Optimal Trajectory Planning and Control for Automated Truck and Trailer Systems

Lkw-Anhänger-Systeme, das Rückgrat des Güterfernverkehrs, stehen derzeit vor erheblichen Herausforderungen. Dazu gehören Sicherheitsrisiken, Fahrermangel und Umweltprobleme. Diese Dissertation reagiert auf diese drängenden Probleme und bietet optimale Strategien zur Trajektorienplanung, -optimierung und -steuerung für vollautomatisierte Lkw-Anhänger-Systeme. Der Schwerpunkt liegt auf der Trajektorienverfolgung und Stabilisierung, insbesondere für Konfigurationen mit einem Anhänger, mit einer Erweiterung auf n-Anhänger-Systeme. Diese Forschung zielt darauf ab, die Stabilität, Leistung und Sicherheit von Lkw-Anhänger-Systemen durch innovative Ansätze zu verbessern. ... mehrDie Systemformulierung nutzt partielle differentielle Flachheit, um die inhärente Instabilität von Lkw-Anhänger-Systemen zu bewältigen. Diese neue Systemmodellierung gewährleistet eine stabile Bewegung und erweitert den Anwendungsbereich der modellbasierten optimalen Trajektorienplanung und -steuerung.

Angesichts der Herausforderungen bei der Echtzeitanwendung von modellbasierten optimalen Steuerungen für nichtlineare Systeme wird in dieser Arbeit das Nominally Guided MPC (NGMPC)-Rahmenwerk eingeführt. Basierend auf diesem Rahmenwerk werden drei optimale Trajektoriensteuerungsalgorithmen entwickelt: Model Predictive Control (MPC), Virtual Model Predictive Control (VMPC) und Flatness-Based Model Predictive Control (FMPC). VMPC nutzt ein virtuelles Systemmodell mit einer virtuellen Eingabe, und FMPC verwendet ein Systemmodell, das mithilfe von partieller Flachheit abgeleitet wurde. Diese Algorithmen wurden an realen Prototypen getestet und evaluiert.

Die Suche nach optimalen und kollisionsfreien Trajektorien für Lkw-Anhänger-Systeme stellt eine weitere große Herausforderung dar. Bestehende Methoden verlassen sich oft auf stichprobenbasierte Pfadplanung und modellbasierte optimale Trajektorienstabilisierung und bewältigen Instabilität, indem sie die Systemdynamik um eine nominale Trajektorie definieren oder Symmetrie für das Rückwärtsfahren nutzen. Diese Arbeit verwendet dasselbe numerisch stabile Modell, das auch für FMPC verwendet wird, und erweitert die Anwendung auf Trajektorienplanung und -optimierung. Das Problem der Trajektorienplanung wird in dieser Arbeit als nichtlineare Programmierung formuliert, die Kollisionen und Systembeschränkungen unterliegt.

Schließlich wird in dieser Arbeit ein Trajektorienoptimierungsalgorithmus vorgestellt, der machbare und fahrbare \(G^4\) kontinuierliche Trajektorien in der Nähe der geplanten Referenz erzeugt. Die Optimierung, gekoppelt mit stichprobenbasierten Planern, ist rechnerisch für Echtzeitanwendungen geeignet. Darüber hinaus erzeugt die Optimierung spärliche Trajektorien, was die Planung und Speicherung von Offline-Trajektorien für Logistikhubs oder Terminals vereinfacht.

Diese Forschung stellt einen bedeutenden Fortschritt für autonome Lkw-Anhänger-Systeme dar und bietet robuste Lösungen für die Trajektorienplanung und -steuerung.

Truck-trailer systems, the backbone of long-haul freight transport, are currently grappling with significant challenges. These include safety risks, driver shortages, and environmental concerns. This thesis is a response to these pressing issues, offering optimal trajectory planning, optimization, and control strategies for fully automated truck-trailer systems. The focus is on trajectory planning and stabilization, particularly for one-trailer configurations, with an extension to n-trailer systems.

This research aims to enhance truck-trailer systems’ stability, performance, and safety through innovative approaches. ... mehrThe system formulation leverages partial differential flatness to handle the inherent instability of truck-trailer systems. This new system modelling ensures stable motion, expanding the scope of model-based optimal trajectory planning and control.

Given the challenges in the real-time application of model-based optimal control for nonlinear systems, this work introduces the Nominally Guided MPC (NGMPC) framework. Based on this framework, three optimal trajectory control algorithms are developed: Model Predictive Control (MPC), Virtual Model Predictive Control (VMPC), and Flatness-Based Model Predictive Control (FMPC). VMPC utilizes a virtual system model with a virtual input, and FMPC utilizes a system model derived using partial flatness. These algorithms were tested and evaluated on actual prototypes.

Finding optimal and collision-free trajectories for truck-trailer systems is another significant challenge. Existing methods often rely on sampling-based path planning and model-based optimal trajectory stabilization and handle instability by defining system dynamics around a nominal trajectory or using symmetry for reverse driving. This work utilizes the same numerically stable model used for Flatness-Based Model Predictive Control (FMPC) and extends the application to trajectory planning and optimization. This work formulates the trajectory planning problem as nonlinear programming subject to collision and system constraints.

Finally, this work presents a trajectory optimization algorithm that generates feasible and drive-able \(G^4\) continuous trajectories near the planned reference. The optimization, coupled with sample-based planners, is computationally suitable for real-time applications. Additionally, the optimization generates sparse trajectories, simplifying the planning and storing of offline trajectories for logistics hubs or terminals.

This research significantly advances the state-of-the-art autonomous truck-trailer systems, providing robust trajectory planning and control approaches.