선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그래서 평소에는 낮은 k값을 유지하다가 선회를 할 때 k값이 증가하는 가변적인 이득값에 대한 알고리즘이 필요하다고 판단되었다. 본 논문에서는 차량의 선회시 발생하는 전륜의 타이어의 미끄럼각에 따라 횡 방향 이득값이 가변적으로 변하는 제어식을 도출하였다.
- 본 연구에서는 슬립이 고려되지 않은 자전거 모델을 기반으로 타이어의 슬립 영역까지 확대할 수 있는 수식을 도출하고 도출된 수식을 기반으로 새로운 조향제어 알고리즘을 개발하였다. 조향제어 알고리즘이 센서의 노이즈나 무인자동차를 구동하기 위한 조향 작동장치의 최대 회전 성능에 대하여 어떻게 반응하는지를 분석하였으며, 제시된 알고리즘이 상용화 단계에서 충분히 강건한 제어를 제공할 수 있는지를 검토하였다.
가설 설정
- 0165의 서로 다른 곡률의 도로를 연속주행하는 시뮬레이션의 결과이다. 알고리즘의 최대 수정값인 emax는 차량이 정상적으로 차선 안에서 주행을 하고 있다고 가정할 때 차선 폭 3.8m와 실험차량인 소렌토의 차폭 1.88m을 가정하여 차선내의 목표 경로와 최대 1.92m의 오차가 발생할 수 있다고 판단하여 근사한 정숫값인 2m로 설정하였다. 비교대상 알고리즘은 단순하게 ey의 최댓값을 식 (11)과 emax가 2m인 제어와의 비교와 최댓값이 줄어들었을 때의 결과를 비교하기 위해서 2m와 1m로 제한을 두었다.
제안 방법
- 필요한 양보다 횡 방향 오차가 작게 보정되는 이유는 미끄럼각 만큼 적게 보정되기 때문이다. 그래서 보상 값을 계산할 때 목표한 조향 각이 나오기 위하여 계산된 조향 각에서 조향 각과 실제 전륜 코스 각의 비를 곱하여 슬립상황에서 횡 방향 오차에 대하여 더 큰 값이 수정되도록 하여 식 (7)처럼 횡 방향 보정 이득 값이 실험적으로 도출된 상수값 k가 아닌 가변적으로 적용되는 값 k(t)를 제안하였다.
- 본 논문에서는 무인차량의 조향 제어를 전륜 타이어의 미끄럼각을 고려하여 제어하였다. 시뮬레이션은 MATLAB/Simulink와 CarSim을 통해 진행되었다.
- 시뮬레이션에는 Table 1 에 제시된 조향 작동장치의 사양과 노이즈를 포함하여 진행되었으며 고정속도(55km/h)로 차량모델 CarSim에서 제공하는 모델을 사용하였으며 Simulink와의 Co-Simulation에서 Simulink로 부터 조향결과를 입력받아 시뮬레이션이 진행되었다. 알고리즘이 적용된 경우와 그렇지 않은 경우의 오차는 Fig.
- 시뮬레이션에서 시속 50km/h의 일정한 속도로 도로모델의 곡률 0.0164, 0.0045, 0.013, 0.03, 0.0182, 0.0165의 도로를 주행하도록 하였다. 목표 경로는 도로의 정 중앙을 목표경로로 설정하였다.
- 일반적으로 Electronic Stability Program(ESP)이 장착된 차량에서는 운전자의 의도를 파악하기 위한 값 중 하나로 횡 방향 가속도에 대한 값을 측정하고 있다. 시뮬레이션에서도 차체 미끄럼각을 계산하기 위해서 노이즈를 포함한 횡 방향 가속도 값을 적분하여 사용하기로 하였다. 누적되는 오차를 방지하기 위해서 중립 조향에 있을 때에는 누적 값을 0으로 초기화하였다.
- 이러한 지연은 횡 방향 오차를 키우게 되며 지나치게 큰 횡 오차 수정량을 만들게 된다. 이 경우 타이어 미끄럼각이 최대 횡력이 발생하는 미끄럼각을 넘어가기 때문에 오히려 선회가 부족하게 되었다고 판단하여 전륜 타이어 미끄럼각이 12도를 넘어가면 조향의 추가 조작을 방지하는 알고리즘을 추가하였다. 실제 SKKU 무인차의 계측데이터를 확인시 #의 노이즈가 최대 2도 정도 발생하였고 차량의 IMU로부터 획득한 횡방향 가속도를 통한 β계산 결과가 3도 가량 튀는 것을 반영하여 최대 ± 5도 정도 노이즈로 인한 계산 오차가 발생할 것을 고려해야 한다.
- 전륜 타이어 미끄럼각을 이용하여 조향을 보상해주는 과정과 타이어의 횡력이 가장 큰 지점의 전륜 타이어 미끄럼각을 사용하는 과정, 마지막으로 조향작동장치의 성능을 반영하는 과정으로 총 3가지의 추가적인 알고리즘을 제안하였다.
- 조향작동장치 속도가 느릴수록 차량의 속도가 빠를수록 횡방향 오차는 커지게 된다. 조향으로 인한 횡 오차가 커질수록 불안정한 상황이라고 판단하여 최대 수정량을 낮추도록 알고리즘을 고려하였다. 알고리즘은 식 (11)와 같이 나타낼 수 있다.
- 본 연구에서는 슬립이 고려되지 않은 자전거 모델을 기반으로 타이어의 슬립 영역까지 확대할 수 있는 수식을 도출하고 도출된 수식을 기반으로 새로운 조향제어 알고리즘을 개발하였다. 조향제어 알고리즘이 센서의 노이즈나 무인자동차를 구동하기 위한 조향 작동장치의 최대 회전 성능에 대하여 어떻게 반응하는지를 분석하였으며, 제시된 알고리즘이 상용화 단계에서 충분히 강건한 제어를 제공할 수 있는지를 검토하였다.
- 하드웨어 성능 및 센서 오차를 포함한 시뮬레이션을 진행하기 위하여 실제 하드웨어의 특성을 반영하도록 하였다. 현재 성균관대학교에서 무인자동차 연구에 사용되고 있는 무인차량은 Fig 6와 같다 해당 무인차량을 대상으로 한 센서 노이즈 및 조향작동장치의 성능은 Table 1과 같으며 실제 센서의 데이터가 아닌 후처리 된 센서의 결과를 기준으로 작성하였다.
- 해당 오차를 포함해서 슬립이 큰 시나리오를 만들기 위해서 식 (8)을 적용하여 전륜 타이어 슬립 고려한 제어방식을 CarSim의 차량모델을 사용한 시뮬레이션에서 차량 종 방향 속도 55km/h로 고정하여 진행하였다. 전륜 타이어 슬립이 적용된 알고리즘에서는 슬립이 발생함으로 인하여 보상 차원에서 더 큰 조향 입력을 주지만 전륜 타이어 슬립이 최대 횡력을 발생시키는 범위를 넘어가게 되면서 오히려 횡 방향 오차가 커지는 결과를 초래하였다.
- 횡 방향 보정 이득값이 가변적으로 적용되는 제어의 타당성을 확인하기 위해서 Carsim에서 제공하는 차량모델과 기본 제공되는 도로모델 중 다양한 곡률이 연속되어 있는 도로모델에서 시뮬레이션을 진행하였다.
대상 데이터
- 실제 SKKU 무인차의 계측데이터를 확인시 #의 노이즈가 최대 2도 정도 발생하였고 차량의 IMU로부터 획득한 횡방향 가속도를 통한 β계산 결과가 3도 가량 튀는 것을 반영하여 최대 ± 5도 정도 노이즈로 인한 계산 오차가 발생할 것을 고려해야 한다. 시뮬레이션에 사용된 차량의 무게는 1,361kg이다. 바퀴당 동일한 수직력이 걸린다고 본다면 바퀴당 3,300N 정도의 수직력이 걸리게 된다.
- 본 논문에서는 무인차량의 조향 제어를 전륜 타이어의 미끄럼각을 고려하여 제어하였다. 시뮬레이션은 MATLAB/Simulink와 CarSim을 통해 진행되었다. 시뮬레이션에 센서노이즈와 조향작동장치 특성을 반영하는 것을 통해 조향작동장치의 반응속도가 제어를 어렵게 만드는 요인임을 확인하였다.
이론/모형
- 목표 경로는 도로의 정 중앙을 목표경로로 설정하였다. 제어 알고리즘은 MATLAB/Simulink로 작성되었고 CarSim과 연동하여 시뮬레이션이 진행되었다. 전륜 타이어 미끄럼각을 적용하지 않은 알고리즘에서는 k값을 현재 연구실 실제 무인차량에 적용된 이득 값 0.
성능/효과
- 전륜 타이어 슬립이 적용된 알고리즘에서는 슬립이 발생함으로 인하여 보상 차원에서 더 큰 조향 입력을 주지만 전륜 타이어 슬립이 최대 횡력을 발생시키는 범위를 넘어가게 되면서 오히려 횡 방향 오차가 커지는 결과를 초래하였다.6) 그 결과 하드웨어 특성을 반영하지 않은 시뮬레이션과 비교하여 더 큰 조향 명령을 주게 되더라도 Fig. 7과 같이 오히려 횡 방향 오차는 더 커지는 것을 확인할 수 있다.
- Fig. 4의 결과는 단순히 k값이 상대적으로 높아서 오차가 적은 것 일 수 있지만 Fig. 5는 낮은 곡률의 도로를 선회할 때 에는 거의 동일한 오차율을 보이며 전륜 미끄럼각이 많은 급격한 곡률의 선회에서는 본 알고리즘이 타당한 효과가 있다고 판단되는 결과가 나온 것을 확인할 수 있었다.
- Fig. 7과 Fig. 8과 같이 조향작동장치의 지연 요소를 고려하면 지연요소를 고려하지 않은 경우와 비교하여 오차가 상당히 커지는 것을 알 수 있으나 적어도 전륜 타이어의 미끄럼각을 12도로 제한하는 제어로 해당 제어방식을 적용하지 않은 것과 대비하여 조향 입력은 최대 59% 덜 조작하였으며 오차는 발산구간을 제외하고 최대 57.1%가 개선되는 것을 확인할 수 있다.
- 86m가 개선된 것을 확인할 수 있었다. 곡률이 큰 지점일수록 오차 개선에 대한 효과가 좋은 것을 확인할 수 있었다. 오차가 최대로 개선된 부분의 애니메이션은 Fig.
- 7에서 낮은 곡률의 도로에서는 차량의 노이즈를 반영하였음에도 불구하고 횡 방향 오차에는 큰 영향이 없는 것을 볼 수 있다. 또한, 같은 그림에서 곡률이 큰 지점, 즉 조향작동장치의 성능에 따라서 목표 조향까지의 지연이 크게 발생하는 부분에서 오차가 크게 발생한 것은 조향작동장치의 성능이 오차에 큰 영향을 준다는 간접증거며 이를 고려하여 조향 반응속도를 고려한 제어 알고리즘이 횡 방향 오차 성분을 줄이지는 못하였지만, 채터링 현상을 크게 줄여주는 것을 확인함으로써 조향작동장치의 성능향상이 횡 방향 오차와 채터링 현상을 모두에 크게 영향을 주는 요인임을 확인할 수 있다.
- 최종적인 결과로는 고속영역에서 가장 효과적인 알고리즘은 횡력이 가장 큰 지점을 사용하는 제어방식이었다. 미끄럼각을 보상하는 제어는 Fig. 7과 같이 차량의 노이즈와 조향작동장치의 특성을 고려하자 발산을 하는 것을 볼 수 있고 조향작동장치의 반응속도를 고려한 알고리즘은 Fig. 10과 같이 채터링의 감소에는 효과가 있지만 횡 방향 오차를 줄여주지는 못하는 것을 확인할 수 있었다. 하드웨어의 성능 부분에서는 우선 센서의 오차 성분은 목표 경로의 곡률과 상관없이 일정수준의 가우시안 분포를 보이게 된다.
- 반면 최대 수정량이 작은 경우 안정적인 수렴이 가능할 것으로 판단되었으나 연속적인 곡선도로에서 빠른 대응이 불가능한 이유로 횡 방향 오차가 다시 발생하는 것을 확인할 수 있다. 반면에 알고리즘을 적용한 경우에는 차량의 한계로 인하여 발생한 큰 오차에도 안정적으로 목표량에 도달하는 것을 확인할 수 있었다.
- 시뮬레이션은 MATLAB/Simulink와 CarSim을 통해 진행되었다. 시뮬레이션에 센서노이즈와 조향작동장치 특성을 반영하는 것을 통해 조향작동장치의 반응속도가 제어를 어렵게 만드는 요인임을 확인하였다.
- 12의 붉은색 차량이 알고리즘을 적용한 경우이며 파란색 차량이 적용하지 않은 경우이다. 애니메이션에서 나타난 것과 같이 파란색 차량은 목표 경로인 도로의 중앙에서 0.86m 정도 벗어나 있는 것을 확인할 수 있었다.
- 최대 58%의 오차가 개선되었다. 오차 개선 효과는 이득 값을 높일수록 줄어드는 것을 확인할 수 있었다.
- 주행결과 Fig. 4와 같이 목표 경로로부터 횡 방향 오차가 최대 75.23% 개선 효과가 있는 것을 확인할 수 있다.
- 5와 같다. 최대 58%의 오차가 개선되었다. 오차 개선 효과는 이득 값을 높일수록 줄어드는 것을 확인할 수 있었다.
- 최종적인 결과로는 고속영역에서 가장 효과적인 알고리즘은 횡력이 가장 큰 지점을 사용하는 제어방식이었다. 미끄럼각을 보상하는 제어는 Fig.
- 회전반경이 61m인 경우에 최대 52%, 거리로는 0.13m의 횡방향 오차 개선 효과가 있었으며 회전반경이 33m인 경우 최대 58.8%, 거리로는 0.86m가 개선된 것을 확인할 수 있었다. 곡률이 큰 지점일수록 오차 개선에 대한 효과가 좋은 것을 확인할 수 있었다.
후속연구
- 다만 횡력이 가장 큰 지점을 사용하는 제어방식에서 기본적으로 최대 계산오차를 5도로 예상하여 계산함으로 인하여 차량은 항상 횡력이 가장 큰 지점을 지난 부근을 사용하게 된다. 최대 점을 지나게 되면 횡력이 떨어지는 구배가 낮아서 5도 수준까지는 횡력이 가장 큰 지점과의 차이가 크지 않을 것으로 예상하고 있으나 차체 미끄럼각을 더 자세하게 구할 수 있어 최대 계산오차를 줄일 수 있으며 가속도와 캄의 마찰원(Kamm's friction circle)을 고려하여 최대 횡력이 발생하는 지점을 실시간으로 계산해서 사용할 수 있으면 더 좋은 결과를 낼 수 있을 것으로 예상한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.