Zusammenfassung
Der Beitrag beschreibt eine zeitoptimale Trajektorienplanung, die eine simultane Quer- und Längsplanung auf Basis eines nichtlinearen Einspurmodells durchführt. Das Optimierungsproblem wird vom Zeit- in den Ortsbereich transformiert. Die Planung wird sowohl für Rundkurse als auch zur zyklischen Planung mit statischen Objekten eingesetzt. Neben der Rundenzeit stehen Komfort und Rechenzeit im Fokus.
Abstract
The article describes a method for time optimal trajectory planning. The lateral and longitudinal planning are carried out simultaneously based on a nonlinear single-track model. The optimization problem is transformed from time domain into spatial domain. The planning is used for circuits as well as for moving horizon planning taking static objects into account. In addition to the lap time, the focus is on comfort and computing time.
Über die Autoren

Ingmar Gundlach ist wissenschaftlicher Mitarbeiter am Fachgebiet Regelungstechnik und Mechatronik im Fachbereich Elektro- und Informationstechnik der Technischen Universität Darmstadt. Sein Forschungsgebiet ist die Trajektorienplanung für automatisiertes Fahren bis in den fahrdynamischen Grenzbereich. Im Rahmen eines Kooperationsprojekts arbeitet er mit der Konzernforschung der Volkswagen AG, Wolfsburg zusammen.

Prof. Dr.-Ing. Ulrich Konigorski ist Leiter des Fachgebietes Regelungstechnik und Mechatronik im Fachbereich Elektrotechnik und Informationstechnik der Technischen Universität Darmstadt. Methodenorientierte Forschungsschwerpunkte sind der Entwurf linearer und nichtlinearer Mehrgrößenregelungen, die Anwendung von Walshfunktionen in der Systemtheorie, Multiratenabtastsysteme sowie iterativ lernende Regelungen. Anwendungsorientierte Schwerpunkte sind die Analyse, der Entwurf und die digitale Regelung mechatronischer Systeme.
Literatur
1. K.-H. Siedersberger. „Von der Rennstrecke auf die Straße“. In: at - Automatisierungstechnik 65.7 (2017). DOI: 10.1515/auto-2017-0012.Search in Google Scholar
2. J. Betz et al.„What can we learn from autonomous level-5 motorsport?“ In: 9th International Munich Chassis Symposium 2018. Hrsg. P. von Pfeffer. Proceedings, Wiesbaden: Springer Fachmedien, 2019, S. 123–146. DOI: 10.1007/978-3-658-22050-1_12.Search in Google Scholar
3. S. Schacher, J. Hoedt und R. King. „Fahrerspezifische Geschwindigkeitsprofile für die automatische oder die kooperative Fahrt“. In: at - Automatisierungstechnik 66.1 (2018), S. 53–65. DOI: 10.1515/auto-2017-0093.Search in Google Scholar
4. P. Waldmann. Entwicklung eines Fahrzeugführungssystems zum Erlernen der Ideallinie auf Rennstrecken: Zugl.: Cottbus, Brandenburgische Techn. Univ., Diss., 2008, Bd. 1. Schriftenreihe des Lehrstuhls Fahrzeugtechnik und -antriebe der BTU Cottbus Aachen: Shaker, 2009.Search in Google Scholar
5. T. Hansen. Kombinierte Längs- und Quertrajektorienplanung für automatisierte Fahrstreifenwechsel: Zugl.: TU Darmstadt, Diss., 2018, 1. Aufl. Berlin: epubli, 2018. URL: https://tuprints.ulb.tu-darmstadt.de/8081/.Search in Google Scholar
6. M. Gadola et al.„A Tool for Lap Time Simulation“. In: Motorsports Engineering Conference & Exposition, SAE Technical Paper Series. Warrendale, PA, United States: SAE International400 Commonwealth Drive, 1996. DOI: 10.4271/962529.Search in Google Scholar
7. M. Werling. Ein neues Konzept für die Trajektoriengenerierung und -stabilisierung in zeitkritischen Verkehrsszenarien: Zugl.: Karlsruhe, KIT, Diss., 2010, print on demand ed, Bd. 34. Schriftenreihe des Instituts für Angewandte Informatik - Automatisierungstechnik, Universität Karlsruhe (TH) KIT Scientific Publishing, 2011. DOI: 10.5445/KSP/1000021738. URL: http://edok01.tib.uni-hannover.de/edoks/e01fn12/685609162.pdf.Search in Google Scholar
8. A. Wächter and L. T. Biegler. „On the implementation of an interior-point filter line-search algorithm for large-scale nonlinear programming“. In: Mathematical Programming 106.1 (2006), S. 25–57. DOI: 10.1007/s10107-004-0559-y.Search in Google Scholar
9. F. Braghin et al.„Race driver model“. In: Computers & Structures 86.13-14 (2008), S. 1503–1516. DOI: 10.1016/j.compstruc.2007.04.028.Search in Google Scholar
10. N. R. Kapania. „Trajectory planning and control for an autonomous race vehicle“. Phd thesis. Stanford University, 2016.Search in Google Scholar
11. D. Brayshaw and M. F. Harrison. „A quasi steady state approach to race car lap simulation in order to understand the effects of racing line and centre of gravity location“. In: Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering 219.6 (2005), S. 725–739. DOI: 10.1243/095440705X11211.Search in Google Scholar
12. I. Gundlach, U. Konigorski und J. Hoedt. „Zeitoptimale Trajektorienplanung für automatisiertes Fahren im fahrdynamischen Grenzbereich: Eine modellbasierte Rundenzeitoptimierung für seriennahe Fahrzeuge“. In: AUTOREG 2017, Bd. 2292. VDI-Berichte Düsseldorf: VDI-Verlag, 2017, S. 223–234.10.51202/9783181022924-223Search in Google Scholar
13. M. Werling, P. Reinisch und K. Gresser. „Kombinierte Brems-Ausweich-Assistenz mittels nichtlinearer modellprädiktivier Trajektorienplanung für den aktiven Fußgängerschutz“. In: 8. Workshop Fahrerassistenzsysteme, FAS2012. Hrsg. K. von Dietmayer. Darmstadt: Uni-DAS e.V., 2012, S. 77–86.Search in Google Scholar
14. J. P. Timings and D. J. Cole. „Minimum Maneuver Time Calculation Using Convex Optimization“. In: Journal of Dynamic Systems, Measurement, and Control 135.3 (2013), S. 31015-1–31015-9. DOI: 10.1115/1.4023400.Search in Google Scholar
15. B. Gutjahr und M. Werling. „Optimale Fahrzeugquerführung mittels linearer, zeitvarianter MPC“. In: 10. Workshop Fahrerassistenzsysteme. Hrsg. C. von Stiller. Darmstadt: Uni-DAS e.V., 2015, S. 61–70.Search in Google Scholar
16. C. Rathgeber. Trajektorienplanung und -folgeregelung für assistiertes bis hochautomatisiertes Fahren, Diss., Technische Universität Berlin, 2016. DOI: 10.14279/depositonce-5506.Search in Google Scholar
17. D. Casanova. On Minimum Time Vehicle Manoeuvring: The Theoretical Optimal Lap, Phd thesis, Cranfield University, 2000. URL: http://hdl.handle.net/1826/1091.Search in Google Scholar
18. G. Perantoni and D. J. N. Limebeer. „Optimal control for a Formula One car with variable parameters“. In: Vehicle System Dynamics 52.5 (2014), S. 653–678. DOI: 10.1080/00423114.2014.889315.Search in Google Scholar
19. M. Mitschke und H. Wallentowitz. Dynamik der Kraftfahrzeuge, 5. Wiesbaden: Springer Fachmedien Wiesbaden, 2014. DOI: 10.1007/978-3-658-05068-9.Search in Google Scholar
20. M. Papageorgiou, M. Leibold und M. Buss. Optimierung: Statische, dynamische, stochastische Verfahren für die Anwendung. 4 Aufl., Berlin, Heidelberg: Springer, 2015. DOI: 10.1007/978-3-662-46936-1.Search in Google Scholar
21. J. Nocedal, A. Wächter and R. A. Waltz. „Adaptive Barrier Update Strategies for Nonlinear Interior Methods“. In: SIAM Journal on Optimization 19.4 (2009), S. 1674–1693. DOI: 10.1137/060649513.Search in Google Scholar
© 2019 Walter de Gruyter GmbH, Berlin/Boston