Simulación Hardware-in-the-Loop de Vehículos Eléctricos Autónomos mediante Planificación de Trayectoria Dinámica y Control Predictivo por Modelo

Este artículo aplica una planificación de trayectoria dinámica y control predictivo por modelo (MPC) para simular la conducción y el estacionamiento autónomo de una furgoneta eléctrica en una plataforma Hardware-in-the-Loop (HiL). La plataforma de hardware es un simulador que consiste en un sistema de dirección eléctrica, pedales de acelerador y freno, y un Nvidia Drive PX2 con un sistema operativo de robot (ROS). El modelo de dinámica del vehículo, sensores, controlador y mapa de campo de prueba se construyen virtualmente con la plataforma de simulación PreScan. Se pueden simular modos de conducción manual y autónoma, y una interfaz gráfica permite al conductor de prueba seleccionar un espacio de estacionamiento objetivo en una pantalla. Se demuestran tres escenarios: estacionamiento hacia adelante, estacionamiento en reversa y evasión de obstáculos. Cuando el vehículo percibe un obstáculo, el mapa se actualiza y la ruta se planifica de manera adaptativa. La efectividad del MPC propuesto se verifica en experimentos y se demuestra que es superior a un controlador proporcional-integral-derivativo tradicional en cuanto a seguridad, ahorro de energía, comodidad y agilidad.