ao discutidos na
Se c ao 7.
2 Equa c oes do Modelo
Como visto em (Osman et al., 2009), de uma
forma geral, a dinamica longitudinal de um carro
comercial pode ser descrita pela segunda lei de
Newton (princpio fundamental da din amica). A
forca inercial aplicada ao carro e resultado do so-
mat orio das for cas: de atrito viscoso das pe cas in-
ternas (F
int
); de atrito aerodin amico (F
aero
); de
frenagem (F
freio
); da componente gravitacional
de subida e descida (F
grav
); e a for ca exercida pelo
motor ` as rodas tracion aveis atraves do sistema de
transmiss ao (F
motor
). Assim, tem-se a seguinte
equa c ao:
M
d
dt
v = F
int
+ F
aero
+ F
freio
+ F
grav
+ F
motor
,
(1)
onde M representa a massa total do veculo e v a
sua velocidade longitudinal.
Neste trabalho, considera-se a situa c ao em
que o carro movimenta-se num plano horizon-
tal, sem aplica c ao do freio e em baixas velocida-
des. Nestas condi c oes, as parcelas de for ca, F
grav
,
F
freio
e F
aero
podem ser consideradas desprezveis
na Equa c ao (1).
A for ca F
motor
da Equa c ao (1), que representa
a principal for ca causadora do movimento, e cau-
sada pelo motor ` a combust ao e e transferida ao
carro pelo sistema de transmiss ao. Tais elementos
apresentam comportamentos n ao-lineares. Alem
do mais, diversos mecanismos s ao eventualmente
acoplados a este sistema (condicionador de ar, di-
recao hidraulica, servofreio, arrefecedor, etc). As-
sim, descrever todas as equa c oes fsicas que re-
presentem a composi c ao desta parcela de for ca e
uma tarefa complexa. De acordo com (Osman
et al., 2009), uma boa aproxima c ao para um motor
`a combustao, no entanto, e representa-lo por um
sistema linear de primeira ordem com constante
de tempo T, ganho K e atraso no tempo e com
satura c ao de entrada, onde a satura c ao mnima e
o nvel de potencia de ponto morto e a satura c ao
m axima e um valor de seguran ca estabelecido pelo
sistema de carbura c ao ou inje c ao eletr onica.
Assim, colocando a Equa c ao (1) no domnio
da frequencia (transformada de Laplace), na si-
tua c ao anteriormente abordada (movimento num
plano horizontal, sem o acionamento do freio e em
baixas velocidades), pode-se representar a din a-
mica longitudinal do carro pelo diagrama de blo-
cos mostrado na Figura 2. A parcela de for ca de
atrito viscoso das pe cas internas (F
int
) e tratada
de forma cl assica, sendo esta for ca proporcional ` a
velocidade longitudinal mediante a constante de
atrito viscoso B.
Figura 2: Diagrama de blocos do sistema dina-
mico.
Calculando a fun c ao de transferencia resul-
tante do diagrama de blocos mostrado na Fi-
gura 2, tendo como entrada u e sada v, obtem-se
G(s) =
V (s)
U(s)
=
K
MT
e
s
(s +
1
T
)(s +
B
M
)
. (2)
A Equa c ao (2) representa a din amica do carro
em tempo contnuo. Para utilizar este modelo em
463
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
aplica c oes computacionais e necess ario discretiz a-
lo. A discretizacao e feita por meio da aplicacao
da transformada Z, mediante a inser c ao de um
segurador de ordem zero (ZOH, do ingles, Zero
Order Hold).
Assim, uma transforma c ao direta do modelo
contnuo para o discreto pode ser obtido por:
G(z) = (1 z
1
)Z

G(s)
s

. (3)
Com a aplica c ao do ZOH, tanto a entrada
quanto a sada s ao amostrados simultaneamente
a cada intervalo de tempo xo T
a
. Por esta razao,
a sada permanece atrasada por pelo menos uma
amostra em rela c ao ` a entrada.
O desenvolvimento da Equa c ao (3), conside-
rando G(s) descrito na Equa c ao (2) resulta em:
G(z) =
V (z)
U(z)
=
+ z
1
1 + z
1
+ z
2
z

T
a
, (4)
sendo

T
a
N|

T
a
1

e cujos parametros , ,
e s ao dados, respectivamente, por:
= K

(BT M) + (e

BT
a
M 1)TB +M(e

T
a
T 1)
B(BT M)

,
= K

(BT M) e

BT
a
M TB e

T
a
T M
B(BT M)

,
= (e

T
a
T +e

BT
a
M ) e
= e

T
a
T
+
BT
a
M

.
A expressao encontrada para G(z) apresenta
par ametros desconhecidos e de difcil obten c ao
(K,T,B, M e ), uma vez que estes depende-
riam de ensaios individuais do motor, transmissao
e carroceria. Alem do mais, como mencionado an-
teriormente, e sabido que o carro possui uma di-
n amica n ao-linear e que estes par ametros podem
apresentar varia c oes de acordo com o ponto de
opera c ao. Neste trabalho, com o intuito de evitar
algumas destas diculdades, tecnicas de estima-
cao de parametros serao utilizadas para encontrar
os par ametros da estrutura determinada pela f-
sica do processo, caracterizando assim uma mo-
delagem caixa cinza. Esta etapa e mostrada na
pr oxima se c ao.
3 Estima cao de Parametros
A Equacao (4) representa um modelo discreto
para o sistema din amico na forma de fun c ao de
transferencia. Porem, para aplica c oes em identi-
ca c ao, existem algumas representa c oes matem ati-
cas que mostram ser mais adequadas. Neste traba-
lho optou-se por representar a Equacao (4) como
um modelo autoregressivo com entradas ex oge-
nas (ARX, do ingles, AutoRegressive with eXoge-
nous inputs). Uma representa c ao para um modelo
ARX e dada por
A(q)y(k) = B(q)u(k) + v(k) , (5)
sendo y(k) , u(k) e v(k), respectivamente, a sada,
a entrada e o rudo branco para um dado instante
de tempo k. A(q) e B(q) s ao polin omios do tipo
A(q) = 1 a
1
q
1
... a
n
y
q
n
y
,
B(q) = b
1
q
1
+ ... + b
n
u
q
n
u
,
onde q
1
e o operador de atraso. Os coecien-
tes a
1
, a
2
, ..., a
n
y
e b
1
, b
2
, ..., b
n
u
s ao os par ametros
relacionados aos atrasos da sada e entrada, res-
pectivamente.
As equa c oes (4) e (5) relacionam-se entre si
pelo fato de que o operador de atraso (q
1
) e ob-
tido diretamente da transformada unilateral Z da
resposta ao impulso do processo por q
1
= z
1
(Aguirre, 2007). Assim, e possvel transformar o
modelo da Equa c ao (4) diretamente em um mo-
delo ARX:
y(k) = a
1
y(k1) + a
2
y(k 2) + b
1
u(k

T
a
)
+ b
2
u(k

T
a
1) + e(k) , (6)
sendo a
1
= , a
2
= , b
1
= e b
2
= .
A estima c ao dos par ametros da Equa c ao (6)
e realizada pelo Metodo dos Mnimos Quadrados.
Para isso, o modelo deve ser expresso na forma
y(k) =
T
(k 1)

+ (k) , (7)
onde
T
(k 1) e o vetor de regressores de sada
e entrada tomadas ate o instante k 1 e

e o
vetor de par ametros estimados no instante k, cujos
elementos correspondem a cada regressor. (k)
representa o resduo de estimacao entre os dados
medido y(k) e estimado y(k).
Quando aplicado a uma massa de dados, a
Equacao (7) assume a seguinte forma matricial
Y =
T

+ , (8)
onde o vetor de par ametros

e obtido atraves da
da solu c ao mnima em norma:

MQ
=

T
Y . (9)
Os dados utilizados para a estima c ao de par a-
metros s ao adquiridos atraves de testes din amicos
com o veculo, como ser a visto na pr oxima se c ao.
4 Testes Dinamicos e Aquisicao de Dados
A qualidade dos par ametros estimados pelo pro-
cesso de identica c ao depende do grau de excita-
cao que o sistema dinamico foi submetido durante
a aquisi c ao de dados. Quanto maior persistencia
de excita c ao, mais con aveis os valores para os
quais os par ametros convergem. Diante deste fato,
464
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
s ao escolhidos como entrada dos testes din amicos
Sinais Bin arios Pseudo Aleat orios (PRBS, do in-
gles, Pseudo Random Binary Signals). Estes si-
nais podem ser gerados por meio da opera c ao OU-
Exclusivo, cujos parametros sao: n umero de bits
(n), nveis mnimo (V ) e m aximo (+V ) e tempo
mnimo de mudan ca de nvel (T
b
). O par ametro
T
b
e denido com o auxlio de uma resposta do sis-
tema ` a entrada degrau. Segundo (Aguirre, 2007),
bons resultados s ao obtidos quando T
b
e escolhido
com valores entre um decimo e um ter co da menor
constante de tempo do sistema (T
min
).
Em se tratando do sistema dinamico em es-
tudo neste artigo, aplicam-se sinais PRBS na en-
trada do sistema, que e o nvel de potencia forne-
cido ao motor (acelerador do veculo), e captura-
se como sada a velocidade registrada em m/s por
meio de encoders instalados nas rodas. Este pro-
cesso e realizado utilizando a rede de tempo real
do veculo (Arruda et al., 2011). Ao m dos tes-
tes, os dados s ao disponibilizados em arquivos con-
tendo a evolu c ao temporal da sada dos sensores
e as entradas dos atuadores.
Esses dados sao utilizados apenas na etapa de
estima c ao de par ametros. Para a valida c ao do mo-
delo, novos testes, similares ` a condi c ao de opera-
cao normal do veculo, sao realizados. A proxima
se c ao mostra alguns destes dados e os resultados
do processo de identica c ao.
5 Resultados Experimentais
Como descrito na se c ao anterior, para a gera c ao do
sinal PRBS e necess ario denir alguns par ametros.
Para denicao de T
b
, note pela resposta ao degrau
da Figura 3, que a menor constante de tempo est a
presente na faixa de desacelera c ao do veculo, onde
tanto o motor, quanto a carroceria atuam com
forcas contrarias ao movimento. Neste trecho, e
obtida pelo gr aco uma constante de tempo de
5, 5 s. Respeitando as recomenda c oes descritas na
Se c ao 4, foi escolhido T
b
sendo 1, 2 s (em torno de
um quinto da menor constante de tempo). Para o
n umero de bits da PRBS, foi escolhido um valor
que fosse suciente para se ter um longo perodo
(n = 12), sendo este superior ao tempo total de
teste. O nvel mnimo de potencia dada ao motor
(V ) foi a pr opria satura c ao mnima (32%) de-
nida no sistema de inje c ao eletr onica. J a para
o nvel maximo (+V ) foram denidos seis valo-
res percentuais distintos espacados dentro de uma
faixa de seguranca para testes praticos com o carro
(+V = 58, 66, 75, 83, 92 e 100 %), resultando em
seis PRBS diferentes. Os ensaios foram realizados
mantendo o carro em primeira marcha, n ao per-
mitindo as trocas pela transmiss ao autom atica. A
frequencia de amostragem foi de 10Hz, sendo pos-
teriormente decimada de forma a condizer com T
a
.
Como exemplo, na Figura 4 e mostrado um dos
seis testes realizados com PRBS.
0 10 20 30 40 50 60 70 80
0
20
40
60
80
(a)
N

v
e
l

d
e

p
o
t

n
c
i
a

d
o

m
o
t
o
r

(
%
)
0 10 20 30 40 50 60 70 80
0
2
4
6
8
10
12
(b)
V
e
l
o
c
i
d
a
d
e

(
m
/
s
)
Tempo (s)
Figura 3: Resposta `a entrada degrau. (a) En-
trada: nvel percentual de potencia do motor e (b)
Sada: velocidade em m/s medida pelos sensores
das rodas.
0 20 40 60 80 100 120 140
0
20
40
60
80
(a)
N

v
e
l

d
e

p
o
t

n
c
i
a

d
o

m
o
t
o
r

(
%
)
0 20 40 60 80 100 120 140
0
2
4
6
(b)
V
e
l
o
c
i
d
a
d
e

(
m
/
s
)
Tempo (s)
Figura 4: Ensaio com entrada PRBS. (a) Entrada:
nvel percentual de potencia do motor V =
32%(nvel de satura c ao mnima) e +V = 75%;
e (b) Sada: velocidade em m/s medida pelos sen-
sores das rodas.
De posse destes dados praticos, e possvel en-
contrar os valores das constantes e T
a
no mo-
delo G(z) (Equa c ao (4)). Observando o compor-
tamento da resposta ` a entrada degrau durante as
bordas de subida e descida do nvel de potencia do
motor (Figura 3), obtem-se um atraso de resposta
() de aproximadamente 0,5 segundos. Pode-se
denir o valor do perodo de amostragem (T
a
)
como sugerido em (Aguirre, 2007) sendo aproxi-
madamente entre cinco a dez vezes inferior ` a me-
nor constante de tempo de interesse. Como citado
anteriormente na obten c ao de T
b
, a menor cons-
tante de tempo observada no ensaio de resposta
`a entrada degrau foi de aproximadamente 5, 5 s.
Assim, o perodo de amostragem foi tomado como
T
a
= 0, 5 s.
Como relatado na Se c ao 3, e possvel encon-
trar um modelo ARX por meio de G(z). A fra c ao
465
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
presente na parcela de tempo morto (/T
a
) resulta
no atraso de uma amostra. Este modelo serve de
base para a estima c ao de par ametros pelo metodo
dos mnimos quadrados. Assim, reescrevendo a
Equacao (6) para v = y, tem-se
y(k) = a
1
y(k1) + a
2
y(k 2) + b
1
u(k 1)
+ b
2
u(k 2) + e(k). (10)
A m de estimar os par ametros a
1
, a
2
, b
1
e b
2
,
a Equa c ao (10) pode ser escrita na forma matricial
para utiliza c ao do metodo dos mnimos quadrados
(Equa c ao (9)). Assim,

MQ
=

a
1
a
2

b
1

b
2

,
=

y(2) y(1) u(2) u(1)

y(3) y(2) u(3) u(2)
.
.
.
.
.
.
.
.
.
.
.
.
y(N 2) y(N 3) u(N 2) u(N 3)
y(N 1) y(N 2) u(N 1) u(N 2)

,
Y =

y(3)
y(4)
.
.
.
y(N 1)
y(N)

,
onde N e o tamanho do vetor de amostras.
Na Tabela 1 s ao mostrados os valores dos pa-
rametros estimados para as seis respostas obtidas
com as PRBS de nveis m aximos (+V) diferen-
tes. A an alise dos resduos de estima c ao para os
seis nveis m aximos e ate 20 atrasos s ao mostra-
dos na Figura 5. Como pode ser observado, no
geral, os resduos mantiveram-se dentro dos limi-
tes de conan ca de 95%, validando a estima c ao.
Porem, alguns pontos levemente fora da regiao
de conan ca caracterizam uma breve polariza c ao
dos par ametros estimados, possivelmente explica-
dos pela aproxima c ao linear realizada para o con-
junto motor-transmissao.

E possvel observar na Tabela 1 que os par a-

metros estimados possuem um padr ao de cresci-
mento ou decrescimento de acordo com o aumento
do nvel m aximo de potencia do motor (+V). Con-
siderando que o modelo a ser obtido nesse artigo
deve ser v alido para todas as entradas de potencia
optou-se por interpolar os par ametros por meio de
funcoes quadraticas do tipo
a
1
(u) = c
2
a
1
u
2
+ c
1
a
1
u + c
0
a
1
a
2
(u) = c
2
a
2
u
2
+ c
1
a
2
u + c
0
a
2

b
1
(u) = c
2

b
1
u
2
+ c
1

b
1
u + c
0

b
1

b
2
(u) = c
2

b
2
u
2
+ c
1

b
2
u + c
0

b
2
, (11)
sendo c
m
a
n
e c
m

b
n
, com m = {0, 1, 2} e n = {1, 2},
estimados tambem utilizando o metodo dos m-
nimos quadrados. Os coecientes obtidos est ao
0 10 20
!1
!0.5
0
0.5
1
(f)
atraso
0 10 20
!1
!0.5
0
0.5
1
(e)
atraso
0 10 20
!1
!0.5
0
0.5
1
(d)
atraso
0 10 20
!1
!0.5
0
0.5
1
(c)
0 10 20
!1
!0.5
0
0.5
1
(b)
0 10 20
!1
!0.5
0
0.5
1
(a)
Figura 5: Analise do resduos de estimacao (ate 20
atrasos) dos nveis m aximos de potencia do motor
(+V): (a) 58%, (b) 66%, (c) 75%, (d) 83%, (e)
92% e (f) 100%.
apresentados na Tabela 2. A Figura 6 mostra as
funcoes resultantes das interpolacoes (11).
40 60 80 100
0.8
1
1.2
1.4
1.6
(a)
a
1
(
u
)
40 60 80 100
!0.4
!0.2
0
0.2
(b)
a
2
(
u
)
40 60 80 100
2
3
4
5
x 10
!3
(c)
u(%)
b
1
(
u
)
40 60 80 100
1
2
3
4
5
x 10
!3
(d)
u(%)
b
2
(
u
)
Figura 6: Funcoes resultantes da interpolacao
quadr atica dos par ametros estimados (a) a
1
(u),
(b) a
2
(u), (c)

b
1
(u) e (d)

b
2
(u). Para uma dada
entrada de nvel de potencia do motor, quatro va-
lores dos parametros sao determinados por inter-
pola c ao quadr atica.
Assim, por m, obtem-se um modelo ARX,
cujos par ametros dependem da entrada do sis-
tema. Na pr oxima se c ao e mostrado a valida c ao
deste modelo.
6 Valida cao do Modelo
A validacao do modelo obtido foi realizada por
meio de simula c oes e compara c ao com dados reais
diferentes dos empregados no processo de iden-
tica c ao. Ao contr ario dos ensaios para estima-
cao de parametros, os dados de validacao nao fo-
ram denidos como sinais PRBS. Neles, o nvel
de potencia do motor possui livre varia c ao, simu-
466
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
+V = 58% +V = 66% +V = 75% +V = 83% +V = 92% +V = 100%
a
1
0,82 1,14 1,31 1,37 1,41 1,45
a
2
0,10 -0,21 -0,37 -0,43 -0,46 -0,50

b
1
2, 21x10
3
2, 37x10
3
2, 59x10
3
3, 31x10
3
3, 86x10
3
3, 98x10
3

b
2
4, 27x10
3
3, 25x10
3
2, 83x10
3
2, 43x10
3
1, 59x10
3
1, 11x10
3
Tabela 1: Par ametros estimados ( a
1
, a
2
,

b
1
e

b
2
) pelo metodo dos mnimos quadrados para diferentes
nveis percentuais de potencia do motor (+V ).
c
m
a
n
c
m

b
n
H
H
H
H
H
m
n
1 2 1 2
0 2, 67 3, 56 1, 08x10
3
9, 62x10
3
1 88, 21x10
3
87, 64x10
3
1, 07x10
6
108, 04x10
6
2 472, 93x10
6
473, 01x10
6
292, 55x10
9
231, 56x10
9
Tabela 2: Tabela dos coecientes das equa c oes de interpola c ao estimados pelo metodo dos mnimos
quadrados.
lando uma situacao pratica de um motorista pres-
sionando o pedal do acelerador. Seis conjuntos de
dados entrada-sada foram coletados em datas e
hor arios diferentes dos sinais utilizados na etapa
de estima c ao de par ametros.
Dois tipos de validacao sao apresentados a se-
guir: o primeiro e de simula c ao livre, onde o sinal
de entrada do dado colhido e inserido no modelo
obtido na Se c ao 5 e, ao nal do processo, a sada
do modelo e comparada com a sada medida de
velocidade em m/s lida pelos sensores; o segundo
tipo de valida c ao e a predi c ao n passos ` a frente,
em que os dados de sada medida no instante atual
s ao utilizados para estimar os valores de sada no
futuro, n amostras ` a frente.
Figura 7: Diagrama do processo de validacao para
a simulacao livre. Dados de entrada medidos sao
utilizados para denir os par ametros a
1
, a
2
,

b
1
e

b
2
, que compoem o modelo ARX obtido para o
CADU. A sada estimada e representada por y.
O diagrama da Figura 7 ilustra o processo de
valida c ao para a simula c ao livre. Os dados de en-
trada obtidos atraves dos ensaios de valida c ao s ao
utilizados para estabelecer os par ametros a
1
, a
2
,

b
1
e

b
2
, bem como para estimar os valores de sada
( y) atraves do modelo ARX.
As guras 8 e 9 apresentam a valida c ao do
modelo para dois conjuntos de dados medidos,
0 20 40 60 80 100 120 140 160
40
60
80
(a)
Amostras
N

v
e
l

d
e

p
o
t

n
c
i
a

d
o

m
o
t
o
r

(
%
)
0 20 40 60 80 100 120 140 160
0
5
10
15
(b)
V
e
l
o
c
i
d
a
d
e

(
m
/
s
)


Dados medidos
Simulao livre
Predio 5 passos frente
Figura 8: Primeira Validacao. (a) Entrada: n-
vel percentual de potencia do motor manualmente
denida; e (b) Sada: dados de velocidade (m/s)
medidos, simulados livremente e predi c ao 5 passos
`a frente com a utilizacao do modelo.
utilizando simula c ao livre e predi c ao cinco passos
`a frente. Como pode ser visto, a sada do mo-
delo apresentou um comportamento semelhante ` a
sada real medida para as duas formas de valida-
cao. A raiz do erro quadratico medio (RMSE, do
ingles, Root Mean Square Error) para as duas si-
mula c oes livres foram de, respectivamente, 0,884
e 0,687 m/s. J a para as predi c oes cinco passos ` a
frente foram, respectivamente, 0,360 e 0,312 m/s.
A Figura 10 mostra o comportamento do erro
(RMSE) pela varia c ao do n umero de passos de
predi c ao para os dois conjuntos de dados utiliza-
dos na valida c ao. Com o aumento dos passos, o
erro de predi c ao tende a aproximar-se do erro da
simula c ao livre.
Um ajuste de ganho de 35% nos par ametros
dos regressores de entrada (

b
1
e

b
2
) fez-se neces-
s ario na etapa de valida c ao para que as sadas do
modelo correspondessem ` as curvas de dados medi-
467
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
0 20 40 60 80 100 120 140 160 180
40
60
80
100
(a)
Amostras
N

v
e
l

d
e

p
o
t

n
c
i
a

d
o

m
o
t
o
r

(
%
)
0 20 40 60 80 100 120 140 160 180
0
5
10
15
(b)
V
e
l
o
c
i
d
a
d
e

(
m
/
s
)


Dados medidos
Simulao livre
Predio 5 passos frente
Figura 9: Segunda Validacao. (a) Entrada: n-
vel percentual de potencia do motor manualmente
denida; e (b) Sada: dados de velocidade (m/s)
medidos, simulados livremente e predi c ao 5 passos
`a frente com a utilizacao do modelo.
dos. A raz ao para esse ajuste pode ser explicada
pela leve polariza c ao dos par ametros estimados,
como sugerido pela Figura 5. Essa ligeira polari-
za c ao pode indicar que a estrutura denida na Se-
cao 2 nao correspondente exatamente ao sistema
em estudo. Isso, de certa forma, j a era esperado,
uma vez que o modelo e uma das aproxima c oes
lineares possveis para o carro, que e um sistema
n ao-linear. Como visto nas guras 8 e 9, o ajuste
manual foi uma boa solu c ao, devido ao baixo nvel
de polariza c ao de estima c ao. Outra solu c ao seria
a utilizacao de um modelo que tratasse o rudo
(e n ao apenas o considerasse como branco), tal
como o autoregressivo com media m ovel e entra-
das ex ogenas (ARMAX, do ingles, AutoRegressive
Moving Average with eXogenous inputs) combi-
nado com um Estimador Estendido de Mnimos
Quadrados (Aguirre, 2007).
0 5 10 15 20
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Passos frente
R
M
S
E

(
m
/
s
)


Primeira Validao
Segunda Validao
Figura 10: RMSE em funcao do n umero de passos
de predi c ao para os conjuntos de valida c ao apre-
sentados nas guras 8 e 9. Ao aumentar o n umero
de passos de predi c ao, o valor do erro de predi c ao
aproxima-se do erro da simula c ao livre.
7 Conclus oes
Nesse trabalho foi obtido um modelo da din amica
longitudinal do Carro Autonomo Desenvolvido na
UFMG. Para isso, equa c oes fsicas foram utiliza-
das para denir uma estrutura linear, cujos pa-
rametros foram determinados por uma etapa de
identicacao estocastica baseado em dados, carac-
terizando assim, em uma modelagem do tipo caixa
cinza.
Uma grande diculdade do processo de iden-
tica c ao foi a n ao-linearidade inerente ao motor ` a
combust ao e aos sistemas de transmiss ao do ve-
culo. Para superar esta diculdade, neste traba-
lho foram realizados ensaios em diversos pontos de
opera c ao do motor. Para cada um destes pontos
de opera c ao foi determinado um modelo linear, e a
composi c ao destes modelos gerou um modelo ge-
ral para o carro. Como a estrutura de todos os
modelos foi considerada a mesma, os par ametros
do modelo geral foram determinados pela inter-
pola c ao dos par ametros dos modelos encontrados
para cada ponto de opera c ao.
A validacao foi feita por meio de dados dis-
tintos aos da etapa de estima c ao de par ametros,
atraves de simula c oes livres e predi c oes de cinco
passos ` a frente. Valores de RMSE inferiores a
0,9 m/s foram obtidos, dando bom indcio de que
modelo obtido tem a capacidade de representar a
din amica longitudinal do CADU.
Futuramente, espera-se que as trocas de mar-
chas sejam consideradas no modelo assim como a
aplica c ao dos freios. A partir da, o modelo ser a
utilizado para o projeto de um controlador com ca-
ractersticas a serem denidas. Este controlador
ira compor o sistema embarcado do carro auto-
nomo utilizando a rede de tempo real para leitura
e atua c ao.
Agradecimentos
O presente trabalho e nanciado pela FAPEMIG
e foi realizado com o apoio nanceiro da CAPES -
Brasil. Jullierme Dias, Guilherme Pereira e Rei-
naldo Palhares s ao bolsistas do CNPq. Os autores
agradecem ao colega Tiago A. Arruda pela ajuda
com experimentos.
Referencias
Aguirre, L. A. (2007). Introdu c ao ` a Identica-
cao de Sistemas: Tecnicas Lineares e Nao-
Lineares Aplicadas a Sistemas Reais, 3
a
edi-
cao, Editora UFMG, Belo Horizonte - MG.
Arruda, T. A. (2012). Arquitetura de hardware
e software para supervisao e controle de um
carro autonomo, Masters thesis, Universi-
dade Federal de Minas Gerais. Disponvel em
http://www.ppgee.ufmg.br.
468
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
Arruda, T. A., Campedelli, E. R. e Pereira, G.
A. S. (2011). Desenvolvimento de uma rede
modbus para o controle de um veculo aut o-
nomo, X SBAI - Simp osio Brasileiro de Au-
tomacao Inteligente 10: 11791184.
Cai, L., Rad, A. e Chan, W.-L. (2010). An intel-
ligent longitudinal controller for application
in semiautonomous vehicles, IEEE Transac-
tions on Industrial Electronics 57(4): 1487
1497.
Chiang, H.-H., Ma, L.-S., Perng, J.-W., Wu, B.-F.
e Lee, T.-T. (2006). Longitudinal and late-
ral fuzzy control systems design for intelligent
vehicles, Proceedings of the 2006 IEEE Inter-
national Conference on Networking, Sensing
and Control (ICNSC), pp. 544549.
Girard, A., Spry, S. e Hedrick, J. (2005). Intel-
ligent cruise control applications: real-time
embedded hybrid control software, IEEE Ro-
botics Automation Magazine 12(1): 2228.
Khodayari, A., Ghaari, A., Ameli, S. e Flahat-
gar, J. (2010). A historical review on lateral
and longitudinal control of autonomous vehi-
cle motions, 2nd International Conference on
Mechanical and Electrical Technology (IC-
MET), pp. 421429.
Liang, H., Chong, K. T., No, T. S. e Yi, S.-
Y. (2003). Vehicle longitudinal brake con-
trol using variable parameter sliding control,
Control Engineering Practice 11(4): 403411.
Osman, K., Rahmat, M. e Ahmad, M. (2009). Mo-
delling and controller design for a cruise con-
trol system, 5th International Colloquium on
Signal Processing Its Applications (CSPA),
pp. 254258.
Seetharaman, G., Lakhotia, A. e Blasch, E.
(2006). Unmanned vehicles come of age: The
darpa grand challenge, Computer 39(12): 26
29.
Thrun, S., Montemerlo, M., Dahlkamp, H., Sta-
vens, D., Aron, A., Diebel, J., Fong, P.,
Gale, J., Halpenny, M., Homann, G., Lau,
K., Oakley, C., Palatucci, M., Pratt, V.,
Stang, P., Strohband, S., Dupont, C., Jen-
drossek, L.-E., Koelen, C., Markey, C., Rum-
mel, C., van Niekerk, J., Jensen, E., Ales-
sandrini, P., Bradski, G., Davies, B., Ettin-
ger, S., Kaehler, A., Nean, A. e Mahoney,
P. (2006). Stanley: The robot that won the
darpa grand challenge, Journal of Field Ro-
botics 23(9): 661692.
Urmson, C., Baker , C. R., Dolan, J. M., Rybski,
P., Salesky, B., Whittaker, W. R. L., Fergu-
son, D. e Darms, M. (2009). Autonomous
driving in trac: Boss and the urban chal-
lenge, AI Magazine 30(2): 1729.
Yang, J. e Zheng, N. (2007). An expert fuzzy con-
troller for vehicle lateral control, 33rd Annual
Conference of the IEEE on Industrial Elec-
tronics Society (IECON), pp. 880885.