KR101943864B1 - 하이브리드 자동차 및 그를 위한 엔진 제어 방법 - Google Patents

Abstract

본 발명은 하이브리드 자동차 및 그를 위한 변속 제어 방법에 관한 것으로, 보다 상세히는 운전자의 요구 토크를 예측하여 불필요한 변속을 감소시켜 연비를 향상시킬 수 있는 변속 제어 방법 및 그를 수행하기 위한 하이브리드 자동차에 관한 것이다. 본 발명의 일 실시예에 따른 병렬식 하이브리드 자동차의 변속 제어 방법은, 현재 요구토크인 제 1 토크를 판단하는 단계; 현재로부터 근미래 시점에 발생이 예상되는 요구 토크인 제 2 토크를 판단하는 단계; 상기 제 1 토크가 제 1 임계값 이상인 경우, 상기 제 2 토크를 상기 근미래 시점에 따라 설정된 제 2 임계값과 비교하는 단계; 및 상기 비교 결과, 상기 제 2 토크가 상기 제 2 임계값 이상인 경우, 하단 변속을 수행하는 단계를 포함할 수 있다.

Description

하이브리드 자동차 및 그를 위한 엔진 제어 방법{HYBRID VEHICLE AND METHOD OF CONTROLLING ENGINE}

본 발명은 하이브리드 자동차 및 그를 위한 엔진 제어 방법에 관한 것으로, 보다 상세히는 운전자의 요구 토크를 예측하여 불필요한 풀로드 진입을 감소시켜 연비를 향상시킬 수 있는 엔진 제어 방법 및 그를 수행하기 위한 하이브리드 자동차에 관한 것이다.

차량의 엔진의 운전 모드는 크게 두 가지 모드로 구분될 수 있다. 그 하나는 파트 로드(part load) 운전 모드이고, 나머지는 풀 로드(Full load enrichment) 운전 모드이다.

파트 로드 운전 모드는 이론 공연비에 의해 제어가 수행되는 모드로, 일반적으로 연비, 배기물 배출, 토크 정확도가 우수한 특징이 있다. 여기서, 이론 공연비란 완전 연소를 위한 공기와 연료의 혼합 중량비를 의미하며, 공기 대 가솔린의 비율이 14.7 대 1로 보는 것이 일반적이다.

풀로드 운전 모드에서는 엔진의 출력을 우선시하는 모드로, 쓰로틀(throttle)을 완전 개방한 상태로 제어하기 때문에 출력이 향상되나 연비, 배기물 배출, 토크 정확도 측면에서 파트 로드 운전보다 불리하다.

모드 별 엔진의 토크 특성을 도 1을 참조하여 설명한다.

도 1은 일반적인 차량의 엔진 운전 모드와 토크 관계의 일례를 나타낸다.

도 1을 참조하면, 동일 RPM에서(가로축) 풀 로드 운전 영역의 토크(세로축)가 파트 로드 운전 영역의 토크보다 큰 것을 알 수 있다.

한편, 차량에 대한 끊임없는 연비 향상의 요구와 각 나라의 배출가스 규제의 강화에 따라 친환경 차량에 대한 요구가 증가하고 있으며, 이에 대한 현실적인 대안으로 하이브리드 차량(Hybrid Electric Vehicle/Plug-in Hybrid Electric Vehicle, HEV/PHEV)이 제공되고 있다.

이러한 하이브리드 차량은 엔진과 모터로 구성되는 두 개의 동력원으로 주행하는 과정에서 엔진과 모터를 어떻게 조화롭게 동작시키느냐에 따라 최적의 출력과 토크를 제공할 수 있다. 특히, 엔진과 변속기 사이에 전기모터와 엔진클러치(EC:Engine Clutch)를 장착한 병렬형(Parallel Type, 또는 TMED: Transmission Mounted Electric Device 방식) 하이브리드 시스템을 채용한 하이브리드 자동차에서는, 엔진과 모터의 출력이 동시에 구동축으로 전달될 수 있다. 물론, 배터리 상태(SOC: State Of Charge) 등의 제약 사항에 의해 상시적/지속적으로 모터 토크를 발생시키기는 어려우나, 일시적인 엔진 출력 보조(즉, motor assist)는 가능하다.

따라서, 현재 요구 토크가 파트 로드 운전 모드에서의 최대 토크보다 크더라도, 더 큰 값만큼 모터의 토크로 어시스트가 가능하다면 풀 로드 운전 모드로 진입하지 않을 수 있다. 이를 도 2를 참조하여 설명한다.

도 2는 일반적인 하이브리드 차량에서 모터 어시스트를 고려하여 엔진 운전 모드가 결정되는 형태의 일례를 나타낸다.

도 2를 참조하면, 하이브리드 차량에서는 엔진에 대하여 설정된 최대 파트 로드 라인(Part load max line)과, 최대 풀 로드 라인(Full load max line) 외에, 전기 모터가 어시스트 가능한 마진 토크에 의해 설정되는 경계 라인이 추가로 설정될 수 있다. 즉, 경계 라인은 최대 파트 로드 라인에 모터 어시스트 가능 토크분을 마진(즉, 마진 토크: Margin torque)으로 더하여 설정될 수 있으며, 파트 로드 운전 모드에서 풀 로드 운전 모드로의 전환 경계가 될 수 있다. 물론, 풀 로드 운전 모드에서 파트 로드 운전 모드로의 전환 경계는 이와 같이 설정될 수도 있으나, 이보다 낮게 설정되는 것이 일반적이다.

따라서, 도 2에 도시된 바와 같이 현재 요구 토크가 최대 파트 로드 라인보다 높으나 경계 라인보다 낮은 경우, 엔진의 운전 모드는 풀 로드 운전 모드로 진입하지 않고 파트 로드 운전 모드로 유지될 수 있다.

이러한 마진 토크는 배터리의 충전 상태(SOC: State Of Charge)를 고려하여 설정될 수 있다. 이를 도 3을 참조하여 설명한다.

도 3은 일반적인 하이브리드 차량에서 마진 토크와 배터리 관계의 일례를 나타낸다.

도 3을 참조하면, 마진 토크의 결정에는 모터의 최대 토크, 배터리의 최대 방전 가능 파워, 배터리의 SOC 등이 고려될 수 있다. 여기서 모터의 최대 토크, 배터리의 최대 방전 가능 파워는 해당 하이브리드 시스템에서 출력될 수 있는 최대 한계와 관련되며, 배터리의 SOC는 배터리 보호 측면에서 고려될 수 있다. 예컨대, 현재 SOC가 낮으면 충전량 보호를 위해 마진 토크가 보수적으로 낮게 설정될 수 있다.

이러한 마진 토크의 결정 및 엔진의 운전 모드 결정 방식은, 요구 토크의 잦은 변경 등 미래의 주행 패턴에 따른 SOC 경향의 반영이 불가하다. 이를 도 4를 참조하여 설명한다.

도 4는 하이브리드 차량에서 일반적인 엔진의 운전 모드 제어에 의한 문제점을 설명하기 위한 도면이다.

도 4에서는 전기 모터의 마진 토크를 고려한 파트 로드 운전 모드에서 풀 로드 운전 모드로의 전환 경계(이하, 편의상 “풀 로드 전환 경계”라 칭함)와, 그보다 낮게 설정된 풀 로드 운전 모드에서 파트 로드 운전 모드로의 전환 경계(이하, 편의상 “파트 로드 전환 경계”라 칭함)가 요구 토크와 관련하여 설정된다.

또한, 도 4에서는 현재 SOC를 참조하여 동일 기준에 따라, 요구 토크가 먼저 풀 로드 전환 경계를 넘어 상승한 후 일정 시간 경과 시점에서 ① 파트 로드 전환 경계 위로 계속 유지되는 상황과, ② 파트 로드 전환 경계 밑으로 하강하는 경우를 가정한다.

도 4를 참조하면, ①의 경우, 엔진이 풀 로드 운전 모드로 계속 유지되며, ②의 경우 잠시 동안의 풀 로드 운전 모드 후 파트로드 운전 모드로 복귀하게 된다. 결국, ②의 경우와 같이 일시적인 가속의 경우 SOC의 보호를 위해 풀 로드 운전 모드로 진입할 필요가 없음에도 풀 로드 운전 모드로 진입하여 연비가 악화되는 문제가 있다.

본 발명은 하이브리드 자동차에서 보다 효율적으로 엔진 제어를 수행하는 방법 및 그를 수행하는 차량을 제공하기 위한 것이다.

특히, 본 발명은 하이브리드 차량에서 근미래의 요구 토크를 예측하여 엔진 운전 모드 변경 여부를 결정할 수 있는 변속 제어 방법 및 그를 수행하는 차량을 제공하기 위한 것이다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 하이브리드 자동차의 엔진 제어 방법은, 현재 요구토크인 제 1 토크를 판단하는 단계;

현재로부터 근미래 시점에 발생이 예상되는 요구 토크인 제 2 토크를 판단하는 단계; 상기 제 1 토크가 제 1 임계값 이상인 경우, 상기 제 2 토크를 제 2 임계값과 비교하는 단계; 및 상기 비교 결과, 상기 제 2 토크가 상기 제 2 임계값 이상인 경우, 풀 로드 운전 모드로 엔진 제어를 수행하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 따른 하이브리드 자동차는, 상기 하이브리드 차량의 적어도 하나의 센서와 연동하여 차량 운행에 따른 운전정보를 검출하는 운전정보 검출부; 가감속 예측모델을 활용하여 상기 운전정보 검출부로부터 전달된 정보를 이용하여 차량의 주행환경이 반영된 운전자의 근미래 가감속 의지 예측 값을 생성하는 운전자 가감속 예측부; 및 상기 운전정보 검출부로부터 전달된 정보를 이용하여 현재 요구토크인 제 1 토크를 판단하고, 상기 근미래 가감속 의지 예측 값을 이용하여 현재로부터 근미래 시점에 발생이 예상되는 요구 토크인 제 2 토크를 판단하며, 상기 제 1 토크가 제 1 임계값 이상인 경우, 상기 제 2 토크를 제 2 임계값과 비교하고, 상기 비교 결과 상기 제 2 토크가 상기 제 2 임계값 이상인 경우, 풀 로드 운전 모드로 엔진 제어가 수행되도록 엔진 제어기를 제어하는 하이브리드 제어기를 포함할 수 있다.

상기와 같이 구성되는 본 발명의 적어도 하나의 실시예에 관련된 하이브리드 자동차는 보다 효율적으로 엔진 제어를 수행할 수 있다.

특히, 머신 러닝 기법을 이용한 근미래 요구 토크의 예측 및 시점에 따른 임계 기준과의 비교를 통해 엔진 운전 모드의 변경 여부가 결정되므로 불필요한 풀 로드 운전 모드 진입을 최소화할 수 있다. 그에 따라, 연비 향상이 기대될 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 일반적인 차량의 엔진 운전 모드와 토크 관계의 일례를 나타낸다.
도 2는 일반적인 하이브리드 차량에서 모터 어시스트를 고려하여 엔진 운전 모드가 결정되는 형태의 일례를 나타낸다.
도 3은 일반적인 하이브리드 차량에서 마진 토크와 배터리 관계의 일례를 나타낸다.
도 4는 하이브리드 차량에서 일반적인 엔진의 운전 모드 제어에 의한 문제점을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 하이브리드 차량의 파워 트레인 제어 시스템을 개략적으로 나타낸 블록도이다.
도 6a 및 6b는 본 발명의 실시예들에 적용될 수 있는 운전자 가감속 의지 예측 과정의 일례를 나타낸다.
도 7은 본 발명의 일 실시예에 따른 근미래 가감속 예측 모델을 활용한 엔진 운전 모드 변경 판단 방법을 나타낸다.
도 8은 본 발명의 일 실시예에 따른 하이브리드 차량의 엔진 제어 방법을 나타낸 흐름도이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소들을 의미한다.

먼저, 도 5을 참조하여 본 발명의 실시예들이 적용될 수 있는 하이브리드 자동차 구조를 설명한다.

도 5는 본 발명의 일 실시예에 따른 하이브리드 차량의 파워 트레인 제어 시스템을 개략적으로 나타낸 블록도이다.

도 5를 참조하면, 본 발명의 실시 예에 따른 하이브리드 차량의 파워 트레인 제어 시스템(100)은 운전정보 검출부(110), 운전성향 판단부(120), 운전자 가감속 예측부(130) 및 하이브리드 제어기(HCU: Hybrid Control Unit, 140)를 포함한다. 물론, 이는 예시적인 것으로 이보다 적거나(예를 들어, 운전 성향 판단부 생략 등) 많은 구성요소로 파워 트레인 제어 시스템이 구성될 수 있음은 물론이다.

운전정보 검출부(110)는 차속 센서(11), 가속 페달 센서(Accelerato Position Sensor, APS)(12), 브레이크 페달 센서(Brake pedal Sensor, BPS)(13), 첨단 운전자 보조 시스템(ADAS: Advanced Driver Assistance System) (14), 내비게이션(15) 중 적어도 하나와 연동하여 차량의 운행에 따른 운전정보를 검출한다.

운전정보 검출부(110)는 APS(12)를 통해 운전자의 가속페달 작동 상태를 검출하고, BPS(13)를 통해 브레이크 작동 상태를 검출한다.

운전정보 검출부(110)는 차속 센서(11)를 통해 차량 속도를 검출하고, ADAS(14)의 레이더 센서, (스테레오) 카메라 등을 통해 전방 차량과의 상대 거리 및 가속도를 포함하는 전방 거동 정보를 검출한다. 물론, 레이더나 카메라 외에도 ADAS의 구성에 따라 초음파, 레이저 등의 다양한 센서가 활용될 수 있다.

운전정보 검출부(110)는 내비게이션(15)을 통해 GPS/GIS 기반 차량의 위치정보 기반, 도로종류, 정체도, 제한속도, 교차로, 톨게이트, 선회(turn) 및 구배 정보 등의 내비게이션 정보(도로 환경 정보)를 검출한다. 여기서, 내비게이션(15)은 상기한 정보 제공을 위해 내장된 내비게이션 맵과 외부 무선통신(예; 텔레메틱스, TPEG 등)으로 수집되는 교통정보를 참조할 수 있다.

운전성향 판단부(120)는 운전자의 차량 운전 조작에 따른 평균 속도, APS 변화량(dAPS) 및 BPS 변화량(dBPS) 등의 운전패턴을 토대로 운전자의 운전성향을 파악한다.

예컨대, 운전성향 판단부(120)는 운전정보 검출부(110)에서 검출된 APS 변화량, BPS 변화량, 차속, 구배도 등의 측정 인자를 입력 변수로 퍼지 멤버십 함수(Fuzzy membership function)를 구성하여 단기 운전성향 지수(SI = 0 ~ 100%)를 산출 한다.

그리고, 운전성향 판단부(120)는 산출된 단기 운전성향 지수(SI = 0 ~ 100%)를 운전성향 강도에 따른 소정 기준비율로 구분하여 운전자의 운전성향을 복수의 레벨로 판단할 수 있다.

운전자 가감속 예측부(130)는 머신 러닝(Machine Learning) 기법을 활용하여 운전성향 별 가감속 예측모델을 학습하고, 상기 가감속 예측모델을 활용하여 차량의 주행환경 및 상기 운전성향이 반영된 운전자의 근미래 가감속 의지 예측 값을 생성한다. 즉, 운전자 가감속 예측부(130)는 운전정보 검출부(110)를 통해 검출된 차속, 레이더 정보, 내비게이션 정보와 운전자의 운전성향을 입력정보로 활용하여 비교적 짧은 시간 단위로 나타나는 운전 조작의 형태를 정량적으로 수치화함으로써 운전자의 순간적인 가/감속 의지를 판단하고, 이를 통해 운전자의 근미래 가감속 예측 값을 생성할 수 있다. 이러한 가감속 예측값은 근미래의 소정 시간 단위로 가속 페달이나 브레이크 페달을 밟는 강도와 확률로 구성될 수 있다.

가감속 예측부(130)의 구체적인 예측 알고리즘에는 머신 러닝 기법을 활용하여 기 구축된 예측 모델을 보완해가는 뉴럴 네트워크(Neural Network)가 포함될 수 있는데, 여기에 대해서는 보다 상세히 후술하기로 한다.

하이브리드 제어기(140)는 본 발명의 실시 예에 따른 하이브리드 차량의 엔진 운전 모드 전환을 위한 상기 각부의 동작을 제어하며, 최상위 제어기로 네트워크로 연결되는 엔진 제어기 및 모터 제어기 등을 통합 제어한다.

하이브리드 제어기(140)는 운전정보 검출부(110)에서 검출된 APS 또는 BPS에 따른 운전자의 현재 요구 토크를 분석하고, 상기 근미래 가감속 예측 값을 전달받아 근미래 특정 시점의 요구 토크를 예측할 수 있다. 또한, 하이브리드 제어기는 현재 요구토크와 풀 로드 전환 경계(즉, 해당 조건에서의 토크 임계 값) 및 근미래의 예측 요구 토크와 기 설정된 임계 토크 값을 비교할 수 있다. 하이브리드 제어기(140)는 비교 결과를 이용하여 최종 엔진 운전 모드(즉, 풀 로드 운전 모드 진입 여부)를 결정하고, 그 결정의 결과에 대응되는 지령을 엔진 제어기에 전달할 수 있다.

물론, 실시예에 따라 가감속 예측부(130)가 근미래 가감속 예측값을 이용하여 근미래 요구토크까지 예측하는 경우, 가감속 예측부(130)가 하이브리드 제어기(140)로 근미래 요구토크 예측값을 전달할 수도 있다.

또한, 변속기 제어기는 현재 요구토크에 따라 변속판단을 수행하되, 근미래 요구토크 예측값에 따른 변속 판단은 하이브리드 제어기(140)가 수행하도록 하고, 하이브리드 제어기(140)가 수행한 변속 판단 결과는 변속 제어기로 전달되어 변속 제어기의 변속판단을 오버라이드하도록 구현될 수도 있다.

아울러, 상술한 실시예에서 운전성향 판단부(120)는 구성에 따라 생략될 수도 있으며, 이러한 경우 운전자 가감속 예측부(130)는 운전성향에 관련된 입력 값을 제외하고 가감속 예측을 수행할 수 있다.

이하에서는 도 6a 및 도 6b를 참조하여 운전자 가감속 예측부(130)가 운전자의 가감속 의지를 예측하는 방법을 설명한다.

도 6a 및 도 6b는 본 발명의 실시예들에 적용될 수 있는 운전자 가감속 의지 예측 과정의 일례를 나타낸다.

먼저 도 6a를 참조하면, 운전자 가감속 예측부(130)의 운전자 가감속 의지 예측 과정은 크게 세 단계로 나뉠 수 있다. 구체적으로, 먼저 어떤 파라미터들이 예측을 위한 입력 값으로 사용될 지 여부가 결정될 수 있다(S61). 결정된 입력 값은 머신 러닝을 통하여 예측 모델을 수정하고(S62), 입력값과 수정된 모델을 통해 가속과 감속을 분류하여 근미래 상황에 대한 예측 값을 산출할 수 있다(S63).

여기서 입력 값을 결정하는 과정(S61)은 다시 1) 입력 값의 후보들을 추출하는 과정, 2) 입력 신호를 통합하여 데이터 전(pre) 처리하는 과정, 그리고 3) 전 처리된 후보 값을 이용하여 최종 변수를 선택하는 과정을 포함할 수 있다.

한편, 머신 러닝 기법은 시계열 모델 기반의 기법이 이용될 수도 있고, 딥 러닝(deep learning) 기반의 기법이 이용될 수도 있다. 여기서 시계열 모델 기반의 기법의 예로는 시간에 따른 행위의 변화를 추정지표(stochastic)로 설명하는 ARIMA(Autoregressive integrated moving average) 기법, 범용근사자로서 비모수 회귀(nonparametric regression) 방법을 이용하는 MLP(Multi-layer Perceprton) 기법 등을 들 수 있다. 또한, 딥 러닝 기반의 기법으로는 차원 축소를 통해 입/출력 데이터를 유사하게 만드는 SAE(Stacked AutoEncoder) 기법, 순차적인 정보를 처리하는 신경망 알고리즘인 RNNs(Recurrent Neural Networks) 기법, 장기 의존성 학습에 적합한 LSTM(Long Short Term Memory) 기법 등을 들 수 있다. 이 중 신경망 알고리즘을 이용한 운전자 가감속 예측부의 근미래 운전자 가감속 의지 예측 과정의 일례가 도 6b에 도시된다.

도 6b를 참조하면, 본 발명의 실시 예에 따른 운전자 가감속 예측부(130)는 머신 러닝 기법을 활용하여 운전자의 운전성향 별 가감속 예측모델을 학습하는 뉴럴 네트워크(Neural Network)를 포함한다.

운전자 가감속 예측부(130)에는 뉴럴 네트워크를 활용하여 차량의 출고 전 시험운전을 통해 누적된 빅데이터를 기반으로 운전성향 별 근미래 가감속 예측모델이 미리 구축되어 있는 것이 바람직하다.

또한, 운전자 가감속 예측부(130)는 뉴럴 네트워크를 활용하여 구축된 운전성향 별 근미래 가감속 예측모델에 출고 후 실제 운전자의 차량 운전을 통해 학습된 차량 거동 데이터를 더 반영하여 운전자에게 개인화된 운전성향 별 근미래 가감속 예측모델을 생성할 수 있다. 이 때, 운전자 가감속 예측부(130)는 운전자의 성향(마일드, 일반, 스포티 등) 판단에 따라 학습된 거동 데이터를 해당 운전성향의 근미래 가감속 예측모델에 적용할 수 있다.

이러한 운전자 가감속 예측부(130)는 차량 속도, 레이더 정보 및 네비게이션 정보를 종합한 주행 환경과 운전자의 운전성향을 입력정보로 활용하여 운전자의 운전성향에 따른 근미래 가감속 의지 예측 값을 산출할 수 있다. 여기서 운전 성향은 도 6b에 도시된 바와 같이 복수의 성향 타입으로 분류될 수도 있고, 평균속도, 가속페달 변화율(dAPS), 브레이크페달 변화율(dBPS) 등의 수치로 구성될 수도 있다.

아울러, 운전자 가감속 예측부(130)는 차량에 장착된 상태로 머신 러닝 기법을 통해 실시간으로 운전자 가감속 모델 학습에 따른 모델 수정을 수행할 수도 있고, 외부에서 수정된 모델을 수신하여 학습 없이 예측에만 사용할 수도 있다.

즉, 외부에서 모델이 수정되도록 하는 경우, 학습의 입력값이 되는 파라미터들을 텔레매틱스 센터나 클라우드 서버 등으로 전송되도록 하여 학습을 통한 모델 수정은 외부에서 수행된 후 최종 모델만이 차량으로 전송되도록 할 수 있다.

도 7은 본 발명의 일 실시예에 따른 근미래 가감속 예측 모델을 활용한 엔진 운전 모드 변경 판단 방법을 나타낸다.

도 7을 참조하면, 본 발명의 실시 예에 따른 하이브리드 제어기(140)는 운전자의 APS 또는 BPS 조작에 따른 현재 운전 요구를 해석하고, 요구토크를 계산한다(S1). 또한, 하이브리드 제어기(140)는 현재 SOC, 모터 최대 토크 및 배터리 가용 파워에 따라 설정된 풀 로드 전환 경계 값과 요구토크를 비교한다(S2).

그리고, 하이브리드 제어기(140)는 풀 로드 전환 경계 값과 요구토크를 비교한 결과에, 운전자 가감속 예측부(130)에서 근미래 가감속 예측 모델을 활용한 운전자 가감속 의지 예측정보에 따른 요구토크 예측값을 추가 적용하여 최종 풀 로드 운전 모드로의 전환 여부를 결정하고(S3), 그 결정의 결과에 대응되는 지령을 엔진 제어기에 전달할 수 있다.

여기서, 요구토크 예측값은 운전자 가감속 예측부(130)에서 계산할 수도 있고, 하이브리드 제어기(140)에서 계산할 수도 있으며, 도시되지는 아니하였으나 요구토크 예측값을 생성하기 위한 별도의 제어기에서 계산할 수도 있다.

한편, 전술한 하이브리드 차량의 운전 모드 전환 시스템(100)을 주체로 하여, 본 발명의 실시 예에 따른 하이브리드 차량의 운전 모드 전환 방법을 다음의 도 8을 통해 좀더 구체적으로 설명한다.

도 8은 본 발명의 일 실시예에 따른 하이브리드 차량의 변속 제어 방법을 나타낸 흐름도이다.

도 8을 참조하면, 먼저 하이브리드 제어기는 운전정보 검출부(110)를 통해 APS 변화량 또는 BPS 변화량을 검출하여 운전자의 현재 요구토크를 계산한다(S810). 계산된 요구토크는 변속기 제어기로 전달될 수 있다.

여기서, 요구토크는 현재 페달 센서(APS 및 BPS)가 감지한 페달 위치 값(Pedal(n))에 대한 함수로 구해질 수 있다. 보다 상세히, '(n)' 값은 가속 페달(APS)이 조작된 경우에는 양의(+) 값을 갖고, 브레이크 페달(BPS)이 조작된 경우에는 음의(-) 값을 갖는다.

이때, 하이브리드 제어기는 운전자의 잘못된 조작으로 APS와 BPS가 동시에 검출되는 경우 브레이크 오버라이드(Brake override) 기능을 적용하여 APS 변화는 무시하고 BPS 변화만으로 요구토크를 계산할 수 있다.

한편, 운전자 가감속 예측부(130)에서는 통해 차량 속도, 레이더 정보, 내비게이션 정보 및 운전자의 운전성향 등을 입력정보로 하여 운전자의 근미래 가감속 의지 예측 값을 생성한다(S820). 여기서, Pedal(n+a)란 a 초 후의 가속/브레이크 페달의 위치를 의미하며, a 값은 5초 미만인 것이 바람직하나 반드시 이에 한정될 필요는 없다. 또한, 근미래 가감속 의지 예측 값은 소정 시간 후의 가까운 미래에 예측되는 운전자의 가속의지(APS 증가 또는 BPS 감소) 또는 감속의지(APS 감소 또는 BPS 증가)와 그 변화량 또는 페달 위치를 의미할 수도 있다.

운전자 가감속 예측부(130)의 가감속 의지 예측값(Pedal(n+a))을 이용하여 하이브리드 제어기는 근미래의 요구 토크를 예측한다(S830).

또한, 하이브리드 제어기는 현재 요구 토크를 제 1 임계값과 비교할 수 있다(S840). 여기서 제 1 임계값은 모터 최대 토크, 배터리 가용파워 및 현재 SOC 중 적어도 하나에 따라 결정되는 풀 로드 전환 경계선(즉, 엔진의 최대 파트 로드 라인에 전기 모터의 마진 토크를 적용한 값)에 대응되는 값일 수 있다.

현재 요구토크가 제 1 임계값 이상인 경우, 하이브리드 제어기는 예측 요구 토크를 제 2 임계값과 비교할 수 있다(S850). 여기서 제 2 임계값은 제 1 임계값과 같거나, 그보다 작게 설정되는 임의의 값일 수 있다.

하이브리드 제어기는 예측 요구토크가 제 2 임계값보다 큰 경우 풀 로드 운전 모드 진입을 결정하고, 엔진 제어기에 진입 지령을 전달할 수 있다(S860).

만일, 현재 요구 토크가 제 1 임계값 미만이거나 예측 요구 토크가 제 2 임계값 미만인 경우에는 파트 로드 운전 모드로 전환되거나, 파트 로드 운전 모드인 경우 그대로 유지될 수 있다(S870).

한편, 전술된 설명에서는 근미래 예측을 통해 미래의 요구 토크를 예측하도록 하였으나, 미래의 요구 토크는 가감속 예측부가 예측한 미래의 가속도 예상값으로 대체될 수도 있다. 그에 따라, 제 2 임계값도 요구 토크가 아닌 가속도 값으로 환산하여 설정될 수도 있다. 결국, 현재 요구토크가 제 1 임계값 이상이고, 근미래 시점의 예측 가속도가 가속도로 나타낸 제 2 임계값 이상인 경우, 엔진의 풀 로드 운전 모드 제어가 수행되고, 그렇지 않은 경우 파트 로드 운전 모드 제어가 수행될 수 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (20)

1. 하이브리드 자동차의 엔진 제어 방법에 있어서,
   현재 요구토크인 제 1 토크를 판단하는 단계;
   현재로부터 근미래 시점에 발생이 예상되는 요구 토크인 제 2 토크 또는 상기 근미래 시점에 발생이 예상되는 가속도인 근미래 가속도를 판단하는 단계;
   상기 제 1 토크가 제 1 임계값 이상인 경우, 상기 제 2 토크 또는 상기 근미래 가속도를 제 2 임계값과 비교하는 단계; 및
   상기 비교 결과, 상기 제 2 토크 또는 상기 근미래 가속도가 상기 제 2 임계값 이상인 경우, 풀 로드 운전 모드로 엔진 제어를 수행하는 단계를 포함하는, 엔진 제어 방법.
2. 제 1항에 있어서,
   상기 제 1 토크가 상기 제 1 임계값 미만이거나, 상기 비교 결과 상기 제 2 토크 또는 상기 근미래 가속도가 상기 제 2 임계값 미만인 경우, 파트 로드 운전 모드로 상기 엔진 제어를 수행하는 단계를 더 포함하는, 엔진 제어 방법.
3. 제 1항에 있어서,
   상기 제 1 토크를 판단하는 단계는,
   가속 페달 및 브레이크 페달의 위치를 판단하는 단계; 및
   상기 판단된 위치를 이용하여 상기 제 1 토크를 판단하는 단계를 포함하는, 엔진 제어 방법.
4. 제 1항에 있어서,
   상기 제 2 토크 또는 상기 근미래 가속도를 판단하는 단계는,
   운전자 성향 정보, 첨단 운전 보조장치(ADAS) 정보, 네비게이션 정보, 차속 정보 중 적어도 하나를 입력값으로 하는 가감속 예측모델을 이용하여 운전자의 가감속 의지 예측 값을 판단하는 단계; 및
   상기 가감속 의지 예측 값을 이용하여 상기 제 2 토크 또는 상기 근미래 가속도 를 판단하는 단계를 포함하는, 엔진 제어 방법.
5. 제 4항에 있어서,
   상기 가감속 예측모델은,
   머신 러닝 기반의 학습을 통해 지속적으로 수정되는, 엔진 제어 방법.
6. 제 4항에 있어서,
   상기 가감속 의지 예측 값은,
   상기 근미래 시점의 가속 페달 및 브레이크 페달의 위치 정보를 포함하는, 엔진 제어 방법.
7. 제 1항에 있어서,
   상기 제 1 임계값은,
   엔진의 최대 파트 로드 라인에 전기 모터의 마진 토크를 적용한 값인, 엔진 제어 방법.
8. 제 7항에 있어서,
   상기 마진 토크는,
   모터 최대 토크, 배터리 가용파워 및 현재 배터리 충전 상태(SOC) 중 적어도 하나에 따라 설정되는, 엔진 제어 방법.
9. 제 1항에 있어서,
   상기 제 2 임계값이 토크값일 경우, 상기 제2 임계값은,
   상기 제 1 임계값과 같거나 작은, 엔진 제어 방법.
10. 제 1항 내지 제 9항 중 어느 한 항에 따른 엔진 제어 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 해독 가능 기록 매체.
11. 하이브리드 자동차에 있어서,
    상기 하이브리드 차량의 적어도 하나의 센서와 연동하여 차량 운행에 따른 운전정보를 검출하는 운전정보 검출부;
    가감속 예측모델을 활용하여 상기 운전정보 검출부로부터 전달된 정보를 이용하여 차량의 주행환경이 반영된 운전자의 근미래 가감속 의지 예측 값을 생성하는 운전자 가감속 예측부; 및
    상기 운전정보 검출부로부터 전달된 정보를 이용하여 현재 요구토크인 제 1 토크를 판단하고, 상기 근미래 가감속 의지 예측 값을 이용하여 현재로부터 근미래 시점에 발생이 예상되는 요구 토크인 제 2 토크 또는 상기 근미래 시점에 발생이 예상되는 가속도인 근미래 가속도를 판단하며, 상기 제 1 토크가 제 1 임계값 이상인 경우, 상기 제 2 토크 또는 상기 근미래 가속도를 제 2 임계값과 비교하고, 상기 비교 결과 상기 제 2 토크 또는 상기 근미래 가속도가 상기 제 2 임계값 이상인 경우, 풀 로드 운전 모드로 엔진 제어가 수행되도록 엔진 제어기를 제어하는 하이브리드 제어기를 포함하는, 하이브리드 자동차.
12. 제 11항에 있어서,
    상기 하이브리드 제어기는,
    상기 제 1 토크가 상기 제 1 임계값 미만이거나, 상기 비교 결과 상기 제 2 토크 또는 상기 근미래 가속도가 상기 제 2 임계값 미만인 경우, 파트 로드 운전 모드로 상기 엔진 제어가 수행되도록 상기 엔진 제어기를 제어하는, 하이브리드 자동차.
13. 제 11항에 있어서,
    상기 하이브리드 제어기는,
    상기 운전정보 검출부로부터 검출된 가속 페달 및 브레이크 페달의 위치를 이용하여 상기 제 1 토크를 판단하는, 하이브리드 자동차.
14. 제 11항에 있어서,
    상기 운전자 가감속 예측부는,
    운전자 성향 정보, 첨단 운전 보조장치(ADAS) 정보, 네비게이션 정보, 차속 정보 중 적어도 하나를 입력값으로 하여 상기 근미래 가감속 의지 예측 값을 생성하는, 하이브리드 자동차.
15. 제 14항에 있어서,
    상기 가감속 예측모델은,
    머신 러닝 기반의 학습을 통해 지속적으로 수정되는, 하이브리드 자동차.
16. 제 14항에 있어서,
    상기 가감속 의지 예측 값은,
    상기 근미래 시점의 가속 페달 및 브레이크 페달의 위치 정보를 포함하는, 하이브리드 자동차.
17. 제 11항에 있어서,
    상기 제 1 임계값은,
    엔진의 최대 파트 로드 라인에 전기 모터의 마진 토크를 적용한 값인, 하이브리드 자동차.
18. 제 17항에 있어서,
    상기 마진 토크는,
    모터 최대 토크, 배터리 가용파워 및 현재 배터리 충전 상태(SOC) 중 적어도 하나에 따라 설정되는, 하이브리드 자동차.
19. 제 11항에 있어서,
    상기 제 2 임계값이 토크값일 경우, 상기 제2 임계값은,
    상기 제 1 임계값과 같거나 작은, 하이브리드 자동차.
20. 하이브리드 자동차의 엔진 제어 방법에 있어서,
    현재 요구토크를 판단하는 단계;
    현재로부터 근미래 시점에 발생이 예상되는 예측 가속도를 판단하는 단계;
    상기 현재 요구토크가 제 1 임계값 이상이고, 상기 예측 가속도가 제 2 임계값 이상인 경우, 풀 로드 운전 모드로 엔진 제어를 수행하는 단계; 및
    상기 현재 요구토크 상기 제 1 임계값 미만이거나, 상기 예측 가속도가 제 2 임계값 미만인 경우, 파트 로드 운전 모드로 상기 엔진 제어를 수행하는 단계를 더 포함하는, 엔진 제어 방법.

Images