KR20190013886A

KR20190013886A - 차량의 경로를 제어하는 장치

Info

Publication number: KR20190013886A
Application number: KR1020187037350A
Authority: KR
Inventors: 아이리스 바예스테로스-톨로사나; 르노와 드보네; 발도라 조안 다뱅; 모드 고에프리아노
Original assignee: 르노 에스.아.에스.
Priority date: 2016-05-24
Filing date: 2017-05-23
Publication date: 2019-02-11
Also published as: CN109415058B; CN109415058A; EP3464003A1; FR3051756B1; FR3051756A1; KR102194119B1; EP3464003B1; WO2017203159A1; JP6907238B2; JP2019518648A

Abstract

차량(1)이 편안하게 차선을 지키도록 하기 위하여, 특히 그러나 필수적인 것은 아닌, 높은 반경의 곡률을 가진 굽어짐을 가진 차선에서, 차량(1)의 경로를 제어하는 장치는, 현재 측정 벡터(η)로부터 실시간으로 현재 속도(v_a)로 움직이는 차량(1)의 차선-유지 상태(ξ)의 추정된 벡터를 생성하는 관측기 모듈(2)을 포함하여, 차선에 관하여 차량의 경로를 안정화시키기 위한 제1 조향 제어(u_st)를 만든다. 장치는 또한 제1 조향 제어(u_st)에 경로에 적용될 곡률의 반경(ρ_ff)에 의존하는 제2 조향 제어(u_ff)를 부가하는 예측기 모듈(7)을 더 포함한다.

Description

차량의 경로를 제어하는 장치

본 발명은 일반적으로 차량의 경로를 실시간으로 제어하는 장치에 관한 것이다. 본 발명은 좀 더 구체적으로는 차량 조향 잠금 명령을 실시간으로 생성하기 위한 횡방향 제어 장치에 관한 것이며, 특히 무인 자동차 또는 일부 위임 운전 차량, 즉 완전히 또는 부분적으로 인간 운전자 없이 움직일 수 있는 차량에 대한 것이다.

실시간으로 경로 상태를 제어하는 장치들 및 시스템들은 자동차 분야를 비롯한 많은 기술적 분야에서 이미 공지되어 있다.

예컨대, 유럽특허 EP 1074903 B1은 차선 표시 감지를 구비한 차선을 유지하는 시스템을 개시하고 있다. 직접-연쇄 작용 모듈(direct-chain action module)은 그래픽 프로세서로부터 목표선 위치에 기초하여 조향 구동 기간(steering driving term)을 생성한다. 개시된 구성요소들은 차량의 다이나믹스에 상당한 영향을 끼치지 않고 이 시스템의 응용을 직선 차선이나 심지어 낮은 곡률로 휘어있는 차선에까지 고려되도록 한다. 예컨대 산길들에서 만날 수 있는 좁은 밴드들이 있는 차선에의 적용은, 차량의 동적 반응성에 문제가 될 수 있어 차선을 유연하게 지킬 필요가 있다.

다른 예시로 미국특허 US 8751089 B2는 이동 유닛에 대해 경로-유지 제어 시스템을 개시한다. 시스템은 자유 형태의 곡선으로 기술되는 목표 경로를 유지하기 위하여 이동 유닛을 제어한다. 비록 이 유형의 시스템은 목표 경로에 적합한 곡선의 형태의 자유를 차단할 수 있는 제한되지 않은 공간에서 로봇을 제어하는 데에는 적합할 수 있지만, 무인 차량의 제어가 무인 차량을 목표 경로로 유지하도록 하기보다는 그 차선 지오메트리에 의해 부과된 곡선의 형태가 무엇이든지 간에 교통 차선 내에 유지되도록 하는 것으로 구성되는 무인 차량에 대해서는 문제를 야기할 수 있다.

문서 WO 2014/006327는 상태 벡터(state vector)로부터 추론된 경로 편차들의 제곱들을 최소화함으로써 차량에 적용가능한, 안정화 액션 설정값(stabilizing action setpoint)을 실시간으로 생성하는 모듈을 포함하는 장치를 개시한다.

본 발명의 목적은 종래 기술에 의하여 제기된 문제들을, 특히 효율성, 응답성 및 구현의 용이성의 관점에서 제기되는 문제점들을 해결하는 것이다.

이러한 목적을 달성하기 위하여, 본 발명의 목적은 실시간으로 차량의 경로를 제어하는 장치로서, 차량은, 현재 측정 벡터로부터 실시간으로 현재 속도로 움직이는 차량의 추정된 차선-유지 상태 벡터를 생성하는 관측기 모듈을 포함하여, 차선에 대하여 차량의 경로를 안정화하기 위한 제1 조향 잠금 명령을 만들어낸다. 그 장치는 상기 제1 조향 잠금 명령에, 경로에 적용될 곡률의 함수인 제2 조향 잠금 명령를 부가하는 예측기 모듈을 포함한다는 점에서 주목할 만 하다.

따라서, 차선에 의해 부과된 곡률이 아무리 높더라도, 보통 현재 규제에 의해 설정되는 한계 내에 있는 것이 명백하고, 장치는 차량으로 하여금 교통 차선의 성질에 의해 부과된 많은 곡선들과 편하게 협상할 수 있도록 한다.

유리하게도, 곡률은 차량의 전방에서 거리에서의 차선 곡률의 반경의 역이다.

바람직하게는, 상기 거리는 차량의 상기 현재 속도의 함수로서 가변한다.

특히, 장치는, 광학 카메라와 레이더의 성질들을 조합하여 다항식의 형태로 차선의 적어도 하나의 가이드라인 지오메트리를 공급하는 유닛을 포함한다.

더 특히, 예측기 모듈은, 차선의 중앙 가이드라인 지오메트리로부터의 곡률의 연산을 위한 서브모듈을 포함하고, 곡률은 그 자체를 관계의 형태로 표현하는 공식에 의하는데, 그 공식은, 분자에 다항식의 2차 미분을 포함하고, 분모에 다항식의 1차 미분의 제곱에 1이 더해진 것의 세제곱의 제곱근을 포함한다.

또한 특히, 예측기 모듈은 안정적이거나 0의 시간 미분값을 가지는 상태 벡터를 주는 다이나믹의 방정식들의 해로서 제2 조향 잠금 명령의 계산을 위한 서브모듈을 포함한다.

더 특별히는, 예측기 모듈은, 관측기 모듈에 대한 입력으로서 상기 현재 측정 벡터로부터 상기 평가된 측정 벡터를 제거하기 위하여 상기 안정적인 상태 벡터에 대하여 상기 평가된 측정 벡터를 생성한다.

또 더 특별히는, 연산 서브모듈은 제2 조향 잠금 명령의 조절가능한 이득을 포함한다.

또한 특히, 상기 현재 측정 벡터는 편요 속도 및 조향 잠금 각도와 관련된 좌표들을 포함하고, 추정된 상태 벡터는 편요 속도, 차량의 경로에 관련된 편차의 각도, 조향 잠금 각도의 시간 미분 및 조향 잠금 각도와 관련된 좌표들을 포함한다.

더 특히, 도로 차선 상에 정렬되기 위하여, 상기 현재 측정 벡터는 또한 차량의 경로에 관련된 편차의 각도, 차량의 차선-유지 경로로부터의 횡방향 편차 및 경로로부터 횡방향 편차의 시간 적분의 반대에 관련되는 좌표들을 포함하고, 추정된 상태 벡터는 또한 차량의 경로로부터 횡방향 편차의 시간 미분, 차량의 경로로부터의 횡방향 편차, 및 경로로부터 횡방향 편차의 시간 적분의 반대에 관련되는 좌표들을 포함한다.

다른 특징들 및 장점들은 첨부된 도면들을 참조하여 이하의 설명을 읽으면서 명백해질 것이다.
도 1은 본 발명이 적용될 수 있는 차량을 나타낸 것이다.
도 2는 본 발명에 따른 장치의 구현의 다이어그램이다.

본 발명에 이르는 연구는 보조금 협약 제607957호를 통한 유럽공동체의 석탄 및 강철을 위한 연구 펀드로부터의 재정적 지원의 혜택을 받았다.

도 1을 참조하면, 엔진으로 구동되는 견인력과 함께(도면에 표현되지 않음), 자동차(1)는 바람직하게는 조향 휠들인 두 개의 전륜(11) 및 두 개의 후륜(12)을 포함하는 네 개의 바퀴들을 포함한다. 각각의 바퀴는, 차량의 현재 속도 v_a, 특히 차량의 현재 종방향 속도 v_a를 알 수 있게 해주는 순간 속도 센서를 갖추고 있거나 갖추고 있지 않다.

차량(1)은 그 상부에 조향 휠을 갖추고 있거나 갖추고 있지 않은 조향 컬럼(44)을 포함하며, 순수 무인 차량에서는 조향 휠은 무의미하며, 조향 휠의 하부는 전륜을 조종할 수 있도록 만드는 조향 부재에 작용한다. 조향 컬럼(44)은 명령 신호 u에 의해 제어되는 액츄에이터(actuator)를 갖추고 있다. 조향 부재는 예컨대 전륜에 작용하는 랙(rack) 상에서, 차량의 전륜의 현재 조향 잠금 각도 δ를 측정하기 위한 조향 컬럼의 기저 또는 임의의 다른 지점에 센서(46)를 갖추고 있다. 센서(46)는 예컨대 토크 센서여서 그 값이 쉽게 조향 잠금 각도로 변환될 수 있다.

차량(1)은 또한 차량의 편요 속도(yaw speed)

의 센서(31)를 포함하는데, 이것은 차량이 주행하는 도로의 평면에 직각인 축상의 무게 중심을 중심으로 한 차량의 회전 속도이다. 센서(31)는 예컨대 차량의 무게 중심(center of gravity, CoG)에 아주 가깝게 위치한 자이로미터(gyrometer)일 수 있다. 광학 카메라와 레이더의 성질을 조합한 RaCam 유형의 유닛(15)은, 물체들의 좌표인 차량의 중앙축에 횡인 Y_CAM과 차량(1)의 중앙축을 따르는 X_CAM을 측정할 수 있게 한다.

또한 유닛(15)의 공급자로부터, 광학 측정값들과 레이다 측정값을 통합하는 것은, 도로 상의 각각의 표시점에 대하여, 유닛(15)의 전면에 대한 이 점의 시야 축(viewing axis)을 따른 거리 x와 시야 축에 대한 이 점의 거리 y를 감지할 수 있게 한다는 것이 알려져 있다. 본 발명의 범위를 넘어서는 이미지 프레세싱은, 유닛(15)으로 하여금 적어도 차량의 교통 차선의 가이드라인, 예컨대 차선의 왼쪽 구분선이나 오른쪽 구분선 또는 두 구분선들 사이의 중간의 차선의 중간선의 가이드라인의 지오메트리 y(x)를 다항식의 형태로 공급하도록 할 수 있다. 주어진 가이드라인에 대하여, 다항식은 예컨대 아래 형식을 가질 수 있다:

차량(1)은, 그 자체로 알려져 있듯이, 차량의 상이한 부재들을 제어 및 명령할 수 있도록 하는 내장 컴퓨터(제시되지 않음)를 구비한다. 컴퓨터는 연결들, 특히 자동차 CAN, Lin 또는 이더넷 버스(Ethernet bus)를 통하여, 종방향 속도 센서들로부터, 편요 속도 센서(31)로부터, 조향 잠금 각도 δ의 센서(46)로부터, 그리고 유닛(15)으로부터의 정보를 수신할 수 있다. 내장 컴퓨터는 또한 조향 컬럼(44)에 명령 신호 u를 통신함으로써 조향 컬럼(44)에 명령을 할 수 있다. 내장 컴퓨터는 또한 차량(1)에 의해 원하는 경로-유지를 보장하도록 차량의 물리적 상태 벡터 ξ를 설정값 상태 벡터 ξ^*와 일치시키도록 함으로써 명령 신호 U_st를 생성하기 위한 제어 장치(3)를 호스트할 수 있다. 차량의 물리적 상태는 그 동적 거동에 작용하는 다소간 잘 제어된 다중의 물리적 데이터에 의존한다. 내장 컴퓨터는 명령 U_st로부터 그리고 차량(1)의 경로-유지 물리적 상태 벡터 ξ와 연관된 현재 측정 벡터 η로부터 현재 속도 v_a로 움직이는 차량(1)의 예상된 경로-유지 상태 벡터

를 실시간으로 생성하는 관측기 장치(2)를 호스트하며, 이제 도 2를 참조하여 설명될 것이다.

도 2에 도시된 실시예에서, 차량(1)의 유효 상태 벡터 ξ가 고려되는데, 2개 이상의 스칼라 좌표들, 또는 상태 변수들을 포함하고, 그 중에 인용될 수 있는 것은 예컨대, 임의의 사전-설정된 순서로 그러나 바람직하게는 주어진 차량에 대하여 명확하게, 차량의 유효 편요 속도

, 이상적인 경로로부터의 차량의 상대 편차의 유효 각도 Ψ_rel,ef, 및 그 이상적인 경로로부터 차량의 무게 중심의 거리의 유효 횡방향 속도

이다. 상대 편차의 유효 각도 Ψ_rel,ef는 차량의 중앙 축이 고려되는 각 순간에 이상적인 경로의 접선과 유효하게 만드는 각도이다. 무게 중심의 거리의 유효 횡방향 속도

는 차량의 무게 중심이 고려되는 순간에 이상적인 경로의 접선에 직각으로 이상적인 경로로부터 유효하게 벗어나 움직이는 속도이다. 차량(1)의 유효 상태 벡터 ξ는 예컨대 이상적인 경로에 대하여 차량의 무게 중심의 유효 거리 Y_{cog, ef}, 시간의 경과에 따른 차량의 바퀴들의 조향 잠금 각도의 유효 변화량

, 및 바퀴들의 유효 조향 잠금 각도 δ_ef와 같은 다른 스칼라 좌표들을 포함할 수 있다.

상태 변수들은 차량이 운행 중인 모드에 독립적인 의미와 차량이 운행 중인 모드에 특정한 의미를 가질 수 있다. 편요 속도는, 차량이 도로 평면에 직각인 축을 중심으로 선회하는 속도인데, 운행 모드에 독립적이다. 이것은 시간의 경과에 따른 바퀴들의 조향 잠금 각도의 유효 변화량

및 바퀴들의 유효 조향 잠금 각도 δ_ef에 대해서도 적용되는데, 왜냐하면 이 변수들은 제어되는 차량의 차대(chassis)에 관하여 그들 스스로가 바퀴들의 상태에 연결되기 때문이다. 반면에, 이상적인 경로에 관하여 제어되는 차량의 무게 중심의 유효 거리 Y_{cog, ef}는 차선의 가이드라인과 LCA 모드에서 차량의 축에 직각으로 축 상에서 제어되는 차량의 무게 중심 사이의 횡방향 편차이다. 무게 중심의 거리의 유효 횡방향 속도

는 앞의 변수의 시간 변화량이다.

차량(1)의 유효 상태 벡터 ξ는 차량의 운행 모드에 의존하는 숫자 및/또는 본질이 다른 스칼라 좌표들을 포함할 수 있다. 위 도시적인 예시로 돌아가면, 선택적인 상태 변수

는 제어되어야 할 차선의 가이드라인의 지점에 대한 제어되는 차량의 무게 중심의 편차의 시간 적분을 나타낸다. 사실 이 상태 변수는 어떠한 실제 물리 상태에도 대응되지 않으며, 오히려 PID 유형의 폐쇄 루프 서버 제어들로부터 상속받은 기술이고, 이득(gain)의 적분 요소는 입력에 적용된 제로 에러에 대해 증폭기의 논-제로 출력을 얻는 것을 가능케 하며, 제로 오차를 부과하는 기술적 효과와 함께, 여기서는 교통 차선의 중앙선에 대한 차량의 무게 중심의 실제 거리 Y_cog,ef 상이다.

차량(1)의 이 유효 상태 벡터 ξ는 제어되는 차량이 구르고 있을 때 각각의 순간에 달성되는 것이 바람직한 대응하는 기준 상태 벡터 ξ^*를 가진다. 예컨대, 상태 벡터 ξ의 좌표들

_ef, Ψ_rel,ef,

_COG,ef, Y_CoG,ef는 상태 벡터 ξ^*의 대응하는 제로 값의 좌표들

_ref, Ψ_ref,

_COG,ref, Y_CoG,ref을 가지는데, 이것은 제어되는 차량의 유효 경로와 그 이상적인 경로 사이에 편차가 없는 것이 바람직함이 명백하기 때문이다.

차량(1)의 유효 상태 벡터 ξ는 알려져 있지 않은데, 왜냐하면 제어되는 차량의 내부적 상태는 물리학의 자연 법칙에 의해 지배되고, 이것은 모두 접근할 수가 없기 때문이다.

알려진 물리 법칙들은, 차량(1)으로 구성된 물리적 시스템의 상태 벡터 ξ의 시간적 진화 벡터

는, 외부 교란이 없을 때, 일반적으로 차량의 그 상태를 안정적인 최종 상태로 이끄는 경향이 있는 동적 관계(dynamic relationship) A에 의해 상태 벡터 ξ에 연결되어 있다는 것을 상기할 것이다. 차량의 안정적인 최종 상태가 반드시 달성되고자 하는 상태는 아닐 수도 있으므로, 본 발명의 목표는 기준 상태 벡터 ξ^*과 일치하는 유효 상태 벡터 ξ를 유지하기 위한 시스템을 지속적으로 교란하는 명령어 u를 생성하는 것이다. 그러므로 이렇게 시간적 진화의 벡터

상에 야기된 교란은 침입적 관계(invasive relationship) B에 의해 명령어 u에 연결되며, 그것 또한 물리학의 법칙에 의해 지배된다. 전체적인 미지의 성질의 다른 외부 교란들이 차량(1)으로 구성된 물리적 시스템 상에 또한 가해지기 때문에, 피드백 제어 메커니즘이 채용되어, 관측기 장치(2)의 목적은 실시간으로, 가능한한 충실하게, 유효 상태 벡터 ξ를 나타내는 예상 상태 벡터

를 생성하는 것이 된다.

그 목적을 달성하기 위하여, 관측기 장치(2)는 차량(1)으로 구성된 물리적 시스템을, 특히 경로-유지의 관점에서 모델링하는 모듈(4)을 포함한다. 모듈(4)은 동적 관계 A를 나타내는 계산된 디지털 행렬 A^c 및 침입적 관계 B를 나타내는 디지털 행렬 B^s를 포함한다.

디지털 행렬 A^c는 상이한 형태들을 가질 수 있는데, 각각은 차량의 운행 모드에 맞춰진다. 디지털 행렬 A^c의 형태는 본질적으로 차량(1)의 상태 벡터 ξ 및 적용되는 동적 관계에 연결된다. 이하에서 설명되는 예시적 형태는 고려되는 기술적 분야에서 잘 알려진 바이씨클 모델(bicycle model)에 기초한 것이며, FR 2925005나 WO 2012084465와 같은 많은 선행 문헌들에 의해 도시되었다.

여기에서 고려된 예시는 LCA 모드의 그것인데, 디지털 행렬 A^c이 아래 형태를 가진다:

이 중에서 일부 계수들은 변수들이고 나머지는 하나의 그리고 동일한 롤링 시퀀스(rolling sequence) 동안 상수이다.

변수 계수들은 본질적으로 속도 v에 의존하며, 특히 차량의 종방향 속도 V_a에 의존한다. 속도 변화에 적응하기 위하여, 변수 계수들은 실시간으로 판독에 의해 재계산되며, 한편으로는 속도 v, 특히 종방향 속도 V_a가 일반적으로 임베디드 네트워크(CAN, LIN, 이더넷 차량 버스 또는 다른 유형) 상에 접속가능하고, 다른 한편으로는 일반적으로 메모리에 접속가능한 파라미터들이 아래 공식들을 수단으로 판독된다:

여기서 c_r, c_f, l_r, l_f, I_z, M은 다른 곳에서 그 자체로 알려져 있으며(FR 1255068, FR 1255188 또는 FR 12563339를 보라), 각각은 바퀴 타이어 공급자로부터 얻어진 또는 서킷 롤링 테스트들을 수단으로 하여 얻어진 후륜(12)의 드리프트의 강성 및 전륜(11)의 드리프트의 강성, 차량(1)의 무게 중심(CoG)에 대한 후륜의 축의 거리 및 전륜의 축의 거리, 전륜과 후륜을 관통하여 지나가는 평면에 수직인 선을 중심으로 하는 차량의 관성 모멘트, 그리고 최종적으로 차량의 중량을 정량화한 것이다.

롤링 시퀀스 동안 상수인 계수들은 차량이 설계되고 그 후 임베디드 컴퓨터 메모리에 저장되었을 때 미리 계산될 수 있다. 그들은 이하의 공식에 의해 결정된다:

여기서, 한편으로는 μ 및 ω 각각은 댐핑 계수(damping coefficient)와 바퀴 조향 잠금 명령의 전달 함수(transfer function)의 특정 펄스를 지칭한다.

롤링 시퀀스 동안 상수인 계수들도, 승객들의 숫자와 짐에 따라 각각의 시동마다 상이할 수 있는 무게 M 및 관성 모멘트 I_z를 고려하기 위하여 차량이 시동을 걸 때 마다 계산될 수 있다. 이 변수들의 변화들은, 예컨대 여행 동안의 연료 소비량이나 하차하는 승객에 의해 야기되는데, 일반적으로 중요치 않다.

유너터리 계수들(unitary coefficients)은 그 자체가 행렬의 열(column)과 동일한 랭크의 상태 변수인 상태 변수들의 시간 미분값에 대응하는 선 상에 존재한다.

다른 계수들은, PID 유형의 전통적인 선형 서버 제어 피드백을 인공적으로 재생산하기 위해, 모두 0인 마지막 열 및 가운데 계수만 0이 아닌 -1인 마지막 행을 제외하고는 0이다.

행렬의 열들의 숫자는 상태 벡터의 좌표들의 숫자와 같고, 행의 숫자는 상태 시간 변화량 벡터의 좌표들의 숫자 즉 행들의 숫자와 같다. 디지털 행렬 A^c는 위 예시들과 상이한 숫자의 행들과 열들을 포함할 수 있으며, 특히 추가적인 상태 변수를 고려할 필요를 느낀다면 더 큰 숫자들을, 또는 상태 변수, 특히 위에서 설명한 마지막 행에 대응하는 상태 변수들이 의미없는 것으로 고려된다면, 더 작은 숫자를 가질 수 있다.

침입적 관계 B를 나타내는 디지털 행렬 B^s는 차량 명령의 모드에 맞춰져 있고 외부 요인들을 고려한다. 디지털 행렬 B^s의 형태는 본질적으로, 행들의 숫자를 설정하는 좌표들의 숫자인 상태 벡터 η에 연결되고, 열들의 숫자를 설정하는 숫자인 시스템의 상호작용들에 연결된다. 이하에서 설명되는 주요 예시의 형태는 위에서 설명된 예시에 대응한다.

LCA 모드에 대하여, 디지털 행렬 B^s는 아래의 형태를 가진다:

여기서 첫번째 열은 조향 잠금 명령 u인 제1 교란과 연관되는 반면, 두번째 열은 차량이 위치되는 지점에서 교통 차선 그 자체의 곡률 반경 ρ_ref의 역수와 같은 곡률 γ_ref인 제2 교란과 연관된다. 여기서 계수 b₅₁은 다시 바퀴 조향 잠금 명령의 전달 함수의 특정 펄스 ω의 제곱과 같다. 이와 대조적으로 두번째 열에서, 두 계수들 b₂₂ 및 b₃₂는 곡률 γ_ref가 차량의 이상적인 경로로부터 차량의 상대 편차의 유효 각도 Ψ_rel,ef 상에 그리고 그 이상적인 경로에 대하여 차량의 무게 중심의 거리의 유효 횡방향 속도

상에 직접적으로 작용한다는 점을 고려할 때 0이 아니다. 계수 b₂₂는 종방향 차량 속도 v_a의 반대와 같고 계수 b₃₂는 종방향 차량 속도 v_a의 제곱의 반대와 같다.

차량(1)을 모델링하기 위하여, 모듈(4)는 아래 수식에 포함된 디지털 행렬 A^c및 B^s를 수단으로 다이나믹스의 방정식들을 재현함으로서 추정된 상태 벡터

를 생성하기 위하여 명령어 u_st를 수신한다.

추정된 상태 벡터

가 차량의 물리적 상태 벡터 ξ를 충실히 재현하기 위해서는 몇가지 조건들이 만족되어야 한다.

시간에 따른 적분인 제1 공식에서, 초기 순간에 추정된 상태 벡터

를 차량의 물리적 상태 벡터 ξ와 일치시킬 필요가 있을 수 있다.

제2 공식에서, 디지털 행렬들 A^c 및 B^s가 다이나믹 관계 A 및 차량을 실질적으로 타격하는 침입적 관계 B를 완벽하게 모델링할 필요가 있을 수 있다.

이러한 조건들은 제조상의 차이점들, 노령화, 예견치 못한 교란 및 많은 다른 알려진 또는 알려지지 않은 이유들에 따라 차량을 정성화하는 매개변수들의 정확성과 같은 많은 이유들 때문에 만족될 수 없다는 것을 분명하게 이해해야 한다.

계산되는 값인 추정된 상태 벡터

와 모르는 값인 차량의 물리적 상태 벡터 ξ사이의 편차를 줄이기 위해서, 관측기(2)는 제2 입력에서, 차량의 상태를 나타내는 현재 측정값들(current measurements)의 벡터 η을 수신한다. 현재 측정값들의 벡터 η는 상태 벡터의 구성, 즉 차량의 운행 모드에 그리고 차량에 갖춰진 측정 센서들에 의존하는 수단적 관계(instrumental relationship) C에 의해 물리적 상태 벡터 ξ와 상관된다.

LCA 모드의 운행에 대한 예시로 되돌아가면, 현재 측정 벡터 η는 다섯개의 구성요소들을 포함하는데, 센서(31)에 의해 측정되는 편요 속도

, 교통 차선의 중앙선을 타겟팅하는 유닛(15)에 의해 측정되는 상대 편차의 각도 Ψ_rel, 그 거리가 유닛(15)으로부터 얻어지는 교통 차선의 중앙선에 대하여 무게 중심의 반경방향 거리 Y_CoG, 센서(46)에 의해 측정되는 바퀴들(11)의 조향 잠금 각도 δ, 및 유닛(15)에 의해 공급되는 무게 중심의 거리 Y_CoG의 반대인 시간에 따른 적분

이 그것이다. 각 순간 k에 대한 샘플링 주기에 지속 기간 dt를 비유(liken)함으로써, 이러한 유사-측정이 매우 단순한 공식에 의해 얻어진다:

0으로 초기화된

수단적 관계 C는 디지털 행렬 C^c에 의해 모듈(4)에서 근사되어, 고려 중인 운행 모드에 대하여 추정된 상태 벡터

로부터 추정된 측정 벡터

를 생성한다.

LCA 모드의 운행 중에, 디지털 행렬 C^c는 바람직하게는 이하의 형태를 가진다:

여기서 0이 아닌 계수들 C₁₁, C₂₂, C₃₄, C₄₆, C₅₇은 상수이고 유니터리(unitary)인데 왜냐하면 관련 측정이 상태 변수들의 일부를 형성하기 때문이다.

모듈(4)은 그 후 실시간으로 추정된 상태 벡터

를 행렬 C^c에 곱하는 것에 의해 추정된 측정 벡터

를 계산한다.

차량의 운행 모드가 무엇이든 간에, 추정 이득(때때로 Kalman 이득이라고 불림) 모듈(5)의 기능은 상태 벡터의 시간 미분

을 보정하는 것이어서, 추정된 상태 벡터

로부터 추정된 측정 벡터

는 실제 측정 벡터 η와 정상 상태 조건들(steady state conditions)에서 일치하여, 추정된 상태 벡터

는 그러므로 차량(1)의 경로를 유지하는 물리적 상태 벡터 ξ와 일치하게 된다. 이를 위해, 모듈(5)는 안정화 편차(stabilization deviation)에 추정 이득 행렬 L^c를 곱함으로써 현재 측정 벡터 η와 추정된 측정 벡터

사이의 안정화 편차를 저감시키기 위하여 추정된 상태 벡터

의 시간 변화량

을 실시간으로 조절한다.

두 개의 측정 벡터들 η와

사이의 안정화 편차는 측정 벡터들의 차원(dimension)와 동일한 차원의 벡터이고, 추정된 상태 벡터의 시간 변화량

에 부가될 보정은 상태 벡터들의 차원과 동일한 차원의 벡터이며, 행렬 L^c는 상태 벡터의 좌표들의 숫자와 동일한 수의 행들을 그리고 측정 벡터의 좌표들의 숫자와 동일한 숫자의 열들을 포함한다.

그러므로, 관측기 장치(2)는 아래 방정식으로 정의되는 Kalman 관측기로서 거동할 수 있다:

행렬 L^c는 Kalman 관측기의 이득들의 행렬에 대응하며, 다른 곳에서 알려진, 어떻게 그것이 얻어지는지에 대한 좀 더 자세한 확장은 여기에서 필요하지 않은 것으로 보인다.

전술한 Kalman 관측기는, 본 발명의 구현을 더 잘 이해시키기 위하여 본질적으로 설명적인 목적에서 기술된 것이며, 그러나 예컨대 고-이득 관측기들, 확장된 Kalman 유형의 관측기들, 루엔버거(Luenberger) 관측기들 및 당업자가 여기에 설명된 가르침으로부터 어려움 없이 바꿀 수 있는 베이지안(Bayesian) 유형의 다른 필터들과 같은 다른 관측기들이 사용될 수 있다.

제어기 장치(3)는 특히 적분 유형의 최종 상태 변수에 의해 추정된 상태 벡터

와 기준 상태 ξ^* 사이의 차이를 상쇄시키는 만큼 저감하기 위하여 명령 u_st를 생성한다. 7x1의 영 벡터로 정의되는 기준 상태 벡터는, 제어기에 대해 제안된 해(solution)는 정확히는 종래의 소위 "정상 상태 복귀(steady state return)" 접근 방식이며, 아래와 같이 정의된다:

7x1의 크기로 정의되는 이득 행렬 K는 제어 이득들을 포함한다. 합하여, 7개의 설정될 변수가 있고, 각각은 다른 상태 변수와 연관된다:

사용된 최적화 방법은, 순수하게 설명적이고 비한정적인 방법으로서, Ricatti 방정식에 기초한 그리고 행렬 S의 최소화하는 해에 기초하는 선형 2차 레귤레이터(linear-quadratic regulator, LQR)이다:

여기서, 다시, 행렬 A와 B는 횡방향 다이나믹스의 방정식들로부터 생기고, Q_k는 각각의 상태 변수들의 가중치들(weights)의 행렬이고, R_k는 명령의 가중치들의 행렬이다(이 특정한 경우에 R은 단일 스칼라로 설정되는데 하나의 명령 u만 있기 때문이다). 행렬 Q_k는 최종화(finalize)되어야 하는데, 아래와 같이 정의된다:

행렬 Q_k는 대각(diagonal)인 것으로 가정되는데, 상태 변수들의 가중치 사이에 연관성이 없는 것으로 간주되기 때문이다.

제어기의 성능이 관측기의 추정에 직접적으로 의존하기 때문에, 장치(3)에서의 명령의 최적화와 매우 강한 장치(2)에서의 관측기의 최적화 사이의 연결을 지배하는 잘 알려진 분리 원리가 신속하게 반복되며, 명령의 합성이 관측기에 의해 추정된

값으로부터 행해진다.

루프 시스템(looped system)의 안정성을 보장하기 위해서는, 관측기(A-LC)의 안정성과 실제 상태(A+BK)를 사용함으로써 명령의 안정성을 독립적으로 체크하는 것이 중요하다. 이 성질은 관측기의 최적화, 달리 말해 행렬 L^c의 최적화 및 명령의 최적화, 달리 말해 이득들의 행렬 K의 최적화가 시스템의 안정성을 보장하면서 서로 독립적으로 행해질 수 있다는 것을 보장할 수 있도록 한다. 이 원리는 분리의 원리(the principle of separation)로 알려져 있다.

그러나, 예컨대 산길들이나 특정 갈래길의 경우와 같이 교통 차선 지오메트리의 변화량이 높은 비율인 경우에는, 과도하게 경직된 최적화는 승객들의 편안함을 해치거나 차량을 그 기계적 능력의 한계까지 압박하여 노화를 가속화시킬 수 있다. 역으로, 과소-최적화는 난해한 굴곡들에 대한 형편없는 접근들이나 지루한 주행 모드의 위험을 가진다. 따라서 승객들의 편안함에 해를 끼치지 않고 또는 차량의 기계적 성능 또는 도로 그립 상태들의 한계까지 차량을 압박하지 않으면서 상태 제어 루프의 더 좋은 최적화를 허용하기 위하여, 실시간으로 경로 제어를 하는 장치는 관측기 모듈(2)로부터 생성된 제1 조향 잠금 명령 u_st에 경로 상에 적용되는 곡률 γ_ff의 함수인 제2 조향 잠금 명령 u_ff를 추가하는 예측기 모듈(7)을 포함한다.

모듈(7)은 곡률 γ_ff를 정량화하는 제1 연산 서브모듈 E와 제2 조향 잠금 명령 u_ff를 정량화하는 제2 연산 서브모듈 E를 포함한다.

연산 서브모듈 D는 제2 조향 잠금 명령 u_ff를 정량화하여 안정적이거나 시간 미분값

가 0인 상태 벡터 ξ를 주는 다이나믹스의 방정식의 해(solution)가 된다. 달리 말하면, 조향 잠금 명령 u_ff는 관측기 모듈(2)에 의해 관리되는, 불안정의 유지를 제거함으로써 생성된다. 차량의 다이나믹스에 연결된 방정식에서, 평형 상태 ξ_eq 및 평형에서의 조향 잠금 명령 u_eq이 고려되고, 행렬들 A^c 및 B^s는 관계들 A 및 B를 모델링하기 위해 재사용된다.

또는, 상태 벡터와 같은 상태 변수들에 대해 동일한 첨자를 취하면:

시스템의 다섯번째 행은 여섯번째 행과 결합하여, 아래를 제공한다:

또는, 계수들 a₅₆ 및 b₅₁을 그들의 매개변수화 가능한 기계적 평가치(evaluation)로 교체하면, a₅₆ = -b₅₁ = -ω²:

평형에서, u_eq = δ_eq이다.

시스템의 첫번째 및 세번째 행은 또한, 네번째 행과 결합하여, 그리고 나서 두번째 행과 함께, 아래를 제공한다:

또는:

그리하여 시스템의 해는 아래와 같이 주어진다:

또는, 행렬들의 계수들을 그들의 매개변수화 가능한 기계적 평가로 교체하면:

주목할 것은 명령 u_eq는 후륜 및 전륜의 드리프트의 강성들이 동일하고 차량의 무게 중심이 후륜 및 전륜 축들로부터 등거리인 경우에, 차량의 속도 v_a와 독립적이라는 것이다. 그러므로, 모든 바퀴들에서 동일하고 그 무게 중심이 전륜 및 후륜 축들로부터 등거리인 드리프트 C_f, C_r의 강성을 가진 차량은, 무게 M과 그 관성 모멘트 I_z의 독립적인 제어를 가지는 장점을 제공할 수 있으며, 아주 쉬운 공식에 의해 계산된다:

직접적으로 명령어 u_ff = u_eq = δ_eq을 명령어와 더하여 바퀴들에 적용될 조향 잠금 명령 u = u_eq + u_st를 얻는 것이 가능할 것이다.

그러나, 고려되지 않았을 수 있는 요인들 때문에 모델링이 차량의 실제 거동을 완벽하게 충실히 나타내지 못할 수 있다는 사실 및 인간 요인이 승객의 유형에 따라 달라질 수 있다는 사실이 주어지면, 명령 u_eq를 차량의 테스트들 동안 조절될 수 있고 스포티(sporty), 패밀리(family) 또는 다른 주행 모드의 기능으로서 조절될 수 있는 이득 G로 곱하는 것으로 구성되는 흥미로운 변용이 가능하다. 용어 '이득'은 그것이 1보다 클 때는 증가이고 다른 경우에는 감쇄 둘 다에 대응할 수 있는 가장 일반적인 의미로 받아들여져야 한다. 그러고 나면 이하가 얻어진다:

평형에서의 상태 벡터 ξ_eq는 평형에서 대응하는 측정 유사벡터 η_eq를 가진다:

연산 서브모듈 D에서 얻어진 측정 유사 벡터 η_eq는 그리고 나서 유효 측정 벡터 η로부터 차감되어 관측기 모듈이 오직 경로 편차들에만 연관되도록 한다.

경로에 적용될 곡률 γ_ff는 예컨대 차량이 장애물을 피하거나 차선 변경을 위해 차량에 의해 만들어지는 편차에 관련될 수 있다. 구현에서 선호되는 예시가 이제 차량 전면의 거리 x에서의 차선 곡률과 연관되어 설명된다. 그러므로, 본 발명의 제어 장치는 마치 차량이 레일 상에 있는 것처럼 차량을 안내하기 보다는 회전을 시작하기 위해 차량의 전방의 도로를 보는 운전자처럼 구부러짐을 발표할 것을 기대할 수 있다.

유리하게도, 거리 x는 차량의 현재 속도 v_a의 함수로서 변화한다. 순수하게 도시적인 그리고 비한한정인 예시로서, 속도 v_a에 고정값을 가진 또는 그 자체가 속도의 함수인 주어진 응답 시간을 곱한 것과 같은 거리 x를 고려할 수 있다. 이 응답 시간은 또한 매개변수화 가능한 것이어서 차량의 테스트 동안 조절될 수 있다.

그리고 나서 연산 서브모듈 E는 유닛(15)으로부터 차량 전방에서 거리 x의 각 점에 대하여 교통 차선의 가이드라인의 지오메트리를 주는 다항식 y(x)를 수신하는데, 보통 그 좌표들이 다항식의 계수들에 대응하는 벡터 (p₀, p₁, p₂, p₃)^T의 형태로 수신된다.

그리고 나서 서브모듈 E는 이 공식에 의해 곡률 γ_ff를 계산한다:

만약 다항식이 위에 설명된 것처럼 3차식이면, 그 첫번째 미분은 간단한 공식으로 주어진다:

유사하게, 2차 미분은 아래 간단한 공식으로 주어진다:

따라서 곡률 γ_ff는 아래 공식에 의해 실시간으로 용이하게 계산될 수 있다:

Claims

차량(1)의 경로를 실시간으로 제어하는 장치로서, 상기 차량은, 현재 측정 벡터(current measurement vector)(η)로부터 실시간으로 현재 속도(v_a)로 움직이는 차량(1)의 추정된 차선-유지 상태 벡터(estimated lane-keeping state vector)(
)를 생성하는 관측기 모듈(observer module)(2)을 포함하여, 상기 차선에 대하여 차량의 경로를 안정화하기 위한 제1 조향 잠금 명령(first steering lock command)(u_st)을 만들어내고, 상기 장치는:
상기 제1 조향 잠금 명령(u_st)에, 경로에 적용될 곡률(γ_ff)의 함수인 제2 조향 잠금 명령(u_ff)를 부가하는 예측기 모듈(anticipator module)(7)을 포함하고, 상기 곡률(γ_ff)은 차량의 전방에서 거리(x)에서의 차선 곡률의 반경의 역과 동일한, 제어 장치(1).
제 1 항에 있어서,
상기 거리(x)는 상기 현재 속도(v_a)의 함수로서 가변하는, 제어 장치(1).
제 1 항 또는 제 2 항에 있어서,
상기 제어 장치(1)는, 광학 카메라와 레이더의 성질들을 조합하여 다항식의 형태로 차선의 적어도 하나의 가이드라인 지오메트리(guideline geometry)(y(x))를 공급하는 유닛(15)을 포함하는, 제어 장치(1).
제 3 항에 있어서,
예측기 모듈(7)은, 공식
에 의해 차선의 중앙 가이드라인 지오메트리(y(x))로부터의 곡률(γ_ff)의 연산을 위한 서브모듈(E)을 포함하는, 제어 장치(1).
앞선 항들 중 어느 한 항에 있어서,
예측기 모듈(7)은, 안정적(stable)이거나 0의 시간 미분값을 가지는 상태 벡터를 주는 다이나믹(dynamic)의 방정식들의 해(solution)로서 제2 조향 잠금 명령(u_ff)의 계산을 위한 서브모듈(D)을 포함하는, 제어 장치(1).
제 5 항에 있어서,
예측기 모듈(7)은, 관측기 모듈(2)에 대한 입력으로서 상기 현재 측정 벡터(η)로부터 평가된 측정 벡터(evaluated measurement vector)(η_eq)를 제거하기 위하여 상기 안정적인 상태 벡터에 대하여 상기 평가된 측정 벡터(η_eq)를 생성하는, 제어 장치(1).
제 5 항 또는 제 6 항에 있어서,
연산 서브모듈(D)은 또한 제2 조향 잠금 명령(u_ff)의 조절가능한 이득(gain)을 포함하는, 제어 장치(1).
앞선 청구항들 중 어느 한 항에 있어서,
상기 현재 측정 벡터(η)는 편요 속도(yaw speed)(
) 및 조향 잠금 각도(δ)와 관련된 좌표들을 포함하고, 추정된 상태 벡터(
)는 편요 속도(
), 차량(1)의 경로에 관련된 편차의 각도(Ψ_rel), 조향 잠금 각도의 시간 미분(
) 및 조향 잠금 각도(δ)와 관련된 좌표들을 포함하는, 제어 장치(1).
제 8 항에 있어서,
도로 차선 상에 정렬되기 위하여, 상기 현재 측정 벡터(η)는 또한 차량(1)의 경로에 관련된 편차의 각도(Ψ_rel), 차량(1)의 차선-유지 경로로부터의 횡방향 편차(lateral deviation)(Y_COG) 및 경로로부터 횡방향 편차의 시간 적분의 반대
에 관련되는 좌표들을 포함하고, 추정된 상태 벡터(
)는 또한 차량(1)의 경로로부터 횡방향 편차의 시간 미분(
), 차량(1)의 경로로부터의 횡방향 편차(Y_COG), 및 경로로부터 횡방향 편차의 시간 적분의 반대
에 관련되는 좌표들을 포함하는, 제어 장치(1).