KR20210076223A - 하이브리드 차량 및 그 제어 방법 - Google Patents
하이브리드 차량 및 그 제어 방법 Download PDFInfo
- Publication number
- KR20210076223A KR20210076223A KR1020190166232A KR20190166232A KR20210076223A KR 20210076223 A KR20210076223 A KR 20210076223A KR 1020190166232 A KR1020190166232 A KR 1020190166232A KR 20190166232 A KR20190166232 A KR 20190166232A KR 20210076223 A KR20210076223 A KR 20210076223A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- vehicle
- value
- engine
- power distribution
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000000446 fuel Substances 0.000 claims abstract description 39
- 230000002787 reinforcement Effects 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 17
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- AMGNHZVUZWILSB-UHFFFAOYSA-N 1,2-bis(2-chloroethylsulfanyl)ethane Chemical compound ClCCSCCSCCCl AMGNHZVUZWILSB-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/13—Controlling the power contribution of each of the prime movers to meet required power demand in order to stay within battery power input or output limits; in order to prevent overcharging or battery depletion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
- B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/188—Controlling power parameters of the driveline, e.g. determining the required power
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0013—Optimal controllers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0014—Adaptive controllers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0026—Lookup tables or parameter maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0031—Mathematical model of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
- B60W2050/0037—Mathematical models of vehicle sub-units
- B60W2050/0041—Mathematical models of vehicle sub-units of the drive line
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0614—Position of fuel or air injector
- B60W2510/0623—Fuel flow rate
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/24—Energy storage means
- B60W2510/242—Energy storage means for electrical energy
- B60W2510/244—Charge state
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/13—Mileage
-
- B60W2530/145—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2200/00—Type of vehicle
- B60Y2200/90—Vehicles comprising electric prime movers
- B60Y2200/92—Hybrid vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/62—Hybrid vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hybrid Electric Vehicles (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
본 발명은 하이브리드 차량 및 그 제어 방법에 관한 것으로, 차량 상태 정보에 기초하여 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성하는데 그 목적이 있다. 이를 위해 본 발명에 따른 하이브리드 차량의 제어 방법은, 배터리 SOC 정보와 엔진 온/오프 정보, 요구 파워, 차량 속도 정보, 연료 소모량 정보를 포함하는 차량 상태 정보를 획득하는 단계와; 상기 차량 상태 정보를 이용하여 차량 모델 정보 맵을 작성하는 단계와; 상기 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 작성하는 단계와; 상기 Q 밸류 테이블에 기초하여 강화 학습을 통해 엔진과 모터의 동력 분배 제어 값을 연산하는 단계를 포함한다.
Description
본 발명은 차량에 관한 것으로, 특히 엔진과 모터를 탑재한 하이브리드 차량에 관한 것이다.
하이브리드 차량은 2개 이상의 서로 다른 종류의 동력원을 사용한다. 예를 들면, 화석 연료를 사용하는 엔진과 전기 에너지를 사용하는 모터가 탑재되는 차량이 대표적인 하이브리드 차량이다. 하이브리드 차량에서는, 연비 향상을 위해 하이브리드 차량의 구동에 필요한 엔진과 모터의 동력을 하이브리드 차량의 주행 상황에 따라 적절히 배분하는 동력 분배 제어 기술이 매우 중요하다.
양산형 하이브리드 차량의 동력 분배 제어 기술은 주로 규칙 기반 제어 전략(Rule-based Control Strategy)이 이용되고 있다. 규칙 기반 제어 전략은, 일정한 규칙에 따라 엔진을 온/오프 제어하고 엔진과 모터 각각의 작동 시점을 결정함으로써, 동력원을 고효율 영역에서 사용하고 회생 제동으로 인한 에너지 회수를 최대화하며, 배터리의 충전 정도를 차량의 주행 상황에 맞게 제어함으로써 차량의 연비를 향상시킨다.
양산형 하이브리드 차량에 주로 이용되는 규칙 기반 제어 전략 외에, 최적화 이론을 바탕으로 하는 최적 기반 제어 전략(Optimization-based Control Strategy)도 널리 연구되고 있으며, 동적 계획법(Dynamic Programming Principle), 등가 연료 소모량 최소화 전략(Equivalent Consumption Minimization Strategy)과 같은 최적화 기반 제어 전략들이 양산형 하이브리드 차량의 규칙 기반 제어 전략의 규칙을 정하고 수립하는 데에 직간접적으로 사용되고 있다.
그러나, 기존의 규칙 기반 제어 기술은, 어떤 사안 또는 상황에 대해 엄밀한 분석에 의하기보다 제한된 정보만으로 즉흥적/직관적으로 판단/선택하는 의사 결정 방식인 휴리스틱(Heuristics)에 기반하여 구성되기 때문에, 하이브리드 차량의 파워트레인의 구조 및 주행 환경에 따른 최적화가 더 필요하다. 또한, 기존의 최적화 기반 제어 기술은 연산 부하가 커서 실시간 제어에 활용하기 어려운 단점이 있다. 또한 기존의 규칙 기반 제어 기술 및 최적화 기반 제어 기술은 하이브리드 차량의 노후화 및 환경 변화를 반영하여 가변적인 제어 로직을 운용하는 데에 한계가 있다.
본 발명의 일 측면에 따르면, 차량 상태 정보에 기초하여 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성하는데 그 목적이 있다.
상술한 목적의 본 발명에 따른 하이브리드 차량의 제어 방법은, 배터리 SOC 정보와 엔진 온/오프 정보, 요구 파워, 차량 속도 정보, 연료 소모량 정보를 포함하는 차량 상태 정보를 획득하는 단계와; 상기 차량 상태 정보를 이용하여 차량 모델 정보 맵을 작성하는 단계와; 상기 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 작성하는 단계와; 상기 Q 밸류 테이블에 기초하여 강화 학습을 통해 엔진과 모터의 동력 분배 제어 값을 연산하는 단계를 포함한다.
상술한 하이브리드 차량의 제어 방법에서, 상기 Q 밸류 테이블에 기초한 강화 학습은, 연속된 두 주기에서 발생하는 상기 차량 상태 정보를 각각 스테이트 값과 리워드 값으로 이용하여 상기 동력 분배 제어 값을 연산한다.
상술한 하이브리드 차량의 제어 방법은, 상기 차량 상태 정보의 변경 내용을 반영하여 상기 차량 모델 정보 맵을 업데이트하고, 상기 차량 모델 정보 맵의 업데이트 내용을 반영하여 상기 Q 밸류 테이블을 업데이트하며, 업데이트된 상기 Q 밸류 테이블에 기초하여 상기 강화 학습을 수행함으로써, 상기 차량 상태 정보의 변경된 내용이 반영된 상기 동력 분배 제어 값의 연산을 수행한다.
상술한 하이브리드 차량의 제어 방법에서, 동력 분배 제어 값은, 상기 요구 파워를 만족하면서 상기 엔진과 상기 모터의 에너지 소모를 최소화하기 위한 것이다.
상술한 목적의 본 발명에 따른 하는 하이브리드 차량은, 배터리 SOC 정보와 엔진 온/오프 정보, 요구 파워, 차량 속도 정보, 연료 소모량 정보를 포함하는 차량 상태 정보를 획득하도록 마련되는 차량 상태 정보 획득 수단과; 상기 차량 상태 정보를 이용하여 차량 모델 정보 맵을 작성하고, 상기 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 작성하며, 상기 Q 밸류 테이블에 기초하여 강화 학습을 통해 엔진과 모터의 동력 분배 제어 값을 연산하는 제어부를 포함한다.
상술한 하이브리드 차량에서, 상기 Q 밸류 테이블에 기초한 강화 학습은, 연속된 두 주기에서 발생하는 상기 차량 상태 정보를 각각 스테이트 값과 리워드 값으로 이용하여 상기 동력 분배 제어 값을 연산한다.
상술한 하이브리드 차량에서, 상기 제어부는, 상기 차량 상태 정보의 변경 내용을 반영하여 상기 차량 모델 정보 맵을 업데이트하고, 상기 차량 모델 정보 맵의 업데이트 내용을 반영하여 상기 Q 밸류 테이블을 업데이트하며, 업데이트된 상기 Q 밸류 테이블에 기초하여 상기 강화 학습을 수행함으로써, 상기 차량 상태 정보의 변경된 내용이 반영된 상기 동력 분배 제어 값의 연산을 수행한다.
상술한 하이브리드 차량에서, 동력 분배 제어 값은, 상기 요구 파워를 만족하면서 상기 엔진과 상기 모터의 에너지 소모를 최소화하기 위한 것이다.
상술한 하이브리드 차량에서, 상기 제어부는, 동력 분배 연산부와 Q 밸류 테이블 연산부, 차량 모델 정보 맵, 차량 모델 정보 맵 업데이트부를 포함한다.
상술한 하이브리드 차량에서, 상기 동력 분배 연산부는, 상기 Q 밸류 테이블 연산부의 Q 밸류 테이블을 이용하여 상기 차량 상태 정보에 기초하여 상기 엔진과 상기 모터의 상기 동력 분배 제어 값을 연산한다.
상술한 하이브리드 차량에서, 상기 Q 밸류 테이블 연산부는, 미리 정해진 알고리즘에 따라 상기 Q 밸류 테이블의 값들을 업데이트한다.
상술한 하이브리드 차량에서, 상기 차량 모델 정보 맵은, 배터리 SOC 정보 테이블과 엔진 연료 소모량 정보 테이블을 포함한다.
상술한 하이브리드 차량에서, 상기 배터리 SOC 정보 테이블은, 상기 배터리 SOC 정보와 상기 요구 파워, 상기 차량 속도에 따른 배터리 SOC 출력의 관계 데이터를 저장한다.
상술한 하이브리드 차량에서, 상기 엔진 연료 소모량 정보 테이블은, 상기 요구 파워와 상기 차량 속도, 상기 엔진 온/오프 정보에 따라 결정되는 엔진 연료 소모량의 관계 데이터를 저장한다.
상술한 하이브리드 차량에서, 상기 차량 모델 정보 맵 업데이트부는, 상기 하이브리드 차량의 변경된 주행 정보 및 변경된 상기 차량 상태 정보를 이용하여 상기 차량 모델 정보 맵의 데이터를 업데이트한다.
본 발명의 일 측면에 따르면, 차량 상태 정보에 기초하여 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성하는 효과를 제공한다.
도 1은 본 발명의 일 실시 예에 따른 하이브리드 차량의 제어 계통을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 개념을 나타낸 도면이다.
도 3A는 본 발명의 실시 예에 따른 제어부의 차량 모델 정보 맵에 저장되는 SOC 정보 테이블의 4차원 룩업 테이블을 나타낸 도면이다.
도 3B는 본 발명의 실시 예에 따른 제어부의 차량 모델 정보 맵에 저장되는 엔진 연료 소모량 정보 테이블의 4차원 룩업 테이블을 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 제어 방법을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 개념을 나타낸 도면이다.
도 3A는 본 발명의 실시 예에 따른 제어부의 차량 모델 정보 맵에 저장되는 SOC 정보 테이블의 4차원 룩업 테이블을 나타낸 도면이다.
도 3B는 본 발명의 실시 예에 따른 제어부의 차량 모델 정보 맵에 저장되는 엔진 연료 소모량 정보 테이블의 4차원 룩업 테이블을 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 제어 방법을 나타낸 도면이다.
도 1은 본 발명의 일 실시 예에 따른 하이브리드 차량의 제어 계통을 나타낸 도면이다. 도 1에서, 제어부(HCU)(110)는 차량 상태 정보에 기초하여 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성한다.
도 1에 나타낸 바와 같이, 제어부(110)는 배터리 SOC 정보 수신부(132)와 요구 파워 연산부(134), 차량 속도 정보 수신부(136), 엔진 동작 정보 수신부(138), 엔진 연료 소모량 연산부(140)로부터 하이브리드 차량의 상태 정보를 수신한다. 배터리 SOC 정보 수신부(132)와 요구 파워 연산부(134), 차량 속도 정보 수신부(136), 엔진 동작 정보 수신부(138), 엔진 연료 소모량 연산부(140)는 차량 상태 정보 획득 수단일 수 있다.
배터리 SOC 정보 수신부(132)는 배터리를 관리하는 배터리 관리 시스템(BMS)으로부터 배터리의 SOC 정보를 수신하고, 수신한 SOC 정보를 제어부(110)로 전달한다.
요구 파워 연산부(134)는 하이브리드 차량의 가속 페달 센서(APS)의 검출 신호 및 차량 속도 등의 정보에 기초하여 하이브리드 차량의 요구 파워를 연산하고, 연산한 요구 파워의 정보를 제어부(110)로 전달한다. 요구 파워 연산부(134)는, 다음의 <식 1>과 같이, 하이브리드 차량의 주행 상태 정보 및 차량 파라미터를 통해 하이브리드 차량의 요구 파워를 연산한다.
<수식 1>
: 차량 요구 파워
: 차량 속도
: 차량 구동 손실 힘
: 차량 가속 힘
: 차량 중량
: 차량 파워트레인 등가 이너셔 (Equivalent Inertia)
: 차량 가속도
, , : 차량 주행 저항 계수
차량 속도 정보 수신부(136)는 하이브리드 차량의 현재 속도의 정보를 수신하고, 수신한 속도 정보를 제어부(110)로 전달한다.
엔진 동작 정보 수신부(138)는 엔진의 실시간 온/오프 상태 정보를 수신하고, 수신한 엔진의 온/오프 상태 정보를 제어부(110)로 전달한다.
엔진 연료 소모량 연산부(140)는 엔진 on시 엔진의 시간당 연료 소모량을 연산하고, 연산한 연료 소모량의 정보를 제어부(110)로 전달한다.
제어부(110)는 최적 동력 분배 연산부(172)와 Q 밸류 테이블 연산부(174), 차량 모델 정보 맵(176), 차량 모델 정보 맵 업데이트부(178)를 포함한다. 이 가운데 차량 모델 정보 맵(176)은 배터리 SOC 정보 테이블(180)과 엔진 연료 소모량 정보 테이블(182)을 포함한다. 제어부(110)는 이와 같은 장치 구성(또는 로직)을 기반으로 Q-러닝 기법(Q-Learning)을 이용한 학습을 통해 최적의 동력 분배 제어 값(uk)을 생성한다. 생성된 최적 동력 분배 제어 값(uk)은 엔진과 모터를 제어하는 하위 제어 계통으로 전달된다.
최적 동력 분배 연산부(172)는 Q 밸류 테이블 연산부(174)의 Q 밸류 테이블을 이용하여 하이브리드 차량 상태 정보(배터리 SOC 정보, 요구 파워, 차량 속도, 엔진 온/오프 상태 정보)에 기초하여 엔진과 모터의 최적 동력 분배 제어 값(제어 비)(uk)를 연산(도출)한다.
Q 밸류 테이블 연산부(174)는 미리 정해진 알고리즘에 따라 Q 밸류 테이블의 값들을 업데이트한다. Q 밸류 테이블의 업데이트는 연속된 두 주기에서의 차량 상태 정보의 변경된 내용이 반영되어 이루어진다.
차량 모델 정보 맵(176)은 배터리 SOC 정보 테이블(180)과 엔진 연료 소모량 정보 테이블(182)을 포함한다. 차량 모델 정보 맵(176)의 배터리 SOC 정보 테이블(180)은 배터리 SOC 정보와 요구 파워, 차량 속도, 제어 입력에 따른 배터리 SOC 출력의 관계 데이터를 저장한다. 차량 모델 정보 맵(176)의 엔진 연료 소모량 정보 테이블(182)은 요구 파워와 차량 속도, 제어 입력, 엔진 온/오프 정보에 따라 결정되는 엔진 연료 소모량의 관계 데이터를 저장한다.
차량 모델 정보 맵 업데이트부(178)는 하이브리드 차량의 주행 정보 및 차량 상태 정보(배터리 SOC 정보, 요구 파워, 차량 속도, 엔진 온/오프 상태 정보, 엔진 연료 소모량)를 이용하여 차량 모델 정보 맵(176)의 데이터를 업데이트한다. 차량 모델 정보 맵 업데이트부(178)의 업데이트는 연속된 두 주기에서의 변경된 주행 정보 및 변경된 차량 상태 정보가 반영되어 이루어진다.
제어부(110)는, Nearest Neighbor 방법을 이용하여 측정 및 연산한 값을 다음의 <수식 2>와 <수식 3>, <수식 4>와 같이 이산화하여 각각 요구 파워와 차량 속도, 배터리 SOC를 이산화하여 사용한다.
도 2는 본 발명의 일 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 개념을 나타낸 도면이다. 즉, 도 2에는, 본 발명의 실시 예에 따른 하이브리드 차량의 상태 정보에 기초하여 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성하는 개념을 나타내었다.
도 2에 나타낸 바와 같이, 본 발명은 머신 러닝(Machine Learning) 분야 가운데 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 바탕으로 개발된 알고리즘을 하이브리드 차량의 동력 분배에 적용함으로써, 학습을 통해 엔진과 모터의 동력 분배 비를 최적화하는 것을 특징으로 한다.
이를 위해 본 발명의 실시 예에 따른 시스템 구성은 크게 Agent와 차량 모델(Vehicle Model), Environment로 구성될 수 있다. Agent는 의사 결정 및 학습을 수행하는 주체로서, 본 발명의 실시 예에 따른 하이브리드 차량에서는 도 1에 나타낸 상위 제어 주체인 제어부(HCU)(110)일 수 있다. Environment는 Agent를 제외한 나머지 모든 구성 요소일 수 있다. 예를 들면 Environment는, 본 발명의 실시 예에 따른 하이브리드 차량에서는 도 1에 나타낸 배터리 SOC 정보 수신부(132)와 요구 파워 연산부(134), 차량 속도 정보 수신부(136), 엔진 동작 정보 수신부(138), 엔진 연료 소모량 연산부(140)를 포함할 수 있다. 또한 Environment는, 도면에는 도시하지 않았으나, 제어부(110)로부터 제어 신호를 받아 하이브리드 차량의 제어를 수행하는 하위 제어 주체 및 이 하위 제어 주체에 의해 제어되는 엔진과 모터를 포함할 수 있다.
Agent는 하이브리드 차량의 현재의 주행 상태 정보 및 상태 변수로부터 Q 밸류 테이블을 이용하여 최적 동력 분배 제어 값(제어 비)()를 도출한다. Q 밸류 테이블은 차량 주행 상황에 따른 각 제어 입력에 대한 가치(Value)를 근사화한 테이블로써, 에이전트는 하이브리드 차량의 주행 상태에 따라 Q 밸류 테이블을 통해 최적의 동력 분배 제어 값(제어 비)()을 도출한다. 또한, Agent는, 동력 분배 제어 값()과 요구 파워 정보를 이용하여 엔진과 모터의 목표 토크 값을 도출한다.
차량 모델(Vehicle Model)은 하이브리드 차량의 상태 정보 모델로서, 선택된 최적 제어 값()에 따라 나타나는 엔진의 연료 소모량 및 모터의 배터리 사용량을 근사화한 테이블이다. 차량 모델은 하이브리드 차량의 주행 환경 및 측정된 값을 이용하여 업데이트됨으로써, 하이브리드 차량의 실제의 파워트레인의 상태를 모델링할 수 있다.
일반적인 Q-러닝(Q-Learning)의 경우, Agent와 Environment의 상호 작용을 통해 Q 밸류 테이블을 업데이트한다. 그러나 본 발명의 실시 예에 따른 하이브리드 차량에서는, 차량 모델(상태 정보 모델)을 이용하여 제어부(110)의 학습 성능 및 실시간 제어 성능을 향상시킨다.
Q 밸류 테이블은 Agent와 차량 모델 사이의 상호 작용을 통해 하이브리드 차량의 주행 속도 프로파일 경향성을 반영하도록 업데이트 된다. Agent는 하이브리드 차량의 실제 주행 상황을 나타내는 상태 변수 정보와 가상의 제어 입력 정보를 차량 모델에 입력하여 얻은 결과를 하이브리드 차량의 다음 상태 변수(+1) 및 보상(Reward)(+1)을 통해 Q 밸류 테이블을 업데이트한다.
본 발명의 실시 예에 따른 하이브리드 차량에서는, 이와 같은 프로세스를 반복하여 Q 밸류 테이블을 업데이트 함으로써 하이브리드 차량의 주행 환경 및 파워트레인 상태에 최적화된 제어 입력(동력 분배 비())을 도출할 수 있다. Q 밸류 테이블의 업데이트 주기는 실시간으로 또는 미리 설정된 주기마다 수행할 수 있다.
도 3은 본 발명의 실시 예에 따른 제어부(HCU)(110)의 차량 모델 정보 맵(176)에 저장되는 SOC 정보 테이블(180) 및 엔진 연료 소모량 정보 테이블(182) 각각의 4차원 룩업 테이블을 나타낸 도면이다. 도 3A는 SOC 정보 테이블(180)이고, 도 3B는 엔진 연료 소모량 정보 테이블(182)이다.
도 3A에 나타낸 바와 같이, SOC 정보 테이블(180)의 4차원 룩업 테이블은 다음의 <수식 5>와 같이 나타낼 수 있고, 엔진 연료 소모량 정보 테이블(182)의 4차원 룩업 테이블은 다음의 <수식 6>과 같이 나타낼 수 있다.
<수식 5>
: 배터리 SOC의 근사 모델
: (이전 주기에서의) 동력 분배 제어 입력
<수식 6>
: 엔진 연료 소모량 근사 모델 (approximation model)
: 엔진 온/오프 상태 정보
제어부(110)에서 이루어지는 동력 분배 제어 값의 최적화는, 다음의 <수식 7>에 나타낸 것처럼, 연료 소모량과 배터리 충전/방전, 엔진 온/오프 빈도 수의 제한으로 이루어진 전체 비용 함수를 최소화하도록 이루어진다.
<식 7>
: 전체 cost 값 (초기값 x0에서 시작하여 제어규칙 pi를 따라갈 때 전체 cost 값)
: 기대 값
: discounted rate
: instantaneous cost 값
: 상태 변수
: 상태 변수 Xk에 따른 제어 규칙
: 엔진 온/오프 페널티 상수
: 엔진 온/오프 상태 정보
: SOC값 계산 함수
: 목표로 하는 타겟 SOC 기준 상수 값
: SOC 최소값보다 SOC가 작을 때 페널티 값
도 4는 본 발명의 실시 예에 따른 하이브리드 차량의 최적 동력 분배 제어 값을 생성하기 위한 제어 방법을 나타낸 도면이다. 도 4에 나타낸 제어 방법에는, 도 1에 나타낸 장치 구성을 기반으로 도 2 및 도 3에 나타낸 강화 학습(Reinforcement Learning)의 Q-러닝 기법(Q-Learning)을 이용하여 학습을 통해 최적의 차량 제어 값을 생성하는 개념이 적용되었다.
도 4에서, 참조 부호 402, 404, 406, 408은 각각 배터리 SOC 정보(SOCt)와 엔진 온/오프 정보(Eon,t), 요구 파워(Pdem,t), 차량 속도 정보(vt)이다. 배터리 SOC 정보(SOCt)와 엔진 온/오프 정보(Eon,t), 요구 파워(Pdem,t), 차량 속도 정보(vt)는 각각 도 1에서 설명한 배터리 SOC 정보 수신부(132)와 엔진 동작 정보 수신부(138), 요구 파워 연산부(134), 차량 속도 정보 수신부(136)를 수신한 또는 연산한 현재 주기(시점)(t)에서의 파라미터 값이다.
배터리 SOC 정보(SOCt)와 엔진 온/오프 정보(Eon,t), 요구 파워(Pdem,t), 차량 속도 정보(vt)는 차량 동력 분배 연산(422)과 차량 모델 정보 맵 업데이트(424), Q 밸류 테이블 연산(426)을 위해 이용된다. 도 4의 차량 동력 분배 연산(422)과 차량 모델 정보 맵 업데이트(424), Q 밸류 테이블 연산(426)은 각각 도 1에서 설명한 제어부(110)의 최적 동력 분배 연산부(172)와 Q 밸류 테이블 연산부(174), 차량 모델 정보 맵 업데이트부(178)에 의해 수행될 수 있다.
차량 동력 분배 연산(422)에서는, 최적 동력 분배 연산부(172)가 Q 밸류 테이블 연산부(174)의 Q 밸류 테이블 연산(426)을 통해 확보된 Q 밸류 테이블(472)을 이용하여 하이브리드 차량 상태 정보(배터리 SOC 정보(SOCt)와 엔진 온/오프 정보(Eon,t), 요구 파워(Pdem,t), 차량 속도 정보(vt))에 기초하여 엔진과 모터의 최적 동력 분배 제어 값(제어 비)(uk)를 도출한다(476).
차량 모델 정보 맵 업데이트(424)에서는, 연속된 두 주기(시점)(예를 들면 t와 t+1)에서의 차량 상태 정보(배터리 SOC 정보, 요구 파워, 차량 속도, 엔진 온/오프 상태 정보, 엔진 연료 소모량)를 이용하여 새로운 차량 모델 정보 맵(482)을 확보하고, 차량 모델 정보 맵을 업데이트한다(484). 만약, 연속된 두 주기에서의 차량 모델 정보의 차이 값이 미리 설정된 기준 값보다 크면(486의 '예'), 제어부(110)는 Q 밸류 테이블 연산(426)의 차량 모델 정보 맵(484)에 새로운 차량 모델 정보를 제공한다.
Q 밸류 테이블 연산(426)에서는, 모든 제어 입력(uk, k=1, 2, 3, …)과 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 업데이트한다(492)(494)(496). 모든 제어 입력(uk, k=1, 2, 3, …)에 대한 Q 밸류 테이블의 업데이트가 완료되면(498의 '예'), 제어부(110)는 업데이트된 Q 밸류 테이블을 차량 동력 분배 연산(422) 단계로 제공한다.
이와 같은 차량 동력 분배 연산(422)과 차량 모델 정보 맵 업데이트(424), Q 밸류 테이블 연산(426)을 통해 도출되는 최적 동력 분배 제어 값(ut,k)은 본 발명의 실시 예에 따른 하이브리드 차량(442)의 엔진과 모터를 제어하는 하위 제어 계통으로 전달된다. 하위 제어 계통은, 전달받은 최적 동력 분배 제어 값(ut,k)에 기초하여 엔진과 모터의 적절한 동력 분배 제어를 수행한다.
도 4에서, 참조 부호 462, 464, 470, 466은 각각 다음 주기(시점)(t+1)에서의 배터리 SOC 정보(SOCt+1)와 엔진 온/오프 정보(Eon,t +1), 연료 소모량 정보(Wdem,t +1), 차량 속도 정보(vt+1)이다. 배터리 SOC 정보(SOCt+1)와 엔진 온/오프 정보(Eon,t +1), 연료 소모량 정보(Wdem,t +1), 차량 속도 정보(vt+1)는 각각 도 1에서 설명한 배터리 SOC 정보 수신부(132)와 엔진 동작 정보 수신부(138), 엔진 연료 소모량 연산부(140), 차량 속도 정보 수신부(136)를 수신한 또는 연산한 다음 주기(시점)(t+1)에서의 파라미터 값이다. 이와 같은 다음 주기(시점)(t+1)에서의 배터리 SOC 정보(SOCt+1)와 엔진 온/오프 정보(Eon,t +1), 연료 소모량 정보(Wdem,t +1), 차량 속도 정보(vt+1)가 다음 주기(시점)(t+1)에서의 최적 동력 분배 제어 값(u t+ 1,k)을 도출하는데 이용된다.
위의 설명은 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 기술 분야에서 통상의 지식을 가진 자라면 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서 위에 개시된 실시 예 및 첨부된 도면들은 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 기술적 사상의 범위가 한정되는 것은 아니다. 그 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
110 : 제어부
132 : 배터리 SOC 정보 수신부
134 : 요구 파워 연산부
136 : 차량 속도 정보 수신부
138 : 엔진 동작 정보 수신부
140 : 엔진 연료 소모량 연산부
172 : 최적 동력 분배 연산부
174 : Q 밸류 테이블 연산부
176 : 차량 모델 정보 맵
178 : 차량 모델 정보 맵 업데이트부
180 : 배터리 SOC 정보 테이블
182 : 엔진 연료 소모량 정보 테이블
132 : 배터리 SOC 정보 수신부
134 : 요구 파워 연산부
136 : 차량 속도 정보 수신부
138 : 엔진 동작 정보 수신부
140 : 엔진 연료 소모량 연산부
172 : 최적 동력 분배 연산부
174 : Q 밸류 테이블 연산부
176 : 차량 모델 정보 맵
178 : 차량 모델 정보 맵 업데이트부
180 : 배터리 SOC 정보 테이블
182 : 엔진 연료 소모량 정보 테이블
Claims (15)
- 배터리 SOC 정보와 엔진 온/오프 정보, 요구 파워, 차량 속도 정보, 연료 소모량 정보를 포함하는 차량 상태 정보를 획득하는 단계와;
상기 차량 상태 정보를 이용하여 차량 모델 정보 맵을 작성하는 단계와;
상기 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 작성하는 단계와;
상기 Q 밸류 테이블에 기초하여 강화 학습을 통해 엔진과 모터의 동력 분배 제어 값을 연산하는 단계를 포함하는 하이브리드 차량의 제어 방법. - 제 1 항에 있어서, 상기 Q 밸류 테이블에 기초한 강화 학습은,
연속된 두 주기에서 발생하는 상기 차량 상태 정보를 각각 스테이트 값과 리워드 값으로 이용하여 상기 동력 분배 제어 값을 연산하는 하이브리드 차량의 제어 방법. - 제 2 항에 있어서,
상기 차량 상태 정보의 변경 내용을 반영하여 상기 차량 모델 정보 맵을 업데이트하고,
상기 차량 모델 정보 맵의 업데이트 내용을 반영하여 상기 Q 밸류 테이블을 업데이트하며,
업데이트된 상기 Q 밸류 테이블에 기초하여 상기 강화 학습을 수행함으로써,
상기 차량 상태 정보의 변경된 내용이 반영된 상기 동력 분배 제어 값의 연산을 수행하는 하이브리드 차량의 제어 방법. - 제 1 항에 있어서,
동력 분배 제어 값은, 상기 요구 파워를 만족하면서 상기 엔진과 상기 모터의 에너지 소모를 최소화하기 위한 것인 하이브리드 차량의 제어 방법. - 배터리 SOC 정보와 엔진 온/오프 정보, 요구 파워, 차량 속도 정보, 연료 소모량 정보를 포함하는 차량 상태 정보를 획득하도록 마련되는 차량 상태 정보 획득 수단과;
상기 차량 상태 정보를 이용하여 차량 모델 정보 맵을 작성하고, 상기 차량 모델 정보 맵에 기초하여 Q 밸류 테이블을 작성하며, 상기 Q 밸류 테이블에 기초하여 강화 학습을 통해 엔진과 모터의 동력 분배 제어 값을 연산하는 제어부를 포함하는 하이브리드 차량. - 제 5 항에 있어서, 상기 Q 밸류 테이블에 기초한 강화 학습은,
연속된 두 주기에서 발생하는 상기 차량 상태 정보를 각각 스테이트 값과 리워드 값으로 이용하여 상기 동력 분배 제어 값을 연산하는 하이브리드 차량. - 제 6 항에 있어서, 상기 제어부는,
상기 차량 상태 정보의 변경 내용을 반영하여 상기 차량 모델 정보 맵을 업데이트하고,
상기 차량 모델 정보 맵의 업데이트 내용을 반영하여 상기 Q 밸류 테이블을 업데이트하며,
업데이트된 상기 Q 밸류 테이블에 기초하여 상기 강화 학습을 수행함으로써,
상기 차량 상태 정보의 변경된 내용이 반영된 상기 동력 분배 제어 값의 연산을 수행하는 하이브리드 차량. - 제 5 항에 있어서,
동력 분배 제어 값은, 상기 요구 파워를 만족하면서 상기 엔진과 상기 모터의 에너지 소모를 최소화하기 위한 것인 하이브리드 차량. - 제 5 항에 있어서, 상기 제어부는,
동력 분배 연산부와 Q 밸류 테이블 연산부, 차량 모델 정보 맵, 차량 모델 정보 맵 업데이트부를 포함하는 하이브리드 차량. - 제 9 항에 있어서,
상기 동력 분배 연산부는, 상기 Q 밸류 테이블 연산부의 Q 밸류 테이블을 이용하여 상기 차량 상태 정보에 기초하여 상기 엔진과 상기 모터의 상기 동력 분배 제어 값을 연산하는 하이브리드 차량. - 제 9 항에 있어서,
상기 Q 밸류 테이블 연산부는, 미리 정해진 알고리즘에 따라 상기 Q 밸류 테이블의 값들을 업데이트하는 하이브리드 차량. - 제 9 항에 있어서,
상기 차량 모델 정보 맵은, 배터리 SOC 정보 테이블과 엔진 연료 소모량 정보 테이블을 포함하는 하이브리드 차량. - 제 12 항에 있어서,
상기 배터리 SOC 정보 테이블은, 상기 배터리 SOC 정보와 상기 요구 파워, 상기 차량 속도에 따른 배터리 SOC 출력의 관계 데이터를 저장하는 하이브리드 차량. - 제 12 항에 있어서,
상기 엔진 연료 소모량 정보 테이블은, 상기 요구 파워와 상기 차량 속도, 상기 엔진 온/오프 정보에 따라 결정되는 엔진 연료 소모량의 관계 데이터를 저장하는 하이브리드 차량. - 제 9 항에 있어서,
상기 차량 모델 정보 맵 업데이트부는, 상기 하이브리드 차량의 변경된 주행 정보 및 변경된 상기 차량 상태 정보를 이용하여 상기 차량 모델 정보 맵의 데이터를 업데이트하는 하이브리드 차량.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190166232A KR20210076223A (ko) | 2019-12-13 | 2019-12-13 | 하이브리드 차량 및 그 제어 방법 |
EP20167934.7A EP3835155B1 (en) | 2019-12-13 | 2020-04-03 | Hybrid vehicle and method of controlling the same |
US16/842,168 US20210179062A1 (en) | 2019-12-13 | 2020-04-07 | Hybrid vehicle and method of controlling the same |
CN202010348456.2A CN112977402A (zh) | 2019-12-13 | 2020-04-28 | 混合动力车辆及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190166232A KR20210076223A (ko) | 2019-12-13 | 2019-12-13 | 하이브리드 차량 및 그 제어 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210076223A true KR20210076223A (ko) | 2021-06-24 |
Family
ID=70289252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190166232A KR20210076223A (ko) | 2019-12-13 | 2019-12-13 | 하이브리드 차량 및 그 제어 방법 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210179062A1 (ko) |
EP (1) | EP3835155B1 (ko) |
KR (1) | KR20210076223A (ko) |
CN (1) | CN112977402A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102480915B1 (ko) * | 2021-08-06 | 2022-12-23 | 주식회사 현대케피코 | 지능형 차량 주행 제어 시스템의 동작 방법 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7314819B2 (ja) * | 2020-02-04 | 2023-07-26 | トヨタ自動車株式会社 | 車両制御方法、車両用制御装置及びサーバ |
JP7327198B2 (ja) * | 2020-02-17 | 2023-08-16 | トヨタ自動車株式会社 | 車両用制御データの生成方法、車両用制御装置、車両用制御システム、および車両用学習装置 |
CN111959509B (zh) * | 2020-08-19 | 2022-06-17 | 重庆交通大学 | 基于状态空间域电池能量均衡的q学习再生制动控制策略 |
CN115214607B (zh) * | 2021-12-16 | 2023-12-22 | 广州汽车集团股份有限公司 | 一种插电式混合动力汽车能量管理方法 |
CN114889498B (zh) * | 2022-05-07 | 2023-12-15 | 苏州市华昌能源科技有限公司 | 一种氢电混合动力系统的功率优化分配方法 |
CN115906622A (zh) * | 2022-11-08 | 2023-04-04 | 杭州润氢科技有限公司 | 一种基于模型强化学习的燃料电池电动汽车能量控制策略 |
CN117184095B (zh) * | 2023-10-20 | 2024-05-14 | 燕山大学 | 基于深度强化学习的混合动力电动车系统控制方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8825243B2 (en) * | 2009-09-16 | 2014-09-02 | GM Global Technology Operations LLC | Predictive energy management control scheme for a vehicle including a hybrid powertrain system |
CN117048579A (zh) * | 2011-01-13 | 2023-11-14 | 卡明斯公司 | 用于控制混合动力传动系中的功率输出分布的系统、方法和装置 |
US9751521B2 (en) * | 2014-04-17 | 2017-09-05 | Palo Alto Research Center Incorporated | Control system for hybrid vehicles with high degree of hybridization |
EP2998178B1 (en) * | 2014-09-17 | 2022-01-26 | Volvo Car Corporation | Vehicle control through machine learning |
KR101734267B1 (ko) * | 2015-08-04 | 2017-05-11 | 현대자동차 주식회사 | 하이브리드 차량의 제어 장치 및 방법 |
JP6315010B2 (ja) * | 2016-03-09 | 2018-04-25 | トヨタ自動車株式会社 | ハイブリッド車両 |
JP6458756B2 (ja) * | 2016-03-22 | 2019-01-30 | トヨタ自動車株式会社 | 自動車 |
KR101994302B1 (ko) * | 2016-11-02 | 2019-09-30 | 현대자동차주식회사 | 하이브리드 자동차 및 그를 위한 변속 제어 방법 |
KR101816247B1 (ko) * | 2016-12-09 | 2018-01-08 | 현대오트론 주식회사 | 요구 출력 변화에 따른 하이브리드 차량의 엔진과 모터의 동력분배방법 |
WO2018175349A1 (en) * | 2017-03-19 | 2018-09-27 | Zunum Aero, Inc. | Hybrid-electric aircraft, and methods, apparatus and systems for facilitating same |
CN107458369B (zh) * | 2017-06-20 | 2020-11-03 | 江苏大学 | 一种同轴并联式混合动力电动汽车能量管理方法 |
CN108177648B (zh) * | 2018-01-02 | 2019-09-17 | 北京理工大学 | 一种基于智能预测的插电式混合动力车辆的能量管理方法 |
CN108427985B (zh) * | 2018-01-02 | 2020-05-19 | 北京理工大学 | 一种基于深度强化学习的插电式混合动力车辆能量管理方法 |
CN109552079B (zh) * | 2019-01-28 | 2020-10-09 | 浙江大学宁波理工学院 | 一种基于规则与Q-learning增强学习的电动汽车复合能量管理方法 |
CN110254418B (zh) * | 2019-06-28 | 2020-10-09 | 福州大学 | 一种混合动力汽车增强学习能量管理控制方法 |
JP6705547B1 (ja) * | 2019-10-18 | 2020-06-03 | トヨタ自動車株式会社 | 車両用制御装置、車両用制御システム、および車両用学習装置 |
-
2019
- 2019-12-13 KR KR1020190166232A patent/KR20210076223A/ko not_active Application Discontinuation
-
2020
- 2020-04-03 EP EP20167934.7A patent/EP3835155B1/en active Active
- 2020-04-07 US US16/842,168 patent/US20210179062A1/en not_active Abandoned
- 2020-04-28 CN CN202010348456.2A patent/CN112977402A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102480915B1 (ko) * | 2021-08-06 | 2022-12-23 | 주식회사 현대케피코 | 지능형 차량 주행 제어 시스템의 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
EP3835155A1 (en) | 2021-06-16 |
CN112977402A (zh) | 2021-06-18 |
EP3835155B1 (en) | 2023-06-28 |
US20210179062A1 (en) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210076223A (ko) | 하이브리드 차량 및 그 제어 방법 | |
Zou et al. | Reinforcement learning-based real-time energy management for a hybrid tracked vehicle | |
Salmasi | Control strategies for hybrid electric vehicles: Evolution, classification, comparison, and future trends | |
Wu et al. | A robust online energy management strategy for fuel cell/battery hybrid electric vehicles | |
WO2018104850A1 (en) | Model predictive based control for automobiles | |
Ouddah et al. | From offline to adaptive online energy management strategy of hybrid vehicle using Pontryagin’s minimum principle | |
CN101391608A (zh) | 用于管理到机电变速器的转矩输入的方法和设备 | |
JP2010095067A (ja) | ハイブリッド自動車およびコンピュータ装置ならびにプログラム | |
JP6100595B2 (ja) | 航続可能距離算出装置 | |
Vignesh et al. | Intelligent energy management through neuro-fuzzy based adaptive ECMS approach for an optimal battery utilization in plugin parallel hybrid electric vehicle | |
Maia et al. | Regenerative braking system modeling by fuzzy Q-Learning | |
CN118103266A (zh) | 用于交通工具中的功率或扭矩分配的自适应实时优化的方法 | |
Liu et al. | Computationally efficient energy management for a parallel hybrid electric vehicle using adaptive dynamic programming | |
Chen et al. | Optimal energy management of series hybrid electric vehicles with engine start–stop system | |
WO2020013251A1 (ja) | モーター制御装置 | |
Guo et al. | Clustered energy management strategy of plug-in hybrid electric logistics vehicle based on Gaussian mixture model and stochastic dynamic programming | |
Hegde et al. | Energy saving analysis in electrified powertrain using look-ahead energy management scheme | |
KR20220027308A (ko) | 하이브리드 차량의 동력 분배 장치 및 방법 | |
Karaki et al. | Optimal energy management of hybrid fuel cell electric vehicles | |
Li et al. | Dynamic energy management for hybrid electric vehicle based on adaptive dynamic programming | |
CN113650622A (zh) | 车速轨迹规划方法、装置、设备及存储介质 | |
KR20220165845A (ko) | 하이브리드 차량의 동력 분배 제어 시스템 및 제어 방법 | |
Shah et al. | Comparative analysis of predictive models for SOC estimation in EV under different running conditions | |
Tempelhahn et al. | 5b. 4 state of the art in optimal control of series hybrid electric vehicles taking account of driveability | |
Kothuri et al. | A Novel Model Predictive Control Framework for Energy Management in Retrofit Hybrid Electric Vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal |