주행 안전을 위한 통합 샤시 제어
Integrated Chassis Control for the Driving Safety
조 완 기*, 이 경 수, 장 래 혁 (Wanki Cho, Kyongsu Yi, and Naehyuck Chang)
Abstract: This paper describes an integrated chassis control for a maneuverability, a lateral stability and a rollover prevention of a vehicle by the using of the ESC and AFS. The integrated chassis control system consists of a supervisor, control algorithms and a coordinator. From the measured and estimation signals, the supervisor determines the vehicle driving situation about the lateral stability and rollover prevention. The control algorithms determine a desired yaw moment for lateral stability and a desired longitudinal force for the rollover prevention. In order to apply the control inputs, the coordinator determines a brake and active front steering inputs optimally based on the current status of the subject vehicle. To improve the reliability and to reduce the operating load of the proposed control algorithms, a multi-core ECU platform is used in this system. For the evaluation of this system, a closed loop simulations with driver-vehicle-controller system were conducted to investigate the performance of the proposed control strategy.
Keywords: integrated chassis control, electronic stability control, active front steering, motor driven power steering, lateral stability, rollover prevention, optimal distribution
I. Nomenclature a Vehicle longitudinal acceleration x
a Vehicle lateral acceleration y
g Gravity acceleration
l Distance from center of gravity (CG) to front axle f
l Distance from center of gravity (CG) to rear axle r
m Total mass of the vehicle r Original radius of wheel t Tread (track width) C Front tire cornering stiffness f
C Rear tire cornering stiffness r
F Tire longitudinal force x
I Moment of inertia about yaw axis (o) z
K Brake gain of the front wheel Bf
K Brake gain of the rear wheel Br
K Torsional spring constant s
M Direct yaw moment Z
P Brake pressure of the front wheel Bf
P Brake pressure of the rear wheel Br
V Vehicle longitudinal velocity, positive forward x
β Vehicle side slip angle δ Steering wheel angle f
γ Yaw rate
II. 서론
최근 차량의 주행 안정성과 주행 중 운전자의 편의성에 대 한 요구가 증가하며 차량의 능동 안전 시스템과 운전자 보조 시스템에 대한 연구가 활발히 진행되고 있다. 능동 안전 시 스템의 대표적인 예로는 ESC (Electronic Stability Control), AFS (Active Front Steering) 그리고 MDPS (Motor Driven Power Steering)[1-6]등이 있다. ESC 같은 경우 차량이 횡 방향 불안 정성이 커지면 각 바퀴의 차등 제동을 통하여 차량을 안정화 시키는 시스템이고, AFS는 차량의 안정화를 위하여 능동 전 륜 조향을 사용하는 시스템이다. MDPS 같은 경우 MDPS 모 터를 이용하여 운전자의 조향력을 보조해주는 시스템이지만 양산이 활발해지며 기존의 제어 시스템인 ESC와 통합을 통 해 능동 안전 시스템의 보조적인 역할을 하고 있다. 그 외에 도 현재 차량에는 ACC (Adaptive Cruise Control), CA (Collision Avoidance), LKS (Lane Keeping Support)[7-10]과 같이 운전자를 보조 해주는 다양한 제어 시스템들이 장착이 되고 있다. 하 지만 현재 이러한 다양한 제어 시스템들은 통합된 방식이 아 닌 개별적인 ECU를 가지고 독립적으로 작동되고 있는 실정 이다. 제어 시스템들의 독립적인 작동은 시스템 별로 제어 권한을 두어 제어 권한이 높은 시스템이 필요한 경우에는 제 어 입력들 간 서로 충돌될 우려가 있는 제어 권한이 낮은 다 른 시스템들은 작동하지 않음을 의미한다. 이는 현재 차량이 가지고 있는 여러 위험 상황들 중 하나만 제어를 하기 때문 에 또 다른 위험 상황을 초래할 수 있다. 대표적인 예로 능 동 안전 시스템인 ESC와 운전자 보조 시스템인 ACC를 들 수 있다. ACC 작동 중에 ESC가 필요한 상황이 오면 ACC 시 스템은 작동을 하지 않게 되는데 이는 차량의 횡 방향 안정 성은 보장 받지만 선행 차량과의 충돌 상황을 일으킬 수 있 다. 또한 이 두 시스템을 통합하여 횡 방향 안정성 유지 및 충돌 방지를 동시에 만족하더라도 과도한 제동에 의해 예상 치 못한 급 감속을 발생시켜 운전자에게 불안감을 주거나 교 통 흐름에 방해를 줄 수 있다. 이러한 개별 제어 시스템들의 독립적이 작동으로 유발될 수 있는 단점들을 보안하기 위해 본 논문에서는 능동 안전 시스템들의 통합화 전략을 연구하
* 책임저자(Corresponding Author)
논문접수: 2010. 3. 15., 수정: 2010. 4. 15., 채택확정: 2010. 4. 30.
조완기, 이경수: 서울대학교 기계항공공학부 ([email protected]/[email protected])
장래혁: 서울대학교 전기컴퓨터공학부([email protected])
※ 본 연구는 BK21 사업, 서울대학교 정밀기계설계공동 연구소(SNU- IAMD), 글로벌연구네트워크지원(KRF-2009-200-D00003), 그리고 한국연구재단(2009-0083495)의 연구 지원에 의해 수행되었음.
였다. 개발된 통합 제어 알고리즘은 차량의 주행 상황을 전 체적으로 판단하고 모든 시스템들을 통합 관리 하기 때문에 각각의 시스템을 개별적으로 관리하는 ECU들보다 상위 개 념에 있어야 한다. 따라서 본 논문에서는 개별 ECU들을 관 리할 상위 개념의 Master ECU를 제안하였다. 통합 제어 알고 리즘은 차량 내에 모든 샤시 제어 시스템들과 연관이 있기 때문에 통합 제어 알고리즘이 적용된 Master ECU는 처리 속도 가 빨라야 하며 Fail에 대한 높은 신뢰성이 있어야 한다. 이를 위해 본 논문에서는 하나의 ECU에 3개의 CPU가 포함된 Multi-core ECU를 설계하고 각각의 CPU에 통합 샤시 제어 알 고리즘을 분산 처리하여 개발한 통합 제어 알고리즘의 성능을 평가 하였다. [13].
본 논문에서 제안한 통합 샤시 제어 전략은 전체적으로 supervisor, control algorithms 그리고 coordinator로 구성 되었다.
Supervisor에서는 측정 가능한 신호와 추정된 상태 변수들을 이용하여 차량이 현재 횡 방향 불안전 상황인지 전복 위험 상황인지를 판단하고 그에 적합한 차량의 목표 거동을 계산 한다. Supervisor에서 차량의 목표 거동이 계산되면 control algorithms에서는 그 목표거동을 추종하기 위해 필요한 차량 의 종 방향 힘(Fx,des)과 요 모멘트(Mz,des)를 계산한다. Control algorithms에서 계산된 종 방향 힘과 요 모멘트를 발생시키기 위해 coordinator에서는 횡 방향 안정성 보장과 차량의 전복 을 방지하며 동시에 교통의 흐름을 최대한 방해하지 않도록 개별 시스템들의 입력 값들인 능동 조향각 그리고 각 바퀴의 제동 압을 최적 분배 방법을 통하여 결정한다. 그리고 이러 한 통합 제어 알고리즘을 실차 환경에서 구현할 수 있도록 알고리즘을 3단계로 분류하여 Multi-core ECU와 같은 환경을 가진 FPGA를 지원하는 32-bit MCU (Micro Controller Unit)와 HILS 시스템을 이용하여 그 성능을 검증 하였다.
III. 통합 샤시 제어 알고리즘
본 논문에서 제안된 지능형 제어기는 supervisor, control algorithms 그리고 coordinator로 구성되어 있다. 우선 Superviosr 에서는 차량의 요율, 속도, 조향각, 옆 미끄럼각 등을 이용하 여 현재 상황에 맞는 차량의 목표 거동을 계산한다. 차량의 목표 거동이 결정되면 control algorithms에서는 목표 거동을 추종하기 위한 제어 입력 값인 종 방향 힘과 요 모멘트를 결 정한다. 이렇게 계산된 종 방향 힘과 요 모멘트는 차량에 장
착되어 있는 능동 조향장치 그리고 브레이크와 같은 액츄에 이터들의 조합으로 차량에 적용될 수 있다. 따라서 coordinator 에서는 차량에 요 모멘트와 종 방향 힘을 가해 줄 제어 액츄 에이터들의 입력 값을 계산하게 된다. 그림 1은 본 논문에서 제안한 제어 알고리즘의 구조를 나타내고 있다.
1. Supervisor
본 논문에서 제안한 통합 샤시 제어기는 차량의 상태에 따 라 차량이 안정한 상태인 manual driving 상황, 횡 방향 불안 전성이 있는 lateral stability 상황 그리고 전복 위험이 있는 rollover prevention 상황으로 나누어 제어 시점 및 전략을 결 정한다. 이러한 차량 상태에 따른 제어 전략 변경 시점은 센 서 및 추정기를 통해 구한 상태변수들로부터 결정할 수 있다.
차량이 횡 방향 불안전성을 판단하기 위해서 요율과 옆 미끄 럼 각을 이용하여 상황 판단을 하였다. 요율의 경우 센서로 쉽게 측정할 수 있지만 옆 미끄럼각의 경우 측정이 불가능함 으로 추정기를 설계하여 활용하였다[12]. 옆 미끄럼 각 추정 에 대해서는 기존연구를 활용하였다. Lateral stability 상황은 현재 차량의 속도와 운전자의 조향 그리고 옆 미끄럼 각을 통하여 차량의 목표 거동인 요율을 먼저 계산하고 이를 바탕 으로 차량의 횡 방향 불안전 상황을 판단한다. 차량의 전복 위 험 상황은 기존에 연구되었던 전복 위험 지수인 RI (Rollover Index)를 통해 판단할 수 있다. RI는 전복 위험을 나타내는 무 차원 지수로 1 보다 큰 값을 가지면 전복 위험이 높음을 의 미하고 1 보다 작은 값을 가질 경우에는 전복 위험이 없음을 의미한다[6]. 차량의 전복 방지를 위해 본 연구에서는 속도 제어를 하였다. 기존 대부분의 연구들은 전복 방지를 위해 요율 제어를 하였지만 이는 차량을 Understeer로 제어하는 경 향이 있기 때문에 운전자의 조향 의도와는 반하는 결과를 초 래함으로 요율 제어가 아닌 속도 제어를 제안 하였다.
차량의 lateral stability 제어에 필요한 목표 요율은 차량의 횡 방향 거동을 간단하면서도 비교적 정확하게 묘사한 bicycle model을 이용하여 구할 수 있다. 그림 2은 bicycle model을 나타내고 있다.
2
2 2
2( ) 2( )
1
2( ) 2( )
2 0
2 1
f r f f r r
x x
f f r r f f r r
Z Z x
f x
f z
f f
Z Z
C C l C l C
mV mV
l C l C l C l C
I I V
C
mV M
l C I
I β β
γ γ
δ
− + − +
−
=
− + − +
+ +
(1)
β lf
lr
Mz
그림 2. 요 모멘트가 포함된 Bicycle 모델.
Fig. 2. Bicycle model including direct yaw moment caption.
Lateral Stability
Control Brake
AFS
Actuator
Driver s input
Optimal
Distribution Vehicle
State Esimation
Decision control mode
Coordinator
Rollover prevention
Control
Controller Sensor
signal Longi velocity Longi G Lateral G Vertical G Wheel Speed Brake Pressure Engine RPM Turbine Speed Gear Status Steering Angle Yaw rate
Supervisor
RI/Desired yaw rate
MDPS ACC/CA
CDC EAS
FDI/FTC
그림 1. 통합 샤시 제어 구조.
Fig. 1. The Scheme of the integrated chassis control.
차량의 횡 방향 제어는 기본적으로 운전자의 조향 의지를 최대한 반영한 조정성 향상을 목표로 요율을 계산하게 된다.
하지만 옆 미끄럼 각이 커지는 경우에는 조정성 향상을 위한 목표 요율 보다는 차량의 과도한 미끌림을 방지하는 것이 중 요하기 때문에 옆 미끄럼 각을 줄일 수 있는 또 다른 목표 요율을 계산해야 한다.
조정성 향상을 위한 목표 요율은 운전자의 조향 변화에 따 른 빠른 정상상태로의 도달로 정의한다. 식 (1)에서 β γ 을 , 0으로 설정하여 정상상태의 요율 값을 구하고 조향 모듈의 시간 지연 특성을 고려하여 목표 요율을 구한다.
_ 1 ss
des yaw es γ γ
= τ
+ (2)
2 2
Where, : Time constant
2 ( )
2 ( ) ( )
e
x f r f r
ss
f r f r x f f r r
V C C l l
C C l l mV l C l C τ
γ +
= + − −
과도한 횡 방향 미끌림을 방지하기 위한 목표 요율은 식 (1)에 첫 번째 행의 수식을 통하여 계산할 수 있다. 식 (1)의 첫 번째 행의 수식을 횡 방향 힘의 형태로 정리하면 다음과 같다[5].
2 yfcos f 2 yr s
F F
mv
β γ δ +
= − +
(3)
횡 방향 미끌림을 줄이기 위해 식 (3)의 형태가 안정한 dynamics (β= −K1β)를 가지도록 목표 요율을 다음과 같이 계산한다.
_ 1
2 yfcos f 2 yr des sideslip
s
F F
K mv
γ β δ +
= + (4)
서로 다른 값을 가진 두 목표 요율은 옆 미끄럼 각의 크기 에 따라 그 값들을 바꿔가며 목표 요율을 결정하게 된다. 하 지만 목표 요율이 바뀔 경우 값의 급격한 변화를 없애주기 위해 옆 미끄럼 각에 따른 가중치의 합으로 차량의 목표 요 율을 결정한다[5].
1 _ 2 _
1 2 1, 0 1 1, 0 2 1
des ref yaw ref sideslip
where
γ σ γ σ γ
σ σ σ σ
= +
+ = ≤ ≤ ≤ ≤ (5)
옆 미끄럼 각이 작을 경우에는 σ1를 크게 설정하여 운전
자의 조정성을 향상 시키고 커질 경우에는 σ2을 크게 설정 하여 차량의 안정성을 향상 시킨다. 목표 요율 변경 시점은 운전자의 조향각과 차량의 속도에 따른 β β− phase plane을 통하여 결정 한다. 그림 3는 상황 별 β β− phase plane을 나 타내고 있다. 그림에서 점선 안쪽 영역은 옆 미끄럼 위험이 없는 구간이고 그 이외의 영역은 옆 미끄럼 제어가 필요한 상황이다.
위 그림에서 점선을 기준으로 가중치인 σ1과 σ2를 결정 한다.
차량의 전복 방지 제어에 필요한 목표 거동인 속도는 기존 에 개발된 차량 전복 지수인 RI를 통하여 계산할 수 있다. RI 는 다음과 같은 수식으로 나타낼 수 있다.
( ) ( ) ( )
( )
1 2
,
1 2 2 2 1
1
( ) ( )
(1 ) ( ) , 0
( ) ( )
0, 0
th th y
th th y c
t t a
RI C C
a
C C t k
t t
RI k
φ φ φ φ
φ φ
φ φ φ φ
φ φ
φ φ φ
+
= +
+ − − − >
+
= − ≤
(6)
식 (6)으로부터 전복 방지를 위한 목표 횡 가속도를 계산 할 수 있다.
( ) ( )
1
, ,
2
1 2 2 2
( ) ( ) 1
(1 ) ( )
( ) ( )
th th
tar
th th
y des y c
t t
RI C
a a
C C C t
t t
φ φ φ φ
φ φ
φ
φ φ
+
−
= − − − ×
+
(7)
목표 횡 가속도가 결정이 되면 차량의 횡 방향 dynamics 에 의해 목표 속도를 다음과 같이 결정할 수 있다.
( )
{ }
, 1 , ,
x des y des y m x
v a a v γ
=γ − − (8)
2. Control algorithms
Supervisor로부터 차량의 목표 거동인 목표 요율과 목표 속 도가 계산되면 control algorithms에서는 목표 거동을 추종하기 위한 제어 량을 결정하게 된다.
횡 방향 제어에 필요한 요 모멘트의 경우 식 (1)에 두 번째 행의 수식으로부터 계산할 수 있다. 식 (9)는 식 (1) 두 번째 행의 수식을 나타내고 있다.
2 2
2( f f r r) 2(f f r r) 2f f 1
f z
z z s z z
l C l C l C l C l C
I I v I I M
γ − + β − + γ δ
= + + +
(9)
위 식 (9)에 사용된 코너링 강성 계수인 C C 은 차량의 f, r
상태에 따라 변화가 심한 파라미터 이다. 이러한 파라미터의 불확실성을 고려한 제어기를 설계하기 위해 횡 방향 제어기 는 sliding control algorithm을 적용하여 설계하였다. 요 모멘트 는 다음과 같이 계산된다.
(a) 1deg with 80kph (b) -2deg with 100kph 그림 3. 옆 미끄럼 각 phase plane.
Fig. 3. β β− phase plane.
, , 2
2 z des z eq des
M =M −K sat γ γ −Φ (10)
Where
,
2 2
ˆ ˆ ˆ ˆ ˆ
2( ) 2( ) 2
z eq
r r r r
f f f f f f
z f
z z s z
M
l C l C l C l C l C
I I β I v γ I δ
− + +
= − − +
전복 제어에 필요한 종 방향 힘은 차량의 종 방향 모델을 사용하여 구할 수 있다. 제어기 설계에 사용된 모델은 다음 과 같다.
( )
1 1
x xr xf yf f y x
v F F F v F
m δ γ m
= + − + − ∆
(11)
전복 제어 역시 sliding control algorithm을 적용하여 종 방향 힘을 결정 할 수 있다.
,
, 3 3 2
2 x x des ,
x x eq v v
F F K sat − K ηm
∆ = ∆ − Φ = − (12)
3. Coordinator
Control algorithms으로부터 계산된 종 방향 힘과 요 모멘트 를 실 차량에 적용하기 위해 제동과 능동 조향 장치를 사용 하게 된다. Coordinator에서는 제동과 조향 장치들의 출력 값 을 계산하게 된다. 그림 4는 coordinator의 구조를 나타내고 있다.
제동 시스템은 능동 조향 시스템과 매우 밀접한 관련이 있 기 때문에 두 시스템들 간의 통합은 매우 중요하다. 단순히 두 시스템을 합치게 되면 타이어 특성에 따라 서로 영향을 줄 수 있다. 따라서 본 논문에서는 두 시스템을 최적으로 조 합하는 것에 대해 연구하였다.
전복 위험이 없는 즉 종 방향 제어 없이 횡 방향 제어를 할 경우 기존의 ESC는 차등 제동으로 횡 안정성을 향상시킨 다. 이러한 제동은 운전자가 의도하지 않은 감속을 초래하여 운전자에게 불안감이나 주행 이질감을 줄 수 있다는 단점을 가지고 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 요 모멘트를 발생시키는데 제동이 아닌 능동 조향각에 우선 권을 주어 횡 방향 안정성을 보장하도록 하였다. 하지만 능 동 조향만으로는 안정성을 보장하지 못할 경우에는 부족한
양만큼의 요 모멘트를 제동으로 통하여 안정성을 보장 받도 록 하였다. 그리고 전복 방지를 위한 감속 제어와 횡 방향 제어가 동시에 필요 할 경우에는 능동 조향이라는 추가적인 시스템을 사용하기 보다는 감속 제어를 위해 사용된 제동을 차등 배분하여 횡 안정성 및 전복 방지를 확보 하도록 하였 다. 하지만 감속을 위한 제동의 차등 배분만으로 횡 안정성 을 보장하지 못할 경우에는 능동 조향을 통하여 나머지 모자 란 요 모멘트를 보상한다. 그림 5는 요 모멘트와 종 방향 힘 이 결정 되었을 때 각 바퀴에 추가적인 타이어 힘이 어떻게 가해져야 하는지를 보여준다.
위에 설명한 내용을 모두 만족 시킬 수 있는 능동 조향과 제동의 최적 분배 문제에 대한 목표 식과 제약 조건을 식으 로 나타내면 다음과 같다[9].
Minimize:
2
1 , 2 , 2 2 , 1 ,
( )
2x 2
x FL x FR x x FR F z des
L D F D F F D F M
t
∆
= ∆ + ∆ − ∆ + ∆ − −
(13)
Subject to:
1 1 , 2 , 1 , ,
2 2 2 2
1 , , , , ,
2 , ,
, , ,
, , 1 1
, , ,
, , ,
2
0
( ) ( ) ( ) 0
0
, 1 , 1 ,
1 / (
x FL x FR f y FL z des
x FL x FL y FL y FL z FL
x FR Bf b FR
x RL max z FR
x des x des x
x FL max z FL
b RR b FR z de
f tD F tD F l E F M
g F F F F F
g F K P
r
F F
where F F F D E
F F
P P if M D
µ
= − ∆ + ∆ + ∆ − =
= + ∆ + + ∆ − ≤
= ∆ − ≤
∆ = − = + ∆ = +
∆
= +
,
)
2 ( )
s x
z des x
t F if M t F
≥ ∆
< ∆
위 식에서 사용된 ∆Fx,와 MZ,des는 control algorithms에서 계 산된 값들이고 ∆Fx, i (i = FL, FR, RL, RR)은 각 바퀴의 제동과 관련된 제어 입력 값 ∆Fy, j ( j= FL, FR)은 능동 조향과 관련된 제어 입력 값을 의미한다. 위 최적화 문제는 2 개의 부등식 제약 조건과 6 개의 미지수를 포함한 8개의 미지수를 풀어야 하기 때문에 상당량의 계산이 필요하다. 이를 해결하기 위해 횡 방향 힘의 경우 좌/우 바퀴 조향각이 같으므로 횡 방향 힘은 각 바퀴의 무게에 비례한다고 가정하였고, 각 바퀴의 제동은 현재 상태에서 해당 바퀴가 추가로 낼 수 있는 종 방 향 힘에 비례한다고 가정 하였다.
위 cost function의 첫 번째 term은 전복 방지를 위한 감속과 횡 방향 제어가 동시에 필요할 경우 요구되는 감속을 최대한 δ
∆
Pb ,
z des
M
, x des
F
ˆ ˆ ˆ ˆx, , , ,y z ˆ F F F µ β 그림 4. Coordinator 구조.
Fig. 4. Scheme of a coordinator.
MZ + 1
Fy
∆ ∆Fy2
3 Fx
∆ 1 Fx
∆
:Increase
z z
M+ ∆M
2 2
x y z
F+F ≤ ⋅µF
constant
z z
M+ ∆M=
Fx
그림 5. 타이어 힘의 조합.
Fig. 5. Coordinate system corresponding to resultant force.
유지하기 위함이고 두 번째 term은 요 모멘트를 만족 시키기 위해 감속을 위한 제동의 차등 배분에 우선권을 주기 위함이 다. 이는 전복위험이 없이 횡 안정성 제어가 필요한 경우 제 동 제어에 의한 감속을 최소화 한다는 것을 의미한다.
식 (13)의 최적 문제를 풀기 위해 Hamiltonian을 정의하면 다음과 같다.
( )
1 , 2 , , 2
2
2 , ,
1 1 , 2 , 1 , ,
2 2 2 2 2
1 , , , , , 1
2
2 , , 2
( )
1 2 2
( )
( ) ( )
x FL x FR x des
x FR x z des
x FL x FR f y FL z des
x FL x FL y FL y FL z FL
Bf
x FR b FR
H D F D F F
D F F M
t
tD F tD F l E F M
F F F F F c
F K P c
r λ
ρ µ
ρ
= ∆ + ∆ − ∆
∆
+ ∆ − −
+ − ∆ + ∆ + ∆ −
+ + ∆ + + ∆ − +
+ ∆ − +
(14) 여기에서 λ는 the Lagrange multiplier, c1와 c2는 slack variable 그리고 ρ1 , ρ2 semi-positive value 이다.
식 (14)를 바탕으로 Karush-Kuhn-Tucker (KKT) 이론에 따라 1차 필요 조건을 나타내면 다음과 같다.
( )
1 1 , 2 , , 1 1
,
1 , ,
1 1 , 2 , ,
,
,
2 2 , 2 1 2
1 1 1 , ,
,
1 , 2
1
2 ( )
2 ( ) 0
2 ( )
2 ( 1 ) 0
2 2
2 0
x FL x FR x des
x FL
x FL x FL
x FL x FR x des
x FR
x des
x FR z
f y FL y FL
y FL
x FL
H D D F D F F tD
F
F F
H D D F D F F
F
D D F F M tD
t
H l E F F
F
H tD F tD
λ ρ
λ ρ
λ ρ
λ
∂ = ∆ + ∆ − ∆ −
∂∆
+ ∆ + =
∂ = ∆ + ∆ − ∆
∂∆
+ −∆ − + + =
∂ = + ∆ + =
∂∆
∂ = − ∆ + ∆
∂ ( )
, 1 , ,
2 2 2 2
1 1 1 , , , , ,
2 2 2 , ,
0
( ) ( ) ( ) 0
( ) 0
x FR f y FL z des
x FL x FL y FL y FL z FL
Bf
x FR b FR
F l E F M
g x F F F F F
g x F K P
r
ρ ρ µ
ρ ρ
+ ∆ − =
= ∆ + + ∆ + − =
= ∆ − =
(15)
식 (15)에서 식 6개, 미지수 6개 이기 때문에 연립 방정식 을 통하여 각 바퀴의 능동 횡 방향 힘과 종 방향 힘을 구할 수 있다. 계산 결과 부등호를 가진 제약 조건에 의해 4가지 경우에 대한 해가 존재하게 된다.
1 2 1 2
1 2 1 2
1 2 1 2
1 2 1 2
1 : 0, 0 ( ) 0, ( ) 0 2 : 0, 0 ( ) 0, ( ) 0 3 : 0, 0 ( ) 0, ( ) 0 4 : 0, 0 ( ) 0, ( ) 0
case or g x g x
case or g x g x
case or g x g x
case or g x g x
ρ ρ
ρ ρ
ρ ρ
ρ ρ
= = < <
= > < =
> = = <
> > = =
(16)
각 case별 상황은 다음과 같다.
case 1: 요구된 제동의 차등 배분만으로도 횡 안정성 제 어가 가능한 경우
case 2: 요구된 제동의 차등 배분만으로는 횡 안정성 제 어가 불가능하여 능동 조향을 추가로 사용한 경우
case 3: 요구된 제동의 차등 배분으로 횡 안정성 제어가 충분히 가능하지만 타이어의 성능 한계에 대한 문제로 능동
조향을 추가로 사용한 경우
case 4: 요구된 제동의 차등 배분으로 횡 안전성 제어가 불가능하고 타이어의 성능 한계를 초과한 경우
각 case 별 계산 결과는 다음과 같다.
case 1:
, , ,
2 , ,
, ,
1
2 ,
, 0
2
z des x des x FR
z des x des
x FL y FL
F M F t
D F M
F t F
D
∆ +
∆ =
∆ −
∆ = ∆ =
⋅
(17)
case 2:
, ,
2 , ,
,
1
, , 2 ,
,
1
,
,
2
Bf
x FR b FR
Bf
b FR x des
x FL
Bf
z des x des b FR
y FL
f
F K P
r K
D P F
F r
D
M t F tD K P
F r
l E
∆ =
− + ∆
∆ =
+ ∆ −
∆ =
case 3:
2 2 2
, , ,
, 2
, 1 ,
,
1
, 1 ,
,
2
1 , 1
1 1
(1 ) ( )
(1 ) 2
, , 2
x FL z FL x FL
x FL
z des x x FL
y FL
f
x des x FL
x FR
z x f y FL
f f
F QP Q F P QF
F Q
M t F tD F
F l E
F D F
F D
M t F l E F tD
where P Q
l E l E
µ
− − + + − −
∆ =
+
− ∆ + ∆
∆ =
∆ − ∆
∆ =
− ∆ + ∆
= =
case 4:
, ,
2 2 2 2
, , ,
, 2
1 2
, , , ,
1 1
1 2
, , ,
1 1
( ) (1 ) ( )
1 1
, , 1
Bf
x FR b FR
x FL z FL x FL
x FL
Bf
y FL x FL z des b FR
f f
Bf
z des b FR y FL
f f
F K P
r
F F F
F
tD tD K
F F M P
l E l E r
tD tD K
where M P F
l E l E r
κζ κ µ κ ζ
κ
κ ζ
∆ =
− + + + − −
∆ =
+
∆ = ∆ + −
= = − +
식 (17)로부터 계산된 각 바퀴의 능동 횡 방향 힘과 종 방 향 힘으로부터 각 바퀴의 제동 압력과 능동 조향각을 다음과 같이 결정할 수 있다.
( ) ( )
( ) ( )
,
, ,
, , , , , ,
, ,
, , , , , ,
,
,
y FL f
f
x FL x FR
b FL des b FL b FR des b FR
Bf Bf
x RL x RR
b RL des b RL b RR des b RR
Bf Bf
F C
r F r F
P P P P
K K
r F r F
P P P P
K K
δ ∆
∆ =
∆ ∆
= + = +
∆ ∆
= + = +
(18)
IV. Multi-core ECU Implementation
기존 차량 제어 시스템들은 각 시스템 별 하나의 ECU를 가지고 시스템을 구동한다. 본 연구에서 제안된 통합 시스템 은 실차 환경에서 구동되기 위해선 개별 ECU들을 관리할 수 있는 Master ECU가 필요하다. 그림 6는 향후 통합 샤시 제어 시스템을 구축하기 위한 ECU들 간의 통합 구조를 나 타내고 있다.
통합 시스템을 구현하기 위한 Master ECU 같은 경우 하나 의 결함이 여러 기능을 동시에 마비시킬 수 있기 때문에 높 은 수준의 신뢰성을 만족하여야 하고 많은 계산 량을 실시간 으로 처리해야 한다. 이러한 문제점을 해결하기 위해 본 논 문에서는 Multi-core ECU를 제안하였다. Multi-core ECU 와 같 은 환경을 만들기 위해 FPGA를 지원하는 32-bit MCU (Micro Controller Unit)를 사용하였다[7]. 그림 7은 본 논문에서 사용 된 multi-core ECU의 구조도 이다.
본 논문에서는 통합 제어 알고리즘을 각각의 CPU에 분산 처리 하기 위해 Supervisor, Main control (Control algorithm, Coordinator) 그리고 Fault Detection Isolation (FDI)/ Fault Tolerance Control (FTC) 3단계로 나누었다. Supervisor 에서는 차 량의 현재 상태를 판단 할 수 있는 상태 변수 추정, 지수 계 산 그리고 목표 거동을 계산하게 되고, main control에서는 목 표 거동을 추종하기 위한 제어 입력 및 개별 제어시스템들의
제어 입력 값을 계산하게 된다. ECU의 신뢰성 확보를 위해 CPU fault, sensor fault 그리고 actuator fault를 검출하고 fault시 대처 방법에 대한 알고리즘은 FDI/ FTC가 담당을 하도록 하 였다.
본 연구에서 제안한 분산 처리 방식은 처리속도와 신뢰도 를 동시에 향상시키기 위한 구조를 가지고 있다. 먼저 FDI/FTC logic은 supervisor와 main control logic에서 분리되어 있으며 세 로직은 동시에 작동한다. 일반적인 동작 상황에서 는 0번 코어와 1번 코어는 supervisor와 main control logic을 동 작하며 서로의 결과를 비교하며, space redundancy가 존재한다.
FDI/FTC logic은 다른 logic들에 비해서 간단하기 때문에 2번 코어는 같은 시간 동안 FDI/FTC를 두 번 수행할 수 있는 time redundancy가 존재한다. 시스템에 결함이 감지되면, UCC 컨트롤러는 차량의 제어 시스템에 악영향을 주지 않는 전 단 계 값들을 출력한다. 그리고 이 구조는 순간적인 에러뿐만 아니라 영구적인 하드웨어 결함에도 대처할 수 있다는 장점 이 있다. 만약 2번 코어에서 결함이 발생하면, 0번 코어와 1 번 코어의 FDI/FTC 기능이 활성화되어 추정을 대신하게 된
그림 6. Matster ECU 구조.
Fig. 6. The structure of master ECU.
그림 8. 분산 처리 방식의 구조.
Fig. 8. The structure of the distributed processing.
그림 7. 개발 ECU 구조.
Fig. 7. Structure of implemented architecture.
다. 이러한 경우에는, 공간 여유가 사라지게 되지만 watchdog 에 의해서 결함이 있는 코어에 대한 자가 복구가 이루어지기 전까지 제어 시스템은 동작할 수 있다. 비슷하게 0번 코어나 1번 코어에 하드웨어적인 결함이 발생하게 되면 나머지 코 어가 supervisor와 main control logic을 담당하게 된다. 그림 8 은 분산 처리 방식의 구조를 나타내고 있다.
V. 성능 검증을 위한 시뮬레이션
앞서 설계된 통합 샤시 제어기(UCC)의 성능 검증을 위하 여 두 가지 시뮬레이션에 대하여 기존 ESC와 비교하였다.
개발된 제어알고리즘은 Multi-core ECU와 같은 환경을 가진 FPGA를 지원하는 32-bit MCU (Micro Controller Unit)와 HILS (Vehicle HILS+Brake HILS)시스템을 이용하여 시뮬레이션을 실시하였다. 그림 9는 시뮬레이션 환경을 나타내고 있다.
Vehicle HiLS에 사용된 차량은 4륜 구동의 SUV 차량으로 표 1은 대상 차량의 기본 제원을 나타내고 있다.
첫 번째 시뮬레이션 시나리오는 전복 위험 없이 횡 안정성 제어가 필요한 경우로 80kph 정속 주행 중 장애물이 나타나 급격히 차선 변경을 한 후 다시 원래 차선으로 돌아오는 Double lane change 상황이다. 차선 변경을 위한 조향각은 기 존에 연구 되었던 운전자 모델을 통하여 결정하였다[12].
그림 10(a), (b), (c)와 (f)는 각각 운전자의 조향각, 요율 오차, 차량 속도 그리고 차량 궤적을 나타내고 있다. 보는 바와 같
0 2 4 6 8 10
-3 -2 -1 0 1 2 3
Whe el s teer ing inpu t [ d eg ]
time [sec]
w/o control Conventional ESC Proposed UCC system
(a) Steering angle
0 1 2 3 4 5 6 7 8 9 10
-0.1 -0.05 0 0.05 0.1 0.15
Yaw ra te e rro r [ra d/se c]
Time [sec]
w/o control Conventional ESC Proposed UCC system
(b) Yaw rate error
0 1 2 3 4 5 6 7 8 9 10
60 65 70 75 80 85
Veloc ity [k m/h]
Time [sec]
w/o control Conventional ESC Proposed UCC system
(c) Velocity
0 1 2 3 4 5 6 7 8 9 10
0 0.5 1 1.5 2 2.5 3
Bra ke p ress ure [M Pa]
Time [sec]
Conventional ESC Proposed UCC system
(d) Brake pressure at front left wheel
0 2 4 6 8 10
-1 -0.5 0 0.5 1
Time [sec]
Act ive angl e [d eg]
(e) Active front steering angle
-10 -5 0 5 10
0 50 100
150 Trajectory
x (m)
; long itudin al po sition of ve hicle
y (m); lateral position of vehicle Desired trajectory w/o control ESCdata4
(f) Vehicle trajectory
그림 10. UCC와 ESC 시스템의 시뮬레이션 결과.
Fig. 10. Simulation results of the UCC and ESC (Double lane change @80kph).
그림 9. UCC HILS 시스템 환경.
Fig. 9. Overall configuration of the UCC HILS system.
표 1. 차량 기본 파라미터.
Table 1. Parameters of the Vehicle.
Symbols Parameters Values m Vehicle total mass [kg] 2781.1
ms Sprung mass [kg] 2661.1 L Wheel base distance [m] 2.85
t Vehicle tread [m] 1.62 Iz Yaw moment of inertia [kg·m2] 4454.0 Ix Roll moment of inertia [kg·m2] 1843.1 Iy Pitch moment of inertia [kg·m2] 4439.9 lf Distance from C.G to front axle [m] 1.37 lr Distance from C.G to rear axle [m] 1.49 hroll Distance from roll axis to sprung mass [m] 0.45 wf Radius of front wheel [m] 0.398 wr Radius of rear wheel [m] 0.398
