1 |
[en] HYBRID MODEL IDENTIFICATION BASED ON ARTIFICIAL NEURAL NETWORKS FOR LATERAL DYNAMICS OF MILITARY VEHICLE / [pt] IDENTIFICAÇÃO DE MODELO HÍBRIDO BASEADO EM REDES NEURAIS PARA DINÂMICA LATERAL DE VEÍCULOS MILITARESCAMILA LEAO PEREIRA 19 June 2023 (has links)
[pt] O estudo da dinâmica lateral é de grande importância para análise
do comportamento de um veículo durante manobras e fundamental para a
implementação de sistemas de controle de estabilidade e de trajetória em
veículos autônomos. Nesse contexto, baseado em medições experimentais de
um veículo militar de três eixos durante manobras de mudança dupla de
faixa a diferentes velocidades, o presente trabalho apresenta métodos de
identificação de sistemas para obtenção de modelos lineares por meio da
ferramenta CONTSID (CONTinuous-Time System IDentification), disponível
no MATLAB; de modelos não lineares baseados em Redes Neurais; e, por
fim, a proposta de emprego de modelos híbridos com o intuito de minimizar
o erro associado à primeira abordagem, somando-se ao modelo linear, o valor
estimado do resíduo com a aplicação de redes neurais. Por se tratarem de
modelos obtidos a partir de dados observados, como parâmetros de entrada
e de saída do sistema, foram selecionados o ângulo do volante e a taxa de
guinada do veículo, respectivamente. Com a utilização do dados observados,
foi realizada a identificação das funções de transferência para cada velocidade,
o que possibilitou a análise da influência dessa variável no comportamento
dinâmico do sistema. Em seguida, empregou-se uma abordagem via redes
neurais ao mesmo conjunto de dados, com a construção de arquiteturas
distintas por meio da modificação do número de neurônios, número de camadas
e função de ativação. Por fim, um modelo híbrido foi combinado utilizando-se
a modelagem linear e não linear para obtenção de melhorias na resposta do
modelo final estimado. De acordo com os resultados, as técnicas empregadas
apresentaram viabilidade de aplicação e resultados satisfatórios, destacando-se
o aprimoramento do modelo linear por meio de sua substituição pelo modelo
híbrido baseado em redes neurais. Do exposto, objetiva-se destacar o potencial
dos métodos apresentados de forma que, posteriormente, esses estudos possam
ser aprofundados para implementação de malhas de controle veicular, com o
intuito de contribuir com o aumento da segurança, melhoria do conforto e no
desenvolvimento de veículos autônomos. / [en] The study of lateral dynamics is of great importance for the vehicle
behavior analysis during turning maneuvers, and it is fundamental to stability
or path control systems used in autonomous vehicles. In this context, based
on experimental measurements of a three-axle military wheeled vehicle during
double lane changes maneuvers at different speed, this work presents methods
for the identification of linear models using the CONTSID (CONTinuous-Time
System IDentification) toolbox, available in MATLAB; nonlinear models based
on artificial neural networks; and, the application of hybrid models to reduce
the error associated with the first approach, combining the linear model to the
estimated error using neural networks. Since those are data-driven methods, as
input and output parameters of the system, the wheel steering angle and the
yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox,
the identification of the transfer functions for each speed was performed,
making it possible to evaluate the influence of this variable in the system s
dynamics behavior. Thereafter, a neural network approach was applied to the
same data set, changing architecture s parameters, such as number of neurons,
layers and the activation function. At last, a hybrid model approach was
presented through the combination of previous linear and nonlinear approaches
to improve the estimated model response. The proposed methods showed
satisfatory results, highlighting the improvement in the linear model through
its replacement by the hybrid model based on neural networks. Therefore, this
work aims to show the potential of the methods presented, and posteriorly
contribute to studies on the implementation of vehicle control systems to
increase safety, improve comfort and in the development of autonomous
vehicles.
|
Page generated in 0.0407 seconds