[論文レビュー] Optimization of Adaptive Cruise Control system Controller: using Linear Quadratic Gaussian based on Genetic Algorithm

Yuncheng Jiang, Lilong Cai+1 more|arXiv (Cornell University)|Nov 19, 2019

Traffic control and management参考文献 7被引用数 7

ひとこと要約

本稿では、適応クルーズコントロール（ACC）システム向けに、遺伝的アルゴリズムで最適化された線形二次ガウス（LQG）コントローラーを提案する。LQRによる最適制御と、プロセスノイズおよび測定ノイズの処理にカルマンフィルタを組み合わせる。遺伝的アルゴリズムによりLQGパラメータのチューニングが自動化され、手動または従来のLQRアプローチに比べて効率性とロバスト性が向上するが、類似概念に関する先行研究が存在するため、新規性は限定的である。

ABSTRACT

In this paper, we propose a novel linear quadratic Gaussian controller whose parameters can be automatically tuned. While linear quadratic regulator method has been widely used in adaptive cruise control system design, researchers have not yet proposed a feasible and effective linear quadratic regulator. Neither did they well tackle with process and measurement noise, nor did they solve the tedious and inefficient tuning problem in adaptive cruise control system design. To compensate for the noise, the authors introduced linear quadratic Gaussian where Kalman filter is applied. And to make the tuning process more efficient, genetic algorithm is used to search for the optimal linear quadratic Gaussian parameters.

研究の動機と目的

• 適応クルーズコントロールシステムにおける線形二次レギュレータ（LQR）パラメータのチューニングにおける非効率性と人的作業の削減を目的とする。
• ACCにおけるプロセスノイズおよび測定ノイズを管理するためにカルマンフィルタを統合することで、システムのロバスト性を向上させる。
• 遺伝的アルゴリズムを用いてパラメータチューニングを自動化し、LQGコントローラーの迅速かつ効果的な最適化を実現する。
• LQRとガウスノイズフィルタリングを統合したフレームワークで、制御性能を向上させる。
• PIDおよびMPCコントローラーとの比較評価を通じて、提案手法の有効性を示す。

提案手法

• LQGコントローラーは、線形二次レギュレータ（LQR）とカルマンフィルタを組み合わせることで、システムノイズおよび測定ノイズに対処する。
• 遺伝的アルゴリズムを用いて、LQRコスト関数における重み行列の最適化を実行し、パラメータチューニングを自動化する。
• シミュレーション環境にコントローラーを実装し、さまざまな走行状況下での性能を評価する。
• 制御性能指標（収束時間、オーバーシュート、定常状態誤差）に基づくフィットネス関数を用いる。
• 定義済みの性能指標を最小化する目的で、集団ベースの進化的アルゴリズムを用いてLQRコスト関数を最適化する。
• カルマンフィルタはリアルタイムでシステム状態を推定し、ノイズの多いセンサ入力に対しても精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、適応クルーズコントロールのLQRコスト関数における重み行列を効果的に最適化できるか？
• RQ2 遺伝的アルゴリズムでチューニングされたLQGコントローラーは、従来のPIDおよびMPCコントローラーと比較して、制御性能に優れているか？
• RQ3 カルマンフィルタの統合が、ACCシステムにおけるプロセスノイズおよび測定ノイズに対するロバスト性をどの程度向上させるか？
• RQ4 遺伝的アルゴリズムによる自動パラメータチューニングは、手動チューニングと比較して設計時間を短縮し、制御性能を向上させるか？
• RQ5 提案されたLQG-GA手法を用いることで、収束時間、オーバーシュート、定常状態誤差にどの程度の定量的改善が得られるか？

主な発見

• 提案された遺伝的アルゴリズムでチューニングされたLQGコントローラーは、従来のLQRおよびPID手法と比較して、より優れた制御性能を達成した。
• カルマンフィルタの統合により、プロセスノイズおよび測定ノイズがシステム状態推定に与える影響が効果的に低減された。
• 遺伝的アルゴリズムにより、LQRパラメータのチューニングが成功裏に自動化され、手動による試行錯誤への依存が減少した。
• 速度および距離の変化に対して、収束時間が短く、オーバーシュートが低減された。
• さまざまな走行シナリオにおいても安定した性能を維持したため、ロバスト性が確認された。
• 本研究では、LQG-GAアプローチが、既存のACC制御戦略に対する実用的で効率的な代替手段であることが確認された。