KR102295581B1

KR102295581B1 - 하이브리드 자동차 및 그를 위한 공조 제어 방법

Info

Publication number: KR102295581B1
Application number: KR1020170083580A
Authority: KR
Inventors: 이재문; 박준영; 강지훈
Original assignee: 현대자동차주식회사; 기아 주식회사
Priority date: 2017-06-30
Filing date: 2017-06-30
Publication date: 2021-08-30
Also published as: US10654467B2; KR20190003097A; CN109204301B; CN109204301A; US20190001960A1

Abstract

본 발명은 하이브리드 자동차 및 그를 위한 공조 제어 방법에 관한 것으로, 보다 상세히는 정차 예측을 통해 보다 효율적으로 냉간시 난방을 수행할 수 있는 모드 전환 제어 방법 및 그를 수행하기 위한 하이브리드 자동차에 관한 것이다. 본 발명의 일 실시예에 따른 하이브리드 자동차의 모드 전환 제어 방법은, 자동 온도 제어기(FATC)로부터 엔진 기동 요청을 수신하는 단계; 엔진 동력을 구동력으로 이용하는 제1 HEV 모드의 진입 가능 여부를 판단하는 단계; 상기 제1 HEV 모드의 진입이 불가할 경우, 정차 예상 시간이 소정 시간 이하인지 여부를 판단하는 단계; 및 상기 정차 예상 시간이 상기 소정 시간 이하인 경우, 엔진 동력을 발전에 이용하는 제2 HEV 모드의 진입을 불허하는 단계를 포함할 수 있다.

Description

하이브리드 자동차 및 그를 위한 공조 제어 방법{HYBRID VEHICLE AND METHOD OF CARRYING OUT TEMPERATURE CONTROL}

본 발명은 하이브리드 자동차 및 그를 위한 공조 제어 방법에 관한 것으로, 보다 상세히는 정차 예측을 통해 보다 효율적으로 냉간시 난방을 수행할 수 있는 모드 전환 제어 방법 및 그를 수행하기 위한 하이브리드 자동차에 관한 것이다.

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.

하이브리드 차량의 일반적인 상황에서는 초기 가속 시 전기에너지를 이용한다(즉, EV 모드). 하지만, 전기에너지만으로는 운전자의 요구 파워를 충족시키는데 한계가 있기 때문에 결국 엔진을 주동력원으로 함께 사용(즉, HEV 모드)해야 하는 순간이 발생한다. 이러한 경우, 하이브리드 차량에서는 모터의 회전수와 엔진의 회전수 차이가 소정 범위 이내일 때 엔진클러치를 결합시켜 모터와 엔진이 함께 회전하도록 한다.

물론, HEV 모드라고 하더라도 반드시 엔진이 주동력원으로 사용되는 것은 아니다. 예컨대, HEV 모드 중 패러럴(Pararell) 모드에서는 엔진의 동력이 구동력으로 작용하나, 시리즈(Series) HEV 모드에서는 엔진이 저부하로 구동되어 엔진 구동력이 발전에 사용된다. 패러럴 HEV 모드와 시리즈 HEV 모드의 운전점과 효율을 도 1을 참조하여 설명한다.

도 1은 일반적인 하이브리드 차량의 HEV 모드별 운전점과 효율 관계를 설명하기 위한 도면이다.

도 1에 도시된 그래프는 엔진 효율을 나타내는 BSFC(Brake specific fuel consumption) 그래프로, 가로축은 엔진 RPM을 나타내고, 세로축은 차속을 나타내며, 대체로 원형을 갖는 등효율선의 중심으로 갈수록 효율이 높다.

도시된 바와 같이, 페러럴 운전 영역(10)은 상대적으로 효율이 높은 영역에 설정된다. 반면에, 시리즈 엔진 운전 영역(20)은 진동과 노이즈(NVH), 그리고 발전을 수행할 모터(예컨대, HSG: Hybrid Starter Generator)의 출력을 고려하여 낮은 RPM 영역(1100~1300)에 설정되는 것이 일반적이다.

한편, 최근 출시되는 차량에는 자동 온도 제어기(FATC: Full Automatic Temperature Control)가 공조 제어를 담당하는데, 하이브리드 차량의 경우 필요에 따라 FATC가 엔진의 열로 데워진 엔진 냉각수로 실내 난방이 수행되도록 제어하기도 한다. 보다 상세히, PTC 히터(Positive Temperature Coefficient Heater)가 하이브리드 차량에 장착되지 않았거나, 장착되더라도 용량이 충분하지 않은 경우, FATC에서 엔진 냉각수를 활용할 것을 결정할 수 있다. 이때, FATC가 난방을 위해 필요한 수온보다 엔진냉각 수온이 낮은 경우, FATC는 하이브리드 제어기(HCU)에 엔진 기동을 요청하게 된다.

그에 따라, HCU는 엔진을 기동하게 되는데, 상황에 따라 패러럴 모드와 시리즈 모드 중 어느 하나를 선택하게 된다. 그런데, 도 1을 참조하여 전술된 바와 같이 패러럴 모드가 시리즈 모드보다 엔진 효율면에서 우수하기 때문에, 패러럴 모드가 가능한 상황(주로, 일정 차속 이상의 주행시)에서는 패러럴 모드가 우선 선택되는 것이 바람직하다.

그런데, 패러럴 모드가 가능한 상황 중에서 짧은 정차 상황이 발생하면, 짧은 정차 시간동안 엔진의 운전점을 기준으로 시리즈 모드로 전환되는 경우 비효율적인 제어 결과가 발생한다. 이를 도 2를 참조하여 설명한다.

도 2는 일반적인 하이브리드 차량에서 차속 기반의 HEV 모드 전환 제어에 따른 문제점을 설명하기 위한 도면이다.

도 2에서는 상단 그래프와 하단 그래프가 도시된다. 두 그래프의 가로축은 공통적으로 시간을 나타내며, 상단 그래프의 세로축은 차속을, 하단 그래프의 세로축은 하이브리드 파워트레인의 주행 모드를 각각 나타낸다. 즉, 하단 그래프에서 세로축의 최하단 지점은 EV 모드를, 중간 지점은 시리즈 HEV 모드를, 상단 지점은 패러럴 HEV 모드를 각각 나타낸다.

도 2를 참조하면, 시리즈 모드로 정차 중에 차량이 출발한 후, 차속이 패러럴 모드로 진입 가능한 차속이 됨에 따라 차량의 주행 모드는 패러럴 모드로 전환될 수 있다. 패러럴 모드로 주행 중에, 신호등과 같은 이유로 비교적 짧은 시간 동안 정차를 하게 되더라도, 정차로 인해 패러럴 모드로 진입 가능한 차속이 만족되지 못하면 일시적으로 시리즈 모드로 전환된다. 결국, 시리즈 모드 전환으로 인해 해당 구간 동안은 효율이 낮은 운전점에서 엔진이 기동하며, 낮은 엔진 출력으로 인해 냉각수온 상승효과도 미미한 문제점이 있다.

본 발명은 하이브리드 자동차에서 보다 효율적으로 냉간시 난방을 수행할 수 있는 모드 전환 제어 방법 및 그를 수행하는 차량을 제공하기 위한 것이다.

특히, 본 발명은 짧은 정차에 의한 엔진효율과 냉각수온 상승 저하 문제를 해결할 수 있는 모드 전환 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 모드 전환 제어 방법은, 자동 온도 제어기(FATC)로부터 엔진 기동 요청을 수신하는 단계; 엔진 동력을 구동력으로 이용하는 제1 HEV 모드의 진입 가능 여부를 판단하는 단계; 상기 제1 HEV 모드의 진입이 불가할 경우, 정차 예상 시간이 소정 시간 이하인지 여부를 판단하는 단계; 및 상기 정차 예상 시간이 상기 소정 시간 이하인 경우, 엔진 동력을 발전에 이용하는 제2 HEV 모드의 진입을 불허하는 단계를 포함할 수 있다.

또한, 본 발명의 일 실시예에 따른 하이브리드 자동차는, 공조 기능을 제어하는 자동 온도 제어기(FATC); 및 상기 자동 온도 제어기로부터 엔진 기동 요청을 수신하면, 엔진 동력을 구동력으로 이용하는 제1 HEV 모드의 진입 가능 여부를 판단하고, 상기 제1 HEV 모드의 진입이 불가할 경우, 정차 예상 시간이 소정 시간 이하인지 여부를 판단하여, 상기 정차 예상 시간이 상기 소정 시간 이하인 경우, 엔진 동력을 발전에 이용하는 제2 HEV 모드의 진입을 불허하도록 제어하는 하이브리드 제어기를 포함할 수 있다.

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

특히, 머신 러닝 기법을 이용한 정차의 성격을 예측하여 주행 모드가 결정되므로, 난방 필요시 비효율적인 시리즈 모드 진입을 방지할 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 하이브리드 차량의 HEV 모드별 운전점과 효율 관계를 설명하기 위한 도면이다.
도 2는 일반적인 하이브리드 차량에서 차속 기반의 HEV 모드 전환 제어에 따른 문제점을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 하이브리드 차량의 제어 시스템을 개략적으로 나타낸 블록도이다.
도 4a 및 4b는 본 일 실시예에 적용될 수 있는 운전자 가감속 의지 예측 과정의 일례를 나타낸다.
도 5는 본 발명의 일 실시예에 따른 근미래 가감속 예측 모델을 활용한 정차의 성격을 판단하는 로직의 일례를 나타낸다.
도 6은 본 발명의 일 실시예에 따른 하이브리드 차량의 모드 전환 제어 방법의 일례를 나타낸 순서도이다.
도 7은 본 발명의 일 실시예에 따른 모드 전환 방법의 효과를 도 2의 경우와 대비하여 설명하기 위한 도면이다.

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.

본 발명의 일 실시예에서는, 하이브리드 자동차에서 FATC로부터 엔진 기동 요청에 따라 HEV 모드로 진입하는 경우, 정차 발생시 짧은 정차인지 여부를 예측하여, 긴 정차인 경우 시리즈 모드를 허용하고, 짧은 정차인 경우 패러럴 모드가 유지되도록 할 것을 제안한다. 여기서 짧은 정차라 함은, 현재 시점으로부터 정차 상태가 유지되는 것으로 예상되는 시간(즉, "정차 예상 시간")이 임계 시간 이하인 정차를 의미하며, 여기서 임계 시간은 기 설정된 시간일 수도 있고, 가변적일 수도 있다.

이를 위해서는 정차의 발생 여부 판단 및 정차 예상 시간, 즉, 근미래에 차량이 출발할지 여부에 대한 예측이 필수적이다. 정차 발생 여부 및 근미래 출발 여부의 예측이 가능한 차량 구조를 먼저 도 5를 참조하여 설명한다.

도 3은 본 발명의 일 실시예에 따른 하이브리드 차량의 제어 시스템을 개략적으로 나타낸 블록도이다.

도 3을 참조하면, 본 발명의 실시 예에 따른 하이브리드 차량의 제어 시스템(100)은 운전정보 검출부(110), 운전성향 판단부(120), 운전자 가감속 예측부(130), 하이브리드 제어기(140) 및 FATC(150)를 포함한다. 물론, 이는 예시적인 것으로 이보다 적거나(예를 들어, 운전 성향 판단부 생략 등) 많은 구성 요소로 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 운전 모드 전환을 위한 상기 각부의 동작을 제어하며, 최상위 제어기로 네트워크로 연결되는 클러치 제어기, 엔진 제어기 및 모터 제어기 등을 통합 제어한다.

특히, 하이브리드 제어기(140)는 FATC(150)로부터 엔진 기동 요청이 있는 경우 차속과 엔진 효율의 관계 및 짧은 정차 발생 여부에 따라 주행 모드를 결정할 수 있다. 이때, 정차 발생 및 길이의 예측은 가감속 예측부(130)로부터 근미래 가감속 예측값을 획득하여 수행할 수 있다.

또한, 하이브리드 제어기(140)는 운전정보 검출부(110)에서 검출된 APS 또는 BPS에 따른 운전자의 현재 요구 토크를 판단할 수 있으며, 이를 다른 제어기, 예컨대 변속기 제어기 등으로 전달할 수도 있다.

물론, 실시예에 따라 가감속 예측부(130)가 근미래 가감속 예측값을 이용하여 근미래 요구토크까지 예측할 수도 있다.

또한, 변속기 제어기는 현재 요구토크에 따라 변속판단을 수행할 수 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 4a 및 도 4b를 참조하여 운전자 가감속 예측부(130)가 운전자의 가감속 의지를 예측하는 방법을 설명한다.

도 4a 및 도 4b는 본 발명의 일 실시예에 적용될 수 있는 운전자 가감속 의지 예측 과정의 일례를 나타낸다.

먼저 도 4a를 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(S41). 결정된 입력 값은 머신 러닝을 통하여 예측 모델을 수정하고(S42), 입력값과 수정된 모델을 통해 가속과 감속을 분류하여 근미래 상황에 대한 예측 값을 산출할 수 있다(S43).

여기서 입력 값을 결정하는 과정(S41)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 4b에 도시된다.

도 4b를 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. 이때, 운전자 가감속 예측부(130)는 운전자의 성향 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 4b에 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 5는 본 발명의 일 실시예에 따른 근미래 가감속 예측 모델을 활용한 정차의 성격을 판단하는 로직의 일례를 나타낸다.

도 5를 참조하면, 본 발명의 실시 예에 따른 하이브리드 제어기(140)는 운전자의 APS 또는 BPS 조작에 따른 현재 운전 요구를 해석하고, 요구토크를 계산한다(S1). 하이브리드 제어기(140)는 현재 요구 토크 및 BPS 조작에 따라 현재 거동, 예컨대, 현재 정차 중인지 여부를 판단할 수 있다(S2).

한편, 운전자 가감속 예측부(130)는 근미래 가감속 예측 모델을 활용한 운전자 가감속 의지 예측 정보를 출력하고, 이를 통해 하이브리드 제어기(140)는 근미래 시점에서의 토크(즉, "요구토크 예측값")를 예측하여 차량 거동을 예측할 수 있다(S3). 결국, 현재의 차량 거동에 근미래의 예측된 차량 거동이 조합되면, 정차 여부 및 근미래 출발 여부에 따라, 현재 정차가 짧은 정차인지 여부가 최종 판단될 수 있다(S4).

예컨대, 현재 차속이 제1 임계값보다 적고, 요구토크 예측값이 제2 임계값보다 큰 경우 현재 정차중이나 근미래에 가속될 것이므로 짧은 정차로 판단될 수 있다. 다른 예로, 교차로 정차시 운전정보 검출부(110)로부터 신호등 정보를 획득하여 근미래의 신호 변경 여부에 따라 정차 시간이 예측될 수 있다. 또 다른 예로, 고속도로 주행 중 정체 구간 거리가 짧은 경우, 즉, 정체 구간 탈출까지 시간이 제3 임계값보다 적은 경우나 정체 구간 잔존 거리가 제4 임계값보다 적은 경우 등에 짧은 정차로 예측될 수 있다.

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

한편, 전술한 하이브리드 차량의 제어 시스템(100)을 주체로 하여, 본 발명의 실시 예에 따른 하이브리드 차량의 운전 모드 전환 방법을 다음의 도 6을 통해 좀더 구체적으로 설명한다.

도 6은 본 발명의 일 실시예에 따른 하이브리드 차량의 모드 전환 제어 방법의 일례를 나타낸 순서도이다.

도 6을 참조하면, FATC로부터 엔진 기동 요청이 있는 경우(S610), 하이브리드 제어기는 현재 주행 상황과 기 설정된 기준에 따라 패러럴 모드 진입이 가능한지 여부를 판단할 수 있다(S620). 패러럴 모드 진입이 가능한 경우, 하이브리드 제어기는 FATC의 요청에 따라 패러럴 모드로 주행이 수행되도록 파워트레인을 제어할 수 있다.

만일, 패러럴 모드 진입이 불가한 경우에는 하이브리드 제어기는 운전자 가감속 예측부와 운전정보 검출부를 통해 획득된 정보를 기반으로 현재 상황이 짧은 정차에 해당하는지 여부를 판단할 수 있다(S640).

판단 결과, 짧은 정차에 해당하면 하이브리드 제어기는 시리즈 모드 진입을 허용하지 않을 수 있다(S650). 시리즈 모드 진입을 허용하지 않음은, 하이브리드 제어기가 EV 모드로 주행 모드를 전환함을 의미할 수 있다. EV 모드 전환과 함께, 또는 별도로, 하이브리드 제어기는 짧은 정차 판단시에 FATC의 엔진 기동 요청 기준값을 가변시킬 수도 있다.

이와 달리, 짧은 정차에 해당하지 않는 경우에는 하이브리드 제어기는 시리즈 모드로 파워트레인을 제어할 수 있다(S660). 이는, 차량이 장시간 정차할 경우에 EV 모드로 진입하게 되면, 엔진 오프로 인해 냉각수 수온 상승이 장시간 이루어지지 않아 난방이 지나치게 지연되기 때문이다.

도 7은 본 발명의 일 실시예에 따른 모드 전환 방법의 효과를 도 2의 경우와 대비하여 설명하기 위한 도면이다.

도 7을 참조하면, 도 2와 비교할 때 차량이 첫 번째 가속 구간에서 패러럴 모드로 진입함은 동일하나, 짧은 정차 구간에서 시리즈 모드로 전환하는 대신 EV 모드로 전환하기 때문에 효율이 낮은 시리즈 모드 진입이 억제될 수 있다.

한편, 상술한 실시예들에서 운전자의 가감속 의지 예측 모델은 실제 차량 운행시 축적된 데이터를 기반으로 현재 주행 조건에 대응하는 미래의 운전자 의지를 기계 학습을 통해 구성되고 수정되는 것으로 설명되었다. 그러나, 이러한 예측 모델을 이용하는 대신 미리 규칙을 설정하여 근미래 가감속 의지 예측 값이 판단될 수도 있다. 이러한 규칙의 일례가 아래 표 1에 나타난다.

입력 신호	주행 상황 해석	예상 결과
[Navi/Telematics] 도로종류 = 고속도로 정체정보 = 원활 전방event = 없음 [Radar] 전방차량 거리 = 근접 전방차량 상대 속도 = -10 kph [운전성향/history] 과거 5분간 정속 주행 [차선 이탈 방지 시스템] 현재 차선 유지	정속 주행 중, 앞차와의 차간 거리 유지를 위해 간헐적 제동	APS = 0, BPS = 소
[Navi/Telematics] 도로종류 = 고속도로 정체정보 = 원활 전방event = 톨케이트/200m [Radar] 전방차량 거리 = 없음 전방차량 상대 속도 = N/A [운전성향/history] 과거 톨게이트 통과 평균 차속 = 50 kph [차선 이탈 방지 시스템] 현재 차선 유지	고속도로 주행 중 톨게이트 통과 위해 현재 속도에서 50kph까지 감속	APS = 0, BPS = 중

아울러, 전술된 설명에서는 근미래 예측을 통해 미래의 요구 토크를 예측하도록 하였으나, 미래의 요구 토크는 가감속 예측부가 예측한 미래의 가속도 예상값 등 다른 형태의 파라미터나 정보로 대체될 수도 있음은 당업자에 자명하다.

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 전환은 본 발명의 범위에 포함된다.

Claims

하이브리드 자동차의 모드 전환 제어 방법에 있어서,
자동 온도 제어기(FATC)로부터 엔진 기동 요청을 수신하는 단계;
엔진 동력을 구동력으로 이용하는 제1 HEV 모드의 진입 가능 여부를 판단하는 단계;
상기 제1 HEV 모드의 진입이 불가할 경우, 정차 예상 시간이 소정 시간 이하인지 여부를 판단하는 단계; 및
상기 정차 예상 시간이 상기 소정 시간 이하인 경우, 엔진 동력을 발전에 이용하는 제2 HEV 모드의 진입을 불허하는 단계를 포함하는, 모드 전환 제어 방법.
제 1항에 있어서,
상기 제1 HEV 모드의 진입이 가능한 경우, 상기 제1 HEV 모드로 진입하는 단계를 더 포함하는, 모드 전환 제어 방법.
제 1항에 있어서,
상기 정차 예상 시간이 상기 소정 시간을 초과하는 것으로 판단된 경우, 상기 제2 HEV 모드로 진입하는 단계를 더 포함하는, 모드 전환 제어 방법.
제 1항에 있어서,
상기 불허하는 단계는,
EV 모드로 진입하는 단계를 포함하는, 모드 전환 제어 방법.
제 1항에 있어서,
상기 정차 예상 시간이 소정 시간 이하인지 여부를 판단하는 단계는,
현재 차량 거동이 정차에 해당하고, 상기 소정 시간 이내의 시점에서 가속도 예측값 또는 요구토크 예측값이 일정 값 이상인 경우, 상기 정차 예상 시간이 소정 시간 이하로 판단하는 단계를 포함하는, 모드 전환 제어 방법.
제 5항에 있어서,
상기 정차 예상 시간이 소정 시간 이하인지 여부를 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 가속도 예측값 또는 상기 요구토크 예측값을 판단하는 단계를 더 포함하는, 모드 전환 제어 방법.
제 6항에 있어서,
상기 가감속 예측모델은,
머신 러닝 기반의 학습을 통해 지속적으로 수정되는, 모드 전환 제어 방법.
제 6항에 있어서,
상기 가감속 의지 예측 값은,
근미래 시점의 가속 페달 및 브레이크 페달의 위치 정보를 포함하는, 모드 전환 제어 방법.
제 1항에 있어서,
상기 제1 HEV 모드는 패러럴 모드를 포함하고,
상기 제2 HEV 모드는 시리즈 모드를 포함하는, 모드 전환 제어 방법.
제 1항 내지 제 9항 중 어느 한 항에 따른 모드 전환 제어 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 해독 가능 기록 매체.
하이브리드 자동차에 있어서,
공조 기능을 제어하는 자동 온도 제어기(FATC); 및
상기 자동 온도 제어기로부터 엔진 기동 요청을 수신하면, 엔진 동력을 구동력으로 이용하는 제1 HEV 모드의 진입 가능 여부를 판단하고, 상기 제1 HEV 모드의 진입이 불가할 경우, 정차 예상 시간이 소정 시간 이하인지 여부를 판단하여, 상기 정차 예상 시간이 상기 소정 시간 이하인 경우, 엔진 동력을 발전에 이용하는 제2 HEV 모드의 진입을 불허하도록 제어하는 하이브리드 제어기를 포함하는, 하이브리드 자동차.
제 11항에 있어서,
상기 하이브리드 제어기는,
상기 제1 HEV 모드의 진입이 가능한 경우, 상기 제1 HEV 모드로 진입하도록 제어하는, 하이브리드 자동차.
제 11항에 있어서,
상기 하이브리드 제어기는,
상기 정차 예상 시간이 상기 소정 시간을 초과하는 것으로 판단된 경우, 상기 제2 HEV 모드로 진입하도록 제어하는, 하이브리드 자동차.
제 11항에 있어서,
상기 하이브리드 제어기는,
상기 정차 예상 시간이 상기 소정 시간 이하인 경우 EV 모드로 진입하도록 제어하는, 하이브리드 자동차.
제 11항에 있어서,
상기 하이브리드 제어기는,
현재 차량 거동이 정차에 해당하고, 상기 소정 시간 이내의 시점에서 가속도 예측값 또는 요구토크 예측값이 일정 값 이상인 경우, 상기 정차 예상 시간이 소정 시간 이하인 것으로 판단하는, 하이브리드 자동차.
제 15항에 있어서,
운전자 성향 정보, 첨단 운전 보조장치(ADAS) 정보, 네비게이션 정보, 차속 정보 중 적어도 하나를 검출하는 운전정보 검출부; 및
가감속 예측모델을 활용하여 상기 운전정보 검출부로부터 전달된 정보를 이용하여 차량의 주행환경이 반영된 운전자의 근미래 가감속 의지 예측 값을 생성하는 운전자 가감속 예측부를 더 포함하되,
상기 하이브리드 제어기는,
상기 가감속 의지 예측 값을 이용하여 상기 가속도 예측값 또는 상기 요구토크 예측값을 판단하는, 하이브리드 자동차.
제 16항에 있어서,
상기 가감속 예측모델은,
머신 러닝 기반의 학습을 통해 지속적으로 수정되는, 하이브리드 자동차.
제 16항에 있어서,
상기 가감속 의지 예측 값은,
근미래 시점의 가속 페달 및 브레이크 페달의 위치 정보를 포함하는, 하이브리드 자동차.
제 11항에 있어서,
상기 제1 HEV 모드는 패러럴 모드를 포함하고,
상기 제2 HEV 모드는 시리즈 모드를 포함하는, 하이브리드 자동차.