Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9852
Título: A neural-based model predictive control to tackle steering delay of the IARA autonomous car
Autor(es): Guidolini, Rânik
Orientador: Gonçalves, Claudine Santos Badue
Data do documento: 4-Set-2017
Editor: Universidade Federal do Espírito Santo
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.
In this work, we propose a Neural Based Model Predictive Control (N-MPC) approach to tackle delays in the steering plant of autonomous cars. We examined the N-MPC approach as an alternative for the implementation of the Intelligent and Autonomous Robotic Automobile (IARA) steering control subsystem. For that, we compared the standard solution, based on the Proportional Integral Derivative (PID) control approach, with the N-MPC approach. The PID steering control subsystem works well in IARA for speeds of up to 25 km/h. However, above this speed, IARA’s Steering Plant delays are too high to allow proper operation with a PID approach. We tried and modeled the IARA’s Steering Plant using a neural network and employed this neural model in the N-MPC approach. The N-MPC approach outperformed the PID approach by reducing the impact of IARA’s Steering Plant delays and allowing the autonomous operation of IARA at speeds of up to 37 km/h – an increase of 48% in the maximum stable speed.
URI: http://repositorio.ufes.br/handle/10/9852
Aparece nas coleções:PPGI - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_11489_Dissertacao_Mestrado_Ranik_Guidolini.pdf1.78 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.