Current and Force Sensor Fault Detection Algorithm for Clamping Force Control of Electro-Mechanical Brake

(1)

Electro-Mechanical Brake 의 클램핑력 제어를 위한 전류 및 힘 센서 고장 검출 알고리즘 개발

Current and Force Sensor Fault Detection Algorithm for Clamping Force Control of Electro-Mechanical Brake

한 광 진, 양 이 진, 허 건 수^* (Kwangjin Han¹, I-Jin Yang¹, and Kunsoo Huh¹)

1Hanyang University

Abstract: EMB (Electro-Mechanical Brake) systems can provide improved braking and stability functions such as ABS, EBD, TCS, ESC, BA, ACC, etc. For the implementation of the EMB systems, reliable and robust fault detection algorithm is required. In this study, a model-based fault detection algorithm is designed based on the analytical redundancy method in order to monitor current and force sensor faults in EMB systems. A state-space model for the EMB is derived including faulty signals. The fault diagnosis algorithm is constructed using the analytical redundancy method. Observer is designed for the EMB and the fault detectability condition is examined based on the residual analysis. The performance of the proposed model-based fault detection algorithm is verified in simulations. The effectiveness of the proposed algorithm is demonstrated in various faulty cases.

Keywords: model-based fault detection, current sensor, clamping force sensor

I. 서론

미래형 자동차에는 다양한 첨단 기능을 구현하기 위하여 X-by-Wire 시스템이 도입되고 있다. 기계 링크 혹은 유압 링 크를 제거하고, 전기 신호를 전달하여 대상 플랜트를 제어하 는 기술이 공간적, 비용적, 기능적, 그리고 환경적으로 더 나 은 성능을 보이기 때문이다. X-by-Wire 시스템 중 제동 시스 템인 Brake-by-Wire 시스템은 기존의 유압식 제동 장치에 비 해 가벼우며, 빠른 응답 성능을 보인다. 뿐만 아니라, 차량 설치 시 설치공간의 제약을 덜 받는다는 장점도 있다. 또한 부품을 모듈화 할 수 있기 때문에 설계된 시스템을 구조 변 경 없이 여러 차종에 적용하는 것이 가능하여 생산 비용 측 면에서도 유리하다. 전기 및 전자 제어장치의 교환만으로도 성능을 향상시킬 수 있다는 점과 ABS, TCS, ESP, EBD 등의 향상된 제동 기능들이 추가적인 기계 및 유압장치 없이 구현 이 가능하다는 점 또한 Brake-by-Wire만의 장점이라 할 수 있 다[1-3,8,10].

완전한 BBW 시스템인 EMB (Electro-Mechanical Brake)를 실 제 차량에 장착하기 위해서는 제동장치의 신뢰성이 먼저 확 보되어야 한다. 이는 제동 시스템이 차량 탑승자의 안전과 직결되는 시스템이기 때문이다. 이를 위해서 EMB의 고장 검 출 알고리즘을 개발하여야 한다.

고장 검출 기법은 크게 하드웨어 중복(hardware or physical redundancy)을 이용한 방법과 해석적 중복(analytical or functional redundancy)을 이용한 방법으로 나눌 수 있다.

그림 1에 나타난 것과 같이 하드웨어 중복을 이용한 방법 은 2개 이상의 동일한 센서를 장착하여 고장 검출을 수행한 다. 이와 같은 방법은 AIRBUS 320의 Fly-by-Wire 기술[4] 등 에 사용되었다. 비교적 쉽게 신뢰성을 강화할 수 있는 방법 이지만 비용의 상승을 야기하는 단점이 있다[9].

이러한 한계를 극복하기 위해 해석적 중복을 이용한 방법 을 통해 추가적인 하드웨어 장치 없이 기존의 입력 및 출력 정보 등을 통하여 고장을 검출하는 기법이 사용되고 있다[5].

본 연구에서는 EMB 시스템을 위한 실시간 모델 기반 (model-based) 센서 고장 검출 알고리즘을 개발하였다. EMB 시스템에서 고장을 고려한 상태 공간 모델을 유도하고, 이에 대하여 관측기(observer)를 설계하였다. 또한 클램핑력을 위치 정보로부터 추정하였다. 이를 이용하여 고장 검출 알고리즘 을 개발하였고, 그 성능을 시뮬레이션을 통해 검증하였다.

Input

Plant Sensor Extra

Sensor

FDI Logic

Mathematical Model

FDI Logic

Fault Alarm

Fault Alarm Hardware Redundancy

Analytical Redundancy Output

그림 1. 하드웨어 중복과 해석적 중복.

Fig. 1. Hardware redundancy and analytical redundancy.

* 책임저자(Corresponding Author)

논문접수: 2011. 8. 20., 수정: 2011. 9. 5., 채택확정: 2011. 9. 25.

한광진, 양이진: 한양대학교 일반대학원 자동차공학과 ([email protected]/[email protected])

허건수: 한양대학교 미래자동차공학과([email protected])

(2)

II. EMB 구조 및 하드웨어 아키텍쳐 1. EMB 구조

연구에 사용된 EMB의 전체 구조는 그림 2와 같다. 고효율 의 PMSM (Permanent Magnet Synchronous Motor)로부터 발생된 토크가 Gearbox를 지나면서 약 80:1의 감속비로 증가된다. 이 는 볼스크류와 너트부를 통해 브레이크 패드에 힘을 전달하 여 제동력을 발생하는 구조이다.

기존 연구에 사용하였던 시작품 대비 장착성을 고려하여 부피가 작아졌으나 높은 감속비로 기존 유압식 브레이크에 상응하는 응답성능을 구현하였다.

2. EMB 하드웨어 아키텍쳐

차량 내에서 그림 3과 같이 각 하드웨어를 구성함으로써, EMB의 fault 발생시 안전하게 차량을 제동할 수 있는 고장감 내(fault-tolerant) 하드웨어 아키텍쳐를 구성하였다. 페달 센서 에서 운전자의 제동 의지를 파악하여 EMB ECU로 해당 신 호를 보내주게 된다. EMB ECU에서는 차량용 네트워크를 통 해 front와 rear caliper drive로 신호를 보내며, 각각의 drive에서 제동 입력을 생성하여 각 휠의 motor를 구동함으로써 제동력 이 발생되게 된다. 또한 주요 신호를 중첩되게 전달함으로써 고장감내 성능을 높일 수 있도록 하였다.

그림 2. EMB의 전체 구조도.

Fig. 2. EMB overall structure.

그림 3. EMB의 고장감내 하드웨어 아키텍쳐.

Fig. 3. EMB fault-tolerant hardware architecture.

Rotor Brake

Caliper & Disk

Clamping Force

Fcl

Te

Stator winding iu

iv

vv

vu ⁺ vw

+ +

-

- -

그림 4. 전기 및 기계 시스템 복합 모델링.

Fig. 4. Combined model of electric and mechanical system.

III. 고장 검출 알고리즘 1. EMB의 복합 모델링

EMB 시스템을 모델링하기 위해서는 그림 4와 같은 전기 시스템인 전기 모터와 기계 시스템인 캘리퍼 및 디스크의 복 합 모델링이 필요하다.

EMB 시스템에 사용되는 PMSM의 전압방정식은 a상, b상, 그리고 c상의 3상에 대하여 기준 좌표계 변환을 통하여 d축, q축, n축의 좌표계로 변환된다. PMSM의 전압방정식은 d, q 좌 표계로 나타내면 식 (1)과 같다.

1

q

r r r r

ds ds ds r qs

d d d

r r r d r r

qs qs qs r ds

q q q q

d R L

i v i n i

dt L L L

d R L n

i v i n i

dt L L L L

ω ω λ ω

= − +

= − + −

(1)

여기서 i^rds와 i^rqs는 d축 전류와 q축 전류, Ld와 Lq는 d축 q축 인덕턴스, v^rds와 v^rqs는 d축 전압과 q축 전압, R은 상저항, n은 극쌍의 개수, ωr은 모터 회전 속도이고 λ는 회전자 영구자석 에 의한 쇄교 자속이다.

모터의 토크(electromagnetic torque)는 식 (2)와 같다.

3 ( )

2

r r r

e qs d q ds qs

T = n iλ + L −L i i  (2)

모터에서 발생하는 전기적 토크는 EMB 캘리퍼에 전달되 고 이에 상응하는 부하를 받게 된다. 따라서 브레이크 캘리 퍼와 디스크의 모델링을 통하여 기계시스템에 걸리는 부하 의 운동방정식을 구해보면 식 (3)과 같이 정리된다.

e L r d r

T T B J

ω dtω

= + + (3)

여기서 TL은 부하토크, J는 모터축에서 환산된 관성모멘트, B 는 점성 마찰 계수이다.

2. 고장 모델링

EMB 시스템에서 발생 가능한 센서 고장 중 발생 위치에 따라 전류 센서와 힘 센서에서 발생하는 고장을 우선 모델링 하고 이를 검출한다. 두 가지 모두 EMB 시스템의 성능에 중 요한 영향을 미치는 요소들이기 때문에 고장 발생시 즉시 어 느 위치에서 발생했는지 알아야 한다. 검출 이후 운전자에게 경고 메시지를 주고, mechanical backup이나 fault accommodation 또는 controller redesign과 같은 조치를 취할 수 있다[7].

모터의 구동에서 일반적으로 기준 좌표계 변환(reference frame transformation)을 사용한다[6]. 기준 좌표계 변환은 교류 시스템을 쉽게 모델링하고 해석 및 제어하기 위해서 일반적 으로 사용되는 방법이며 전압, 전류, 자속 등의 좌표계를 사

(3)

용하기 쉽도록 변환한다.

a, b, c 좌표계에서 d, q, n의 좌표계로의 변환과 그 역은 각 각 식 (4)의 Park 변환과 그 역변환을 통하여 구할 수 있다.

2 2

cos cos cos

3 3

2 sin sin 2 sin 2

3 3 3

1 1 1

2 2 2

q a

d b

n c

f f

π π

θ θ θ

π π

θ θ θ

  −   + 

    

 

       

 =   −   +  

       

   

    

 

 

(4)

여기서 f 는 전압, 전류, 자속 등의 변수를 의미하고 θ는 회 전자의 각을 의미한다.

일반적으로 3상 PMSM의 경우 두 상의 전류를 전류센서 를 통해 측정하고 다음 식 (5)를 통해 나머지 상의 전류를 결 정한다.

c a b

i = − − (5) i i

고장이 a 혹은 b상에서 발생하게 되면 이는 c상에도 영향 을 주게 된다. 또한 모터의 구동을 위해 앞선 식 (4)를 통해 좌표변환을 하게 되는데 이로 인해 d, q축 모두에 그 영향을 미친다. 따라서 임의의 additive 형태의 고장 신호가 센서 출 력에 합쳐도 나온다고 가정하면 전류 센서 고장은 다음 식 (6)과 같이 나타낼 수 있다.

_ _

1 1 0 0 1

r sensor d

ds

r sensor q

qs

i f i f

   

 

=     + 

y (6)

여기서 fsensor_d와 fsensor_q는 전류 센서에서의 additive 형태의 고 장신호이다.

이와 유사하게 힘 센서의 경우도 다음 식 (7)과 같이 나타 낼 수 있다.

[ ] _

2= Fcl + fsensor fcl

y (7)

여기서 fsensor_fcl은 힘 센서에서의 additive 형태의 고장신호이다.

3. 상태 관측기 설계

앞의 식 (1)~(6)에서부터 전류센서의 고장을 검출하기 위한 상태관측기를 설계하였다. 대상 모델은 식(8)과 같고, 관측기 는 다음 식 (9)와 같다.

( ) ( ) ( ) 1( ) ( ) s( )

t t t

= +

x Ax Bu

y Cx f

(8)

ˆ ˆ( ) ( ) ( 1( ) ˆ1( )) ˆ1( ) tˆ( ) t t t

t t

= + + −

x Ax= Bu L y y

y Cx (9)

여기서

0

0 0 0

r

d d

d r

q q q

R Lq n

L L

L n R n

L L L

ω ω λ

 − 

 

= − − − 

 

 

A (10)

1 0 0 1

0 0

d

q

L

 

 

=  

 

 

B (11)

B 1/s

A L

C ˆ( )

x t y tˆ( )

+ -

+ + +

( ) r t Residual Measured

Output ( ) y t Output

Sensor Fault

EMB Caliper

Output Sensor Actuator

Input ( )

u t u t_R( )

Observer-Based Residual Generation

s( ) f t

그림 5. 전류 센서 고장 검출을 위한 상태 관측기.

Fig. 5. State observer for current sensor fault detection.

(4)

ˆ

dsr qsr r

i i ω

  

=  

  

x (12)

d q

v v

=   

u   (13)

1 0 0 1

 

=  

 

C (14)

L은 관측기 게인이다.

관측기의 오차와 오차 dynamics는 다음 식 (15)와 식 (16) 으로 나타난다.

( )t = ( )t −ˆ( )t

e x x (15)

( ) (t = − ) ( )t − _s( )t

e A LC e Lf (16)

전류 센서의 고장 검출을 위한 residual r을 다음과 같이 정 의한다.

ˆ ( )t = 1( )t − 1( )t

r y y (17)

식 (8)과 식 (9)를 통해 식 (17)을 다시 쓰면 다음 식 (18)과 같이 나타난다.

( )t = ( )t + s( )t

r Ce f (18)

그림 5에 설계한 상태 관측기와 이를 이용한 residual 생성 을 도시하였다.

4. Residual 분석

전류센서의 고장 검출을 위해 아래 식 (19)의 두 가지 residual의 검출성을 분석하였다.

1 2

ˆ ˆ

r r

ds ds

r r

qs qs

r i i r i i

= −

= − (19)

Residual과 고장 사이의 전달함수는 다음 식 (20)과 같이 나타낼 수 있다.

[ ⁽ ^{) ( )}]¹

rf = s − − ⁻ − +

G C I A LC L I (20)

위 식 (20)에서 정상상태 게인을 조사하면 다음과 같음을 알 수 있다.

1 2

_ 0 _ 0

1 2

_ 0 _ 0

( ) 0, ( ) 0

s d s s d s

s q s s q s

r s r s

f f

r s r s

f f

= =

≠ =

= ≠

(21)

따라서 r1, r₂를 통해 전류 센서의 고장을 검출할 수 있다.

( )t = ( )t −ˆ( )t

e x x (22)

5. 클램핑력 추정기

EMB에서 공극의 크기를 검출 혹은 별도의 센서를 통해 알 수 있는 경우를 가정한다. 캘리퍼가 정상상태에서 운전하 는 경우 클램핑력은 패드의 이동거리에 다음 식 (23)과 같이 비례 관계에 있으므로 이를 통해 클램핑력 Fcl을 추정한다.

ˆ 1

2

screw

cl eq r

g

F K l

n θ π

 

=      (23) 여기서 Keq는 EMB 캘리퍼의 등가 stiffness, lscrew는 볼스크류

리드, ng는 등가 기어비, θr은 공극을 제외한 모터 회전 각이다.

이를 통해 힘 센서의 고장 검출을 위한 residual을 생성한다.

3 _cl ˆ_cl

r =F −F (24)

IV. 시뮬레이션 1. 시뮬레이션 모델

설계한 고장 검출 알고리즘의 검증을 위해 시뮬레이션을 수행하였다. 사용한 시뮬레이션 모델은 Mathworks사의 MATLAB/Simulink 기반으로 개발하였다. 또한 전기적 모델링 툴인 Mathworks의 SimPowerSystems Toolbox와 기계적 모델링 툴인 LMS Imagine사의 AMESim을 활용하여 인버터와 planetary gear train의 모델 정확도를 향상시키고자 하였다.

2. 클램핑력 제어기

클램핑력과 전류가 피드백되어 제어기가 작동하는 폐루프 상황에서의 고장 구현과 검출 여부 확인을 위해 그림 6과 같 은 Cascade PI 제어기를 설계하였다.

3. 정상상태 응답

센서 고장상태와의 비교를 위해 시나리오는 동일하게 수 행하였다. 브레이크 캘리퍼가 릴리즈된 상태에서 최대 급제 동력(클램핑력 25kN)을 입력한 경우이다. 전류 센서와 힘 센 서 모두 정상 작동하고 있는 경우의 응답을 다음 그림 7에 도시 하였다. 그림 7(a)에서 EMB 캘리퍼의 모터 토크가 명령 을 잘 추종하는 것을 볼 수 있다. 그림 7(b)에서 모터의 최대 회전속도는 특성을 고려하여 약 3050rpm을 넘지 않도록 제 어하는 것을 볼 수 있다.

그림 7(c)~(e)는 이 때의 전류와 인가된 전압을 도시한 것 이다. 그림 7(f)~(h)는 제안한 알고리즘에서 상태관측기로부터 나오는 추정 및 측정된 전류값과 클램핑력을 도시한 것이다.

비교적 모두 잘 관측 및 추정되는 것을 확인할 수 있다. 이 를 토대로 설계된 residual을 그림 7(i)에 도시하였다. 거의 0 에 가까운 값을 나타내는 것을 볼 수 있다. 과도 상태시에 매우 작은 값이 순간적으로 출력되는 것이 확인되지만 유지 되지 않고 그 크기가 고장 발생시에 비해 작은 것을 확인할 수 있다.

4. 전류 센서 고장상태 응답

a상의 전류 센서에 -70%의 옵셋이 발생한 경우이다. 고장 이 발생한 상황으로 브레이크 캘리퍼가 릴리즈된 상태에서 최대 제동력(클램핑력 25kN)을 입력한 경우이며, 응답을 다 음 그림 8에 도시하였다. 그림 8(a)에서 토크 성분에 심한 리

그림 6. Cascade PI 클램핑력 제어기.

Fig. 6. Cascade control structure of EMB.

(5)

0 0.1 0.2 0.3 0.4 0.5 0.6 -0.5

0 0.5 1

time Ele

ctro mag netic torq ue (N m)

No fault scenario

reference measured

(a) Electromagnetic torque.

0 0.1 0.2 0.3 0.4 0.5 0.6

-500 0 500 1000 1500 2000 2500 3000 3500

time Rot

or s peed (rpm )

No fault scenario

(b) Rotor speed.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time Cur

rent (A )

No fault scenario

I I_q I_d

(c) Current (RMS, dq-axis).

0 0.1 0.2 0.3 0.4 0.5 0.6

-80 -60 -40 -20 0 20 40 60 80

time Cur

rent (A )

No fault scenario

I_a I_b Ic

(d) Current (Phase).

0 0.1 0.2 0.3 0.4 0.5 0.6

-10 -8 -6 -4 -2 0 2 4 6 8 10

time Vol

tage (V )

No fault scenario

V Vq Vd

(e) Voltage.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time I^d

(A )

No fault scenario

measured estimated

(f) Id.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time I^q

(A )

No fault scenario

measured estimated

(g) I_q.

0 0.1 0.2 0.3 0.4 0.5 0.6

0 0.5 1 1.5 2 2.5

3x 10⁴

time Cla

mpi ng fo rce (N)

No fault scenario

measured estimated

(h) Fcl.

(6)

0 0.1 0.2 0.3 0.4 0.5 0.6 -50

0 50

Res idua l¹

No fault scenario

0 0.1 0.2 0.3 0.4 0.5 0.6

-50 0 50

Res idua l²

0 0.1 0.2 0.3 0.4 0.5 0.6

-5000 0 5000

Res idua l³

(i) Residual.

그림 7. 정상상태 응답.

Fig. 7. No fault scenario.

플이 발생하는 것을 확인할 수 있다. 마찬가지로 그림 8(b)~(e)에서 모두 심한 리플 성분을 확인 할 수 있다.

그림 8(f)~(g)에서 고장으로 인해 전류 추정 오차가 발생하 는 것을 확인할 수 있고 반면 그림 8(h)에서 클램핑력은 잘 추정되는 것을 확인할 수 있다.

그림 8(i)의 residual 1, 2로부터 전류 센서에 고장이 검출되 는 것을 확인할 수 있다. 반면 힘 센서는 문제없는 것을 확 인 할 수 있다.

0 0.1 0.2 0.3 0.4 0.5 0.6

-0.5 0 0.5 1

time Ele

Current sensor fault: Ia - offset -70%

reference measured

0 0.1 0.2 0.3 0.4 0.5 0.6

-500 0 500 1000 1500 2000 2500 3000 3500

time Rot

or s peed (rpm )

(b) Rotor speed.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time Cur

rent (A )

I I_q I_d

0 0.1 0.2 0.3 0.4 0.5 0.6

-80 -60 -40 -20 0 20 40 60 80

time Cur

rent (A)

I_a Ib Ic

0 0.1 0.2 0.3 0.4 0.5 0.6

-10 -8 -6 -4 -2 0 2 4 6 8 10

time Vol

tage (V)

V Vq V_d

(e) Voltage.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time Id

(A )

measured estimated

(f) I_d.

(7)

0 0.1 0.2 0.3 0.4 0.5 0.6 -100

-80 -60 -40 -20 0 20 40 60 80 100

time I^q

(A )

measured estimated

(g) Iq.

0 0.1 0.2 0.3 0.4 0.5 0.6

0 0.5 1 1.5 2 2.5

3x 10⁴

time Cla

mpi ng fo rce (N)

measured estimated

(h) Fcl.

0 0.1 0.2 0.3 0.4 0.5 0.6

-50 0 50

Res idua l1

0 0.1 0.2 0.3 0.4 0.5 0.6

-50 0 50

Res idua l²

0 0.1 0.2 0.3 0.4 0.5 0.6

-5000 0 5000

Res idua l³

(i) Residual.

그림 8. 전류 센서 고장상태 응답.

Fig. 8. Current sensor fault.

5. 힘 센서 고장상태 응답

힘 센서의 출력에 전기적 고장을 가정하여 출력 전압에 +0.5V의 전위가 발생하는 고장이 일어난 경우이다. 마찬가지 로 고장이 발생한 상황에서 브레이크 캘리퍼가 릴리즈상태 로부터 최대 제동력(클램핑력 25kN)을 입력한 경우이며, 응 답을 다음 그림 9에 도시하였다.

그림 9(a)~(b)에서 초기에는 잘 추종하는 듯 보이지만 힘 센서의 고장으로 인해 제어기 폐루프의 영향으로 그림 9(h) 에서 추정된 클램핑력과 약 20%의 오차가 발생하는 것을 볼 수 있다. 반면 전류 추정은 오차가 거의 없음을 확인하였다.

0 0.1 0.2 0.3 0.4 0.5 0.6

-0.5 0 0.5 1

time Ele

Force sensor fault: Fcl - analog voltage +0.5V

reference measured

0 0.1 0.2 0.3 0.4 0.5 0.6

-500 0 500 1000 1500 2000 2500 3000 3500

time Rot

or s peed (rpm )

(b) Rotor speed.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time Cur

rent (A )

I Iq Id

0 0.1 0.2 0.3 0.4 0.5 0.6

-80 -60 -40 -20 0 20 40 60 80

time Cur

rent (A )

Ia Ib Ic

(8)

0 0.1 0.2 0.3 0.4 0.5 0.6 -10

-8 -6 -4 -2 0 2 4 6 8 10

time Vol

tage (V)

V Vq Vd

(e) Voltage.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time I^d

(A )

measured estimated

(f) Id.

0 0.1 0.2 0.3 0.4 0.5 0.6

-100 -80 -60 -40 -20 0 20 40 60 80 100

time I^q

(A )

measured estimated

(g) Iq.

0 0.1 0.2 0.3 0.4 0.5 0.6

0 0.5 1 1.5 2 2.5

3x 10⁴

time Cla

mpi ng fo rce (N)

measured estimated

(h) Fcl.

0 0.1 0.2 0.3 0.4 0.5 0.6

-50 0 50

Res idua l 1

0 0.1 0.2 0.3 0.4 0.5 0.6

-50 0 50

Res idua l 2

0 0.1 0.2 0.3 0.4 0.5 0.6

-5000 0 5000

Res idua l 3

(i) Residual.

그림 9. 힘 센서 고장상태 응답.

Fig. 9. Force sensor fault scenario.

이에 제안한 residual에서 큰 값이 계산되고 이로써 힘 센 서의 고장을 검출할 수 있음을 확인하였다.

V. 결론

본 연구에서는 EMB의 신뢰성을 향상시키기 위하여 해석 적 중복을 통한 고장 검출 기법을 개발하였다. 전류센서와 힘 센서의 고장을 검출하기 위하여 개발된 알고리즘은 residual을 생성하여 고장 검출의 정량적인 지표가 되도록 설 계하였다. 또한 개발된 고장 검출 기법의 성능을 검증하기 위하여 시뮬레이션을 수행하였다.

EMB 시스템에서 clamping force와 모터의 전류를 피드백 받아 클램핑력 제어를 하는 상황에서 제안한 알고리즘 검증 을 수행하였으며 각각의 고장을 구별할 수 있음을 확인하였다.

모델을 기반으로 해석적 중복을 통한 고장 검출 알고리즘 을 개발 및 검증하였으나 차량의 제동장치는 고열, 진동, 습 기, 극한과 같은 극한 조건에서도 구동되어야 한다. 따라서 모델 오차가 발생하는 경우에도 그 고장 검출 및 제어 성능 이 떨어지지 않도록 이를 고려한 후속 연구를 진행하고 있다.

참고문헌

[1] R. Schwarz, R. Isermann, J. Bohm, J. Nell, and P. Rieth,

“Modeling and control of an electromechanical disk brake,”

SAE International Congress and Exposition, Detroit, USA, SAE 980600, Feb. 1998.

[2] D. Schenk, R. Wells, and J. Miller, “Intelligent braking for current and future vehicles,” SAE International Congress and Exposition, Detroit, USA, SAE 950762, Feb. 1995.

[3] N. A. Kelling and P. Leteinturier, “X-by-wire: opportunities, challenges and trends,” 2003 SAE World Congress, Detroit, USA, SAE 2003-01-0113, Mar. 2003.

[4] C. Favre, “Fly-by-wire for commercial aircraft: the airbus experience,” International Journal of Control, vol. 59, no. 1, pp.

139-157, 1994.

[5] T. B. Cunningham and R. D. Poyneer, “Sensor failure detection using analytical redundancy,” Proc. of Joint Automatic Control Conference, San Francisco, USA, vol. 1, pp. 278-287, 1977.

[6] D. W. Novotny and T. A. Lipo, Vector Control and Dynamics of AC Drives, Oxford University Press, 1996.

(9)

[7] R. Isermann, Fault Diagnosis Systems-An Introduction from Fault Detection to Fault Tolerance, Springer, Berlin, 2006.

[8] K. Han, I. Kim, K. Huh, M. Kim, J. Kim, and K. Kim, “Fault detection algorithm design for electro-mechanical,” 2009 SAE World Congress, Detroit, USA, SAE 2009-01-1219, Apr. 2009.

[9] I. Yang, Y. Kim, and D. Lee, “Actuator failure diagnosis and accommodation using sliding mode control for submersible

한 광 진

2005년 한양대학교 기계공학부 졸업.

2005년~현재 한양대학교 일반대학원 자 동차공학과 박사과정 재학중. 관심분야 는 차량 섀시 모니터링 및 제어.

허 건 수

1982년 서울대학교 기계공학과(공학사).

1984년 KAIST 기계공학과(공학석사).

University of Michigan 기계공학과(공학 박사). 1984년~1987년 금성사 중앙연구 소 주임연구원. 1987년~1992년 Univ. of Michigan (USA) 기계공학과 연구조원.

1992년~1993년 Univ. of Michigan IVHS Program research fellow.

1993년~1996년 한양대학교 기계공학부 전임강사. 1996년

~2000년 한양대학교 기계공학부 조교수. 2000년~2005년 한양 대학교 기계공학부 부교수. 2005년~현재 한양대학교 미래자 동차공학과 교수. 관심분야는 차량 시스템 분야 모니터링 및 제어 시스템.

vehicle,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 16, no. 7, pp. 661-667, Jul. 2010.

[10] B. Moon, D. Kim, and C. Park, “Fuzzy model-based fault detection method of EPB system for varying temperature,”

Journal of Institute of Control, Robotics and Systems (in Korean), vol. 15, no. 10, pp. 1009-1013, Oct. 2009.

양 이 진

1995년 인하대학교 항공우주공학과 졸 업. 1997년 인하대학교 기계공학과 졸업.

2008년~현재 한양대학교 대학원 자동차 공학과 박사과정 재학중. 1997년~현재

㈜만도 근무. 관심분야는 차량용 브레 이크 시스템 설계 및 제어.