본 논문에서는 차량 OBD-II인터페이스를 통해 쉽게 확보할 수 있는 차량 진단 정보로부터 차량의 연료 소모량을 예측하는 방법을 제안하였다. 이를 위해 차량으로부터 제공되는 흡입 공기량(MAF), 단기 연료 보정(STFT), 장기 연료 보정 (LTFT) 값이 연료 소모량과 관계가 있다고 가정하고, 흡입 공기량, 단기 연료 보정, 장기 연료 보정을 입력 변수로 하며, 연료 소모량을 출력으로 구성하였다. 차량 OBD-II 인터페이스를 이용하여 획득한 값과 차량관련 전문업체로부터 지원받은 연료 소모량 값의 관계를 연소 반응식으로 구성하였다. 제안한 방식의 유용성을 확인하기 위해 도심 도로 5 Km를 실제 주행테스트를 수행하였고, 제안한 차량 데이터를 이용한 연료 소모량 예측 알고리즘의 성능을 확인하였다.
본 논문에서는 차량 OBD-II 인터페이스를 통해 쉽게 확보할 수 있는 차량 진단 정보로부터 차량의 연료 소모량을 예측하는 방법을 제안하였다. 이를 위해 차량으로부터 제공되는 흡입 공기량(MAF), 단기 연료 보정(STFT), 장기 연료 보정 (LTFT) 값이 연료 소모량과 관계가 있다고 가정하고, 흡입 공기량, 단기 연료 보정, 장기 연료 보정을 입력 변수로 하며, 연료 소모량을 출력으로 구성하였다. 차량 OBD-II 인터페이스를 이용하여 획득한 값과 차량관련 전문업체로부터 지원받은 연료 소모량 값의 관계를 연소 반응식으로 구성하였다. 제안한 방식의 유용성을 확인하기 위해 도심 도로 5 Km를 실제 주행테스트를 수행하였고, 제안한 차량 데이터를 이용한 연료 소모량 예측 알고리즘의 성능을 확인하였다.
This Paper proposed the prediction method of fuel consumption from vehicle diagnosis informations through OBD-II Interface. We assumed mass air flow (MAF), shor-term fuel trim (STFT), and long-term fuel trim (LTFT) had a relationship with fuel consumption. We got the output as fuel-consumption from ...
This Paper proposed the prediction method of fuel consumption from vehicle diagnosis informations through OBD-II Interface. We assumed mass air flow (MAF), shor-term fuel trim (STFT), and long-term fuel trim (LTFT) had a relationship with fuel consumption. We got the output as fuel-consumption from MAF, STFT, and LTFT as input variables. We had modelling as combustion reaction equation with OBD-II data and fuel consumption data supported by automotive company in real. In order to verify the effectiveness of proposed method, 5 km real road-test was performed. The results showed that the proposed method can estimate precisely the fuel consumption from vehicle data.
This Paper proposed the prediction method of fuel consumption from vehicle diagnosis informations through OBD-II Interface. We assumed mass air flow (MAF), shor-term fuel trim (STFT), and long-term fuel trim (LTFT) had a relationship with fuel consumption. We got the output as fuel-consumption from MAF, STFT, and LTFT as input variables. We had modelling as combustion reaction equation with OBD-II data and fuel consumption data supported by automotive company in real. In order to verify the effectiveness of proposed method, 5 km real road-test was performed. The results showed that the proposed method can estimate precisely the fuel consumption from vehicle data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 정밀한 연료 사용량을 추정하기 위해 MAF 방법에 단기/장기 연료 보정정보를 사용하는 방법을 제안한다.
본 논문에서는 차량의 MAF 센서 데이터를 기반으로 차량의 연료 소모량을 예측하는 방법을 제안한다. 엔진에 공급되는 연료량을 알 수 있는 방법 중의 하나가 흡기관에 작용되는 흡기부 압력(MAP: Manifold Absolute Pressure)을 측정하여 흡입되는 공기량으로 연료량을 간접적으로 계산하는 방법과 엔진에 흡입되는 공기의 질량(MAF, Mass Air Flow)을 직접 계측하는 방법이 있다.
본 논문에서는 차량의 연료 소모량 예측을 위해 연료의 연소 반응식에 기반을 둔 방식을 제안하였다. OBD-II로부터 차량의 흡입 공기량(MAF), 단기 연료 보정 (STFT), 장기 연료 보정 (LTFT) 정보를 획득하고, 실제 엔진의 연료 분사량을 측정하여 비교하였다.
제안 방법
본 논문에서는 차량의 연료 소모량 예측을 위해 연료의 연소 반응식에 기반을 둔 방식을 제안하였다. OBD-II로부터 차량의 흡입 공기량(MAF), 단기 연료 보정 (STFT), 장기 연료 보정 (LTFT) 정보를 획득하고, 실제 엔진의 연료 분사량을 측정하여 비교하였다. 차량 데이터를 기반으로 연료 소모량을 추정한 값이 실제 고속 CAN을 통해 제공되는 차량의 연료 소모량과 비교 분석하는 연구를 수행하였다.
본 논문에서는 제네시스 330(2009연식, 자동변속, 가솔린)차량을 이용하여 그림 4와 같이 주행 경로 총 5 km(도심환경)를 주행하면서 차량 정보를 측정하고 연료소모량을 분석하였다.
제안한 방식은 정밀한 연료 사용량을 추정하기 위해 MAF 방법에 단기/장기 연료 보정 정보를 사용하는 방법을 제안한다. 테스트 차량을 이용하여 제안한 방법으로 연료 소모량을 계산하고, 전문 업체의 지원으로 실제 엔진에서 분사되는 연료 분사량과 비교·검토한다.
제안한 방식의 성능을 확인하기 위해서 MAF를 이용하는 방식(FCMAF), MAF와 단기 연료 보정 방식(FCSTFT), MAF와 장기 연료 보정 방식(FCLTFT)을 비교하였다. 그림 8은 5 km 주행거리 동안 사용한 연료를 누적한 결과이다.
OBD-II로부터 차량의 흡입 공기량(MAF), 단기 연료 보정 (STFT), 장기 연료 보정 (LTFT) 정보를 획득하고, 실제 엔진의 연료 분사량을 측정하여 비교하였다. 차량 데이터를 기반으로 연료 소모량을 추정한 값이 실제 고속 CAN을 통해 제공되는 차량의 연료 소모량과 비교 분석하는 연구를 수행하였다.
테스트 차량을 이용하여 제안한 방법으로 연료 소모량을 계산하고, 전문 업체의 지원으로 실제 엔진에서 분사되는 연료 분사량과 비교·검토한다.
대상 데이터
5km 도심 구간에서 제네시스 차량을 이용하여 실험을 실행하여 실제 연료 소모량은 0.622527 리터를 사용하였다. MAF방식으로 계산한 결과는 0.
본 논문에서 사용한 PID는 모드 01로 진단정보를 이용하였으며 세부 PID는 표 2와 같다[6].
성능/효과
622527 리터를 사용하였다. MAF방식으로 계산한 결과는 0.583471 리터, MAF와 단기 연료 보정을 이용하여 계산한 결과는 0.585526 리터, MAF와 장기 연료 보정 방식은 0.600561 리터를 얻을 수 있었다.
MAF와 단기/장기 연료 보정값과 같이 OBD-II 인터페이스를 통해 제공받을 수 있는 차량정보를 이용하여 추정한 차량 연료소모량 값이 차량에서 고속 CAN을 통해 제공하는 실제 연료 분사량과 비교하여 적은 오차범위 내에서 예측 가능함을 확인하였다.
후속연구
향후 엔진부하나 적재하중, 운전자 운전패턴 등 연료 소모량에 영향을 줄 수 있는 인자를 추가하여 정확한 연료 소모량 모델을 구성한다.
질의응답
핵심어
질문
논문에서 추출한 답변
우리나라에서 에너지 소비가 급증한 이유?
우리나라에서 에너지 소비가 급증하게 된 것은 산업화, 도시화의 결과로 이는 우리나라의 수출품목의 상당수를 차지하는 반도체, 휴대폰, 전자전기 제품, 자동차 등이 에너지 의존도가 높은 제품이며, 우리나라 인구의 90% 이상이 도시에 모여 살면서 경제활동을 하고 있기 때문이다. 이처럼 에너지 소비가 급증하고 있는 경제 환경 속에서 차량에 관한 가장 큰 이슈는 연비향상과 배기가스 규제이다.
에너지 절약을 이유로 차량의 이용을 규제할 수만은 없는 것이 현실이기 때문에 이를 위해 필요한 효과적인 방안은?
이를 위해 필요한 효과적인 방안으로는 에너지 측면의 효율적 운전 습관 개선과 차량 엔진의 연비구조 개선을 들 수 있다. 최근 다양한 형태의 운전 습관 개선을 위한 에코 드라이빙 연구가 수행되고 있다. 공회전 금지, 급가속/급정차 금지, 경제속도 유지 등의 가이드라인을 제공하고 있으며, 보다 정확한 연비를 운전자에게 알려주어 간접적으로 에코 드라이빙을 유도하고 있다.
에너지 소비가 급증하는 환경에서 차량에 관한 가장 큰 이슈는?
우리나라에서 에너지 소비가 급증하게 된 것은 산업화, 도시화의 결과로 이는 우리나라의 수출품목의 상당수를 차지하는 반도체, 휴대폰, 전자전기 제품, 자동차 등이 에너지 의존도가 높은 제품이며, 우리나라 인구의 90% 이상이 도시에 모여 살면서 경제활동을 하고 있기 때문이다. 이처럼 에너지 소비가 급증하고 있는 경제 환경 속에서 차량에 관한 가장 큰 이슈는 연비향상과 배기가스 규제이다. 자동차의 연료로 사용되고 있는 화석연료는 점차 고갈되고 있으며, 또한 지속적인 가격상승은 소비자들의 자동차에 대한 강한 연비개선의 요구를 유도하고 있다.
Goncalves, G. A. and Farias, T. L., "On-Road Measurements of Emissions and Fuel Consumption of Gasoline Fuelled Light Duty Vehicles," Clean Air 2005, pp. 27-30, 2005.
Hu Jie, Yan Fuwu, Tian Jing, Wang Pan, Cao Kai, "Developing PC-Based Automobile Diagnostic System Based on OBD System," Power and Energy Engineering Conference, pp. 1-5, 2010.
Chin E. Lin, Ying-Shing Shiao, Chih-Chi Li, Sung-Huan Yang, Shun-Hua Lin, and Chun-Yi Lin, "Real-Time Remote Onboard Diagnostics Using Embedded GPRS Surveillance Technology," IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, vol. 56, no. 3, pp. 1108-1118, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.