Modelo de simulación para un camión autónomo con conexión a una e-higway

Abstract

Hoy en día, factores como la globalización de la economía, la mejora de las infraestructuras o la sólida y rápida implantación del comercio electrónico han hecho que la industria del transporte, y en particular el de mercancías se desarrolle de forma muy importante. Dentro de este sector, el transporte por carretera sigue siendo el mayor exponente, especialmente en medias y cortas distancias. Esto es debido principalmente a su rapidez y flexibilidad respecto a sus competidores (transporte ferroviario, aéreo y marítimo). Sin embargo, la creciente preocupación por el medioambiente, especialmente por las emisiones de gases de efecto invernadero, y la búsqueda de alternativas más sostenibles y con una menor dependencia del petróleo podrían colocar al transporte por carretera en una situación complicada. En este escenario, la empresa alemana Siemens ha planteado la iniciativa conocida como proyecto eHighway que consiste en la introducción de un sistema de captación eléctrica desde línea aérea de contacto que permita al camión obtener energía eléctrica de la misma. Aunque dicho sistema reduce la flexibilidad del transporte por carretera y aumenta la inversión en infraestructura, ataca directamente a las debilidades de dicho modo de transporte, reduciendo su impacto ambiental. Partiendo de esta idea de un camión que circule por una eHighway, la motivación principal de este trabajo ha sido dotar de inteligencia al camión convirtiéndolo en un vehículo autónomo, desarrollando para ello un sistema de control basado en las últimas tecnologías de control utilizadas en vehículos autónomos, como es el control predictivo por modelo (MPC). Se pretende que dicho sistema de control permita al vehículo la realización de maniobras de forma autónoma, tales como la capacidad de conservar la distancia de seguridad con el vehículo que le precede, el mantenimiento del vehículo en el carril o realizar un adelantamiento. Con estos sistemas se busca aumentar la seguridad y reducir la tasa de accidentabilidad del transporte por carretera que es notablemente más elevada que la de su competencia.
El uso de un sistema de control basado en control predictivo por modelo es especialmente idóneo para esta aplicación puesto que, al contrario que un control convencional basado en PID, éste es capaz de controlar sistemas multivariables y que no son constantes en el tiempo. Además, permite la obtención de respuestas más suaves que un sistema full-state como el LQR debido a la capacidad de anticipación al suceso. Por otro lado, se pueden definir restricciones a los estados dentro del propio controlador, las cuales serán tenidas en cuenta dentro del problema de optimización. La capacidad de añadir límites a algunos de los estados resulta muy útil en este caso para, por ejemplo, limitar la velocidad longitudinal o controlar la estabilidad lateral del vehículo. Para la realización del proyecto, el trabajo se ha dividido en dos grandes etapas:
ETAPA 1. En esta etapa, se trata de desarrollar un modelo dinámico bidimensional completo del vehículo que permita reproducir su comportamiento en una serie de situaciones definidas por el usuario. En el modelo se trató de buscar un compromiso entre la fidelidad a la realidad y su complejidad. Por ello, con el objetivo de reducir el coste computacional y el tiempo de las simulaciones, se realizan varias simplificaciones, todas ellas válidas y asumibles para las características de los fenómenos que se quieren simular y reproducir. Por ejemplo, para el cálculo de los esfuerzos en las ruedas se utiliza un modelo lineal o la curva par-velocidad usada es una hipérbola de potencia constante.
- En primer lugar, se realizó un modelo reducido de 3 grados de libertad que representaba el comportamiento de un vehículo de cuatro ruedas de forma muy simplificada. La tracción longitudinal se define mediante una fuerza aplicada en el centro de gravedad del vehículo y el comportamiento transversal mediante una ley lineal que relaciona la fuerza transversal con el ángulo de deriva a través de la rigidez de deriva. Con la realización de este modelo se pretendí familiarizarse con el entorno de trabajo y con la influencia de algunas de las variables dinámicas sobre el comportamiento del vehículo. Además, sobre este vehículo será sobre el que se apliquen los diferentes sistemas de control basados en MPC en primer lugar para comprobar su funcionamiento y ajustar los valores de los parámetros básicos del mismo.
- A continuación, se procedió a la realización del modelo completo del vehículo articulado. Dicho modelo cuenta con 10 grados de libertad, pues a los 3 anteriores se añaden el correspondiente al giro del semirremolque (se supone articulación pura) y los 6 correspondientes al giro de cada una de las ruedas, las cuatro de la tractora y las dos del semirremolque (se han agrupado los tres ejes con los que cuenta el semirremolque en un solo eje). En este modelo se tienen en cuenta las resistencias al avance, así como las transferencias de carga vertical entre ruedas. Adicionalmente, se añade el sistema de tracción incluyendo tracción eléctrica, las baterías y el freno regenerativo, con el objetivo de obtener una aproximación más precisa al comportamiento real del vehículo.
ETAPA 2. La segunda etapa consiste en la introducción de los sistemas de control basados en MPC que permitan al modelo realizar las maniobras deseadas. Dichos sistemas de control se irán implementando de menor a mayor complejidad, siendo introducidos en primer lugar en el modelo reducido para ajustar los parámetros del controlador de forma sencilla. Para ello se siguen los siguientes pasos:
- El controlador MPC requiere un modelo interno que le permita predecir el comportamiento del vehículo. Dicho modelo puede ser variante con el tiempo, pero ha de ser lineal. Por ello es necesario linealizar el modelo en cada punto de funcionamiento. Para las simulaciones con el modelo reducido se ha empleado una linealización simbólica realizada con el módulo de cálculo simbólico de Matlab, pues la sencillez del modelo permite unas expresiones de no muy elevada complejidad y este tipo de linealización supone un coste computacional inferior. Para el caso de simulaciones con el modelo completo, las expresiones simbólicas que se obtienen son demasiado complejas por lo que se ha optado por una linealización numérica alrededor del punto de funcionamiento, que es bastante más eficiente desde el punto de vista computacional.
- Integración del control de crucero convencional: El vehículo autónomo tiene una velocidad de consigna a la que el camión debe mantenerse, en caso de ser mayor a la velocidad de la carretera el vehículo circulara a la velocidad límite marcada por la carretera.
- Implementación del control de crucero adaptativo: El tráiler debe seleccionar la velocidad que le permita mantener una distancia de seguridad frente al vehículo que le precede calculada en función de la velocidad de ambos.
- Incorporación del control de mantenimiento en carril: El vehículo debe detectar los límites del carril, incluyendo un módulo que simula un radar tipo lidar y en función de dicha medición calcular el ángulo que debe girar para mantenerse dentro de estos límites.
- Integración del sistema de control de adelantamiento autónomo: El vehículo debe decidir si debe realizar la maniobra de adelantamiento en función de la velocidad del vehículo que le precede, del límite de velocidad de la carretera y de la posición en la carretera del resto de vehículos. Una vez tomada la decisión, debe realizar la maniobra de forma segura y mantenerla o abortarla en función de las circunstancias de circulación.
- Adición de ruido en la medida de los estados: Añadiendo una perturbación en los valores de los estados que represente la sensorización de los mismos se busca obtener simulaciones más fieles a la realidad. También se han simulado sensores de radar que simulan la detección de otros vehículos en la carretera y los límites de los carriles.
- Dimensionamiento de las baterías: Dado que se trata de un vehículo que cuando deja de tener contacto con la catenaria obtiene la energía de baterías, se busca determinar el tamaño mínimo de las baterías para que pueda realizar la maniobra de adelantamiento, ya que para ello es necesaria la desconexión de la línea aérea de contacto.