[논문]UIO를 이용한 선회 시 등판각 추정

변형규; 김현규; 김인근; 허건수

doi:10.7467/ksae.2015.23.5.478

UIO를 이용한 선회 시 등판각 추정
Climbing Angle Estimation in Yawing Motion by UIO 원문보기

한국자동차공학회논문집 = Transactions of the Korean Society of Automotive Engineers, v.23 no.5, 2015년, pp.478 - 485

변형규 (한양대학교 자동차공학과) , 김현규 (한양대학교 자동차공학과) , 김인근 (한양대학교 자동차공학과) , 허건수 (한양대학교 미래자동차공학과)

Abstract ▼ AI-Helper

Availability of the climbing angle information is crucial for the intelligent vehicle system. However, the climbing angle information can't be measured with the sensor mounted on the vehicle. In this paper, climbing angle estimation system is proposed. First, longitudinal acceleration obtained from gyro-sensor is compared with the actual longitudinal acceleration of the vehicle. If the vehicle is in yawing motion, actual longitudinal acceleration can't be approximated from time derivative of wheel speed, because lateral velocity and yaw rate affect actual longitudinal acceleration. Wheel speed and yaw rate can be obtained from the sensors mounted on the vehicle, but lateral velocity can't be measured from the sensor. Therefore, lateral velocity is estimated using unknown input observer with nonlinear tire model. Simulation results show that the compensated results using lateral velocity and yaw rate show better performance than uncompensated results.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 종방향 제어나 V2X에서 필요한 위치 정보를 알아내기 위해 필요한 인자인 등판각을 추정하는 시스템을 제안하고자 한다. 실제 차량의 가속도 정보와 차량에 장착된 가속도 센서 정보의 차이를 이용하여 등판각을 추정하는 방법이며, 차량이 조향 시에도 추정 시스템의 강인성 확보를 위해 횡속도와 요레이트를 이용한 보정 알고리즘을 제안하였다.
본 논문에서는 종방향 차량 모델과 횡속도를 추정하여 경사로를 주행중인 차량의 등판각 추정 방법을 제안하였다.

가설 설정

μ는 바퀴와 타이어 사이의 노면 마찰계수로 본 논문에서는 일반적인 아스팔트라 가정하여 0.85를 사용하였다.
는 각 바퀴의 슬립 앵글을 의미한다. C_xxi, C_yyi는 각각 종방향, 횡방향 강성로 이미 알고 있는 값이라 가정한다.

제안 방법

따라서 이를 경사계 센서를 사용하여 실값으로 생각하였다. 경사계 센서 값과의 비교를 통해 RMSE 값과 최대 오차를 구하였다. RMSE의 값은 보정한 경우 0.
이는 정지 상태에서 급출발을 하여서 생긴 것으로 pitch angle의 영향이 커서 추정 결과의 오차가 크다. 따라서 등판각 추정의 RMSE값과 최대 오차는 10초 이후부터 100초까지로 구하였다.
본 논문에서 제안한 알고리즘을 차량 시뮬레이터인 CarSim과 제어기 설계에 사용된 MATLAB/Simulink를 사용하여 시뮬레이션 하였다. CarSim에서 나오는 센서 데이터(휠속, 요 레이트, 조향각등)가 추정기의 입력이 된다.
상용 소프트웨어를 이용하여 실제 종방향 가속도와 보정하지 않은 가속도, 보정한 가속도에 대한 등판각 추정결과를 비교하여 보았다. Fig.
5% 였다. 시뮬레이션을 통해 알고리즘 검증을 마친 후 실차 실험을 통해 성능을 평가해 보았다. 실차 실험에서는 보정하지 않은 결과의 최대 오차는 약 2.
본 논문에서는 종방향 제어나 V2X에서 필요한 위치 정보를 알아내기 위해 필요한 인자인 등판각을 추정하는 시스템을 제안하고자 한다. 실제 차량의 가속도 정보와 차량에 장착된 가속도 센서 정보의 차이를 이용하여 등판각을 추정하는 방법이며, 차량이 조향 시에도 추정 시스템의 강인성 확보를 위해 횡속도와 요레이트를 이용한 보정 알고리즘을 제안하였다. 이때 필요한 횡속도는 Unknown Input Observer(UIO)와 Dugoff 타이어 모델을 이용하여 추정하는 방법을 제안하였다.
4. 실차 실험

실차 시험은 평지에서의 커브와 u-turn을 하였고, 실제 도로의 기울기를 이미 알고 있는 도로에서 슬라럼을 실시하였다. 실차 실험에 사용된 장비에는 추정 알고리즘에 필요한 데이터를 얻기 위해 3축 자이로 센서와 경사계센서, 광학 속도센서를 사용하였으며 실시간 실험을 위해 MicroAutobox를 사용하였다.
실차 시험은 평지에서의 커브와 u-turn을 하였고, 실제 도로의 기울기를 이미 알고 있는 도로에서 슬라럼을 실시하였다. 실차 실험에 사용된 장비에는 추정 알고리즘에 필요한 데이터를 얻기 위해 3축 자이로 센서와 경사계센서, 광학 속도센서를 사용하였으며 실시간 실험을 위해 MicroAutobox를 사용하였다. 사용한 3축 자이로 센서의 정밀도는 0.
알고리즘을 통해 추정된 횡속도와 등판각을 도시하였다. 첫번째 시나리오는 0%의 도로에서 슬라럼 후 선회하는 것이다.
실제 차량의 가속도 정보와 차량에 장착된 가속도 센서 정보의 차이를 이용하여 등판각을 추정하는 방법이며, 차량이 조향 시에도 추정 시스템의 강인성 확보를 위해 횡속도와 요레이트를 이용한 보정 알고리즘을 제안하였다. 이때 필요한 횡속도는 Unknown Input Observer(UIO)와 Dugoff 타이어 모델을 이용하여 추정하는 방법을 제안하였다.
식 (2)에서 필요한 휠 속도와 요 레이트는 센서로부터 측정이 가능하다. 하지만 횡속도의 경우는 추가적인 센서를 장착하거나 추정을 통해 구해야하기 때문에 본 논문에서는 UIO를 사용하여 횡속도를 추정하였다.

데이터처리

CarSim을 이용한 시뮬레이션을 통해 종방향 가속도를 보정한 결과와 보정하지 않은 결과를 실제값과 비교해 보았다. 시뮬레이션 결과 보정하지 않은 결과의 최대 오차는 약 1.

이론/모형

Dugoff 타이어 모델에서 구해져야 하는 다른 항 \(v_y^c\)인 는 비선형 함수의 역함수이기 때문에 수치해 석법 중 이분법을 사용하였다. Iteration을 줄이기 위해 처음 구간의 범위를 다음과 같이 정하였다.
Sebsadiji 등¹⁾은 2008년도에 발표한 논문에서 비선형 차량 모델에 Extended Kalman Filter와 Luenberger Observer를 융합하여 추정하였다. Katranitas 등⁵⁾은 종방향 차량 모델과 엔진으로부터 나오는 토크가 바퀴로 전달되는 토크 전달 모델을 사용, Kalman filter를 이용하여 추정하였다. 이렇듯 여러 센서의 데이터를 융합하거나 복잡한 모델들을 사용하여 등판각을 추정하는 방법들이 제시되고 있다.
UIO에 사용된 타이어 모델은 다른 비선형 타이어 모델에 비해 알아야 하는 파라미터가 적은 Dugoff 타이어 모델을 이용하였다. Dugoff 타이어 모델의 식은 식 (8)과 같다.
는 비선형 타이어 모델이다. 여러 비선형 타이어 모델이 존재하지만 본 논문에서는 비교적 적은 파라미터로 구현이 가능한 타이어 모델인 Dugoff tire모델을 이용하였다. u는 알고 있는 상태 변수나 측정값을 의미한다.

성능/효과

5% 였다. 따라서, 시뮬레이션과 실차 실험 모두 가속도를 보정해 준 결과 약 1%의 오차를 줄일수 있었다. 이때, 경사각 1% 오차는 중량 1500kg 인차량에 작용하는 종 방향 힘으로 환산할 경우 최대 147N의 오차를 발생시킬 수 있다.
CarSim을 이용한 시뮬레이션을 통해 종방향 가속도를 보정한 결과와 보정하지 않은 결과를 실제값과 비교해 보았다. 시뮬레이션 결과 보정하지 않은 결과의 최대 오차는 약 1.5% 였지만 보정한 결과의 최대 오차는 약 0.5% 였다. 시뮬레이션을 통해 알고리즘 검증을 마친 후 실차 실험을 통해 성능을 평가해 보았다.
만약 횡속도가 정한 범위 이상이 나오게 되는 것은 일반적인 주행 상황이 아니기 때문이다. 시뮬레이션과 실험결과 iteration이 10이하로 나오게 되어 충분히 빠른 시간안에 계산이 된다는 것을 알 수 있었다.
시뮬레이션을 통해 알고리즘 검증을 마친 후 실차 실험을 통해 성능을 평가해 보았다. 실차 실험에서는 보정하지 않은 결과의 최대 오차는 약 2.3% 였고, 보정한 결과의 최대 오차는 약 1.5% 였다. 따라서, 시뮬레이션과 실차 실험 모두 가속도를 보정해 준 결과 약 1%의 오차를 줄일수 있었다.
2912% 였다. 첫 번째 시나리오와는 다르게 속도가 급격하게 증가하지 않았고 속도가 높지 않았기 때문에, pitch angle, roll angle의 영향이 미비하여 추정 결과의 오차가 적게 발생하는 것을 확인하였다.
따라서 경사각 추정 성능 향상은 경사각 정보를 활용하는 각종 차량 종 방향 제어 시스템의 성능 향상에 큰 기여를 할 수 있을 것으로 기대된다. 한편, 급격하게 속도를 줄이며 u-turn을 할 경우 오차가 많이 발생함을 확인할 수 있었다. 이런 현상은 pitch anlge이나 롤 각의 영향이 가속도 센서에 크게 작용하기 때문이다.

후속연구

이때, 경사각 1% 오차는 중량 1500kg 인차량에 작용하는 종 방향 힘으로 환산할 경우 최대 147N의 오차를 발생시킬 수 있다. 따라서 경사각 추정 성능 향상은 경사각 정보를 활용하는 각종 차량 종 방향 제어 시스템의 성능 향상에 큰 기여를 할 수 있을 것으로 기대된다. 한편, 급격하게 속도를 줄이며 u-turn을 할 경우 오차가 많이 발생함을 확인할 수 있었다.
본 논문의 연구를 통해 추정한 등판각은 ACC나 Hill holding 같은 종방향 제어의 성능을 향상 시킬 수 있으며, 현재 많은 관심을 받고 있는 V2X기술에서 중요한 정보인 차량의 절대 위치 정보의 오차를 줄여줄 것이다.
첫번째는 측정 노이즈로 가속도 센서에서 나온 횡가속도나 조향각, 요 레이트 센서 등의 노이즈들이 다른 필터링 없이 타이어 모델에 의해 계산되어지기 때문에 추정값에도 많은 노이즈가 섞여 나오게 된다. 추가적인 필터를 이용하여 필터링을 할 수 있지만 동역학 모델을 사용하여 관측기를 만든다면 더 좋은 필터링을 구현해 낼 수 있다. 두번째 문제점은 측정 모델의 에러를 고려 할수 없다.

질의응답

핵심어	질문	논문에서 추출한 답변
	종방향 제어와 관련된 기술 연구는 무엇이 있는가?	최근 지능형 자동차에 대한 많은 연구들이 진행되고 있다. 그 중 자동차의 종방향 제어와 관련된 기술에는 ACC(Adaptive cruise control)이나 Hill holding 같은 기술들이 있다. 이런 차량의 종방향 제어 시스템에서 차량이 느끼게 되는 등판각은 큰 외란으로 작용하게 된다.
	종방향 제어 시스템에서 차량이 느끼게 되는 등판각은 어떻게 작용하는가?	그 중 자동차의 종방향 제어와 관련된 기술에는 ACC(Adaptive cruise control)이나 Hill holding 같은 기술들이 있다. 이런 차량의 종방향 제어 시스템에서 차량이 느끼게 되는 등판각은 큰 외란으로 작용하게 된다. 이 뿐만 아니라 기존 자동차 기술과 IT기술이 접목되는 IT융합 기술 중 하나인 V2X기술이 있다.
	지능형 자동차에 대한 연구 중 IT융합 기술은 무엇이 있는가?	이런 차량의 종방향 제어 시스템에서 차량이 느끼게 되는 등판각은 큰 외란으로 작용하게 된다. 이 뿐만 아니라 기존 자동차 기술과 IT기술이 접목되는 IT융합 기술 중 하나인 V2X기술이 있다. 이런 V2X기술에서 중요한 정보는 바로 차량들의 위치 정보인데 이 위치 정보를 얻기 위해 GPS를 사용하게 된다.

참고문헌 (12)

Y. Sebsadji, S. Glaser, S. Mammar and J. Dakhlallah, "Road Slope and Vehicle Dynamics Estimation," American Control Conference, Seattle, Washington, USA, pp.4603-4608, 2008.
P. Sahlholm and K. H. Johansson, "Road Grade Estimation for Look-ahead Vehicle Control Using Multiple Measurement Runs," Control Engineering Practice, Vol.18, No.11, pp.1328-1341, 2010.

상세보기
B. Ganji and A. Z. Kouzani, "A Look-ahead Road Grade Determination Method for HEVs," Electrical Engineering and Control, Springer, Vol.98, pp.703-711, 2011.
L. Y. Hsu and T. L. Chen, "Estimating Road Angles with the Knowledge of the Vehicle Yaw Angle," Journal of Dynamic Systems, Measurement, and Control, Vol.132, No.3, 2010.

상세보기
P. F. Katranitsas, A. W. Ordys, P. M. Darnell and J. Jimmy, "Road Gradient Detection Using Kalman Filter," IEEE, EUROCON, pp.1492-1497, 2013.
H. Ohnishi, J. Ishii, M. Kayano and H. Katayama, "A Study on Road Slope Estimation for Automatic Transmission Control," JSAE Review, Vol.21, No.2, pp.235-240, 2000.

상세보기
D. W. Pi, N. Chen, J. X. Wang and B. J. Zhang, "Design and Evaluation of Sideslip Angle Observer for Vehicle Stability Control," Int. J. Automotive Technology, Vol.12, No.3, pp.391-399, 2011.

원문보기 상세보기
L. Imsland, H. F. Grip, T. A. Johansen and T. I. Fossen, "Nonlinear Observer for Vehicle Velocity with Friction and Road Bank Angle Adaptation -Validation and Comparison with an Extended Kalman Filter," SAE 2007-01-0808, 2007.
L. Imsland, T. A. Johansen, H. F. Grip and T. I. Fossen, "On Nonlinear Unknown Input Observers Applied to Lateral Vehicle Velocity Estimation on Banked Roads," International Journal of Control, Vol.80, No.11, pp.1741-1750, 2007.

상세보기
S. Mammar, S. Glaser and M. Netto, "Vehicle Lateral Dynamics Estimation Using Unknown Input Proportional Integral Observers," American Control Conference, Minneapolis, Minnesota, USA, pp.4658-4663, 2006.
R. Rajamani, Vehicle Dynamics and Control, 2nd Edn., Springer, New York, pp.389-393, 2012.
C. S. Lim and Y. W. Choi, "The Experimental Study on the Transient Brake Time of Vehicles by Road Pavement and Friction Coefficient," Journal of Korean Society of Civil Engineers, Vol.30, No.6, pp.587-597, 2010.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증