A NEURAL-BASED MODEL PREDICTIVE CONTROL TO TACKLE STEERING DELAY OF THE IARA AUTONOMOUS CAR

Nome: RÂNIK GUIDOLINI
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 04/09/2017
Orientador:

Nome Papelordem decrescente
CLAUDINE SANTOS BADUE Orientador

Banca:

Nome Papelordem decrescente
DENIS FERNANDO WOLF Examinador Externo
THIAGO OLIVEIRA DOS SANTOS Examinador Interno
CLAUDINE SANTOS BADUE Orientador

Resumo: Neste trabalho, propomos uma abordagem de Controle Preditivo Baseado em Modelo Neural (Neural Based Model Predictive Control - N-MPC) para lidar com atrasos na planta de direção de carros autônomos. Examinamos a abordagem N-MPC como uma alternativa para a implementação do subsistema de controle de direção da Intelligent and Autonomous Robotic Automobile (IARA). Para isso, comparamos a solução padrão, baseada na abordagem de controle Proporcional Integral Derivativo (PID), com a abordagem N-MPC. O subsistema de controle de direção PID funciona bem na IARA para velocidades de até 25 km/h. No entanto, acima desta velocidade, atrasos na Planta de Direção da IARA são muito elevados para permitir uma operação adequada usando uma abordagem PID. Modelamos a Planta de Direção da IARA usando uma rede neural e empregamos esse modelo neural na abordagem N-MPC. A abordagem N-MPC superou a abordagem PID reduzindo o impacto de atrasos na Planta de Direção de IARA e permitindo a operação autônoma da IARA em velocidades de até 37 km/h – um aumento de 48% na velocidade máxima estável

Acesso ao documento

Acesso à informação
Transparência Pública

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910