fastest lap

เร็วที่สุด ??

Fastest-Lap เป็นเครื่องจำลองการเปลี่ยนแปลงของยานพาหนะ มันสามารถใช้เพื่อทำความเข้าใจการเปลี่ยนแปลงของยานพาหนะเพื่อเรียนรู้เกี่ยวกับเทคนิคการขับขี่การออกแบบต้นแบบรถยนต์หรือเพื่อความสนุกสนาน!

สิ่งที่สามารถทำได้

• ไดอะแกรม GG เชิงตัวเลข: ให้ยานพาหนะและความเร็วในการคำนวณแผนภาพขวาน แผนภาพ GG เป็นเทคนิคที่มีประโยชน์ในการออกแบบยานพาหนะและการสำรวจพารามิเตอร์

  สิ่งนี้ได้รับการแก้ไขเป็นปัญหาการเพิ่มประสิทธิภาพ: สำหรับการเร่งความเร็วด้านข้างที่กำหนดให้ค้นหาการเร่งความเร็วระยะยาวขั้นต่ำ/สูงสุดที่เป็นไปได้

• การจำลอง Laptime ที่ดีที่สุด: ให้ยานพาหนะและวงจรเพื่อคำนวณการควบคุมที่ดีที่สุดที่ลด laptime

  ปัญหานี้ได้รับการแก้ไขโดยใช้วิธีการจัดระเบียบลำดับแรกกฎสี่เหลี่ยมคางหมูที่มีวิธีการสั่งซื้อสูงกว่าวางแผนที่จะดำเนินการในไม่ช้า NLP ได้รับการแก้ไขโดยใช้ IPOPT และ CPPAD เพื่อเพิ่มประสิทธิภาพ (รอบเวลารอบ Circuit de Catalunya สามารถรับได้ 500 คะแนนในเวลาประมาณ 1 นาที)

  นี่ไม่ใช่การจำลองแบบกึ่งสเตทรัฐ แบบจำลองแก้สถานะชั่วคราวอย่างเต็มที่เช่นเดียวกับในสมการไดนามิกโดยไม่มีสมมติฐานคงที่

ferrari-20122-australia.mp4

วิธีการ

แกนกลางของซอฟต์แวร์คือไลบรารี C ++ ที่สามารถใช้งานได้ผ่าน Python API เอกสารฉบับเต็มยังไม่พร้อมใช้งาน แต่บางตัวอย่างสามารถพบได้ในตัวอย่าง/Python การแข่งขันที่เร็วที่สุดนั้นมีประสิทธิภาพมากสามารถคำนวณรอบที่เหมาะสมที่สุดในเวลาน้อยกว่า 1 นาที

แบบจำลองไดนามิก

รหัสใช้สองรุ่นรถยนต์:

• แบบจำลองรถยนต์ 3DOF (ตามยาว, ด้านข้างและหันเห) ซึ่งปัจจุบันใช้สำหรับการจำลอง F1 พารามิเตอร์เริ่มต้นที่ใช้สามารถพบได้ใน./database/limebeer-2014-f1.xml
• โมเดลรถยนต์ 6DOF (ตามยาว, ด้านข้าง, แนวตั้ง, หันเห, พิทช์และม้วน) ซึ่งปัจจุบันใช้สำหรับการจำลองโกคาร์ท พารามิเตอร์เริ่มต้นที่ใช้สามารถพบได้ใน./database/roberto-lot-2016-kart.xml

วงจร

วงจรถูกจำลองจากเส้นทางที่สร้างขึ้นจาก Google Earth ตัวอย่างเช่นขีด จำกัด การติดตามที่ถูกต้องของ Catalunya รวมอยู่ในที่เก็บนี้ (ฐานข้อมูล/google_earth/catalunya_right.kml) วงจรจะถูกประมวลผลล่วงหน้าด้วยเครื่องมือที่รวมอยู่ในที่นี้เพื่อแยกสายอ้างอิงความโค้งของมันและระยะทางไปยังขีด จำกัด แทร็กซ้าย/ขวา (ฐานข้อมูล/catalunya_discrete.xml)

การพึ่งพาอาศัยกัน

Fastest-Lap ใช้ห้องสมุดโอเพนซอร์ซหลายแห่ง:

• IPOPT: เครื่องมือเพิ่มประสิทธิภาพภายในเป็นชุดซอฟต์แวร์โอเพ่นซอร์สสำหรับการเพิ่มประสิทธิภาพแบบไม่เชิงเส้นขนาดใหญ่ ใช้ภายในโครงการนี้เพื่อรับวิธีแก้ปัญหาสำหรับปัญหา laptime ที่ดีที่สุดที่เขียนเป็น NLP (ปัญหาการเขียนโปรแกรมที่ไม่ใช่เชิงเส้น)
• CPPAD: ความแตกต่างของอัลกอริทึม C ++ แจกจ่ายควบคู่ไปกับ IPOPT นั้นใช้ในการคำนวณอนุพันธ์เชิงวิเคราะห์
• TinyXML2: TINYXML-2 เป็นตัวแยกวิเคราะห์ตัวแยกวิเคราะห์ C ++ XML ที่เรียบง่ายมีประสิทธิภาพขนาดเล็กที่ใช้ในการอ่านไฟล์ XML (เช่นพารามิเตอร์รุ่น, แทร็ก, ... )
• Logger-CPP: ตัวบันทึกแบบง่าย ๆ ใน C ++ เพื่อจัดการระดับการพิมพ์และส่วนเสริมอื่น ๆ ที่น่าสนใจ
• Lion-CPP: อินเทอร์เฟซ Lightweigh สำหรับการเพิ่มประสิทธิภาพและตัวเลขตัวจัดการแพ็คเกจ C ++ สำหรับไลบรารีทั้งหมดที่กล่าวถึงข้างต้นรวมถึงวิธีการเชิงตัวเลขอื่น ๆ เช่นเฟรมเครื่องจักรกล, พีชคณิตเวกเตอร์และ Runge-Kutta Schemes

การติดตั้ง

Windows 10

มีการดาวน์โหลดไบนารีล่วงหน้าสำหรับทุกรุ่น

• v0.1
• v0.2
• v0.3
• v0.4
• v0.5

ดาวน์โหลดและคลายซิป เนื้อหาของโฟลเดอร์ซิปคือ:

• BIN: ห้องสมุดไดนามิก CE ++ Core ที่เร็วที่สุดอยู่ที่นั่น หากใช้งานที่เร็วที่สุดจาก MATLAB ให้ loadlibrary() ไปยังไดเรกทอรีนี้
• รวม: fastestlapc.h และ fastest_lap.py หากต้องการใช้สคริปต์ Python ตรวจสอบให้แน่ใจว่าโฟลเดอร์นี้อยู่บน PYTHONPATH
• ตัวอย่าง: ตัวอย่างโน๊ตบุ๊ค Python
• ฐานข้อมูล: ข้อมูลรถยนต์และติดตาม

Mac และ Linux

โครงการนี้ใช้ CMAKE เพื่อสร้างซอร์สโค้ดและสร้างไบนารี

ขั้นตอนที่เป็นที่ยอมรับในการรวบรวมโครงการ CMake คือ: (สมมติว่า $FASTESTLAP เป็นระดับสูงสุดของซอร์สโค้ด)

1. สร้างโฟลเดอร์สร้าง

 mkdir ${FASTESTLAP}/build

2. จากโฟลเดอร์สร้างให้เรียกใช้ cmake

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

ตัวเลือกที่มีให้สำหรับ cmake คือ:

 -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

ในขั้นตอนนี้ CMake จะดาวน์โหลดและติดตั้งการพึ่งพาที่สามทั้งหมด

3. รวบรวม

 make

4. ทดสอบ (ไม่บังคับ แต่แนะนำ)

 ctest --verbose

5. ติดตั้ง (ไม่บังคับ)

 make install

ลินเวกซ์

สภาพแวดล้อมการสร้างท่าเทียบเรือมีให้และสามารถใช้ในการรวบรวมไลบรารีที่ใช้ร่วมกันและสร้างการผูก Python

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

เอกสาร

อ่านเอกสารออนไลน์ที่เร็วที่สุดที่เร็วที่สุด

การอ้างอิง

[1] Tremlett, AJ และ DJN Limebeer "การใช้ยางที่ดีที่สุดสำหรับรถสูตรหนึ่ง" การเปลี่ยนแปลงของระบบยานพาหนะ 54.10 (2016): 1448-1473
[2] Lot, Roberto และ Nicola Dal Bianco "การเพิ่มประสิทธิภาพรอบเวลาของการแข่งโกคาร์ท" การเปลี่ยนแปลงของระบบยานพาหนะ 54.2 (2016): 210-230
[3] Dal Bianco, Nicola, Roberto Lot และ Marco Gadola "การจำลองการควบคุมที่ดีที่สุดของเวลาขั้นต่ำของรถแข่ง GP2" การดำเนินการของสถาบันวิศวกรเครื่องกลส่วน D: วารสารวิศวกรรมรถยนต์ 232.9 (2018): 1180-1195
[4] Lot, Roberto และ Matteo Massaro "วิธีการเชิงสัญลักษณ์ในการสร้างแบบจำลองมัลติบอดี้ของยานพาหนะบนท้องถนน" วารสารนานาชาติของกลไกประยุกต์ 9.05 (2017): 1750068
[5] Kelly, Daniel P. และ Robin S. Sharp "การควบคุมเวลาที่เหมาะสมของรถแข่ง: วิธีตัวเลขเพื่อเลียนแบบไดรเวอร์ในอุดมคติ" การเปลี่ยนแปลงของระบบยานพาหนะ 48.12 (2010): 1461-1474
[6] Piccinini, Mattia "การวางแผนเส้นทางและการควบคุมยานพาหนะที่ขับเคลื่อนด้วยตนเองในขอบเขตของการจัดการ"
[7] Casanova, D. "ในเวลาขั้นต่ำของยานพาหนะการหลบหลีก: ตักที่ดีที่สุดทางทฤษฎี"
[8] Perantoni, G. et al. "การควบคุมที่ดีที่สุดสำหรับรถสูตรหนึ่งที่มีพารามิเตอร์ตัวแปร"