This thesis proposes innovative solutions for an advanced model predictive control (MPC) algorithm and an autonomous articulated vehicle system. The study has two main objectives. Firstly, it proposes an advanced model predictive control algorithm to ensure high performance and robustness with low computational complexity. Conventional MPC algorithms have limitations in terms of computational complexity and vulnerability to modeling errors. The proposed algorithm, named MPC using optimized Laguerre functions (OLMPC), significantly reduces computational complexity through input parameterization using Laguerre functions. Moreover, the Laguerre functions are optimized in real-time, guaranteeing high performance. The OLMPC approach is extended to various control problems, such as tracking control. A Robust OLMPC (ROLMPC) is proposed to enhance robustness against modeling errors. The robustness of ROLMPC is demonstrated by proving robust recursive feasibility and asymptotic stability under certain assumptions. Like this, this paper introduces a theoretically innovative and advanced MPC algorithm.
Secondly, the paper proposes an obstacle avoidance system for autonomous articulated vehicles using ROLMPC. The system consists of trajectory planning and tracking control algorithms. The proposed trajectory planning algorithm optimizes path, velocity, and obstacle avoidance timing using single quadratic programming with novel weak duality functions. This approach significantly reduces the computational complexity compared to previous nonlinear programming approaches. The tracking control algorithm is designed using MPC, and a lumped lateral dynamics model of articulated vehicles is proposed as a predictive model. Unmeasurable states and parameters are estimated in real-time to improve the accuracy of the proposed model. An autonomous articulated vehicle system is constructed by integrating trajectory planning and tracking control algorithms. The proposed system ensures robustness by considering potential errors in the integrated system. The performance of the proposed system is evaluated through simulations, demonstrating its ability to effectively avoid obstacles in both normal and emergency driving situations, even in the presence of disturbances.
본 논문은 고급 모델 예측 제어(MPC) 알고리즘과 자율 굴절 차량 시스템을 위한 혁신적인 해결책을 제안한다. 본 연구의 목표는 크게 두 가지이다. 첫째, 계산 복잡도가 낮고 높은 성능과 강건성을 보장하는 고도의 모델 예측 제어 알고리즘을 제안한다. 일반적인 MPC는 계산 복잡성이 높고 모델링 에러에 취약하다는 한계점을 가진다. 제안된 최적화된 라게르 함수를 사용하는 MPC(OLMPC)는 입력 매개 변수화를 통해 계산 복잡성을 획기적으로 줄인다. 입력 매개 변수화에 사용되는 라게르 함수는 실시간으로 최적화되어, 높은 성능을 보장한다. 제안된 OLMPC는 추종 제어와 같은 다양한 제어 문제에 대해 확장되었다. 더 나아가, 튜브 기반 MPC 접근 방식을 기반으로 모델링 에러에 대해 강건한 OLMPC(ROLMPC)를 제안하였다. 알고리즘의 강건성을 대표하는 강건한 재귀적 타당성과 강건한 점근적 안정성은 특정 가정하에서 증명되었다. 이는 제안된 ROLMPC는 교란이 있음에도 강건하게 작동하며 안정적인 집합으로 수렴함을 의미한다. 이처럼, 본 논문은 이론적으로 혁신적이고 진보된 MPC를 새롭게 제안한다.
둘째, ROLMPC를 적용하여 자율 주행 굴절 차량의 장애물 회피 시스템을 제안한다. 제안된 시스템은 궤적 계획 알고리즘과 추종 제어 알고리즘으로 구성된다. 제안된 궤적 계획 알고리즘은 약한 이중성 함수를 도입하여, 하나의 이차계획법으로 경로, 속도 및 장애물 회피 타이밍을 최적화한다. 이는 일반적으로 사용되는 비선형계획법에 비해 현저히 낮은 계산 복잡성을 요구한다. 추종 제어는 MPC를 통해 설계되었으며, 예측 모델을 구축하기 위해 굴절 차량의 횡 방향 동역학 축약 모델을 제안하였다. 더 나아가, 제안된 모델의 정확도를 향상하기 위해 측정할 수 없는 상태 및 매개 변수를 실시간으로 추정하였다. 최종적으로 궤적 계획과 추종 제어를 통합하여 자율 주행 굴절 차량 시스템을 구성하였다. 통합 알고리즘에서 발생할 수 있는 모든 오류가 고려되었으며, 이를 고려하여 시스템의 강건성을 확보하였다. 제안된 시스템의 성능은 시뮬레이션을 통해 평가되었으며, 외란이 있어도 정상 및 긴급 주행 상황에서 장애물을 완벽히 회피함이 검증되었다.
