Model Predictive Control Strategies for Electric Endurance Race Cars Accounting for Competitors Interactions

📄 arXiv: 2403.06885v1 📥 PDF

作者: Jorn van Kampen, Mauro Moriggi, Francesco Braghin, Mauro Salazar

分类: eess.SY

发布日期: 2024-03-11

备注: Submitted to L-CSS 2024

💡 一句话要点

提出基于模型预测控制的电动耐力赛车策略以应对竞争者互动

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 电动赛车 耐力赛 竞争者互动 策略优化 实时决策 充电策略

📋 核心要点

  1. 现有方法未能有效考虑电动赛车与竞争者之间的互动，导致策略优化不足。
  2. 论文提出了一种基于模型预测控制的优化框架，能够动态调整赛车策略以应对竞争者行为。
  3. 实验结果显示，优化策略与实时决策相结合，能够在模拟比赛中实现21秒的时间优势。

📝 摘要（中文）

本文提出了一种针对电池电动耐力赛车的模型预测控制策略，考虑了与竞争者的互动。我们设计了一个优化框架，以概率方式捕捉自车在与竞争者互动时的行为影响，联合考虑最佳进站决策、充电时间和比赛中的驾驶风格。通过在Zandvoort赛道进行的1小时模拟耐力赛，我们展示了该方法的有效性，利用了以往内燃机赛车的真实数据。结果表明，优化比赛策略和实时决策至关重要，相较于单纯的超车策略，能够显著提升21秒的优势，同时展示了电动赛车相较于传统赛车的竞争力。

🔬 方法详解

问题定义：本文旨在解决电动耐力赛车在与竞争者互动时的策略优化问题。现有方法通常忽视竞争者的影响，导致赛车策略的有效性不足。

核心思路：论文的核心思路是通过模型预测控制（MPC）框架，结合竞争者行为的概率模型，动态优化赛车的进站决策、充电时间和驾驶风格，以提高整体比赛表现。

技术框架：整体架构包括数据采集、行为建模、优化决策和实时控制四个主要模块。首先，通过历史数据建立竞争者行为模型，然后在MPC框架下进行实时策略优化。

关键创新：最重要的技术创新在于将竞争者的行为建模纳入到电动赛车的决策过程中，使得赛车策略不仅依赖于自身状态，还考虑到外部竞争环境的变化。

关键设计：关键参数包括充电时间、进站时机和驾驶风格的权重设置，损失函数设计考虑了时间效率和竞争者影响的综合评估。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，优化比赛策略与实时决策结合能够实现21秒的时间优势，相较于传统的超车策略，展示了电动赛车在耐力赛中的竞争力，验证了模型预测控制在复杂动态环境中的有效性。

🎯 应用场景

该研究的潜在应用领域包括电动赛车的赛事策略优化、智能交通系统以及自动驾驶技术的决策支持。通过提升电动赛车的竞争力，未来可能推动电动赛车在更广泛赛事中的应用，促进可持续交通的发展。

📄 摘要（原文）

This paper presents model predictive control strategies for battery electric endurance race cars accounting for interactions with the competitors. In particular, we devise an optimization framework capturing the impact of the actions of the ego vehicle when interacting with competitors in a probabilistic fashion, jointly accounting for the optimal pit stop decision making, the charge times and the driving style in the course of the race. We showcase our method for a simulated 1h endurance race at the Zandvoort circuit, using real-life data of internal combustion engine race cars from a previous event. Our results show that optimizing both the race strategy as well as the decision making during the race is very important, resulting in a significant 21s advantage over an always overtake approach, whilst revealing the competitiveness of e-race cars w.r.t. conventional ones.