전기자동차 구동시스템의 백래시 및 뒤틀림 충격 저감을 위한 딥러닝 기반 알고리즘 = Deep Learning Based Algorithm for Impact Reduction of Backlash and Twist of EV Drive System
저자
발행사항
아산: 순천향대학교, 2023
학위논문사항
학위논문(석사)-- 순천향대학교 대학원 : 모빌리티융합보안학과 2023. 2
발행연도
2023
작성언어
한국어
주제어
DDC
629.2 판사항(23)
발행국(도시)
충청남도
형태사항
59 p.: 삽화; 26 cm
일반주기명
지도교수: 박성근
단면인쇄임
참고문헌: p. 54-56
UCI식별코드
I804:44009-200000666700
소장기관
본 연구는 전기자동차의 연비향상을 위하여 사용하는 회생제동 기술을 적용함에 있어 발생하는 백래시 현상에 의한 승차감 저하를 줄이기 위하여 백래시 현상 완화 토크 프로파일 도출 알고리즘을 제안한다. 전기차는 배터리에 축적된 에너지로 모터를 회전시켜 자동차를 구동시키는데 전기차의 운행 가능한 거리가 짧다는 단점이 있다. 때문에 효율적인 에너지 관리가 중요하게 생각되고 으며 전기차 배터리의 효율적인 에너지 관리를 위하여 핵심기술로 회생제동 시스템(regenerative braking system)을 사용한다. 회생제동은 차량 감속 시 발생하는 에너지를 전기 에너지로 변환해 고전압 배터리를 충전하여 전기 에너지와 제동력을 얻을 수 있다. 하지만 모터와 기어의 특성상 회전방향이 바뀌면 기어에 백래시 영역에 충돌하며 진동이 발생하며 이로 인하여 승차감의 저하가 일어난다. 승차감 향상을 위한 기존 백래시 최소화 작업에 있어 백래시 보상 제어기 사용 시에 전문 엔지니어가 수동으로 Calibration하여 사용하는 방식을 사용하며 기존 방식에는 엔지니어에 따른 튜닝 성능차이, Calibration 인자 및 차량편차가 존재하고 많은 시간과 비용이 요구되는 단점이 있다.
본 논문에서는 실제 차량의 주행데이터를 기반으로 딥러닝 알고리즘을 사용하여 가속도 인자에 영향을 주는 인자를 선별하고 목표 가속도 설정 및 목표 가속도 추종 모델과 백래시 저감 토크 프로파일 생성 알고리즘을 제안한다. 생성된 토크 프로파일을 적용할 경우 백래시 및 뒤틀림 충격 저감과 이를 통한 승차감의 향상을 목표로 한다. 위와 같은 목표를 위하여 연구는 크게 2가지로 나누어 개발을 진행하였다.
먼저 Phase 1 으로는 차량 정보를 기반으로 MLP, LSTM과 같은 딥러닝 알고리즘을 사용하여 가속도 예측 모델을 개발하였다. 가속도 인자와 연관이 높은 인자를 구하였으며 가장 연관이 높은 모터 토크 인자를 사용하여 가속도를 예측 모델을 설계하였다.
Phase 1의 모델을 기반으로 Phase 2가 진행되며, Phase 2는 백래시 저감을 위한 최적화 토크 프로파일을 찾는 알고리즘을 개발하였다. Genetic Algorithm(GA)를 사용하여 평가 지표인 fitness가 감소하는 방향으로 학습되는 것을 보였다. 평가지표로 MAPE를 사용하였기 때문에 감소되는 것이 이상적인 가속도 값과 예측 가속도 값의 차이가 줄어든다는 것을 의미한다. 하지만 원하는 목표 가속도를 얻을 수 있는 토크 프로파일을 생성하는 데에 어려움이 있었다. 이를 해결하기 위하여 한 step씩 진행하는 One Step GA를 제안하였다. One Step GA 학습을 진행 한 결과 원하는 목표 가속도를 얻을 수 있는 토크 프로파일을 생성하였다.
하지만 One Step GA 학습 결과 도출된 토크 프로파일은 가속도 추종 모델에서는 이상적인 가속도를 도출하고 있지만 이를 실차에 넣어 테스트를 해보기 전까지는 해당 토크가 실제로 백래시 저감 효과가 있는지 확인할 수 없는 문제가 존재한다. 따라서 실차 실험이 이루어지기 전까지는 도출한 GA 결과는 해당 토크 프로파일의 성능을 측정할 수 없는 문제가 있다.
이 경우 Phase 1의 가속도 예측 모델을 기반으로 Phase 2가 진행되기 때문에 가속도 추종 알고리즘인 LSTM 모델에 크게 영향을 받게 된다. 따라서 One Step GA의 성능 개선 방향을 위한 LSTM 성능 개선 방법을 제시한다.
분석정보
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)