자율주행 승차감을 고려한 인공지능 기반 회생제동 알고리즘 개발 Development of Artificial Intelligence-Based Regenerative Braking Algorithm Considering Autonomous Driving Ride Comfort원문보기
본 논문에서는 자율주행 차량이 제동을 함에 있어서 승차감에 영향을 주는 요인을 분석하였으며, 이를 바탕으로 승차감을 해치지 않는 속도변화 그래프를 추종하도록 제어전략을 구성하였다. 승차감에 영향을 미치는 요인으로 가속도와 가가속도를 고려하였고, 한계치를 설정하여 적절한 속도변화가 이루어 질 수 있도록 구성하였다. 쌍곡탄젠트 함수를 속도변화 그래프의 형태로 적용하여 감속동작의 시작과 끝 부분에서 가가속도를 줄일 수 있도록 제어하였으며, 가속도 또한 허용범위 이내에 머물도록 제어하였다. 제시한 제어전략을 구성하기 위하여 필요한 구성요소들을 역학적으로 모델링하였고, 이를 기반으로 요구 제동력이 계산되었다. ...
본 논문에서는 자율주행 차량이 제동을 함에 있어서 승차감에 영향을 주는 요인을 분석하였으며, 이를 바탕으로 승차감을 해치지 않는 속도변화 그래프를 추종하도록 제어전략을 구성하였다. 승차감에 영향을 미치는 요인으로 가속도와 가가속도를 고려하였고, 한계치를 설정하여 적절한 속도변화가 이루어 질 수 있도록 구성하였다. 쌍곡탄젠트 함수를 속도변화 그래프의 형태로 적용하여 감속동작의 시작과 끝 부분에서 가가속도를 줄일 수 있도록 제어하였으며, 가속도 또한 허용범위 이내에 머물도록 제어하였다. 제시한 제어전략을 구성하기 위하여 필요한 구성요소들을 역학적으로 모델링하였고, 이를 기반으로 요구 제동력이 계산되었다. 회생제동의 제동력 한계에 따라 알고리즘을 보완하였고, 이를 위하여 인공신경망을 구성해 지도학습을 진행하였다. 인공신경망은 회생제동의 제동력 한계를 정확히 예측하는데 사용되었으며, 다층 퍼셉트론을 활용하였다. CarSim과 MATLAB/Simulink를 연동하여 시뮬레이션 환경 을 구성했다. 시뮬레이션을 통해 수집한 데이터를 인공지능 학습에 활용하였으며, 시뮬레이션을 통해 검증하였다. 일반적인 감속동작과 비교하여 승차감 개선에 대한 내용을 가속도와 가가속도 데이터를 기준으로 검증하였고, 인공지능 학습을 통해 보완한 알고리즘의 동작여부를 시뮬레이션을 통해 확인하였다.
본 논문에서는 자율주행 차량이 제동을 함에 있어서 승차감에 영향을 주는 요인을 분석하였으며, 이를 바탕으로 승차감을 해치지 않는 속도변화 그래프를 추종하도록 제어전략을 구성하였다. 승차감에 영향을 미치는 요인으로 가속도와 가가속도를 고려하였고, 한계치를 설정하여 적절한 속도변화가 이루어 질 수 있도록 구성하였다. 쌍곡탄젠트 함수를 속도변화 그래프의 형태로 적용하여 감속동작의 시작과 끝 부분에서 가가속도를 줄일 수 있도록 제어하였으며, 가속도 또한 허용범위 이내에 머물도록 제어하였다. 제시한 제어전략을 구성하기 위하여 필요한 구성요소들을 역학적으로 모델링하였고, 이를 기반으로 요구 제동력이 계산되었다. 회생제동의 제동력 한계에 따라 알고리즘을 보완하였고, 이를 위하여 인공신경망을 구성해 지도학습을 진행하였다. 인공신경망은 회생제동의 제동력 한계를 정확히 예측하는데 사용되었으며, 다층 퍼셉트론을 활용하였다. CarSim과 MATLAB/Simulink를 연동하여 시뮬레이션 환경 을 구성했다. 시뮬레이션을 통해 수집한 데이터를 인공지능 학습에 활용하였으며, 시뮬레이션을 통해 검증하였다. 일반적인 감속동작과 비교하여 승차감 개선에 대한 내용을 가속도와 가가속도 데이터를 기준으로 검증하였고, 인공지능 학습을 통해 보완한 알고리즘의 동작여부를 시뮬레이션을 통해 확인하였다.
In this paper, the factors, influencing the ride comfort in braking by autonomous vehicles, were analyzed, and the velocity control strategy was constructed. Acceleration and jerk were considered as factors affecting ride comfort, and the factors were limited to assure driving comfort. The hyper...
In this paper, the factors, influencing the ride comfort in braking by autonomous vehicles, were analyzed, and the velocity control strategy was constructed. Acceleration and jerk were considered as factors affecting ride comfort, and the factors were limited to assure driving comfort. The hyperbolic tangent function was applied to velocity graph, which reduces the jerk at the beginning and end of the deceleration operation. Acceleration was controlled within the allowable range.
The components required to form the control strategy presented were mathematically modeled, and the required braking force was calculated based on the components.
The control algorithm was supplemented by artificial neural network algorithm to solve braking force limit of regenerative braking system. Multi-layer perceptron was used to accurately estimate the braking force limits of regenerative braking system.
CarSim and MATLAB/Simulink were interlinked to form a simulation environment. Data, collected through simulation, were used to artificial intelligence learning. Proposed algorithm were verified through simulation by comparing with conventional braking system.
In this paper, the factors, influencing the ride comfort in braking by autonomous vehicles, were analyzed, and the velocity control strategy was constructed. Acceleration and jerk were considered as factors affecting ride comfort, and the factors were limited to assure driving comfort. The hyperbolic tangent function was applied to velocity graph, which reduces the jerk at the beginning and end of the deceleration operation. Acceleration was controlled within the allowable range.
The components required to form the control strategy presented were mathematically modeled, and the required braking force was calculated based on the components.
The control algorithm was supplemented by artificial neural network algorithm to solve braking force limit of regenerative braking system. Multi-layer perceptron was used to accurately estimate the braking force limits of regenerative braking system.
CarSim and MATLAB/Simulink were interlinked to form a simulation environment. Data, collected through simulation, were used to artificial intelligence learning. Proposed algorithm were verified through simulation by comparing with conventional braking system.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.