基于动态规划的生态驾驶前瞻最优控制器的GPU实现
系统与控制
2021-04-06 v1 系统与控制
摘要
网联自动驾驶车辆（CAV），尤其是具有多动力源的车辆，其预测性能量管理有望在实际驾驶条件下显著改善节能效果。其中，生态驾驶问题旨在基于来自网联与高级地图特征的可用信息，设计最优速度与动力使用剖面，以最小化两指定位置间的燃油消耗。本工作中，生态驾驶问题被建模为一个三状态滚动时域最优控制问题，并通过动态规划（DP）求解。该最优解以车速与电池荷电状态（SoC）轨迹表示，使一辆网联自动驾驶混合动力电动车能够智能通过信号交叉口，并在规定路径上最小化燃油消耗。为实现实时部署，提出了一种面向NVIDIA GPU与CUDA编程的DP并行架构。仿真结果表明，与基线控制策略相比，所提最优控制器带来超过15%的燃油经济性收益；且相较于串行实现，并行实现使求解时间减少超过90%。
引用
@article{arxiv.2104.01284,
title = {A GPU Implementation of a Look-Ahead Optimal Controller for Eco-Driving Based on Dynamic Programming},
author = {Zhaoxuan Zhu and Shobhit Gupta and Nicola Pivaro and Shreshta Rajakumar Deshpande and Marcello Canova},
journal= {arXiv preprint arXiv:2104.01284},
year = {2021}
}
备注
This work has been accepted by the 2021 European Control Conference. Paper summary: 6 pages, 9 figures