Integrated Path Tracking with DYC and MPC using LSTM Based Tire Force Estimator for Four-wheel Independent Steering and Driving Vehicle

📄 arXiv: 2312.07826v1 📥 PDF

作者: Sungjin Lim, Bilal Sadiq, Yongsik Jin, Sangho Lee, Gyeungho Choi, Kanghyun Nam, Yongseob Lim

分类: cs.RO, eess.SY

发布日期: 2023-12-13

💡 一句话要点

提出基于LSTM轮胎力估计的DYC与MPC集成路径跟踪算法，提升四轮独立转向车辆在突变路况下的稳定性。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: LSTM 轮胎力估计 模型预测控制 直接横摆力矩控制 四轮独立转向 四轮独立驱动 车辆稳定性 路径跟踪

📋 核心要点

  1. 现有轮胎力估计方法难以准确捕捉轮胎力的非线性特性，导致车辆在复杂路况下横向稳定性控制效果不佳。
  2. 利用LSTM神经网络学习轮胎力的复杂非线性关系，实现更精确的轮胎力估计，为车辆横向稳定控制提供可靠依据。
  3. 结合4WIS-MPC和4WID-DYC，构建集成路径跟踪系统，仿真结果表明该方法能有效提升车辆在突变路况下的稳定性。

📝 摘要（中文）

主动避撞系统在保障自动驾驶车辆横向安全方面起着至关重要的作用，这主要与路径规划和跟踪控制算法相关。直接横摆力矩控制（DYC）系统可以显著提高车辆在道路状况突变环境中的横向稳定性。为了应用DYC算法，准确考虑轮胎力的复杂非线性特性对于控制至关重要，以确保车辆的横向稳定性。本研究使用基于长短期记忆（LSTM）神经网络的估计器同时估计安全路径跟踪所需的纵向和横向轮胎力。此外，为了提高道路状况突变时的路径跟踪性能，开发了一种结合四轮独立转向（4WIS）模型预测控制（MPC）和四轮独立驱动（4WID）直接横摆力矩控制（DYC）的系统。将扩展卡尔曼滤波器（EKF）的估计性能（常用于轮胎力估计）进行了比较。此外，将每个车轮的估计纵向和横向轮胎力应用于所提出的系统，并通过使用车辆动力学模拟器的仿真进行了系统验证。结果表明，所提出的方法，即使用基于LSTM估计器的DYC和MPC的集成路径跟踪算法，被验证可以显著提高车辆在道路状况突变时的稳定性。

🔬 方法详解

问题定义：论文旨在解决自动驾驶车辆在道路状况突变时，由于轮胎力估计不准确导致的横向稳定性控制问题。传统的轮胎力估计方法，如扩展卡尔曼滤波器（EKF），难以有效捕捉轮胎力的复杂非线性特性，从而影响车辆的路径跟踪性能和安全性。

核心思路：论文的核心思路是利用长短期记忆（LSTM）神经网络学习轮胎力的复杂非线性关系，实现更精确的轮胎力估计。同时，结合四轮独立转向（4WIS）模型预测控制（MPC）和四轮独立驱动（4WID）直接横摆力矩控制（DYC），构建一个集成路径跟踪系统，以提高车辆在突变路况下的横向稳定性。

技术框架：该系统主要包含三个模块：1) 基于LSTM的轮胎力估计器：用于估计每个车轮的纵向和横向轮胎力。2) 4WIS-MPC：利用模型预测控制算法，结合四轮独立转向系统，优化车辆的转向控制。3) 4WID-DYC：通过直接横摆力矩控制，结合四轮独立驱动系统，提高车辆的横向稳定性。整体流程是：首先，LSTM估计器估计轮胎力；然后，将估计的轮胎力输入到4WIS-MPC和4WID-DYC中，进行路径跟踪控制。

关键创新：论文的关键创新在于：1) 将LSTM神经网络应用于轮胎力估计，克服了传统方法难以捕捉轮胎力非线性特性的问题。2) 提出了一个集成了4WIS-MPC和4WID-DYC的路径跟踪系统，充分利用了四轮独立转向和驱动的优势，提高了车辆在复杂路况下的控制性能。

关键设计：LSTM网络结构的选择和训练数据的准备是关键。论文可能采用了多层LSTM网络，并使用车辆动力学仿真数据或实车数据进行训练。损失函数可能包括轮胎力估计误差、路径跟踪误差等。MPC控制器的设计需要考虑车辆动力学模型、约束条件（如轮胎力限制、转向角限制）和优化目标（如最小化路径跟踪误差、横摆角速度误差）。DYC的设计需要合理分配每个车轮的驱动力，以产生所需的横摆力矩。

📊 实验亮点

论文通过车辆动力学仿真验证了所提出方法的有效性。与传统的基于EKF的轮胎力估计方法相比，基于LSTM的轮胎力估计器能够更准确地估计轮胎力，从而显著提高车辆在突变路况下的横向稳定性。具体的性能提升数据（如路径跟踪误差降低百分比、横摆角速度偏差减小量）未知，但摘要明确指出该方法“显著提高”了车辆稳定性。

🎯 应用场景

该研究成果可应用于高级驾驶辅助系统（ADAS）和自动驾驶车辆，尤其是在需要高精度横向控制的场景，如紧急避障、弯道超车、冰雪路面行驶等。通过提高车辆在复杂路况下的稳定性和安全性，可以降低交通事故风险，提升驾驶体验，并为自动驾驶技术的广泛应用奠定基础。

📄 摘要（原文）

Active collision avoidance system plays a crucial role in ensuring the lateral safety of autonomous vehicles, and it is primarily related to path planning and tracking control algorithms. In particular, the direct yaw-moment control (DYC) system can significantly improve the lateral stability of a vehicle in environments with sudden changes in road conditions. In order to apply the DYC algorithm, it is very important to accurately consider the properties of tire forces with complex nonlinearity for control to ensure the lateral stability of the vehicle. In this study, longitudinal and lateral tire forces for safety path tracking were simultaneously estimated using a long short-term memory (LSTM) neural network based estimator. Furthermore, to improve path tracking performance in case of sudden changes in road conditions, a system has been developed by combining 4-wheel independent steering (4WIS) model predictive control (MPC) and 4-wheel independent drive (4WID) direct yaw-moment control (DYC). The estimation performance of the extended Kalman filter (EKF), which are commonly used for tire force estimation, was compared. In addition, the estimated longitudinal and lateral tire forces of each wheel were applied to the proposed system, and system verification was performed through simulation using a vehicle dynamics simulator. Consequently, the proposed method, the integrated path tracking algorithm with DYC and MPC using the LSTM based estimator, was validated to significantly improve the vehicle stability in suddenly changing road conditions.