Control de seguimiento de trayectoria durante maniobras evasivas de un vehículo usando MPC-offline y vectorización de par

Contenido principal del artículo

Manuel Jiménez Salas
https://orcid.org/0000-0002-2353-4051
M. Meléndez-Useros
https://orcid.org/0000-0003-4095-9438
F. Viadero-Monasterio
https://orcid.org/0000-0003-3639-8340
M.J.L. Boada
https://orcid.org/0000-0001-5377-0023
B.L. Boada
https://orcid.org/0000-0002-8061-068X

Resumen

El desarrollo de sistemas de automatización de la conducción ha aumentado considerablemente en los últimos años, buscando soluciones enfocadas principalmente en reducir el número y la gravedad de los accidentes de tráfico y disminuir el impacto medioambiental en el sector del transporte. Uno de los aspectos que más afectan al comportamiento del vehículo es cómo se realiza el control longitudinal y lateral del mismo para realizar el seguimiento de una trayectoria preplanificada. La mayoría de trabajos en este ámbito se enfocan en el diseño de controladores que trabajan en condiciones normales de conducción. Sin embargo, en el caso de situaciones de emergencia como maniobras evasivas, es necesario tener en cuenta la alta no-linealidad y el acoplamiento de las dinámicas longitudinal y lateral del vehículo, lo que transforma el problema de control en un reto complejo.


El control predictivo basado en modelo, o “Model Predictive Control” (MPC), es una de las estrategias de control más usadas para el seguimiento de trayectoria de vehículos. Sin embargo, a medida que se requiere mayor fiabilidad en situaciones de conducción críticas, la complejidad de los modelos de vehículo aumenta junto con el tiempo de procesamiento “online”. Esto último puede comprometer la seguridad del vehículo en situaciones donde se requiere una respuesta muy rápida del controlador. Además, en maniobras evasivas de emergencia el vehículo se mueve cerca del límite de la estabilidad. Las acciones de control que se aplican en cada momento (giro de volante y par total aplicado en las ruedas) deben asegurar el mínimo error de seguimiento a la vez que se mantiene el vehículo dentro del límite de adherencia.


En vista de las anteriores razones, se propone el diseño de un controlador MPC “offline” de seguimiento de trayectoria basado en un modelo combinado de vehículo con vectorización de par para su aplicación en maniobras evasivas de emergencia. La estabilidad del sistema en bucle cerrado se ha asegurado mediante un análisis de estabilidad usando funciones de Lyapunov y basado en la teoría de las elipses robustamente invariantes, obteniendo ganancias de control para un amplio rango de estados del vehículo. En tiempo real, el control se realiza en dos etapas.  En primer lugar, se lleva a cabo una programación de ganancias en función de las mediciones y estimaciones de los estados del vehículo para generar el giro de las ruedas delanteras y el par necesarios para seguir la trayectoria y la velocidad de referencia. En la segunda etapa, se calcula el momento de guiñada necesario para reducir el error con la trayectoria de referencia sin que el vehículo sobrepase el límite de manejo mediante un control combinado de la velocidad de guiñada y el ángulo de deriva del vehículo. Por último, el par total calculado en la primera etapa se distribuye entre las cuatro ruedas para generar el momento de guiñada deseado. Se han realizado simulaciones en el software de simulación de dinámica vehicular Carsim donde se ha podido comprobar la superioridad del sistema de control propuesto en maniobras evasivas (doble cambio de carril) con asfalto húmedo frente a un control de seguimiento de trayectoria sin vectorización de par.

Detalles del artículo

Cómo citar
Jiménez Salas, M., Meléndez Useros, M., Viadero-Monasterio, F., López Boada, M. J., & López Boada, B. (2025). Control de seguimiento de trayectoria durante maniobras evasivas de un vehículo usando MPC-offline y vectorización de par. Anales De Ingeniería Mecánica, 1(24). https://doi.org/10.63450/aim.1.133.2025
Sección
Artículos

Citas

Stano, Pietro, et al. "Model predictive path tracking control for automated road vehicles: A review." Annual reviews in control 55 (2023): 194-236.

Zha, Yunfei, et al. "A survey of intelligent driving vehicle trajectory tracking based on vehicle dynamics." SAE International journal of vehicle dynamics, stability, and NVH 7.10-07-02-0014 (2023): 221-248.

Viadero-Monasterio, Fernando, et al. "Event-triggered robust path tracking control considering roll stability under network-induced delays for autonomous vehicles." IEEE Transactions on Intelligent Transportation Systems (2023).

Chen, Yimin, Yuanxu Zhang, and Feihu Zhang. "Personalized path generation and robust H∞ output‐feedback path following control for automated vehicles considering driving styles." IET Intelligent Transport Systems 15.12 (2021): 1582-1595.

Wang, Hongbo, et al. "Multi-objective comprehensive control of trajectory tracking for four-in-wheel-motor drive electric vehicle with differential steering." IEEE Access 9 (2021): 62137-62154.

Qin, Zhaobo, et al. "A lateral and longitudinal dynamics control framework of autonomous vehicles based on multi-parameter joint estimation." IEEE Transactions on Vehicular Technology 71.6 (2022): 5837-5852.

Zhang, Zhida, et al. "Cooperative strategy of trajectory tracking and stability control for 4WID autonomous vehicles under extreme conditions." IEEE Transactions on Vehicular Technology 72.3 (2023): 3105-3118.

Zhai, Li, et al. "MPC-based integrated control of trajectory tracking and handling stability for intelligent driving vehicle driven by four hub motor." IEEE transactions on vehicular technology 71.3 (2022): 2668-2680.

Rego, Rosana CB, and Marcus VS Costa. "Offline output feedback robust anti-windup MPC-LPV using relaxed LMI optimization." European Journal of Control 69 (2023): 100719.

Asperti, Michele, Michele Vignati, and Edoardo Sabbioni. "On Torque Vectoring Control: Review and Comparison of State-of-the-Art Approaches." Machines 12.3 (2024): 160.

De Filippis, Giovanni, et al. "Energy-efficient torque-vectoring control of electric vehicles with multiple drivetrains." IEEE Transactions on Vehicular Technology 67.6 (2018): 4702-4715.

Goggia, Tommaso, et al. "Integral sliding mode for the torque-vectoring control of fully electric vehicles: Theoretical design and experimental assessment." IEEE Transactions on Vehicular Technology 64.5 (2014): 1701-1715.

Kothare, Mayuresh V., Venkataramanan Balakrishnan, and Manfred Morari. "Robust constrained model predictive control using linear matrix inequalities." Automatica 32.10 (1996): 1361-1379.

Lenzo, Basilio. Vehicle Dynamics. Springer International Publishing, 2022.

Artículos más leídos del mismo autor/a