Autonomous Driving Systems (ADS), a subcategory of Cyber-Physical Systems (CPS) are becoming increasingly popular with ubiquitous deployment. They provide advanced operational functions for perception and control, but this also raises the question of their safety capability. Such questions include if the vehicle can stay within its lane, keep a safe distance from the leading vehicle, or avoid obstacles, especially under the presence of uncertainties. In this master thesis, the operational safety of ADS will be addressed, more specifically on the Adaptive Cruise Control (ACC) system by modeling an optimal control problem based on Control Barrier Function (CBF) unified with Model Predictive Control (MPC). The corresponding optimal control problem is robust against measurement uncertainties for an Autonomous Vehicle (AV) driving on a highway, where the measurement uncertainties will represent the common faults in the perception system of the AV. A Kalman Filter (KF) is also added to the system to investigate the performance difference. The resulting framework is implemented and evaluated on a simulation scenario created in the open-source autonomous driving simulator CARLA. Simulations show that MPC-CBF is indeed robust against measurement uncertainties for well-selected horizon and slack variable values. The simulations also show that adding a KF improves the overall performance. The higher the horizon, the more confident the system becomes as the distance to the leading vehicle decreases. However, this may cause infeasibility where there are no solutions to the optimal control problem during sudden braking as the AV cannot brake fast enough before it crashes. Meanwhile, the smaller the slack variable, the more restrictive becomes CBF where it impacts more on the control input than desired which could also cause infeasibility. The results of this thesis will help to facilitate safety-critical CPS development to be deployed in real-world applications. / Autonoma körsystem (ADS), som är en del av cyberfysiska system (CPS), har blivit alltmer populär med allestädes närvarande användning. Det bidra med avancerade operativa funktioner för perception och styrning, men samtidig väcker detta också frågan om dess säkerhetsförmåga. Sådana frågor inkluderar om fordonet kan hålla sig inom sitt körfält, om det kan hålla ett säkert avstånd till det ledande fordonet eller om det kan undvika hinder, speciellt under osäkerheter hos systemet. I detta examensarbete kommer driftsäkerheten hos ADS att behandlas, mer specifik på adaptiv farthållare (ACC) genom att modellera ett optimalt kontrollproblem baserat på kontrollbarriärfunktion (CBF) förenat med modellförutsägande styrning (MPC). Motsvarande optimalt kontrollproblem är robust mot mätosäkerheter för ett autonomt fordon som kör på en motorväg, där mätosäkerheterna representerar vanliga fel i AV:s perceptionssystem. Ett Kalmanfilter (KF) läggs också till i systemet för att undersöka skillnaden i prestanda. Det resulterande ramverket implementeras och utvärderas på ett simuleringsscenario som skapats i den öppna källkodssimulatorn för autonom körning CARLA. Simulationer visar att MPC-CBF är robust mot mätosäkerheter för väl valda värden för horisont och slackvariabler. Det visar också att systemets prestanda förbättrats ännu mer om ett KF läggs till. Ju större horisont, desto mer självsäkert blir systemet när avståndet till det ledande fordonet minskar. Detta kan dock leda till att det inte finns några lösningar på det optimala kontrollproblemet vid plötslig inbromsning, eftersom fordonet inte hinner bromsa tillräckligt snabbt innan det kraschar. Ju mindre slackvariabeln är, desto mer restriktiv blir CBF som påverkar styrningen mer än vad som är önskvärt vilket också kan leda till olösbart optimalt kontrollproblem. Resultatet från detta examensarbete bär syftet att gynna utvecklingen av säkerhetkritisk CPS som ska användas i praktiska tillämpningar.

An Over-Actuated (OA) vehicle is a system that presents more control variables than degrees of freedom. Therefore, more than one configuration of the control input can drive the system to a desired state in the state space, and this redundancy can be exploited to fulfill other tasks or solve further problems. In particular, nowadays, challenges concerning electric vehicles regarding their autonomy and solutions to reduce energy consumption are becoming more and more attractive. OA vehicles, on this problem, offer the possibility of using the redundancy to choose the control input, among possible ones, so as to minimize energy consumption. In this regard, the research objective is to investigate different techniques to control in real-time an over-actuated autonomous driving vehicle to guarantee trajectory following and stability with the aim of minimizing energy consumption. The research project focuses on a vehicle able to drive and steer the four wheels (4WD, 4WS) independently. This work extends the contribution of previous theoretical energy-based research developed and provides a control algorithm that must work in real-time on a prototype vehicle (RCV-E) developed at the Integrated Transport Research Lab (ITRL) within KTH with the over-actuation investigated. To this end, the control algorithm has to balance the complexity of a multi-input system, the optimal allocation objectives, and the agility to run in real-time on the MicroAutoBox II - dSPACE system mounted on the vehicle. The solution proposed is a two-level controller which handles separately high and low-rate dynamics with an adequate level of complexity. The upper level is responsible for trajectory following and energy minimization. The allocation problem is solved in two steps. A Linear Time-Varying Model Predictive Controller (LTV-MPC) solves the trajectory-following problem and allocates the forces at the wheels considering the wheel energy losses due to longitudinal and lateral sliding. The second step re-allocates the longitudinal forces between the front and rear axles by considering each side of the vehicle independently to minimize energy loss in the motors. The lower level is responsible for transforming the forces at the wheels into torques and steering angles; it runs at a faster rate than the upper level to account for the high-frequency dynamics of the wheels. Last, the overall control strategy is tested in simulation concerning the trajectory-following and energy minimization performance. The real-time performance are assessed on MircoAutoBox II, the control interface used on the RCV-E. / Ett fordon med olika grad av över-aktuering är ett system som har fler kontrollvariabler än frihetsgrader. Därför kan mer än en konfiguration av styrinmatningen driva systemet till ett önskat tillstånd i tillståndsrummet, och denna redundans kan utnyttjas för att utföra andra uppgifter eller lösa andra problem. I synnerhet blir det i dag allt mer attraktivt med utmaningar som rör elfordon när det gäller deras självklörande drift och lösningar för att minska energiförbrukningen. Överaktuerat fordon ger möjlighet att använda redundansen för att välja en av de möjliga styrinmatningarna för att minimera energiförbrukningen. Forskningsmålet är att undersöka olika tekniker för att i realtid styra ett självkörande fordon som är överaktuerat för att garantera banföljning och stabilitet i syfte att minimera energiförbrukningen. Forskningsprojektet är inriktat på ett fordon som kan köra och styra de fyra hjulen (4WD, 4WS) självständigt. Detta arbete utökar bidraget från den tidigare teoretisk energi-baserade forskning som utvecklats genom att tillhandahålla en regleralgoritm som måste fungera i realtid på ett prototypfordon (RCV-E) som utvecklats vid ITRL inom KTH med den undersökta överaktueringen. I detta syfte måste regleralgoritmen balansera komplexiteten hos ett system med flera ingångar, målen för optimal tilldelning och smidigheten samt att fungera i realtid på MicroAutoBox II - dSPACE-systemet som är monterat på fordonet. Den föreslagna lösningen är en tvåstegsstyrning som hanterar dynamiken med hög och låg hastighet separat med en lämplig komplexitetsnivå. Den övre nivån ansvarar för banföljning och energiminimering. Tilldelningsproblemet löses i två steg. En LTV-MPC löser banföljningsproblemet och fördelar krafterna på hjulen med hänsyn till energiförlusterna på hjulen på grund av longitudinell och lateral glidning. I det andra steget omfördelas de längsgående krafterna mellan fram- och bakaxlarna genom att varje fordonssida beaktas oberoende av varandra för att minimera energiförlusterna i motorerna. Den lägre nivån ansvarar för att omvandla krafterna vid hjulen till vridmoment och styrvinklar; den körs i snabbare takt än den övre nivån för att ta hänsyn till hjulens högfrekventa dynamik. Slutligen testas den övergripande reglerstrategin i simulering med avseende på banföljning och energiminimering, och därefter på MircoAutoBox II monterad på RCV-E för att bedöma realtidsprestanda. / Un veicolo sovra-attuato è un sistema che presenta più variabili di controllo che gradi di libertà. Pertanto, più di una configurazione dell’ingresso di controllo può portare il sistema a uno stato desiderato nello spazio degli stati e questa ridondanza può essere sfruttata per svolgere altri compiti o risolvere ulteriori problemi. In particolare, al giorno d’oggi le sfide relative ai veicoli elettrici per quanto riguarda la loro autonomia e le soluzioni per ridurre il consumo energetico stanno diventando sempre più interessanti. I veicoli sovra-attuati, riguardo a questo problema, offrono la possibilità di utilizzare la ridondanza per scegliere l’ingresso di controllo, tra quelli possibili, che minimizza i consumi energetici. A questo proposito, l’obiettivo della ricerca è studiare diverse tecniche per controllare, in tempo reale, un veicolo a guida autonoma sovra-attuato per garantire l’inseguimento della traiettoria e la stabilità con l’obiettivo di minimizzare il consumo energetico. Questo studio si concentra su un veicolo in grado di guidare e sterzare le quattro ruote (4WD, 4WS) in modo indipendente, ed estende il contributo delle precedenti ricerche teoriche fornendo un algoritmo di controllo che deve funzionare in tempo reale su un prototipo di veicolo (RCV-E) sviluppato presso l’ITRL all’interno del KTH, che presenta la sovra-attuazione studiata. A tal fine, l’algoritmo di controllo deve bilanciare la complessità di un sistema a più ingressi, gli obiettivi di allocazione dell’azione di controllo ottimale e l’agilità di funzionamento in tempo reale sul sistema MicroAutoBox II - dSPACE montato sul veicolo. La soluzione proposta è un controllore a due livelli che gestisce separatamente le dinamiche ad alta e bassa frequenza. Il livello superiore è responsabile dell’inseguimento della traiettoria e della minimizzazione dell’energia. Il problema di allocazione viene risolto in due fasi. Un LTV-MPC risolve il problema dell’inseguimento della traiettoria e assegna le forze alle ruote tenendo conto delle perdite di energia agli pneumatici dovute al loro scorrimento longitudinale e laterale. Il secondo passo rialloca le forze longitudinali tra l’asse anteriore e quello posteriore considerando ciascun lato del veicolo in modo indipendente per minimizzare le perdite di energia nei motori. Il livello inferiore è responsabile della trasformazione delle forze alle ruote in coppia e angolo di sterzo; funziona a una più alta frequenza rispetto al livello superiore per tenere conto delle dinamiche veloci delle ruote. Infine, la strategia di controllo viene testata in simulazione per quanto riguarda le prestazioni di inseguimento della traiettoria e di minimizzazione dell’energia, e successivamente su MircoAutoBox II montato sull’RCV-E per valutare le prestazioni in tempo reale.