Process-in-the-Loop (PIL) 시뮬레이션은 버추얼 환경에서 매우 실제적인 실험과 안 전성을 보장한 시뮬레이션이다. 임베디드 컨트롤 시스템은 일반적인 기계 시스템의 여러 개의 다른 컴포넌트를 컨트롤하는 데에 있어 중추적인 역할을 한다. 소형 무인 항공기를 위한 오토파일럿을 설계한다고 생각해보자. 설계에서의 작은 오류 하나로 인 해 일반 테스팅 중 충돌하면 2억 달러가 소요된다. 실제 테스팅 이전에 시스템의 소프 트웨어를 시뮬레이션 하는 것은 실제 아날로그 및 디지털 신호로 리얼타임으로 작동하 는 것이 아니기 때문에 도움이 되지 않을 수도 있다. 이러한 딜레마로 인해 최종 배포 이전에 임베디드 컨트롤 시스템 테스트를 위한 표준 방법으로써 PIL(HIL) 시뮬레이션 을 채택하게 되었다. Fig.4.12는 Ti社와 Mathworks社의 제품 연동에 대한 블럭도이다.
Fig.4. 12 Interlocking Matlab with CCS
50
Process-in-the-loop (PIL) 시뮬레이션은 버추얼 환경에서 매우 실제적인 기기 시 뮬레이션을 구현가능하고 일반적인 PIL 시스템에는 컨트롤 시스템으로부터 데이터 수 신을 위한 센서, 데이터 송신을 위한 액추에이터, 데이터 프로세싱을 위한 컨트롤러, HMI(Human Machine Interface) 및 개발 후 시뮬레이션 분석 플랫폼이 있다. 고속프 로세스를 사용하면서 다양한 알고리즘을 적용한 프로세서의 검증을 위해서는 PILS 단 계를 필수적으로 수행해야 하므로 PILS검증 단계를 수행하였다. PILS 검증을 수행하 려면 Real-Time처리를 해야 하므로 Fig.4.13과 같은 실험환경을 구축하였다.
Fig.4. 13 Architecture of Processor in the loop simulation
51
Fig.4. 14 Language setup for simulink
Fig.4. 15 Configuration parameter for PILS
Matlab simulink의 컴퓨터 언어를 지정하기 위하여 Fig.4.15와 같은 필수적인 설정이 필요하다. Matlab의 Max 설정을 이용하여 Windows language를 설정하여 simulink를 이용한 C언어의 활용에 있어서 문제가 생기는 것들을 예방할 수 있다.
52
PILS 검증을 위해서는 Matlab simulink의 Configuration Parameters setting은 상당 히 중요하다. 전체적인 시스템은 Configuration의 setup에 대한 설정 값에 의해 계산 되고 PILS block 또한 이를 바탕으로 생성된다. Real-time setup 및 Sampling time은 Code generation 이후 적용되지 않으므로 Discrete solver를 이용한다.
PILS 검증을 위한 Model을 다음과 같이 PILS block과 Simulation block을 실시간으 로 비교하였다.
시스템 알고리즘의 검증을 위하여 Sin wave 및 White noise를 PD controller를 이용 하여 처리하도록 구성하였다.
PILS검증을 위해는 Fig.4.16과 같은 Block이 필수적이다. PIL block은 CCS를 실행시 키고 다음단계를 위한 build, download등의 옵션을 가지며 PIL block이 안정적으로 구 성되지 않으면 PILS검증은 불가능하다.
Fig.4. 16 Block of PILS
53
Fig.4. 17 Algorithm for PILS verify
54
Fig.4. 18 Compare with simulation data and real data
위의 그래프는 Simulation data와 Processor in the loop simulation 결과이다. 두 data의 결과가 일치함으로 Noise와 Sin wave를 결합한 신호를 PID 제어기와 Weighted moving average filter를 적용 및 신호처리가 가능한 성능을 가진 Processor로 검증된 것을 확인 할 수 있다.
55