@unpublished{upm48902, year = {2017}, author = {Carlos Garc{\'i}a S{\'a}nchez}, month = {September}, title = {Modelo de simulaci{\'o}n para un cami{\'o}n aut{\'o}nomo con conexi{\'o}n a una e-higway}, keywords = {ingenier{\'i}a de control, tecnolog{\'i}a de la automatizaci{\'o}n, autobuses camiones y remolques}, abstract = {Hoy en d{\'i}a, factores como la globalizaci{\'o}n de la econom{\'i}a, la mejora de las infraestructuras o la s{\'o}lida y r{\'a}pida implantaci{\'o}n del comercio electr{\'o}nico han hecho que la industria del transporte, y en particular el de mercanc{\'i}as 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, a{\'e}reo y mar{\'i}timo). Sin embargo, la creciente preocupaci{\'o}n por el medioambiente, especialmente por las emisiones de gases de efecto invernadero, y la b{\'u}squeda de alternativas m{\'a}s sostenibles y con una menor dependencia del petr{\'o}leo podr{\'i}an colocar al transporte por carretera en una situaci{\'o}n complicada. En este escenario, la empresa alemana Siemens ha planteado la iniciativa conocida como proyecto eHighway que consiste en la introducci{\'o}n de un sistema de captaci{\'o}n el{\'e}ctrica desde l{\'i}nea a{\'e}rea de contacto que permita al cami{\'o}n obtener energ{\'i}a el{\'e}ctrica de la misma. Aunque dicho sistema reduce la flexibilidad del transporte por carretera y aumenta la inversi{\'o}n en infraestructura, ataca directamente a las debilidades de dicho modo de transporte, reduciendo su impacto ambiental. Partiendo de esta idea de un cami{\'o}n que circule por una eHighway, la motivaci{\'o}n principal de este trabajo ha sido dotar de inteligencia al cami{\'o}n convirti{\'e}ndolo en un veh{\'i}culo aut{\'o}nomo, desarrollando para ello un sistema de control basado en las {\'u}ltimas tecnolog{\'i}as de control utilizadas en veh{\'i}culos aut{\'o}nomos, como es el control predictivo por modelo (MPC). Se pretende que dicho sistema de control permita al veh{\'i}culo la realizaci{\'o}n de maniobras de forma aut{\'o}noma, tales como la capacidad de conservar la distancia de seguridad con el veh{\'i}culo que le precede, el mantenimiento del veh{\'i}culo 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 m{\'a}s elevada que la de su competencia. El uso de un sistema de control basado en control predictivo por modelo es especialmente id{\'o}neo para esta aplicaci{\'o}n puesto que, al contrario que un control convencional basado en PID, {\'e}ste es capaz de controlar sistemas multivariables y que no son constantes en el tiempo. Adem{\'a}s, permite la obtenci{\'o}n de respuestas m{\'a}s suaves que un sistema full-state como el LQR debido a la capacidad de anticipaci{\'o}n al suceso. Por otro lado, se pueden definir restricciones a los estados dentro del propio controlador, las cuales ser{\'a}n tenidas en cuenta dentro del problema de optimizaci{\'o}n. La capacidad de a{\~n}adir l{\'i}mites a algunos de los estados resulta muy {\'u}til en este caso para, por ejemplo, limitar la velocidad longitudinal o controlar la estabilidad lateral del veh{\'i}culo. Para la realizaci{\'o}n del proyecto, el trabajo se ha dividido en dos grandes etapas: ETAPA 1. En esta etapa, se trata de desarrollar un modelo din{\'a}mico bidimensional completo del veh{\'i}culo que permita reproducir su comportamiento en una serie de situaciones definidas por el usuario. En el modelo se trat{\'o} 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 v{\'a}lidas y asumibles para las caracter{\'i}sticas de los fen{\'o}menos que se quieren simular y reproducir. Por ejemplo, para el c{\'a}lculo de los esfuerzos en las ruedas se utiliza un modelo lineal o la curva par-velocidad usada es una hip{\'e}rbola de potencia constante. - En primer lugar, se realiz{\'o} un modelo reducido de 3 grados de libertad que representaba el comportamiento de un veh{\'i}culo de cuatro ruedas de forma muy simplificada. La tracci{\'o}n longitudinal se define mediante una fuerza aplicada en el centro de gravedad del veh{\'i}culo y el comportamiento transversal mediante una ley lineal que relaciona la fuerza transversal con el {\'a}ngulo de deriva a trav{\'e}s de la rigidez de deriva. Con la realizaci{\'o}n de este modelo se pretend{\'i} familiarizarse con el entorno de trabajo y con la influencia de algunas de las variables din{\'a}micas sobre el comportamiento del veh{\'i}culo. Adem{\'a}s, sobre este veh{\'i}culo ser{\'a} 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 par{\'a}metros b{\'a}sicos del mismo. - A continuaci{\'o}n, se procedi{\'o} a la realizaci{\'o}n del modelo completo del veh{\'i}culo articulado. Dicho modelo cuenta con 10 grados de libertad, pues a los 3 anteriores se a{\~n}aden el correspondiente al giro del semirremolque (se supone articulaci{\'o}n 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, as{\'i} como las transferencias de carga vertical entre ruedas. Adicionalmente, se a{\~n}ade el sistema de tracci{\'o}n incluyendo tracci{\'o}n el{\'e}ctrica, las bater{\'i}as y el freno regenerativo, con el objetivo de obtener una aproximaci{\'o}n m{\'a}s precisa al comportamiento real del veh{\'i}culo. ETAPA 2. La segunda etapa consiste en la introducci{\'o}n de los sistemas de control basados en MPC que permitan al modelo realizar las maniobras deseadas. Dichos sistemas de control se ir{\'a}n implementando de menor a mayor complejidad, siendo introducidos en primer lugar en el modelo reducido para ajustar los par{\'a}metros 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 veh{\'i}culo. 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 linealizaci{\'o}n simb{\'o}lica realizada con el m{\'o}dulo de c{\'a}lculo simb{\'o}lico de Matlab, pues la sencillez del modelo permite unas expresiones de no muy elevada complejidad y este tipo de linealizaci{\'o}n supone un coste computacional inferior. Para el caso de simulaciones con el modelo completo, las expresiones simb{\'o}licas que se obtienen son demasiado complejas por lo que se ha optado por una linealizaci{\'o}n num{\'e}rica alrededor del punto de funcionamiento, que es bastante m{\'a}s eficiente desde el punto de vista computacional. - Integraci{\'o}n del control de crucero convencional: El veh{\'i}culo aut{\'o}nomo tiene una velocidad de consigna a la que el cami{\'o}n debe mantenerse, en caso de ser mayor a la velocidad de la carretera el veh{\'i}culo circulara a la velocidad l{\'i}mite marcada por la carretera. - Implementaci{\'o}n del control de crucero adaptativo: El tr{\'a}iler debe seleccionar la velocidad que le permita mantener una distancia de seguridad frente al veh{\'i}culo que le precede calculada en funci{\'o}n de la velocidad de ambos. - Incorporaci{\'o}n del control de mantenimiento en carril: El veh{\'i}culo debe detectar los l{\'i}mites del carril, incluyendo un m{\'o}dulo que simula un radar tipo lidar y en funci{\'o}n de dicha medici{\'o}n calcular el {\'a}ngulo que debe girar para mantenerse dentro de estos l{\'i}mites. - Integraci{\'o}n del sistema de control de adelantamiento aut{\'o}nomo: El veh{\'i}culo debe decidir si debe realizar la maniobra de adelantamiento en funci{\'o}n de la velocidad del veh{\'i}culo que le precede, del l{\'i}mite de velocidad de la carretera y de la posici{\'o}n en la carretera del resto de veh{\'i}culos. Una vez tomada la decisi{\'o}n, debe realizar la maniobra de forma segura y mantenerla o abortarla en funci{\'o}n de las circunstancias de circulaci{\'o}n. - Adici{\'o}n de ruido en la medida de los estados: A{\~n}adiendo una perturbaci{\'o}n en los valores de los estados que represente la sensorizaci{\'o}n de los mismos se busca obtener simulaciones m{\'a}s fieles a la realidad. Tambi{\'e}n se han simulado sensores de radar que simulan la detecci{\'o}n de otros veh{\'i}culos en la carretera y los l{\'i}mites de los carriles. - Dimensionamiento de las bater{\'i}as: Dado que se trata de un veh{\'i}culo que cuando deja de tener contacto con la catenaria obtiene la energ{\'i}a de bater{\'i}as, se busca determinar el tama{\~n}o m{\'i}nimo de las bater{\'i}as para que pueda realizar la maniobra de adelantamiento, ya que para ello es necesaria la desconexi{\'o}n de la l{\'i}nea a{\'e}rea de contacto.}, url = {https://oa.upm.es/48902/} }