MARC

 008250123s2024        us                              c    eng  d
■001000017162970
■00520250211152118
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384341536
■035    ▼a(MiAaPQ)AAI31460343
■035    ▼a(MiAaPQ)Stanfordqz036kd2292
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a600
■1001  ▼aTalbot,  John  Andrew.
■24510▼aOptimal  Vehicle  Control  Under  Friction  Uncertainty  -  From  Driver  Assistance  to  Drift  Transitions
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a123  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aIncludes  supplementary  digital  materials.
■500    ▼aAdvisor:  Gerdes,  J.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aAutomobiles  play  a  significant  role  in  the  lives  of  people  worldwide.  They  provide  a  relatively  accessible  means  to  transportation,  impacting  a  person's  economic  and  social  opportunities.  Unfortunately,  operating  automobiles  carries  a  risk.  The  World  Health  Organization  estimates  that  1.2  million  people  were  killed  in  automobile  crashes  in  2019  alone.  After  decades  of  progress  reducing  vehicle  fatalities  in  the  United  States,  the  National  Highway  Traffic  Safety  Administration  reports  that  2021  showed  the  largest  increase  in  vehicle  related  deaths  since  they  began  recording  them.Following  the  passage  of  the  National  Highway  and  Motor  Vehicle  Safety  Act  in  the  1960's,  automotive  researchers  and  manufactures  have  created  many  systems  designed  to  reduce  the  risk  of  driving.  These  range  from  passive  systems  like  seat  belts  to  active  systems  like  the  ABS  and  ESC.  The  technologies  played  a  crucial  role  in  decreasing  traffic  fatalities  in  past  decades.  More  advanced  technologies  are  entering  the  market  with  the  ability  to  help  prevent  rear  end  crashes  and  stop  drivers  from  departing  the  driving  lane.  Despite  these  advances,  state  of  the  art  production  systems  perform  in  a  fairly  confined  ODD.  Each  system  may  only  have  authority  over  one  or  two  actuation  systems  and  can  only  sense  a  specific  type  of  emergency.  For  the  greatest  impact  in  righting  the  trend  in  vehicle  fatalities,  the  next  generation  of  ADAS  must  be  able  to  reason  more  generally  about  the  safety  of  the  vehicle  in  the  context  of  its  current  operating  state  and  environment.This  dissertation  contributes  three  novel  systems  in  furtherance  of  an  general  ADAS.  Chapter  2  contributes  an  NMPC  formulation  to  keep  a  vehicle  safely  on  the  roadway  while  matching  a  driver's  commands.  It  builds  on  a  body  of  previous  work  beginning  with  linear  MPC  formulations  for  stability  control  and  environmental  safety.  These  methods  lack  the  ability  to  influence  vehicle  speed  which  becomes  critically  important  near  the  vehicles  handling  limits.  Later  work  introduces  MPC  controlling  both  steering  and  tractive  forces.  We  improve  on  previous  work  by  improving  the  objective  function  to  better  match  drivers  commands,  introducing  a  concept  of  safe  reference  speed  to  improve  robustness  to  unmodeled  disturbances,  and  a  method  to  minimize  delays  between  driver  commands  and  vehicle  actuator  movements.Chapter  3  contributes  an  NMPC  that  blends  two  different  model  fidelities  to  lower  computational  costs  and  allows  a  driver  to  explore  the  limits  of  vehicle  friction.  This  formulation  builds  on  Chapter  2  leveraging  experience  gained  in  a  challenging  ice  test  track  on  a  frozen  lake.  This  environment  challenged  our  controllers  with  highly  variable  tire  road  friction  as  the  tires  traversed  patches  of  polished  ice  and  packed  snow.  Previous  approaches  proved  too  conservative  for  a  drivers  comfort  and  safety.  What's  more,  the  approach  given  in  Chapter  2  lacked  the  long  prediction  horizon  needed  to  set  up  slowly  evolving  ice  maneuvers.  To  address  these  challenges  we  developed  a  controller  that  allows  the  driver  to  explore  past  the  modeled  limits  of  friction  in  a  tunable  manner.  We  employ  serially  cascaded  models  over  the  prediction  horizon  to  lower  computation  costs  while  increasing  our  predictive  ability.  This  inflection  provides  an  opportunity  to  link  the  change  in  objective  function  (from  matching  the  driver  to  tracking  a  safe  path)  to  a  dynamically  meaningful  metric.All  of  the  work  up  to  this  point  prioritizes  stabilizing  the  vehicle  (bounding  or  minimizing  the  angle  between  its  velocity  and  heading).  Work  in  the  field  of  autonomous  drifting  illustrates  that  we  are  not  limited  to  this  choice.  Chapter  4  contributes  an  optimal  control  approach  to  planning  and  executing  drift  transitions  which  can  adjust  to  goal  state  changes  in  real-time.  By  operating  away  from  the  stable  handling  region,  we  enable  maneuvers  unachievable  by  the  previous  controllers.  These  techniques  could  empower  future  ADAS  to  better  avoid  accidents  and  improve  overall  safety.
■590    ▼aSchool  code:  0212.
■650  4▼aFriction
■650  4▼aTires
■650  4▼aMechanical  engineering
■690    ▼a0548
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162970▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books