基于学习方法的自主车辆 TS-MPC
系统与控制
2020-04-30 v1 人工智能
机器人学
系统与控制
摘要
本文提出使用数据驱动方法学习车辆动力学的 Takagi-Sugeno（TS）表示，并基于此的模型预测控制（MPC）与移动水平估计（MHE）策略，以实时求解自动驾驶控制问题。针对 TS 建模，我们使用自适应神经模糊推理系统（ANFIS）方法获得一组基于多胞体的线性表示，以及一组以非线性方式关联不同线性子系统的隶属函数。所提出的控制方法由外部规划器的基于赛车的参考以及来自 MHE 的估计提供，从而在赛车模式下提供高驾驶性能。该控制-估计方案在模拟赛车环境中进行了测试，以展示所提方法的潜力。
引用
@article{arxiv.2004.14362,
title = {TS-MPC for Autonomous Vehicle using a Learning Approach},
author = {Eugenio Alcalá and Olivier Sename and Vicenç Puig and Joseba Quevedo},
journal= {arXiv preprint arXiv:2004.14362},
year = {2020}
}
备注
6 pages, 7 figures, IFAC 2020 World Congress