Banfoljning och Styrning av en Autonom Hjullastare medelst Modell-prediktiv Reglering

Sammanfattning: Framsteg inom teknik gör maskinintelligens möjlig med fördelar i kostnad, säkerhet och hållbarhet. Volvo CE har introducerat ett autonomt hjullastarkocept, då de rör sig mot automation och maskinintelligens inom byggbranchen.  Som bidrog till detta forskningsfält utforskar denna avhandling fyra olika banföjlningsalogritmer - pure-pursuit, optimized look-ahead distance pure-pursuit algorithm(OLDPPA), Stanley och successiv linjäriserad modellprediktiv reglering (MPC) - och jämför med avseende på beräkningsbelastning, vägavvikelse, energieffektivitet och robusthet mot störningar. En dynamisk bicycle-modell utvecklades och validerades mot en nerskalad hjullastarprototyp. Parametrar från den fysiska prototypen som användes i fordonsmodellen mättes genom empiriska experiment. Därefter testades regleralgoritmerna på fordonsmodellen med hjälp av flera slumpmässiga vägar genererade av en RRT'-algoritm. Resultaten visar att MPC är mer beräkningstung, men har fördelar i prestanda och robusthet mot störningar. OLDPPA producerade större vägavvikelse an pure-pursuit-algoritmen med ett fast look-ahead-avstånd, vilket motsäger vad tidigare studier har visat. Pure-pursuit-algoritmen visade prestanda jämförbar med MPC men var mer mottaglig för störningar, medan Stanley-regulatorn visade motsatta resultat. Förutom att följa vägen föreslås en utvidgning av MPC-arkitekturen för att möjliggöra punktstabilisering i slutet av vägen som en framtida studie.