Autonomous Motion Control
of Semitrailer Trucks in Low-Friction Conditions
Tid: On 2026-09-30 kl 10.00
Plats: Harry Nyquist, Malvinas Väg 10
Videolänk: https://kth-se.zoom.us/j/64560518056
Språk: Engelska
Ämnesområde: Elektro- och systemteknik
Licentiand: Gustav Vallinder , Reglerteknik, Traton AB
Granskare: Associate Professor Matteo Corno, Dipartimento di Elettronica e Infomazione, Politecnico di Milano
Huvudhandledare: Professor Jonas Mårtensson, Reglerteknik; Doctor Pedro F. Lima,
QC 20260907
Abstract
Självkörande lastbilar förväntas spela en viktig roll i det framtida transportsystemet, men deras användning i mindre gynnsamma väderförhållanden är en återstående utmaning. Vinterväglag är särskilt svåra för dragbilar med semitrailer. Snö och is reducerar vägfriktion, förlänger stoppsträckor, begränsar styrförmågan och kan leda till fordonsinstabilitet i form av fällknivsolyckor (jackknifing) eller traileroscillationer (trailer swing). För självkörande fordonssystem innebär detta att fordonet inte enbart kan följa en planerad bana, utan systemet bör också kunna avgöra när vägytan gör den planerade manövern osäker och fysiskt ogenomförbar.
Den här uppsatsen studerar rörelsereglering för självkörande dragbilar med trailer i väglag med låg friktion. Arbetet fokuserar på model predictive control, ett reglertekniskt ramverk som använder en fordonsmodell för att förutse fordonets rörelse, optimerar styrning och acceleration, samt uppfyller bivillkor. Ett centralt tema för uppsatsen är balansen mellan fordonsmodellens detaljnoggrannhet och dess praktiska användbarhet. Detaljerade dynamiska modeller kan å ena sidan beskriva viktiga fysikaliska fenomen, men kan å andra sidan vara svåra att använda i praktiken eftersom de bygger på ett stort antal parametrar och tillståndsvariabler, och kräver dessutom noggrann numerisk behandling. Kinematiska modeller är enklare att tillämpa, men de försummar istället effekter som är viktiga i hög hastighet och på halt väglag, såsom slipvinklar och friktionsrelaterade effekter.
Uppsatsen bemöter de här utmaningarna genom fyra sammanhängande studier. Den första studien jämför kinematiska och dynamiska modeller av kombinationen dragbil och semitrailer, med avseende på egenskaper som är viktiga för model predictive control. Den andra beräknar tidsoptimala körfältsbytesmanövrar för olika nivåer av vägfriktion, med syftet att studera hur fordonskombinationens fysiska begränsningar i kritiska manövrar beror på väglaget. Tredje studien utvecklar en friktionsadaptiv, ickelinjär model predictive controller, baserad på en förstärkt kinematisk fordonsmodell och friktionsberoende målfunktioner och bivillkor. Den fjärde studien utvärderar regulatorn, både i simuleringar och i fullskaliga tester med en självkörande lastbil på en vinterprovbana.
Resultaten påvisar vikten av friktion, både för att förstå fordonets begränsningar i kritiska manövrar och för att utveckla reglersystem som kan förebygga att däckkraftsbegränsningar överskrids. I simuleringar påvisar vår regulator ett lägre utnyttjande av däckkrafter i jämförelse med en mer aggressiv referensregulator. I fullskaliga tester av dubbla körfältsbyten på snöunderlag klarar vår regulator av att genomföra hela manövern, medan en referenskombination av klassiska regulatorer misslyckas med samma uppgift. Uppsatsen demonstrerar på så vis att friktionsadaptiv model predictive control kan förbättra relevanta säkerhetsaspekter för självkörande lastbilar i väglag med låg friktion.