기계학습을 이용한 차량 제어모델의 변수추정 및 제어 성능 비교 = Variable estimation of vehicle control model using machine learning and performance comparison
저자
발행사항
춘천 : 강원대학교 대학원, 2021
학위논문사항
학위논문(석사)-- 강원대학교 대학원 : 기계의용공학과 2021. 2
발행연도
2021
작성언어
한국어
주제어
KDC
556.6 판사항(6)
발행국(도시)
강원특별자치도
형태사항
46 L. : 삽도 ; 30 cm
일반주기명
강원대학교 논문은 저작권에 의해 보호받습니다
지도교수:탁태오
참고문헌 : L.43-44
UCI식별코드
I804:42002-000000031836
소장기관
Recently, as interest in autonomous driving has increased, extensive research has been conducted on recognizing and determining the situation around the vehicle, creating a route and controlling the vehicle. A vehicle model for performing vehicle control is required. Among various vehicle models, a 2-degree-of-freedom vehicle model that is relatively easy to implement and does not take long calculation time is widely used for control logic design and performance verification. However, the 2-DOF vehicle model shows a difference in behavior compared to the actual vehicle or a precise vehicle model having many degrees of freedom by linearizing or assuming constants many variables that the actual vehicle model has. In this paper, the cornering stiffness, which was applied as a constant in the conventional 2-DOF vehicle model, is estimated by using a cyclic neural network model to which a long-term memory structure, which is a kind of machine learning method, is applied, and the cornering stiffness is estimated to improve the performance of the vehicle model. The model was applied to a two-degree of freedom vehicle model. Data for learning and verification were obtained through co-simulation of Carmaker, a commercial vehicle modeling program, and MATLAB/Simullink, and an optimization process was performed to improve performance. A PID controller and a sliding mode controller were implemented, and diversity was secured by using a mechanical constraint base, a kinematic constraint base, and a neural network curve fitting model for lateral sliding angle estimation for the sliding mode controller. Carmaker's precise vehicle model and co-simulation were performed in the test scenario for the two-degree of freedom vehicle model to which the cornering stiffness estimation model was applied and the general two-degree of freedom model, and the validity of the estimation model was confirmed by comparing the vehicle behavior.
더보기최근 자율주행에 대한 관심도가 높아짐에 따라 차량 주변 상황 인지 및 판단, 경로생성 및 차량 제어에 대한 다한 연구가 진행되고 있다. 차량 제어를 수행하기 위한 차량 모델이 필요한데, 다양한 차량 모델 중에서 비교적 구현이 쉽고 계산이 오래 걸리지 않는 2자유도 차량 모델이 제어 로직 설계 및 성능 검증에 널리 사용되고 있다. 그러나 2자유도 차량 모델은 실제 차량 모델이 가지고 있는 많은 변수들을 선형화하거나 혹은 상수로 가정하여, 실제 차량이나 많은 자유도를 가지는 정밀한 차량 모델에 비해 그 거동에 차이를 보인다. 본 논문에서는 기존에 사용되었던 2자유도 차량 모델에서 상수로 적용되었던 코너링강성을 기계학습법의 일종인 장단기메모리 구조가 적용된 순환신경망 모델을 이용하여 추정하고, 차량 모델의 성능 향상을 목표로 코너링강성 추정 모델을 2자유도 차량 모델에 적용하였다. 학습 및 검증을 위한 데이터는 상용 차량 모델링 프로그램인 Carmaker와 매트랩/시뮬링크의 코시뮬레이션을 통해 획득하였으며, 성능 향상을 위한 최적화 과정을 수행하였다. PID 제어기 및 미끄럼 모드 제어기(Sliding Mode Controller)를 구현하였으며, 미끄럼 모드 제어기의 사용을 위한 옆미끄럼각의 추정을 위해 모델 기반 및 기구학적 구속 기반 추정기, 그리고 신경망 곡선 맞춤 모델을 사용하여 다양성을 확보하였다. 코너링강성 추정 모델이 적용된 2자유도 차량 모델과 일반적인 2자유도 모델을 Carmaker의 정밀한 차량 모델과 코시뮬레이션을 시험 시나리오에서 수행하고, 차량 거동 을 비교하여 추정 모델 사용의 타당성을 확인하였다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)