Controlabilidade de Veı́culos Autônomos

José Leonardo Nunes da Silva

April 2, 2023
Universidade Federal do Ceará
leonardo.nunes@dee.ufc.br

1
Conteúdo

Dinâmica Veicular

Controlabilidade

Controlador LPV

Experimento Computacional

Experimentos

Conclusões

2
Dinâmica Veicular
Objeto de Estudo

Este trabalho tem como objeto de estudo um veı́culo Tipo Formula

E com sistema de direção steer-by-wire.

Figure 1: Formula E

Fonte: Autor. 3
Modelo Não Linear

Adotando o modelo bicicleta representado na figura para análise das

forças no movimento transversal [1].

Figure 2: Forças laterais

4
Modelo sideslip angles

A força lateral é função deste ângulo. A mesma é linear quando a

amplitude deste ângulo é próxima de zero.
Qual o limite da linearidade para os pneus do veı́culo?
Será observada oscilações ao ultrapassar este limite?
A linearidade desta força representa a linearidade do modelo do
pneu? ou existirão outras forças não lineares do pneu?

5
Aceleração lateral

Aplicando a mecânica newtoniana para descrever o movimento lat-

eral de um veı́culo temos:

Fyf cos δ Fyr

V˙y = + − ω vx (1)
m m

lf Fyf cos δ − lr Fyr

ω̇ = (2)
Iz
Tradicionalmente os trabalhos que abordam a dinâmica veı́cular ado-
tam a velocidade longitudinal Vx constante. Esta definição se justi-
fica porque o tempo de variação da velocidade é muito maior que a
taxa de amostragem dos controladores.

¨ + b θm2
Jm2 θm2 ˙ + ka Ta = Tm2
6
Aceleração lateral

Considerando as aproximações para δ muito pequeno o sistema pode

ser linearizado em um ponto de operação:

Fyf Fyr
V˙y = + − ω vx (3)
m m

lf Fyf − lr Fyr
ω̇ = (4)
Iz

7
Forças laterais

As forças laterais que atuam nos pneus segundo [2] são descritas
por:

 
Vy + lf ω
Fyf = Cf βf = Cf δ − (5)
vx
 
Vy − lr ω
Fyr = Cr βr = −Cr (6)
vx

onde Cf e Cr são os coeficientes de aderência dos pneus dianteiros

e traseiros respectivamente.
A variável Vx é um parâmetro medido em tempo real que deter-
mina o comportamento não linear do veı́culo. Adotando ρ = Vx e
descrevendo a dinâmica veı́cular como um sistema LPV.
8
Variáveis de estado

Modelo Não linear do veı́culo autônomo

       
Cd ρAVx Cf sinδ Cf lf sinδ Cf sinδ
V̇x = − Vx + + ω Vy + ω− δ
2m mVx mVx m
(7)

     
Cr + Cf cosδ Cr lr − Cf lf cosδ Cf cosδ
V̇y = −ωVx − Vy + ω+ δ
mVx mVx m
(8)

 2
Cr lr + Cf lf2 cosδ
    
Cr lr − Cf lf cosδ Cf lf cosδ
ω̇ = Vy − ω+ δ
Iz Vx Iz Vx Iz
(9)
9
Variáveis de estado

Desconsiderando a aceleração longitudinal Vx e linearizando.

     
Cr + Cf Cr lr − Cf lf Cf
V̇y = − Vy + ω+ δ (10)
mVx mVx m

Cr lr2 + Cf lf2
     
Cr lr − Cf lf Cf lf
ω̇ = Vy − ω+ δ (11)
Iz Vx Iz Vx Iz

10
Modelo no Espaço de Estado matriz A

Sistema Não Linear. Com a matriz do sistema definida pela equação

14 e seus elementos definidos na equação 15.

" #
a11 a12
A= (12)
a21 a22

a11 = − Cf cosδ+Cr
m.Vx

−lf .Cf cosδ+lr .Cr

a12 = −Vx + m.Vx
(13)
−lf .Cf cosδ+lr .Cr
a21 = Iz Vx

lf2 .Cf cosδ+lr2 .Cr

a22 = Iz Vx

11
Modelo no Espaço de Estado matriz A

Sistema Linear. Com a matriz do sistema definida pela equação 14

e seus elementos definidos na equação 15.

" #
a11 a12
A= (14)
a21 a22

a11 = − Cm.V
f +Cr
x

−lf .Cf +lr .Cr

a12 = −Vx + m.Vx
(15)
−lf .Cf +lr .Cr
a21 = Iz Vx

lf2 .Cf +lr2 .Cr

a22 = Iz Vx

12
Modelo no Espaço de Estado matriz B2

A matriz de controle B2 que trata da ação de controle do sistema

de direção no veı́culo é dada pela Equação 16 e seus termos 17.

" #
b1
B2 = (16)
b2

lf .Cf
b1 = Iz
(17)
Cf
b2 = m

[3] Veı́culo Junior [4] Controle preditivo

13
Modelo no Espaço de Estado matriz B1

A matriz de distúrbios B1 que trata da ação do vento lateral no

controle transversal do veı́culo autônomo e é definida pela Equação
18.

" #
1
B1 = m (18)
lw
Iz

Dados do Veı́culo: m = 360; iz = 120; lr = 0.7; lf = 0.9;

Este trabalho [5] descreve o veı́culo autonômo Stanley que venceu
o desafio DARPA em 2005. Foi adotado a rede CAN

14
Controlabilidade
Matriz de Controlabilidade

  
Caf
m − Caf (C af +Car )
Vx m2
− Caf lf
iz −Vx + (Caf lVf −C ar lr )
xm  
CO =  C l  (19)
 
2 +C l 2
(C l ar r )
af f
iz − Caf (CVafxlifz−C
m
ar lr )
− Caf lf
iz2
af f
Vx

Fyf sin δ Fdf

V˙x = a − − + ω vy (20)
m m

15
Posto da Matriz de Controlabilidade

det (CO) = −2Caf3 lf3 m + Caf2 Vx2 lf2 m2 + Car Caf2 lf2 lr m − Car Caf2 lf lr2 m + C

det (CO) = −2Caf3 lf3 m + Caf2 Vx2 lf2 m2 + Car Caf2 lf2 lr m − Car Caf2 lf lr2 m + Car
(22)

É possı́vel determinar a velocidade Vx na qual o sistema perde a

controlabilidade fazendo a equação 22 igual a zero.
16
Limite Controlabilidade

s
2Caf lf Car lr Car lr2 Car iz Car lr iz
Vx = − + − − 2 2 (23)
m m lf m lf m2 lf m

A velocidade definida pela equação 23 é limite para estabilidade e

controlabilidade do veı́culo.

17
Estimar os Parâmetros Cr e Cf

Para o projeto o cornering coefficient dos pneus será adotado con-

stantes e suficiente para a velocidade máxima do veı́culo antes da
perda de controlabilidade e da observabilidade.

• Adotar Cf = Cr ;
• Adotar Vx max = 50Km/h ou Vx max = 13.9m/s

−Vx2 lf2 m2
Ci = (24)
−2lf3 m + lf2 lr m − lf lr2 m + lf iz + lr iz

Ci = 72000N/rad

18
Controlador LPV
Controle LPV

Definições:

• politópico
• Grided-Based
• LFT

" # " #" #

z P11 P12 w
= (25)
y P21 P22 u

19
Controle LPV

Definições:

• Modelo de incertreza (não estruturada, quando se conhece ape-

nas seus limitantes);

Objectives of any control system : shape the response of the system

to a given reference and get (or keep) a stable system in closed-loop,
with desired performances, while minimising the effects of distur-
bances and measurement noises, and avoiding actuators saturation,
this despite of modelling uncertainties, parameter changes or change
of operating point.

20
Controle LPV

Consider a lunar module shown in Figure modulo which is used in

the soft landing on the moon. m is the mass of the module including
the fuel, and the thrust is f = km . Set the control input as u = ˙ m
and the height of the module as y, and let g be the gravity constant
on the moon surface. The state equation about state vector x = [y
y m ˙ ]T is given by

Figure 3: modulo

Fonte: Autor. 21
Controle LPV

Modelo LPV da dinâmica não linear do módulo lunar.

     
0 1 0 0 0
ẋ = 0 0 0 x + p  u + −g  (26)
     

0 0 0 1 0

Figure 4: modulo

Fonte: Autor.
22
Controle LPV

Definições:
• Valores singulares representando ganho do sistema
• funções de ponderação

Figure 5: Controlador

Fonte: Autor.

23
Controle LPV

p(t) is a time-varying parameter vector and each matrix is an af[ne

function of p(t). For example, in the case of two time-varying pa-
rameters p(t) = [p1(t) p2(t)], each coef- [cient matrix can be written
as:

A (p (t)) = A0 + p1 (t) A1 + +p2 (t) A2

B(p (t)) = B0 + p1 (t) B1 + +p2 (t) B2

C(p (t)) = A0 + p1 (t) C1 + +p2 (t) C2 (27)
where all matrices are known except the time-varying parameter
vector p(t).

24
Controlador LPV

Parâmetros Medidos do Veı́culo

Massa (m) 360 Kg
Momento de Inércia (iz ) 120 Kg .m2
Distância do eixo dianteiro ao C.G. (lr ) 0.9 m
Distância do eixo traseiro ao C.G. (lr ) 0.7 m

Parâmetros Estimados do Veı́culo

Cornering Stiffness front (Cf ) 72000N/rad
Cornering Stiffness rear (Cr ) 72000 N/rad
Controle [6] [7]

25
Experimento Computacional
Malha aberta

Velocidade lateral Vy para uma entrada tipo degrau unitário δ no

sistema de direção para diferentes velocidades longitudinais Vx .

Figure 6: Resposta Degrau Malha Aberta

Fonte: Autor. 26
Malha aberta

Todos os pólos no lado direito do plano complexo.

Figure 7: Pólos da planta em Malha Aberta

Fonte: Autor. 27
Malha aberta

• Para uma entrada em degrau no volante δ de 1 rad (57,29°) para

as seguintes velocidades em m/s, Vx = [2, 4, 6, 8, 10, 12, 14].
Esse vetor equivale a variação de 6 até 50 Km/h;
• A variação Vy velocidade lateral do veı́culo assume valores im-
praticáveis no mundo real em função da estrutura do veı́culo e
das limitações das pistas;
• O sistema é estável em malha aberta;
• Neste projeto foi adotado a modelagem da dinâmica veicular em
função do veı́culo autônomo ser de competição. Para veı́culos
autônomos de passeio em ambientes urbano é necessário o uso
da cinemática para avaliar os erros de posição e de orientação;

28
Controle realimentação de estado

Resposta ao degrau unitário com controlador de realimentação de

estados com ganho fixo. Apresenta erro em regime estacionário.

Figure 8: Malha Fechada

29
Controle realimentação de estado

Pólos com controlador de realimentação fixo de estados. Sistema

instável.
Figure 9: Pólos do sistema com realimentação de estados.

30
Controle LPV

Resposta ao degrau unitário com controlador LPV para diferentes

velocidades. Resposta sem apresentar sobressinal e erro nulo em
regime estacionário.

Figure 10: Malha Fechada

31
Controle LPV

Pólos com controlador LPV. Sistema estável.

Figure 11: Pólos do sistema com Controlador LPV.

Fonte: Autor. 32
Simulação simulink

Na competição SAE o veı́culo é submetido a várias provas, neste

trabalho o controlador será avaliado na prova dinâmica denominada
”Skid-Pad”.
Skid-Pad: Consiste em uma pista no formato de um “oito” para
testar a aceleração lateral do carro. O carro deve percorrer cada
cı́rculo duas vezes no menor tempo possı́vel. Com o sistema de
Torque Vectoring, valores de conjugados diferentes para cada roda
são gerados garantindo uma maior facilidade de realização da prova.
O controle de tração lateral garante a permanência do veı́culo na
pista fazendo com os pneus não derrapem prejudicando a volta do
piloto.

33
Experimentos
Módulo de Controle

arduino
fonte de alimentação
motor CC
sensor de posição

34
Sensor de posição e velocidade

Acionamento motor

35
Atuador

Acionamento motor

36
Interface

O excesso de pinos que um display LCD consome pode ser um limi-

tador de expansão de um projeto. A solução adotada foi utilizar um
cicrcuito integrado que faz esse controle através do protocolo serial
I2C. Esse CI é encontrado em um módulo que facilita sua aplicação.
Com esse módulo é posssı́vel controlar um display de LCD de 2 linhas
utilizando apenas dois pinos do Arduino: SDA e SCL. No Arduino
MEGA, esses pinos são o pino 20 (SDA) e o pino 21 (SCL).

37
Conclusões
Conclusões

• A aplicação do controle descentralizado mostrou-se eficiente em regular a tensão

na carga, enquanto gerenciava a o fluxo de energia para a unidade de armazena-
mento, com sobressinal mı́nimo e dentro das especificações de desempenho;
• Através do uso das LMIs e da aplicação das normas H∞ , H2 e dos critérios
de desempenho por D-estabilidade, foi possı́vel sintetizar um controlador por
realimentação de estados, à ganhos fixos, que cumpriu sua função em regular a
tensão na carga, sem a necessidade de desacoplamento;
• Foi esboçada uma arquitetura de controle que, através de ganhos previamente
calculados pela solução do conjunto de restrições impostas no projeto, alcançasse
a regulação de saı́da. Em seguida, submetemos o conversor às mesmas situações
impostas nos testes dos controladores SISO;

38
Referências i

[1] J. Ackermann, J. Guldner, W. Sienel, R. Steinhauser, and V. I.

Utkin, “Linear and nonlinear controller design for robust auto-
matic steering,” IEEE Transactions on Control Systems Tech-
nology, vol. 3, no. 1, pp. 132–143, 1995.
[2] H. Pacejka, Tire and vehicle dynamics. Elsevier, 2005.
[3] M. Montemerlo, J. Becker, S. Bhat, H. Dahlkamp, D. Dolgov,
S. Ettinger, D. Haehnel, T. Hilden, G. Hoffmann, B. Huhnke,
et al., “Junior: The stanford entry in the urban challenge,”
Journal of field Robotics, vol. 25, no. 9, pp. 569–597, 2008.

39
Referências ii

[4] E. Alcalá, V. Puig, and J. Quevedo, “Lpv-mpc control for

autonomous vehicles,” IFAC-PapersOnLine, vol. 52, no. 28,
pp. 106–113, 2019.
[5] S. Thrun, M. Montemerlo, H. Dahlkamp, D. Stavens, A. Aron,
J. Diebel, P. Fong, J. Gale, M. Halpenny, G. Hoffmann, et
al., “Stanley: The robot that won the darpa grand challenge,”
Journal of field Robotics, vol. 23, no. 9, pp. 661–692, 2006.
[6] S. Skogestad and I. Postlethwaite, Multivariable feedback con-
trol: analysis and design. Wiley New York, 2007, vol. 2.
[7] C. Briat, “Linear parameter-varying and time-delay systems,”
Analysis, observation, filtering & control, vol. 3, 2014.

40