fastest lap

Le plus rapide ??

Le plus rapide est un simulateur de dynamique de véhicule. Il peut être utilisé pour comprendre la dynamique des véhicules, pour découvrir les techniques de conduite, pour concevoir des prototypes de voitures, ou tout simplement pour le plaisir!

Qu'est-ce qui peut être fait

• Diagramme GG numérique: étant donné un véhicule et une vitesse, pour calculer son diagramme de hache. Le diagramme GG est une technique utile dans la conception des véhicules et l'exploration des paramètres.

  Ceci est résolu comme un problème d'optimisation: pour une accélération latérale donnée, trouvez l'accélération longitudinale minimum / maximale possible.

• Simulation optimale de l'ordinateur portable: étant donné un véhicule et un circuit, pour calculer les contrôles optimaux qui minimisent l'ordinateur portable.

  Ce problème est résolu à l'aide d'une méthode de collocation de premier ordre, la règle trapézoïdale, avec des méthodes d'ordre supérieur qui devraient être mises en œuvre bientôt. La PNL est résolue à l'aide d'IPOPT, et CPPAD pour améliorer ses performances (un temps au tournée autour du circuit de catalogue peut être obtenu avec 500 points en environ 1 minute).

  Ce n'est pas une simulation quasi-state. Le modèle résout les états entièrement transitoires comme dans les équations dynamiques sans hypothèses en régime permanent.

Ferrari-2022-Australia.mp4

L'approche

Le noyau du logiciel est une bibliothèque C ++, qui peut être utilisée via une API Python. La documentation complète n'est pas encore disponible, mais certains exemples peuvent être trouvés dans des exemples / Python. Le plus rapide est très efficace, pouvoir calculer un tour optimal complet en moins de 1 minute.

Modèles dynamiques

Le code implémente deux modèles de voitures:

• Un modèle de voiture 3DOF (longitudinal, latéral et lacet), actuellement utilisé pour les simulations F1. Les paramètres par défaut utilisés peuvent être trouvés dans ./database/limebeer-2014-f1.xml
• Un modèle de voiture 6DOF (longitudinal, latéral, vertise, lacet, hauteur et rouleau), actuellement utilisé pour les simulations go-kart. Les paramètres par défaut utilisés peuvent être trouvés dans ./database/roberto-lot-2016-kart.xml

Circuits

Les circuits sont modélisés à partir de chemins créés à partir de Google Earth, par exemple, la limite de droite de Catalogya est incluse dans ce référentiel (Database / Google_Earth / Catalunya_Right.KML). Les circuits sont ensuite prétraités avec un outil inclus ici pour extraire une ligne de référence, sa courbure et la distance aux limites de piste gauche / droite (base de données / catalogne_discrete.xml).

Dépendances

Fastrest-Lap utilise plusieurs bibliothèques open source:

• IPOPT: Interior Point Optimizer, est un progiciel open source pour l'optimisation non linéaire à grande échelle. Utilisé dans ce projet pour obtenir la solution à des problèmes optimaux sur l'ordinateur portable écrit en NLP (problème de programmation non linéaire).
• Cppad: différenciation algorithmique C ++. Distribué aux côtés d'IPOPT, il est utilisé pour calculer les dérivés analytiques.
• Tinyxml2: Tinyxml-2 est un analyseur XML simple, petit, efficace, C ++, utilisé pour lire des fichiers XML (par exemple, paramètres du modèle, pistes, ...)
• Logger-CPP: un journal simple en C ++, pour gérer les niveaux d'impression et d'autres modules complémentaires intéressants
• Lion-CPP: interfaces LightWeigh pour l'optimisation et les numéros, un gestionnaire de packages C ++ pour toutes les bibliothèques mentionnées ci-dessus, ainsi que d'autres méthodes numériques telles que les cadres mécaniques, l'algèbre vectorielle et les schémas de runge - kutta

Installation

Windows 10

Des binaires précompilés sont disponibles en téléchargement pour chaque version.

• v0.1
• v0.2
• v0.3
• v0.4
• v0.5

Télécharger et dézip. Le contenu du dossier zip est:

• Bin: les bibliothèques dynamiques. Le noyau C ++ le plus rapide est là. Si le plus rapide est utilisé à partir de MATLAB, Point loadlibrary() à ce répertoire.
• Inclure: FastStlapc.h et Fastest_lap.py. Pour utiliser des scripts Python, assurez-vous que ce dossier est sur le PYTHONPATH
• Exemples: Python Notebook Exemples.
• Base de données: données de voiture et de suivi

Mac et Linux

Ce projet utilise CMake pour construire le code source et produire les binaires.

Les étapes canoniques pour compiler un projet CMake sont: (Supposons que $FASTESTLAP est le niveau supérieur du code source.)

1. Créez un dossier de construction.

 mkdir ${FASTESTLAP}/build

2. Dans le dossier de construction, exécutez Cmake

 cd ${FASTESTLAP}/build && cmake ..

Les options disponibles pour Cmake sont:

 -DCMAKE_BUILD_TYPE=Debug/Release
-DCMAKE_INSTALL_PREFIX=/path/to/install/dir
-DCODE_COVERAGE=Yes/No: enables code coverage (if so, use with -DCMAKE_BUILD_TYPE=Debug)
-DBUILD_DOC=Yes/No: builds doxygen documentation

À ce stade, CMake téléchargera et installera toutes les dépendances tierces.

3. Compiler

 make

4. Test (facultatif mais recommandé)

 ctest --verbose

5. Installer (facultatif)

 make install

Linux

Un environnement de construction Docker est fourni et peut être utilisé pour compiler la bibliothèque partagée et générer les liaisons Python.

sh ./src/scripts/linux/docker_compile.sh

Documentation

Lisez la dernière documentation en ligne la plus rapide

Références

[1] Tremlett, AJ et Djn Limebeer. "Utilisation optimale des pneus pour une voiture de Formule 1." Dynamique du système de véhicules 54.10 (2016): 1448-1473.
[2] Lot, Roberto et Nicola Dal Bianco. "Optimisation du temps au tour d'un kart de course." Dynamique du système de véhicules 54.2 (2016): 210-230.
[3] Dal Bianco, Nicola, Roberto Lot et Marco Gadola. "Minimum Time Optimal Control Simulation d'une voiture de course GP2." Actes de l'Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering 232.9 (2018): 1180-1195.
[4] Lot, Roberto et Matteo Massaro. "Une approche symbolique de la modélisation multibody des véhicules routiers." International Journal of Applied Mechanics 9.05 (2017): 1750068.
[5] Kelly, Daniel P. et Robin S. Sharp. "Contrôle optimal de la voiture de course: une méthode numérique pour imiter le conducteur idéal." Dynamique du système des véhicules 48.12 (2010): 1461-1474.
[6] Piccinini, Mattia. "Planification et contrôle des véhicules autonomes aux limites de la manipulation"
[7] Casanova, D. "Au minimum de manœuvre de véhicules: le tour théorique optimal"
[8] Perantoni, G. et al. "Contrôle optimal pour une voiture de Formule 1 avec des paramètres variables"