하위 제어기 동적 정확도(오차율)

무인자동차에서 모터에 역으로 걸리는 저항을 다이나모에서 재현시키고, 동특성 시뮬레이션을 통 해 검증하는 목적으로 가지고 있으나 당해 연도는 관련된 자율형 자동차에 모터 정보의 다이나모 정보를 수집할 수 없기 때문에, Casim 시뮬레이터를 통한 시나리오 정의하고 다이나모 환경과 동 일한 정보를 가정하여 이를 추정한다. 해당 기본 시나리오 모델은 아래와 같은 구성을 갖는다.

그림 22. 동적 정확도를 위한 시나리오 모형

위 그림의 기본 시나리오 모형 Ideal을 올바른 진행 경로라고 할 때 Practical은 자동차의 실제 주 행경로가 된다. 따라서 동적정확도는 올바른 진행경로와 실제 주행경로의 차(ε)로 판단될 수 있다.

다이나모메타(Dynamo meter)는 샤시계를 제외하면 엔진 동력과 트랜스미션의 변화량에 따른 측 정시간으로 시간(t)에 따른 성능(Performance)로 정의되며, 이를 수식 (1)과 같이 나타낼 수 있 다.

동적 정확도: 오차율(εp)= |ideal ­ Practical| (1)

동적 정확도에 대한 상세한 시뮬레이션과 구현 내용은 CarSim의 벤츠 B-class 모델과 위의 그림 에 따른 시나리오 모델로 CarSim의 Test Specifications을 통해 아래와 같이 구성하였다. 아래 그 림은 CarSim 프로그램을 나타낸다. 위의 그림에 대한 시나리오 모델을 구축하기 위해 A-Class, Hatchback으로 설정하고, 곡선 도로를 생성하기 위해 Procedure에서 understeer, 40-m Radius Circle로 설정함으로써 위 그림의 시나리오 모델에 대한 외부 환경을 구축한다.

그림 23. CamSim의 기본 모델

위 그림의 설정에 따른 외부 환경 구축이 그림 22의 시나리오 모델과 동일한지를 확인하기 위하 여 Result의 Animate를 통해 확인할 수 있다. 그리고 차량의 휠에 받는 힘을 화살표로 나타내어준 다. 정확한 분석을 위해서는 위 그림의 Plat을 클릭하면 아래 그림과 같이 나타난다. CarSim 프로 그램은 Simulink와 연동된다. Simulink는 CarSim의 차량 모델에 대한 제어 모듈 엔진을 구성한다.

제어 모듈에는 ASB Control Module, ESC Control Module, Transmission Module 등이 있다.

즉, CarSim에서 Simulink의 제어 모듈에 필요한 외부 입력 데이터를 전달한다. 이 데이터를 Simulink에서 입력 받아서 제어 모듈이 동작하여 출력 데이터를 생성하고, 이 데이터를 다시 CarSim의 차량 모델로 전달되어 차량이 제어되면서 운행된다.

그림 24. 시나리오 모델에 따른 CarSim에서의 시뮬레이션 구현

외부 환경에 따른 Simulink의 제어 모듈이 동작함에 따른 차량 모델에 반영되는 정보들을 아래 그림과 같이 추출할 수 있다.

그림 25. 시뮬링크에서 동적정확도를 추출하기 위한 기본 모델

그림 26. 시나리오에 따른 데이터 추출 정보

위 그림과 같은 추출정보를 기반으로 아래의 값과 같이 시나리오에 따른 추출정보를 도출할 수 있 다.

그림 27 시나리오 따른 동적정확도 Normal과 제안된 오차비교

위의 그림은 CarSim에서 정의한 Ideal한 범위 그리고 기본 시뮬레이션에서 차량의 오차범위 추출 된 결과, 마지막으로는 제안된 알고리즘과 Ideal의 오차범위를 나타내었다. 동일시나리오에서 Normal은 평균 6.09%가 나온 반면 본 제안된 방법을 적용하였을 때는 4.90%의 오차로 정량적 목표에 부합됨을 알 수 있었다.

3.1.11 기어박스제어시간 Ÿ 개발 목표 : 700ms

기어박스 제어시간은 RPM에 따른 기어박스 제어시간으로 기업박스는 엔진출력과 연관성을 갖는 다. 따라서 기어박스 제어시간을 달성하기 위해서는 시제품 자동차에서 rpm의 변화와 엔진 출력 그리고 하위기 동적정보가 요구된다. 이를 기반으로 전달시간과 기계적 변환시간 그리고 응답시간 을 계산 혹은 측정할 수 있다. 하지만 1차년도에 시제품 실차에 대한 기계적 변환시간과 동적정보 를 획득 할 수 없기 때문에 ‘자동차 시뮬레이터인 CaSim’을 이용하여 기본과 제안알고리즘의 변속 기(Transmission)의 변화량을 획득하고 이를 반영한다. 기본 시나리오는 하위제어기 동적정확도와 동일하다. 해당 기본 시나리오 모델은 아래와 같은 구성을 갖는다.

그림 28. 기어박스 제어를 위한 시나리오 모형과 변속기 기본시스템 모형

위 그림의 기본 시나리오 모형 Ideal을 올바른 진행 경로라고 할 때 Practical은 자동차의 실제 주 행경로로 정의한다면, Practical를 나타내는 주행경로로 발생하는 rpm, 구동력, 토크와의 연관성에 따른 변속 시간의 차(εt)로 판단될 수 있다. 수식 (1)과 같이 나타낼 수 있다.

기어박스 제어시간: 변속시간(εt)= |ideal – Practical| (1)

ideal, Practical 은 속도와 rpm 그리고 토크와 rpm 관계가 정의되어야 한다. 이에 따라서 차량 구동에 의해서 실제 구동식은 아래와 같이 나타낼 수 있다. 실제 구동력(Preal)은 차량 구동력(F)은 전체 저항(Rl)의 차이이며 전체 저항은 공기저항(Ra), 시나리오에 따른 경사 저항(Ri)과 회전저항(Rr) 으로 타나낼 수 있다. 공기저항과 회전저항은 주행저항(_)에 포함되며. 구동력은 (2)와 같이 정의

실제 구동력 : Preal = _{}_{ }_{ }   (2)

전체주행저항(_) : PALL = 주행저항() × 경사면저항() (6-1)

그림 29. 일반적인 차량 하중 모형

위에 수학적 모델을 기본하여 아래와 같이 CarSim과 연동을 위한 모델을 개발하였다. 시나리오는 그림 22를 참조하였으며, 기본적인 변속기 컨트롤 모델은 아래 그림과 같다.

그림 30. 자동변속제어기 모델링

위 그림의 자동변속제어기 모델링은 초기 Throttle과 Brakes 정보를 입력으로 받아 속도, Engine RPM을 생성하고, 이 생성된 속도, RPM을 정보를 피드백 받아서 기어 변속을 자동으로 제 어한다. 기어 변속을 제어하는 ShiftLogic은 Throttle과 기어를 입력으로 받아서 기어변속 지점 threshold를 Look-up table를 이용하고, 이 threshold 값을 차량 속도와 비교하여 기어 변속을 하 는 Logic이다.

그림 31. 시뮬레이션 환경에서 RPM 대비 Engin Torque 비율

자동변속제어기 모델링은 초기 Throttle과 Brakes 정보를 입력으로 받아 속도, Engine RPM을 생 성하고, 이 생성된 속도, RPM을 정보를 피드백 받아서 기어 변속을 자동으로 제어한다. 기어 변속 을 제어하는 ShiftLogic은 Throttle과 기어를 입력으로 받아서 기어변속 지점 threshold를 Look-up table를 이용하고, 이 threshold 값을 차량 속도와 비교하여 기어 변속을 하는 Logic이 다.

그림 32. Transmission subsystem

위 그림 30의 Transmission 블록으로 Engine RPM, Gear, Transmission RPM 정보를 받아서 3개의 입력 정보간의 변속비를 이용하여 최종 OutputTorque 값을 차량에 반영하며 TorqueConverter에서 나오는 출력 값은 다시 Engine 블록으로 피드백 된다.

그림 33. ShiftLogic에 대한 Gear 출력 시뮬레이션 결과 값

위 그림은 4단 자동 변속에 대한 시뮬레이션 결과를 보여준다.

그림 34. Throttle, EngineRPM, VehicleSpeed 시뮬레이션 결과 값

위 그림의 Throttle은 60%로 고정한 그래프 결과이고, 이 Throttle 값은 EngineRPM과 그림 33 의 기어 변속에 영향을 준다. 그리고 이 기어 변속에 의해 차량의 속도가 증가함을 알 수 있다.

0 5 10 15 20 25 30 1000

1500 2000 2500 3000 3500 4000

ideal_EngineRPM practical_EngineRPM

그림 35. ideal과 practical 간의 Engine RPM 비교

위 그림은 그림 33의 기어변속에 따른 ideal과 practical 간의 Engine RPM을 비교한 결과 그래 프이다. practical의 경우 ideal에 비해 낮은 RPM에서 기어변속이 이루어지는 것을 확인할 수 있 다.

0 5 10 15 20 25 30

0 20 40 60 80 100 120

ideal_VehicleSpeed practical_VehicleSpeed

그림 36. ideal과 paractical간의 차량 속도 비교

위 그림은 ideal과 practical 간의 차량 속도를 비교한 결과 그래프이며, 차량의 속도 차이가 크 게 나지 않음에도 그림 35의 결과에서 볼 수 있듯이 직결감과 차량 연비를 향상시킬 수 있다.

Ideal Practical

4단 Trans.

1-2 2-3 3-4 Avg 1-2 2-3 3-4 Avg

240 240 360 280 200 280 320 267

6단 Trans.

1-2 2-3 3-4 4-5 5-6 Avg 1-2 2-3 3-4 4-5 5-6 Avg 120 160 160 160 200 160 120 120 160 160 200 152

표 3. 기계적 변환 시간(Gear, ms)

본 시뮬레이션 결과는 응답시간과 전달 시간을 제외한 기계적 변환 시간만을 반영한 결과이며, Ideal에 비 해 practical의 기계적 변환 시간이 더 짧아져 기어박스제어시간을 줄일 수 있다. 하지만, ideal 모델에서 응 답시간과 전달시간을 추론모델이 없기 때문에 기계적 변환시간(Gear)모형에 대한 상대적 비교를 제공하였다.

여기서 기계적 변환시간(Gera)에 TCU의 응답시간과 전달시간으로 ZF 9HP 미션과 TCU의 평균 응답시간 과 전달시간은 150ms¹⁾ 이고 6단 미션(6HP26, 6HP19)은 약 300ms²⁾의 시간이 요구된다. 따라서 전체 기 어박스제어시간 동일하지 않지만 4단과 6단의 TCU의 응답시간을 300ms로 가정할 때 4단은 최소 500ms부 터 최대 620ms로 1차년도 개발 목표치인 700ms 이하를 달성한 것으로 판단된다. 또한 6단 또한 420ms~500ms의 변속응답시간을 가지며, 평균 452ms의 변속시간을 갖는 것을 확인할 수 있었다.

1) http://www.zf.com/media/media/en/document/corporate_2/press_3/press_kits_1/2013_int__fachpressekonferenz /ENG_9HP_Presseworkshop_9HP_Fach_PK_2013.pdf

2) https://vector.com/portal/medien/cmc/events/commercial_events/VectorCongress_2012/VeCo12_1_Keynote_1_Be k_Lecture.pdf

3.1.12 비즈니스 모델 도출 건수

Ÿ 개발 목표 : 클라우드 기반 partially 자율주행 비즈니스 모델 개발

공동연구개발협의회 및 자문위원회 회의를 통하여, 과제와 관련있는 비즈니스 모델로 서비스시나 리오를 작성하였다. 차년도에는 서비스 시나리오를 통하여, 과제에 참여하고 있는 참여기업의 개발 사항과 비교하여 비즈니스 모델 아이템을 구체화 할 예정이다.

그림 37. 서비스시나리오 동영상 스크린샷

서비스시나리오를 시각화하기 위하여 동영상을 제작하였고, 내용에는 클라우드맵 생성 파트와 서 비스 파트로 구분을 하였다. 서비스시나리오 내에서 강조되는 비즈니스 모델로는 차량위치인식기술, 클라우드서버에서 지원하는 카쉐어링 서비스, 카쉐어링 어플리케이션 활용, 돌발 상황 시 클라우드 서버를 통해 데이터(우회경로)를 송신 등이 있다.