Login
- Originaltitel:
- Predictive Longitudinal Vehicle Motion Tracking Using Offset-Free Receding Horizon Control and Deep Reinforcement Learning
- Übersetzter Titel:
- Prädiktive Fahrzeuglängsbewegungsverfolgung mit offset-freier modellprädiktiver Regelung und tiefem Verstärkungslernen
- Autor:
- Büchel, Martin
- Jahr:
- 2023
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Betreuer:
- Knoll, Alois Christian (Prof. Dr.)
- Gutachter:
- Knoll, Alois Christian (Prof. Dr.); Gilitschenski, Igor (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- Stichworte:
- Predictive longitudinal vehicle motion tracking, receding horizon control, offset-free model predictive control, deep reinforcement learning, signal smoothing, polynomial smoothing, vehicle traction parameter estimation, vehicle parameter estimation, Kalman filtering, DeePLS, derivative-exploiting polynomial least squares
- Übersetzte Stichworte:
- Fahrzeugbewegungsverfolgung, modellprädiktive Regelung, Reinforcement Learning, Zustands- und Parameterschätzung, Signalglättung, DeePLS Methode
- TU-Systematik:
- DAT 260; DAT 815
- Kurzfassung:
- We investigate predictive longitudinal trajectory tracking for automated vehicles. A model predictive control formulation is developed and compared to model-free reinforcement learning, which does not typically leverage predictive information. Combining these methods with state and parameter observers for estimating time-variant vehicle parameters is considered. We develop a novel algorithm for smoothing multi-channel data capable of leveraging information about signal inter-dependencies.
- Übersetzte Kurzfassung:
- Es werden Verfahren zur prädiktiven Längsfolgeregelung autonomer Fahrzeuge untersucht. Eine Methode der modellprädiktiven Regelung wird dem modellfreien Verstärkungslernen gegenübergestellt, wobei hier die Verarbeitung von prädiktivem Wissen bislang unüblich ist. Als weiterer Schwerpunkt ergibt sich die Entwicklung von Zustands- und Parameterschätzverfahren zur Ermittlung zeitvarianter Fahrzeugparameter. Ein neuartiges Verfahren zur Glättung mehrerer zueinander abhängigen Größen wird entwickelt.
- WWW:
- https://mediatum.ub.tum.de/?id=1694396
- Eingereicht am:
- 04.01.2023
- Mündliche Prüfung:
- 07.12.2023
- Dateigröße:
- 94638271 bytes
- Seiten:
- 349
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231207-1694396-1-1
- Letzte Änderung:
- 16.04.2024
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology
- mediaTUM GesamtbestandEinrichtungenSchools TUM School of Computation, Information and TechnologyPrüfungsarbeitenDissertationen