Comparative Study of Trajectory Tracking Control for Automated Ground Vehicles via Model Predictive Control and Robust H-infinity State Feedback Control
Notice bibliographique
Résumé
Abstract A comparative study of longitudinal and lateral control maneuverer in model predictive control (MPC) schemes and robust state feedback control (RSC) method for trajectory tracking of automated ground vehicles (AGVs) is presented in this paper. Both MPC-based and RSC-based tracking controller are designed on the same basis of longitudinal-lateral-yaw motions of a single-track vehicle model. The main objective is to compare the controllers’ performance of tracking accuracy of path and velocity under different test scenarios. The simulation is implemented on Carsim-Simulink joint platform using high-fidelity vehicle model and the mass uncertainties, sensor measurement noise and the performance in extreme driving conditions: turn with big curvature are considered. The simulation results indicate that mass uncertainty and sensor measurement noise of lateral velocity have little effect on the RSC-based controller, while that have relatively great influence on MPC-based one. However, MPC-based controller shows a shorter response time and more accurate tracking performance than RSC-based scheme. Finally, for the test of turn with curvature 0.02 , the maximum velocity that RSC-based controller can carry out has reached 22m/s, which is slightly better than MPC-based one: 21m/s.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».