| 제목 |
강화학습 기반 전기자동차의 에너지 최적주행 제어 시뮬레이션 |
| 분야 |
모빌리티 동력 및 구동시스템 |
| 언어 |
Korean |
| 저자 |
김수현(단국대학교), 김동민(단국대학교), 최찬규( 단국대학교), 이희윤( 단국대학교) |
| Key Words |
Reinforcement Learning(강화학습), Electric Vehicle(전기자동차), Eco-driving(에코드라이빙), Optimal Control(최적 제어) |
| 초록 |
최근 세계적으로 온실가스 감축을 위한 규제를 강화함에 따라 자동차 산업이 크게 변화하고 있다. 이에 따라 최근 자동차 기업들은 하이브리드 자동차, 전기자동차, 연료전지 자동차 등 친환경차량의 연구개발에 집중하고 있다. 특히 전기자동차는 차량의 주행거리를 늘리기 위한 연구가 활발히 진행되고 있다. 본 논문에서는 이러한 전기자동차의 주행거리를 늘릴 수 있는 제어 방법에 대해 강화학습을 적용한 연구를 진행하였다. 전기차는 주행제어전략에 따라 주행거리가 크게 달라질 수 있는데, 현재 일반적으로 널리 쓰이고 있는 차량의 크루즈 제어방법은 설정한 차량속도를 유지하며 달리는 차량 주행 방법이다. 이는 도로의 구배와 같은 다양한 운전환경을 고려하지 않기 때문에 에너지 최적주행전략으로 볼 수 없다. 본 논문에서는 구배가 있는 도로환경에서 차량의 에너지 효율을 최적화할 수 있는 주행 제어 방법에 대한 연구를 진행하였다. 차량이 주행하는 환경은 CarMaker를 이용하여 구배가 있는 주행환경으로 구축했고, CarMaker에서 제공되는 차량의 종/횡방향 다이나믹스를 고려하여 주행한다. 그리고 주행제어 방법으로는 강화학습 알고리즘을 적용하였다. 시뮬레이션은 강화학습 알고리즘이 적용된 MATLAB/Simulink 모델과 CarMaker를 연동하여 구성하였으며, 강화학습 알고리즘을 통해 반복 시뮬레이션을 기반으로 차량 주행 제어로직를 학습시킨다. 강화학습 알고리즘은 SOC(State of Charge)소모량을 비용(Reward)으로 하여 이를 최소화하는 목적함수를 설정한 후, 이를 학습시킨다. 그 후, 같은 주행환경에서 크루즈 모드 주행을 했을 때의 배터리 SOC 소모량과 비교, 분석하는 연구를 진행했다. |
| 원문(PDF) |
다운로드
|
