Nonlinear model predictive control in path tracking and rollover prevention for autonomous forest machines
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2023-08-21
Department
Major/Subject
Control, Robotics and Autonomous Systems
Mcode
ELEC3025
Degree programme
AEE - Master’s Programme in Automation and Electrical Engineering (TS2013)
Language
en
Pages
74+3
Series
Abstract
An increasing labor shortage is affecting the forestry industry, and the demand for experienced forest machine operators is increasing. A potential solution for this challenge is to increase the efficiency of the harvesting processes by enhancing the level of automation. In this thesis, an autonomous control method for path tracking and rollover prevention for forwarders is proposed. The objective is to ensure that the forwarder is able to accurately follow the desired path in the forest without rolling over, while taking into account the uneven ground profile of the forest floor. The proposed solution utilizes model predictive control, which allows taking into account system constraints and prior knowledge of the elevation changes along the reference path. The performance of the controller was analyzed with simulations and tests using actual hardware. The results of the controller's performance were promising, and the objectives of path tracking and rollover prevention were fulfilled in simulations. However, the testing with real hardware was limited and mainly pointed out that the proposed system setup is capable of controlling the test platform using the developed controller. Despite some challenges related to prediction model inaccuracies, computational requirements, and implementations with real hardware, NMPC can be seen as a potential solution for path tracking and rollover prevention of autonomous forest machines, thanks to the significant advantages of predictive control. Additionally, future developments in modeling and numerical methods, as well as improvements in computational performance, should help overcome these challenges.Metsäteollisuutta vaivaa kasvava työvoimapula ja samaan aikaan tarve kokeneille metsäkoneiden kuljettajille kasvaa. Mahdollinen ratkaisu tähän haasteeseen on lisätä automaation tasoa puunkorjuu prosesseissa tehokkuuden parantamiseksi. Tämän opinnäytetyön tarkoitus on kehittää autonomisten ajokoneiden ohjausmenetelmää, joka ottaa huomioon polunseurannan ja kaatumiseneston. Työn tavoitteena on varmistaa, että autonominen ajokone pystyy tarkasti seuraamaan haluttua polkua, ottaen huomioon metsämaan epätasaisen pinnanmuodon. Kehitetty ratkaisu käyttää malliprediktiivistä säätöä, joka mahdollistaa systeemin rajoitteiden ja maaston ennakkotietojen huomioimisen ajokoneen ohjauksessa. Säätimen suorituskykyä analysoitiin simuloinneilla ja testaus laitteistolla. Säätimen tulokset olivat lupaavia, ja polunseurannan ja kaatumiseneston tavoitteet täyttyivät simuloinneissa. Testaus laitteiston tulokset olivat kuitenkin rajoitettuja ja pääasiassa osoittivat, että ehdotettu järjestelmäkonfiguraatio kykenee ohjaamaan testialustaa käyttäen kehitettyä säädintä. Vaikka ennustemallin epätarkkuuksiin, laskentavaatimuksiin ja toteutukseen liittyy edelleen haasteita, prediktiivinen säätö on potentiaalinen ratkaisu autonomisten metsäkoneiden polunseurantaan ja kaatumisenestoon sen ennakoivan säädön merkittävien etujen vuoksi. Lisäksi tulevaisuuden kehitykset mallinnuksessa, numeerisissa menetelmissä ja laskentatehossa auttanevat ratkaisemaan nämä haasteet tulevaisuudessa.Description
Supervisor
Visala, ArtoThesis advisor
Badar, TabishKeywords
MPC, NMPC, control, modeling, autonomous vehicles