Tesis y Trabajos de Investigación PUCP

URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6

El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP

Explorar

Filtros

2017 - 20202

Ajustes

Temasearch.filters.applied.operator.equals: search.filters.subject.Conducción de automóviles

Resultados de búsqueda

Mostrando 1 - 2 de 2
  • No hay miniatura disponible
    ÍtemTexto completo enlazado
    Determinación de una metodología de construcción de ciclo de conducción adecuada para Lima Metropolitana
    (Pontificia Universidad Católica del Perú, 2020-02-14) Basagoitia Vidal, Jonatan Sebastian; Cuisano Egúsquiza, Julio César
    En la actualidad existen dos problemas significativos que aquejan a Lima Metropolitana: la contaminación y el tráfico; ambos fuertemente relacionados al uso de vehículos livianos como medio de transporte. El presente trabajo busca determinar una metodología de construcción de ciclo de conducción para vehículos livianos adecuada para este centro urbano. Un ciclo de conducción es un instrumento que representa las condiciones de conducción de un lugar. Como tal nos da características de interés de la dinámica de conducción de Lima y, por ende, del tráfico. Además, al ser repetible, puede usarse para predecir el comportamiento que tendrá un vehículo en Lima y así el consumo y las emisiones vehiculares que tendría. De esta forma, facilitaría la comprensión, análisis y eventual solución o atenuación de los problemas mencionados. Con este fin, se analizaron las metodologías más utilizadas para construir ciclos de conducción y las características de la aplicación de cada una, para así poder ver cuáles son más o menos adecuadas para el caso particular de Lima Metropolitana. Además, se compararon las metodologías utilizadas en regiones similares a Lima Metropolitana, caracterizada por tener un tráfico muy denso. Finalmente, se concluyó que utilizar la metodología de microviajes (microtrips) sería un buen punto de partida para desarrollar un ciclo de conducción de esta región, dada su simplicidad de aplicación y la capacidad de captar el comportamiento de conducción en hora punta (por las paradas constantes), que es característico de Lima en la mayor parte del tiempo. Además, al comparar con otras ciudades con tráfico denso y de países en vías de desarrollo como el Perú, vemos que esta metodología es la más utilizada.
  • No hay miniatura disponible
    ÍtemTexto completo enlazado
    Modeling and track planning for the automation of BMW model car
    (Pontificia Universidad Católica del Perú, 2017-06-28) Tabuchi Fukuhara, Rubén Toshiharu; Lin, Shih-Jan; Tafur, Julio
    In recent years, autonomous driving technologies have become a topic of growing interest due to the promise of safer and more convenient mode of transportation. An essential element in every autonomous driving system is the control algorithm. Classical control schemes, like PID, are not able to manage Multiple Inputs-Multiple Outputs, complex, non-linear systems. A more recent control strategy is Model predictive control (MPC), a modern control method that has shown promising results in systems with complex dynamics. In MPC, a sequence of optimal control inputs are predicted within a short time horizon based on the car dynamics, and soft or hard restriction of the system. In this work, three different nonlinear-MPC (NMPC) controllers were formulated based on a kinematic, and two dynamic models (double-track and single-track). The steering system’s dynamics were additionally identified using experimental data. Each MPC was solved applying direct methods, by transforming the optimal control problem to a Nonlinear programming (NLP) problem using the Multiple shooting scheme with a Runge-Kutta 4 integrator. The NLPs were solved using the state-of-the-art optimization solver IpOpt. Before the real-time implementation, all the NMPC controllers were simulated in different scenarios and multiple configurations. The results allowed to select the most suitable controllers to be implemented in a 1:5 scale robotic car. Finally, two NMPC controllers based on the kinematic, and the single-track dynamic model were implemented in the robotic car. The algorithms were tested in two different scenarios at the maximum possible speed. The obtained results from the tests were very promising, and provide compelling evidence that MPC could be implemented as the core of future autonomous driving algorithms, since it computes the optimal control inputs, taking in consideration the restrictions inherent to the system.