Optimální plánování a řízení dynamiky vozidla

Abstract

Tato práce porovnává metody model predictive control a minimum-violation planning pro optimální plánování trajektorie vozidla a jeho řízení. Problémy plánování jsou definovány pomocí výroků lineární temporální logiky, které jsou snadné na formulaci. Jejich uvedená tranformace na omezení pro model predictive control je ale závislá na konkrétním problému. Nejprve jsou uvedeny matematické modely jednotlivých komponent vozidla a poté je sestaven dynamický model vozidla pro verifikaci. Dále je stručně popsána nelineární varianta metody model predictive control, jsou odvozeny zjednodušené modely vozidla vhodné pro řízení touto metodou a je navženo řešení pro nekonvexní prostředí s překážkami. Následuje představení metody minimum-violation planning, odvození zjednodušených modelů vozidla vhodných pro minimum-violation planning, a jsou navženy modifikace této metody pro dynamické systémy s vyšším počtem stavů. Nakonec jsou podány výsledky obou metod a je uvedeno porovnání těchto metod na jednoduchých ukázkových scénářích.

The master thesis deals with comparison of model predictive control and minimum-violation planning for vehicle trajectory optimal planning and control problems. Planning problems are defined using linear temporal logic formulas that are easy to formulate by a designer. However, its transformation to model predictive control constraints introduced is highly problem-specific. First, mathematical models of vehicle individual components are presented. Then, a high-fidelity vehicle dynamics model is integrated. Next, nonlinear model predictive control method is briefly described and vehicle design models suitable for control by the method are derived. The method solution for a nonconvex environment with obstacles is proposed. Further, an introduction to minimum-violation planning method follows. Vehicle design models suitable for control by minimum-violation planning are derived and modifications to the method for dynamic systems with a high number of states are proposed. Finally, results of the methods are presented and the methods comparison for simple demo scenarios is given.