Robust Path Following Control for Vehicles with Uncertain Steering Resistance Using Model Error Compensation

Titolo: Controllo Robusto di Percorso per Veicoli con Resistenza allo Sterzo Incerta tramite Compensazione dell'Errore di Modello

1. Il Problema

Il controllo di guida autonoma richiede algoritmi capaci di far seguire al veicolo un percorso di riferimento con alta precisione. Sebbene esistano numerosi metodi di controllo (come il controllo di tracciamento della traiettoria o il controllo di percorso), la maggior parte degli approcci convenzionali tratta l'angolo di sterzo come un ingresso di controllo diretto.

Questa semplificazione ignora la dinamica della resistenza allo sterzo (steering resistance), ovvero le forze e le coppie resistive che si oppongono alla rotazione dello sterzo a causa dell'interazione pneumatico-strada, della velocità del veicolo e delle condizioni del terreno. In scenari reali, specialmente su terreni sconnessi o non strutturati (es. veicoli agricoli), la resistenza allo sterzo varia significativamente e non è facilmente misurabile.
Trattare l'angolo di sterzo come un ingresso diretto senza modellare questa resistenza porta a errori di modellazione che degradano le prestazioni di tracciamento, specialmente quando le condizioni stradali cambiano o quando i parametri del modello non corrispondono a quelli reali (mismatch parametrico).

2. Metodologia

Gli autori propongono un nuovo schema di controllo robusto che integra la dinamica della resistenza allo sterzo nel modello del veicolo e utilizza un Compensatore di Errore di Modello (MEC - Model Error Compensator) per gestire le incertezze.

• Modellazione del Veicolo:

  • Il veicolo è modellato come un sistema a quattro ruote con velocità costante.
  • Le variabili di stato includono l'angolo di deriva ($\beta$), la velocità angolare di imbardata ($\dot{\psi}$) e, crucialmente, l'angolo di sterzo ($\delta$) trattato come una variabile di stato dinamica, non come ingresso diretto.
  • Viene introdotta un'equazione dinamica per lo sterzo: $\dot{\delta} = u - C v \delta$, dove $u$ è il comando di ingresso, $v$ la velocità, e $C$ è un coefficiente di resistenza che dipende dalle condizioni della strada.
  • Il coefficiente $C$ è trattato come un parametro incerto, poiché è difficile da determinare con precisione in tempo reale.

• Legge di Controllo:

  • Viene progettato un controllore di base basato sulla linearizzazione per feedback, che garantisce la convergenza dell'errore di tracciamento ($z$) a zero assumendo un modello nominale perfetto.
  • Poiché il coefficiente $C$ reale può differire da quello nominale ($C_M$), si genera un errore di modello.

• Compensatore di Errore di Modello (MEC):

  • Per mitigare gli effetti delle incertezze (variazioni di $C$) e dei disturbi esterni, viene implementato un MEC.
  • Il MEC stima l'errore aggregato confrontando l'uscita del sistema reale con quella di un modello nominale parallelo.
  • Questo errore stimato viene utilizzato per generare un segnale di compensazione che viene iniettato nell'ingresso di controllo, migliorando la robustezza senza richiedere la conoscenza esatta dei parametri variabili o condizioni di matching complesse (a differenza di alcuni osservatori di disturbo classici).

3. Contributi Chiave

1. Modellazione Dinamica dello Sterzo: Sviluppo di un modello veicolo che include esplicitamente la resistenza allo sterzo come dinamica di stato, trattando l'angolo di sterzo come una variabile di stato governata dall'ingresso e dalla resistenza, a differenza dei metodi convenzionali che lo considerano un ingresso diretto.
2. Applicazione del MEC: Integrazione del framework MEC per compensare le incertezze nel coefficiente di resistenza allo sterzo, migliorando le prestazioni di tracciamento in condizioni di superficie stradale variabile.
3. Identificazione Empirica del Rango di Robustezza: Attraverso simulazioni numeriche sistematiche, gli autori hanno identificato un intervallo pratico di mismatch parametrico ($0.75 \le C/C_M \le 1.25$) in cui il metodo proposto mantiene prestazioni di tracciamento accettabili, superando significativamente i metodi convenzionali.

4. Risultati

Le simulazioni numeriche sono state condotte su due percorsi di riferimento (uno a forma quadrata e uno meandriforme) confrontando il metodo convenzionale con quello proposto.

• Caso di Modello Corrispondente ($C = C_M$): Entrambi i metodi (convenzionale e proposto) ottengono un tracciamento accurato con errori minimi, confermando la stabilità del sistema quando il modello è preciso.
• Caso di Mismatch Parametrico ($C \neq C_M$):
  • Il metodo convenzionale mostra un degrado significativo delle prestazioni. Ad esempio, su un percorso con un mismatch del 15% ($C/C_M = 1.25$), l'errore di tracciamento massimo sale a circa 2.14 m (percorso 1) e 2.48 m (percorso 2).
  • Il metodo proposto con MEC riduce drasticamente l'errore. Nello stesso scenario di mismatch, l'errore massimo scende a circa 0.18 m e 0.25 m rispettivamente.
  • Il metodo proposto mantiene prestazioni accettabili fino a un rapporto di mismatch di $C/C_M = 1.25$ o $0.75$. Oltre questo intervallo, le prestazioni iniziano a degradare, ma rimangono superiori al metodo convenzionale.
  • In casi di mismatch estremo (es. rapporto 0.5), il metodo convenzionale può divergere, mentre il metodo proposto mantiene la stabilità (sebbene con errori maggiori).

5. Significato e Implicazioni

Questo studio dimostra che il trattamento esplicito della resistenza allo sterzo e la compensazione attiva degli errori di modello sono fondamentali per il controllo di percorso robusto, specialmente in ambienti non strutturati.

• Sicurezza e Affidabilità: Il metodo proposto aumenta la tolleranza alle variazioni delle condizioni stradali, riducendo il rischio di perdita di controllo o di scostamento pericoloso dal percorso.
• Applicabilità: Sebbene la validazione sia stata effettuata tramite simulazioni, il framework è particolarmente rilevante per veicoli operanti su terreni difficili, come i veicoli agricoli, che spesso mancano di sistemi di sterzo elettrico avanzati (EPS) e sono altamente sensibili alle variazioni di attrito del terreno.
• Futuri Sviluppi: Gli autori riconoscono i limiti attuali (assunzione di velocità costante, assenza di analisi di stabilità rigorosa del sistema a ciclo chiuso, modello di resistenza semplificato) e indicano come priorità future l'analisi di stabilità formale, l'implementazione di osservatori di stato (per non richiedere la misurazione completa degli stati) e la validazione su piattaforme fisiche reali.

In sintesi, l'approccio proposto offre una soluzione teorica e pratica per migliorare l'accuratezza del controllo di guida autonoma in presenza di incertezze dinamiche significative legate all'interazione veicolo-ambiente.