266-266 2025 [춘계학술대회]
| 제목 | Data-driven 모델 예측 제어 기반 4륜 독립 구동 모터 차량 토크벡터링 |
|---|---|
| 분야 | 지능형 샤시 및 제어 |
| 언어 | Korean |
| 저자 | 김정효(한양대학교), 박수용(한양대학교), 한경석(한양대학교) |
| Key Words | Gaussian process (가우시안 프로세스), Torque vectoring (토크벡터링), Model predictive control(모델 예측 제어), Independent driven(독립구동), Vehicle dynamics(차량 동역학), Learning-based control (학습 기반 제어) |
| 초록 |
최근 모델 예측 제어는 복잡한 시스템의 제어와 실시간 최적화를 동시에 달성하기 위한 방법으로 자율주행 및 고성능 차량의 제어 분야에서 산업계 적용과 연구가 활발히 진행되고 있다. 이러한 모델 기반 접근은 차량의 모델로부터 미래 상태를 예측하고 이를 최적화함으로써 시스템의 성능을 최적화할 수 있다는 장점이 있다. 그러나 실제 주행 환경에서는 노면 상태, 모델 파라미터, 타이어 힘의 비선형성 등 다양한 불확실성이 존재하기 때문에, 이러한 오차 요소를 대응할 수 있는 기법이 요구된다. 본 논문에서는 Data-driven 기법을 활용한 학습 기반의 모델 예측 제어 방안을 제안하고, 이를 차량의 토크벡터링(Torque Vectoring) 시스템에 적용하였다. 제안된 토크벡터링 알고리즘은 가우시안 프로세스를 통해 차량 동역학의 오차 모델을 학습하고, 이를 모델 예측에 반영함으로써 최적의 제어 입력을 결정한다. 특히 4륜 독립 구동 차량의 좌우 바퀴 간의 독립적인 토크 분배를 통해 코너링 성능을 향상시키며, 노면 상태 변화나 외란 등에 대한 영향을 최소화하고자 한다. 제안된 알고리즘은 MATLAB/Simulink 환경에서 시나리오를 구성하여 주행 안정성, 코너링 성능 등을 검증하였다. Data-driven 모델 예측 제어는 차량의 동역학적 불확실성을 보완하여, 토크벡터링 시스템의 향상된 조향 응답과 안전한 주행 성능을 향상할 수 있음을 확인하였다. 다만, 알고리즘에 사용된 가우시안 프로세스는 높은 계산 부하로 인해 sparse 근사 기법을 적용하여 연산시간과 성능을 비교하였다. 이러한 결과는 학습 기반의 모델 예측 제어 기법이 향후 실제 환경에서 유망한 해법으로 적용될 수 있음과 임베디드 환경에서 실시간성을 달성의 필요성을 논의한다. |
| 원문(PDF) | 다운로드 |