Networked model predictive control for vehicle collision avoidance

Alrifaee, Bassam; Abel, Dirk; Ament, Christoph

doi:HT019324814

Networked model predictive control for vehicle collision avoidance = Vernetzte modellbasierte prädiktive Regelung zur Kollisionsvermeidung von Fahrzeugen

Alrifaee, Bassam

2017

Verantwortlichkeitsangabevorgelegt von Bassam Alrifaee

ImpressumAachen 2017

Umfang1 Online-Ressource (xviii, 205 Seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2017

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor) ; Ament, Christoph (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2017-04-20

Online
DOI: 10.18154/RWTH-2017-04199
URL: http://publications.rwth-aachen.de/record/689037/files/689037.pdf
URL: http://publications.rwth-aachen.de/record/689037/files/689037.pdf?subformat=pdfa

Einrichtungen

Lehrstuhl und Institut für Regelungstechnik (416610)

Inhaltliche Beschreibung (Schlagwörter)
networked model predictive control (frei) ; distributed model predictive control (frei) ; vehicle collision avoidance (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Gegenstand der vorliegenden Arbeit ist die Erforschung und Entwicklung vernetzter modellbasierter prädiktiver Regelung (Net-MPC) für großskalige vernetzte Regelungssysteme (NCS). Die entwickelten Net-MPC Strategien werden für die Kollisionsvermeidung vernetzter Fahrzeuge angewandt. Ziel der Arbeit ist die Verteilung der Regelung eines NCS durch verteilte MPC (DMPC). Betrachtet wird ein NCS mit dynamisch entkoppelten Agenten. Die Kopplung der Agenten erfolgt in der Zielfunktion oder in den Nebenbedingungen des Optimierungsproblems. Dafür werden die Net-MPC Strategien zentrale MPC (CMPC), kooperative DMPC (Coop. DMPC) und nicht-kooperative DMPC (Non-Coop. DMPC) untersucht. Anschließend wird eine neuartige Strategie, genannt prioritäten-basierte nicht-kooperative DMPC (PB-Non-Coop. DMPC), entwickelt und mit obigen Strategien verglichen. Im Vergleich zu aktuell nach Stand der Forschung existierenden Strategien zu Non-Coop. DMPC reduziert diese Strategie die Rechenzeit des NCS und verbessert damit seine Leistungsfähigkeit. Die automatische Kollisionsvermeidung von vernetzten Fahrzeugen erfordert die Regelung eines großskaligen vernetzten Regelungssystems. Es werden Lenkwinkel berechnet, die die Fahrzeuge entlang vorgegebener Referenztrajektorien mit gleichzeitiger Kollisionsvermeidung führen. Das resultierende Optimierungsproblem ist nicht-konvex, weil es nicht-konvexe Nebenbedingungen zur Kollisionsvermeidung beinhaltet. Diese Arbeit präsentiert unterschiedliche Verfahren zur Lösung dieses nicht-konvexen Optimierungsproblems. Die Rechenzeit zur Lösung eines solchen zentralen nicht-konvexen Optimierungsproblems steigt mit der Anzahl der Fahrzeuge dermaßen, dass seine direkte Anwendung praktisch unmöglich ist. Folglich werden die Optimierungsverfahren im Rahmen der Net-MPC Strategien CMPC, Coop. DMPC und PB-Non-Coop. DMPC implementiert. Die Effektivität der entwickelten Net-MPC Strategien und Optimierungsverfahren wird sowohl in Simulationen als auch experimentell mit Modell-Fahrzeugen validiert.

This thesis investigates and develops Networked Model Predictive Control (Net-MPC) for large-scale Networked Control Systems (NCS). The developed Net-MPC strategies are then applied to collision avoidance of networked vehicles.The basic objective of this thesis, pertaining to the methodology of Net-MPC, especially targets the study of the distribution of the control problem of a homogeneous NCS, where the agents are dynamically decoupled and the coupling is achieved in the objective function or in the constraints using Distributed MPC (DMPC). The Net-MPC strategies Centralized MPC (CMPC), Cooperative DMPC (Coop. DMPC), and Non-Cooperative DMPC (Non-Coop. DMPC) are also studied in detail. A novel Net-MPC strategy called Priority-Based Non-Cooperative DMPC (PB-Non-Coop. DMPC) is introduced in this thesis and compared with the other strategies. This strategy reduces the computation time in comparison with the existing strategies of Non-Coop. DMPC.Collision avoidance of networked vehicles can be seen as an attempt to solve a large-scale control problem by means of computing the steering angles that drive the vehicles along their reference trajectories, while simultaneously avoiding collisions. Due to the collision avoidance constraints, the resulting optimization problem is non-convex. This thesis therefore presents different methods to solve this non-convex optimization problem. As the number of vehicles increases, the solution of such large-scale, centralized, non-convex optimization problems becomes computationally more prohibitive. Therefore, the optimization methods are implemented in the frameworks of CMPC, Coop. DMPC, and PB-Non-Coop. DMPC. The effectiveness of the developed Net-MPC strategies and optimization methods is validated in simulations and in experiments using model-vehicles.

OpenAccess:
PDF PDF (PDFA)
(additional files)