Universidad de granada



Descargar 5,02 Kb.
Ver original pdf
Página1/15
Fecha de conversión03.10.2019
Tamaño5,02 Kb.
  1   2   3   4   5   6   7   8   9   ...   15

T´ecnicas Difusas y Evolutivas
para el Control de Veh´ıculos en
Entornos Reales y Virtuales
Tesis Doctoral
Enrique Onieva Caracuel
Teresa de Pedro Lucio
David Alejandro Pelta
UNIVERSIDAD DE GRANADA
E.T.S. de Ingenier´ıas en Inform´
atica y Telecomunicaci´
on
Departamento de Ciencias de la Computaci´
on e Inteligencia
Artificial

UNIVERSIDAD DE GRANADA
E.T.S. de Ingenier´
ıas en Inform´
atica y Telecomunicaci´
on
Departamento de Ciencias de la Computaci´
on e Inteligencia
Artificial

ecnicas Difusas y Evolutivas para el Control de
Veh´ıculos en Entornos Reales y Virtuales
Autor
Enrique Onieva Caracuel
Directores
Teresa de Pedro Lucio
Programa Autopia. Centro de Autom´
atica y Rob´
otica.
Universidad Polit´
ecnica de Madrid -
Consejo Superior de Investigaciones Cient´ıficas.
David Alejandro Pelta
Dpto. de Ciencias de la Computaci´
on e Inteligencia Artificial.
E.T.S. de Ingenier´ıas en Inform´
atica y Telecomunicaci´
on.
Universidad de Granada.

La memoria titulada T´
ecnicas Difusas y Evolutivas para el
Control de Veh´
ıculos en Entornos Reales y Virtuales, que
presenta D. Enrique Onieva Caracuel para optar al grado de Doctor
en Inform´
atica, ha sido realizada en el Grupo AUTOPIA del Centro de
Autom´
atica y Rob´
otica de la Universidad Polit´
ecnica de Madrid y el
Consejo Superior de Investigaciones Cient´ıficas, en coordinaci´
on con el
Departamento de Ciencias de la Computaci´
on e Inteligencia Artificial de
la Universidad de Granada, bajo la direcci´
on de los Doctores Teresa de
Pedro Lucio y David Alejandro Pelta, de los respectivos departamentos.
Enrique Onieva Caracuel
Teresa de Pedro Lucio
David Alejandro Pelta

Dedicado a
Beatriz, por todo este tiempo a mi lado, su apoyo, ´
animo y
comprensi´
on. Mis padres, por convertirme en la persona que
soy ahora. Mi hermano, por estar ah´ı siempre.

Agradecimientos
Al Ministerio de Ciencia e Innovaci´
on, por financiar mi formaci´
on
doctoral por medio del programa de becas de Formaci´
on de Personal
Investigador.
A los miembros del Departamento de Ciencias de la Computaci´
on e
Inteligencia Artificial de la Universidad de Granada, por los conocimien-
tos aportados a mi formaci´
on.
A mis directores de tesis, Teresa de Pedro y David Pelta, por acom-
pa˜
narme durante esta aventura y haberme guiado con sus ense˜
nanzas
y conocimientos; por ser grandes profesionales y mejores personas, as´ı
como grandes amigos. A Teresa, por ser m´
as que una directora, ser
compa˜
nera y sabia consejera durante este periodo. A David, por la entera
disponibilidad ofrecida, haciendo que todo sea m´
as sencillo.
A los chicos de grupo AUTOPIA, por ese af´
an contagioso de ir un
paso m´
as all´
a. A Ricardo Garc´ıa, por esos momentos que empiezan con
una hoja de papel en blanco y terminan con una soluci´
on brillante al
problema; a Carlos Gonz´
alez, por hacer cierto d´ıa tras d´ıa eso de que no
te acostar´
as sin saber una cosa m´
as; a Vicente Milan´
es, por la pasi´
on y
dedicaci´
on que pone en cada proyecto emprendido; a Javier Alonso, por
su constante af´
an innovador; a Joshu´
e P´
erez, por buscar sencillez de las
cosas m´
as complejas; a Jorge Godoy, por el entusiasmo con el que afronta
las cosas; a Jorge Villagr´
a, por su entrega y sabios consejos; a Roberto
Sanz, por estar siempre dispuesto a cambiar el mundo. A todos ellos por
la infinita amistad mostrada.
A Jos´
e Luis Verdegay, por darme el primer empuj´
on en mi carrera
investigadora y gracias al cual, este trabajo no podr´ıa haberse realizado;
por dejarme descubrir por m´ı mismo las cosas buenas y por avisarme de
las malas. As´ı como por ofrecerme su amistad. Y a todo el grupo de
Modelos de Decisi´
on y Optimizaci´
on, por acogerme, pese a la distancia,
como uno m´
as.
A Enrique Ruspini, por ayudarme y ser el enlace para la realizaci´
on
de mi estancia en el SRI International’s Artificial Intelligence Center ;
as´ı como a Charlie Ortiz y Benoit Morisset, que me guiaron durante

mi estancia all´ı, haciendo que fuera completamente satisfactoria.
A
Pier Luca Lanzi, Daniele Loiacono y Luigi Cardamone, por acogerme
durante mi estancia en el Dipartimento di Elettronica e Informazione
del Politecnico di Milano, por hacerme sentir como en casa y darme la
oportunidad de trabajar con ellos.
En un ´
ambito m´
as personal, son muchas las personas a las que he de
agradecer su apoyo, ayuda y amistad. Gente del Centro de Autom´
atica
y Rob´
otica como Lola, Nacho, Jaime, Bego˜
na, Rodolfo, Agust´ın, Ra´
ul
y tantos otros; Jose Carlos, Alberto, Javi, Jose, ´
Alvaro y dem´
as
compa˜
neros de carrera; y finalmente, los amigos que siempre han estado
ah´ı desde la infancia como Javier, Jos´
e, Yayi, Jose Ricardo, Genoveva,
Antonio y muchos m´
as. Gracias por todos los buenos momentos ya que
han aportado mucho tanto a la presente tesis como a m´ı como persona.

When you make the finding yourself
- even if you’re the last person on Earth
to see the light - you’ll never forget it.
Carl Sagan
In theory, theory and practice are
the same. In practice, they are not.
Atribuida a Albert Einstein
i

ii

Contenido
Resumen
xvii
Abstract
xix
1
Introducci´
on
3
1.1
Prop´
osito . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
1.2
Difusi´
on de Resultados . . . . . . . . . . . . . . . . . . . .
8
1.3
Estructura del Trabajo . . . . . . . . . . . . . . . . . . . .
13
2
Estado del Arte
15
2.1
Los Sistemas Inteligentes de Transporte . . . . . . . . . .
15
2.1.1
El Transporte por Carretera . . . . . . . . . . . . .
18
2.1.2
Veh´ıculos Inteligentes
. . . . . . . . . . . . . . . .
20
2.2
Grupos de Investigaci´
on en Veh´ıculos
Aut´
onomos . . . . . . . . . . . . . . . . . . . . . . . . . .
23
2.3
Proyectos de Investigaci´
on Destacables . . . . . . . . . . .
32
2.4
Los Sistemas Inteligentes de Transporte en la Industria . .
38
2.5
El Grupo AUTOPIA . . . . . . . . . . . . . . . . . . . . .
43
2.5.1
La Zona de Conducci´
on . . . . . . . . . . . . . . .
45
2.5.2
Los Coches . . . . . . . . . . . . . . . . . . . . . .
47
2.5.3
La Arquitectura de Control . . . . . . . . . . . . .
50
2.5.4
ORBEX . . . . . . . . . . . . . . . . . . . . . . . .
54
2.5.5
L´ıneas de Investigaci´
on
. . . . . . . . . . . . . . .
59
3
Control de Velocidad en Entornos Urbanos
63
3.1
Motivaci´
on
. . . . . . . . . . . . . . . . . . . . . . . . . .
64
iii

CONTENIDO
3.2
Actuaci´
on sobre el Acelerador y Freno . . . . . . . . . . .
66
3.3
Sistema de Control Difuso . . . . . . . . . . . . . . . . . .
68
3.3.1
Error de velocidad . . . . . . . . . . . . . . . . . .
69
3.3.2
Aceleraci´
on . . . . . . . . . . . . . . . . . . . . . .
71
3.3.3
Acelerador
. . . . . . . . . . . . . . . . . . . . . .
72
3.3.4
Freno
. . . . . . . . . . . . . . . . . . . . . . . . .
73
3.3.5
Base de Reglas para el Acelerador . . . . . . . . .
73
3.3.6
Base de Reglas para el Freno . . . . . . . . . . . .
74
3.4
Experimentaci´
on . . . . . . . . . . . . . . . . . . . . . . .
75
3.4.1
Adaptaci´
on a Cambios de Velocidad . . . . . . . .
76
3.4.2
Mantenimiento de Velocidad Fija . . . . . . . . . .
78
3.4.3
Comparaci´
on con un Humano . . . . . . . . . . . .
80
3.5
Conclusiones
. . . . . . . . . . . . . . . . . . . . . . . . .
81
4
Ajuste del Control de Direcci´
on con Algoritmos Gen´
eticos 83
4.1
Motivaci´
on
. . . . . . . . . . . . . . . . . . . . . . . . . .
84
4.2
Captura y Procesamiento de la Informaci´
on . . . . . . . .
86
4.2.1
Variables de Entrada y Salida . . . . . . . . . . . .
86
4.2.2
Monitorizaci´
on de Datos . . . . . . . . . . . . . . .
88
4.2.3
Procesamiento de los Datos . . . . . . . . . . . . .
89
4.3
Representaci´
on de los Controladores Difusos . . . . . . . .
91
4.3.1
Representaci´
on del Conjunto de Etiquetas . . . . .
92
4.3.2
Representaci´
on de la Base de Reglas . . . . . . . .
94
4.4

etodo de Ajuste Gen´
etico . . . . . . . . . . . . . . . . .
96
4.4.1
Funci´
on Objetivo . . . . . . . . . . . . . . . . . . .
99
4.5
Experimentaci´
on y Resultados
. . . . . . . . . . . . . . . 100
4.5.1
Controladores Obtenidos . . . . . . . . . . . . . . . 101
4.5.2
Experimentaci´
on . . . . . . . . . . . . . . . . . . . 105
4.5.3
Comparaci´
on con Conductores Humanos . . . . . . 110
4.6
Conclusiones
. . . . . . . . . . . . . . . . . . . . . . . . . 111
5
Conducci´
on Competitiva en Entornos Simulados
113
5.1
Motivaci´
on
. . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2
El Entorno de Simulaci´
on TORCS . . . . . . . . . . . . . 116
5.2.1
Informaci´
on Sensorial
. . . . . . . . . . . . . . . . 118
iv

CONTENIDO
5.3
Arquitectura de Control Implementada . . . . . . . . . . . 121
5.3.1
Control de Marchas
. . . . . . . . . . . . . . . . . 124
5.3.2
Velocidad Objetivo . . . . . . . . . . . . . . . . . . 125
5.3.3
Control de Pedales . . . . . . . . . . . . . . . . . . 128
5.3.4
Control de Volante . . . . . . . . . . . . . . . . . . 129
5.3.5
Gestor de Oponentes . . . . . . . . . . . . . . . . . 132
5.3.6

odulo de Aprendizaje . . . . . . . . . . . . . . . 134
5.4
Experimentaci´
on y Resultados
. . . . . . . . . . . . . . . 137
5.4.1
Experimentaci´
on de Laboratorio . . . . . . . . . . 138
5.4.2
El 2009 Simulated Car Racing Championship . . . 151
5.5
Conclusiones
. . . . . . . . . . . . . . . . . . . . . . . . . 164
6
Conclusions and Future Work
167
v

CONTENIDO
vi

´
Indice de Figuras
1.1
Clasificaci´
on de las t´
ecnicas englobadas por la Hard/Soft
Computing. . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.1
Evoluci´
on del parque de veh´ıculos en Espa˜
na. . . . . . . .
18
2.2

umero de v´ıctimas mortales de accidentes en Espa˜
na. . .
19
2.3
Veh´ıculos aut´
onomos utilizados en el proyecto VaMoRs-P
(izquierda) y MuCAR-3 (derecha). . . . . . . . . . . . . .
24
2.4
Veh´ıculos del proyecto LaRA. . . . . . . . . . . . . . . . .
25
2.5
Veh´ıculos aut´
onomos MobLab (izquierda) y ARGO (derecha). 26
2.6
Im´
agenes del viaje realizado por un veh´ıculo aut´
onomo del
VisLab.
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
2.7
Veh´ıculos utilizados por el grupo de Rob´
otica, Visi´
on y
Control de la Universidad de Sevilla. . . . . . . . . . . . .
28
2.8
Veh´ıculo Stanley, ganador del 2005 DARPA Grand Cha-
llenge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
2.9
Caravana de veh´ıculos autom´
aticos del PATH. . . . . . . .
29
2.10 Veh´ıculos aut´
onomos de la Universidad Carnegie Mellon
NavLab5 (izquierda) y NavLab11 (derecha). . . . . . . . .
30
2.11 Nissan ASV-4 equipado con sistemas de comunicaci´
on
para la reducci´
on de accidentes. . . . . . . . . . . . . . . .
31
2.12 Vista interna del veh´ıculo de pruebas desarrollado por
PReVENT. . . . . . . . . . . . . . . . . . . . . . . . . . .
33
2.13 Veh´ıculo (izquierda) y Interfaz (derecha) implementados
por COOPERS. . . . . . . . . . . . . . . . . . . . . . . . .
33
vii

´
INDICE DE FIGURAS
2.14 Representaci´
on conceptual de las aspiraciones del proyecto
GeoNet. De izquierda a derecha y de arriba a abajo: Co-
municaci´
on de la ruta m´
as corta, informaci´
on de la pres-
encia de accidentes, altura permitida, abandono de carril
dedicado, notificaci´
on de ruta alternativa por emergencia
y descarga autom´
atica de mapas seg´
un localizaci´
on.
. . .
35
2.15 Representaci´
on del marco de aplicaci´
on del proyecto REPOSIT. 36
2.16 Ejemplos de CyberCar.
. . . . . . . . . . . . . . . . . . .
38
2.17 Vista a´
erea de ZOCO. . . . . . . . . . . . . . . . . . . . .
45
2.18 Mejoras realizadas sobre ZOCO en los ´
ultimos a˜
nos.
Trazado adicional (arriba), Rotonda (centro) y Sem´
aforos
(abajo). . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
2.19 Plano esquem´
atico de ZOCO. . . . . . . . . . . . . . . . .
47
2.20 Babieca y Rocinante. . . . . . . . . . . . . . . . . . . . . .
48
2.21 Clavile˜
no y Platero.
. . . . . . . . . . . . . . . . . . . . .
48
2.22 Molinero. . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
2.23 Fotograf´ıa de la instrumentaci´
on de Clavile˜
no. . . . . . . .
50
2.24 M´
odulos Funcionales del Paradigma de Control . . . . . .
51
2.25 Arquitectura de control implementada en AUTOPIA.
. .
52
2.26 Mapa de un recorrido que incluye curvas de diferentes radios. 53
2.27 Representaci´
on esquem´
atica de un sistema difuso. . . . . .
55
3.1
Esquema de funcionamiento del sistema de control del
acelerador. . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
3.2
Esquema de funcionamiento del sistema de control del freno. 67
3.3

alvula selectora entre sistema manual-autom´
atico (izquierda).
Sistema de frenado electro hidr´
aulico situado en el hueco
de la rueda de repuesto del veh´ıculo (derecha).
. . . . . .
68
3.4
Diagrama de bloques para el control de velocidad . . . . .
70
3.5
Funciones de pertenencia difusas para la entrada Error de
Velocidad. . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
3.6
Funciones de pertenencia difusas para la entrada Acel-
eraci´
on. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
3.7
Singletons utilizados para codificar la salida Acelerador. .
73
viii

´
INDICE DE FIGURAS
3.8
Singletons utilizados para codificar la salida Freno. . . . .
73
3.9
Superficie de control del acelerador del veh´ıculo.
. . . . .
75
3.10 Superficie de control del acelerador del veh´ıculo.
. . . . .
76
3.11 Resultados experimentales de la prueba con velocidades
cambiantes. . . . . . . . . . . . . . . . . . . . . . . . . . .
77
3.12 Entradas y salidas del controlador en la prueba a 10 km/h. 78
3.13 Entradas y salidas del controlador en la prueba a 25 km/h. 79
3.14 Resultados experimentales de la prueba a 15 km/h (ar-
riba) y 20 km/h (abajo). . . . . . . . . . . . . . . . . . . .
80
4.1
Representaci´
on gr´
afica del error lateral y angular. . . . . .
87
4.2
Esquema de Signos empleados a efectos de control. . . . .
88
4.3
L´ınea de referencia a seguir por los conductores.
. . . . .
89
4.4
Nube de puntos obtenida tras pruebas con conductores
humanos. . . . . . . . . . . . . . . . . . . . . . . . . . . .
89
4.5
Conjunto de entrenamiento utilizado para estimar el
controlador difuso. . . . . . . . . . . . . . . . . . . . . . .
91
4.6
Representaci´
on de 3 etiquetas trapezoidales por medio de
4 valores reales. . . . . . . . . . . . . . . . . . . . . . . . .
92
4.7
Representaci´
on de 5 etiquetas trapezoidales por medio de
8 valores reales. . . . . . . . . . . . . . . . . . . . . . . . .
93
4.8
21 Singletons utilizados para codificar la salida. . . . . . .
94
4.9
Diagrama de flujo del funcionamiento del m´
etodo de ajuste. 97
4.10 Ejemplo de modificaci´
on de una etiqueta para generar las
poblaciones iniciales. . . . . . . . . . . . . . . . . . . . . .
98
4.11 Ejemplo ( = 3) de modificaci´
on de un consecuente para
generar las poblaciones iniciales.
. . . . . . . . . . . . . .
98
4.12 Conjuntos de etiquetas de controladores: 3M (arriba), 3C
(centro) y 3T (abajo); Error lateral (izquierda) y Error
angular (derecha).
. . . . . . . . . . . . . . . . . . . . . . 102
4.13 Conjuntos de etiquetas de controladores: 5M (arriba), 5C
(centro) y 5T (abajo); Error lateral (izquierda) y Error
angular (derecha).
. . . . . . . . . . . . . . . . . . . . . . 102
ix

´
INDICE DE FIGURAS
4.14 Superficies de control obtenidas. Controladores con tres
(arriba) y con cinco (abajo) etiquetas por entrada. Con-
troladores con base de reglas Marginal (izquierda), Central
(centro) y Total (derecha). . . . . . . . . . . . . . . . . . . 105
4.15 Experimentaci´
on con controlador de base de reglas Marginal
para 3 funciones de pertenencia por entrada.
. . . . . . . 106
4.16 Experimentaci´
on con controlador de base de reglas Central
para 3 funciones de pertenencia por entrada.
. . . . . . . 106
4.17 Experimentaci´
on con controlador de base de reglas Total
para 3 funciones de pertenencia por entrada.
. . . . . . . 107
4.18 Experimentaci´
on con controlador de base de reglas Marginal
para 5 funciones de pertenencia por entrada.
. . . . . . . 107
4.19 Experimentaci´
on con controlador de base de reglas Central
para 5 funciones de pertenencia por entrada.
. . . . . . . 108
4.20 Experimentaci´
on con controlador de base de reglas Total
para 5 funciones de pertenencia por entrada.
. . . . . . . 108
4.21 Resultados comparativos (Error angular promedio) entre
los conductores y los controladores difusos.
. . . . . . . . 110
4.22 Resultados comparativos (Error lateral promedio) entre
los conductores y los controladores difusos.
. . . . . . . . 110
5.1
Entorno de Simulaci´
on TORCS . . . . . . . . . . . . . . . 117
5.2
Esquema de la arquitectura dise˜
nada para la competici´
on
en WCCI-2008 . . . . . . . . . . . . . . . . . . . . . . . . 118
5.3
Esquema de funcionamiento del conjunto de sensores que
miden distancias a los bordes. . . . . . . . . . . . . . . . . 119
5.4
Esquema de funcionamiento del conjunto de sensores que
miden distancias a los oponentes. . . . . . . . . . . . . . . 120
5.5
Representaci´
on gr´
afica de los sensores de posicionamiento. 121
5.6
Esquema Global de la Arquitectura. . . . . . . . . . . . . 122
5.7
Representaci´
on gr´
afica de situaci´
on que requiere marcha
atr´
as (izquierda) y momento en que la situaci´
on cesa
(derecha). . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
x

´
INDICE DE FIGURAS
5.8
Funciones de pertenencia utilizadas para codificar cada
una de las variables de entrada. . . . . . . . . . . . . . . . 127
5.9
Singletons utilizados para codificar la salida. . . . . . . . . 127
5.10 Representaci´
on gr´
afica de las acciones sobre los pedales. . 129
5.11 Representaci´
on gr´
afica de la acci´
on sobre el volante cuando
el veh´ıculo se encuentra fuera de la pista . . . . . . . . . . 131
5.12 Representaci´
on gr´
afica de la acci´
on sobre el volante cuando
el veh´ıculo utiliza marcha atr´
as. . . . . . . . . . . . . . . . 131
5.13 Esquema de funcionamiento del reconocedor de salidas de
v´ıa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.14 Representaci´
on gr´
afica del detector de colisiones. . . . . . 136
5.15 Representaci´
on gr´
afica de la detecci´
on de rectas largas. . . 137
5.16 Pistas utilizadas durante la competici´
on de 2008 junto a
sus longitudes y anchuras. . . . . . . . . . . . . . . . . . . 139
5.17 Pistas utilizadas durante la competici´
on de 2008.
De
izquierda a derecha y de arriba a abajo: Ruudskogen,
Street − 1, D − Speedway, CG Speedway 1, E − T rack3
y B − Speedway . . . . . . . . . . . . . . . . . . . . . . . 140
5.18 Velocidad media (km/h) obtenida por el controlador
propuesto frente al resto de entradas. . . . . . . . . . . . . 141
5.19 Comparativa de ambos controles de marchas sobre D −


Compartir con tus amigos:
  1   2   3   4   5   6   7   8   9   ...   15


La base de datos está protegida por derechos de autor ©absta.info 2019
enviar mensaje

    Página principal