面向 Twin-in-the-Loop 车辆控制设计的优化工具：分析与横摆角速度跟踪案例研究
系统与控制
2024-04-19 v1 系统与控制
摘要
鉴于简化复杂车辆动力学控制器下线标定（end-of-line tuning）的迫切需求，汽车领域近期提出了 Twin-in-the-Loop 控制（TiL-C）方法。在 TiL-C 中，数字孪生在车载端实时计算标称控制动作，并采用附加模块 C_delta 补偿仿真器与真实车辆间的失配。由于数字孪生被假定为真实对象的最佳可用复现，TiL-C 的关键问题变为补偿器的标定，且必须仅依靠数据完成。本文研究使用不同黑盒优化技术对 C_delta 进行标定。具体而言，我们将最初提出的贝叶斯优化（BO）方法与近期发展的集员全局优化（SMGO）及虚拟参考反馈整定（VRFT）——一种单次直接数据驱动设计方法——进行比较。分析将在一个专业多体仿真环境中、基于一项新颖的 TiL-C 应用案例研究即横摆角速度跟踪问题展开，以进一步在具挑战性问题上证明 TiL-C 的有效性。仿真表明，VRFT 方法能在单次迭代后给出整定良好的控制器，而全局优化器需 10 至 15 次迭代方可精炼之。同时，SMGO 被证明可显著减少 BO 所需的计算代价。
引用
@article{arxiv.2309.02080,
title = {Optimization tools for Twin-in-the-Loop vehicle control design: analysis and yaw-rate tracking case study},
author = {Federico Dettù and Simone Formentin and Stefano Varisco and Sergio Matteo Savaresi},
journal= {arXiv preprint arXiv:2309.02080},
year = {2024}
}
备注
Preprint submitted to European Journal of Control