KR20220027206A - 차량용 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법 - Google Patents

차량용 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법 Download PDF

Info

Publication number
KR20220027206A
KR20220027206A KR1020227003233A KR20227003233A KR20220027206A KR 20220027206 A KR20220027206 A KR 20220027206A KR 1020227003233 A KR1020227003233 A KR 1020227003233A KR 20227003233 A KR20227003233 A KR 20227003233A KR 20220027206 A KR20220027206 A KR 20220027206A
Authority
KR
South Korea
Prior art keywords
control
time
steering
controller
time delay
Prior art date
Application number
KR1020227003233A
Other languages
English (en)
Other versions
KR102645499B1 (ko
Inventor
완중 자오
중카이 루완
샤오추완 저우
춘옌 왕
Original Assignee
난징 유니버시티 오브 에어로노틱스 앤드 애스트로노틱스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 난징 유니버시티 오브 에어로노틱스 앤드 애스트로노틱스 filed Critical 난징 유니버시티 오브 에어로노틱스 앤드 애스트로노틱스
Publication of KR20220027206A publication Critical patent/KR20220027206A/ko
Application granted granted Critical
Publication of KR102645499B1 publication Critical patent/KR102645499B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
    • B62D5/046—Controlling the motor
    • B62D5/0463—Controlling the motor calculating assisting torque from the motor based on driver input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/001—Mechanical components or aspects of steer-by-wire systems, not otherwise provided for in this maingroup
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
    • B62D5/0481—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such monitoring the steering system, e.g. failures
    • 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/12—Trucks; Load vehicles
    • 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
    • B60W2510/20—Steering systems
    • B60W2510/202—Steering torque

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 전동 트럭 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법에 관한 것으로, 상기 시스템은, 마스터 제어 전동식 파워 모듈(14), 슬레이브 제어 전동식 파워 모듈(18), 도로 감지 모터 모듈(4), 스티어링 휠(1), 상부 스티어링 컬럼(3), 하부 스티어링 컬럼(10), 랙 엔 피니언 스티어링 기어(12), 휠(13), 제1 코너 센서(2), 제2 코너 센서(11), 스티어링 도메인 컨트롤러(8) 및 차량 탑재 CAN네트워크(9)를 포함하며, 상기 시스템은 마스터/슬레이브식 컨트롤러 및 실행 기구의 설계를 통해, 코너 추적, 토션 추적 및 전류 추적 사이의 각자의 장점을 융합하여, 전동 트럭 스티어링 응답 수요, 전력 수요를 만족함과 동시에, 시스템의 랜덤 네트워크 시간 지연하의 로버스트니스와 결함 포용 성능을 향상시킨다.

Description

전동 트럭 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법
본 발명은 자동차 샤시 시스템 기술 분야에 속하며, 특히 전동 트럭 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법에 관한 것이다.
현재 세계 에너지 상황이 점점 가혹해지고, 각 나라의 환경보호 법규가 점차적으로 강화됨에 따라, 순수 전동 트럭은 에너지 절약 및 친환경적인 장점으로 인하여, 미래 화물 상업용 차량 발전의 하나의 중요한 방향으로 전환되었다. 예를 들면, 테슬라에서 출시한 전동 트럭 Tesla Semi는 항속거리가 800킬로미터(km)에 도달하여, 중단거리 화물 운송의 수요를 효과적으로 만족시켰다.
기존의 트럭 스티어링 시스템과 비교할 경우, 하이 레벨의 운전 보조 기능을 실현하여 기능 안전을 확보하기 위해, 순수 전동 트럭에 적용되는 스티어 바이 와이어 시스템은 더 많은 센서, 액추에이터 및 제어 유닛을 구비하게 된다. 실제 차량 탑재 네트워크 대역폭의 제한을 받아, 갈수록 증가되는 신호 전달은 파생 클래스 노드가 타깃 신호를 수신할 경우 랜덤 네트워크 시간 지연의 발생을 유발할 수 있다. 랜덤 네트워크 시간 지연은 제어 시스템의 과도 성능을 저하시킬 뿐만 아니라, 심지어 제어 시스템의 안정성을 파괴함으로써, 시스템으로 하여금 연속적으로 변화되는 타깃 신호를 추적할 경우 쉽게 진동할 수 있게 한다. 따라서, 제어 전략을 설계할 때 랜덤 네트워크 시간 지연이 시스템에 대한 영향을 어떻게 고려범위 내에 넣는가 하는 것은, 전동 트럭 스티어 바이 와이어 시스템의 로버스트니스 및 안정성을 향상시키는 핵심 문제이다.
로버스트 제어와 불안정 시스템 이론 사이에는 밀접한 관련이 존재하므로, 로버스트 제어는 시간 지연 시스템의 제어 알고리즘 설계에 광범위하게 적용된다. 그 일예로, 신형 슬라이딩 모드 도달 법칙을 통해 제어 법칙을 구해내고, 상기 슬라이딩 모드의 도달성을 확보할 수 있는, 중국 발명 특허 출원번호가 CN201611180488.6이고, 명칭이 《이산 시간 지연 불안정 시스템의 슬라이딩 모드 로버스트 제어 방법》인 발명이 있다. 하지만, 로버스트 제어는 시간 지연 시스템 제어 문제에서 비교적 우수한 효과를 취득할 수 있지만, 보수적인 제어 전략에 제한되어, 충분한 안정성 조건만 얻을 뿐, 일정한 정도에서 시스템의 일부 성능은 손실된다. 상기 문제에 대해, 예측 제어 알고리즘이 광범위하게 적용되고, 그 핵심 사상은 불안정성 모델링을 통하여 상응하는 예측 컨트롤러를 설계함으로써, 네트워크 시간 지연으로 인한 영향을 보상하는 것이다. 그 일예로, 선형 이산 시간 지연 시스템의 파라미터의 불안정성 및 액추에이터 장애 고장을 고려하여, 선형 매트릭스 부등식 및 로버스트 예측 제어를 이용하여 로버스트 결함 포용(fault tolerant) 제어 방법을 제시하는, 중국 발명 특허 출원번호가 CN201811617096.0이고, 명칭이 《시간 지연 불안정성 시스템 액추에이터 고장에 대한 로버스트 예측 결함 포용 제어 방법》인 발명이 있다. 중국 발명 특허 출원번호가 CN201710987844.3이고, 명칭이 《외란 상황에서 불안정성 시스템 시간 지연이 로버스트에 의해 제약되는 예측 제어 방법》인 발명은, 외란 상황에서 불안정성 시스템 시간 지연이 로버스트에 의해 제약되는 예측 제어 방법을 제시하여, 임의의 유계 간섭을 극복하고, 제어 비용을 감소한다. 자율 주행 차량 궤도 추적 제어 문제의 연구에서, 모델 예측 제어는 일반적으로 사용되는 방법이다. 하지만, 모델 예측 제어의 본질은 각 샘플링 시점에서 제약을 갖는 오픈 루프 2차 최적화 문제를 스크롤링하여 해결하는 것이므로, 모델 예측 컨트롤러(MPC)의 최적성은 클로즈드 루프 시스템의 안정성을 의미하는 것은 아니다.
따라서, 비교적 큰 랜덤 네트워크 시간 지연이 존재할 때, 즉 불안정 항목이 기존 시스템 모델에 대한 변경이 비교적 클 경우, 기존의 전동 트럭 스티어 바이 와이어 시스템 설계 형태 및 상응하는 제어 알고리즘은 궤도 추적 시스템의 추적 정밀도, 시스템 안정성 및 단일 연산 시간 사이에서의 모순을 조정하기 어렵다.
상기 종래 기술의 부족함에 대해, 본 발명의 목적은 전동 트럭 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법을 제공하여, 종래의 기술에서 전동 트럭 스티어 바이 와이어 시스템 코너 추적 제어의 랜덤 네트워크 시간 지연 불안정 요소를 고려하지 않아 초래되는 코너 추적 변동 문제를 해결하고, 궤도 추적 시스템의 추적 정밀도, 시스템 안정성 및 단일 연산 시간 사이에서의 모순을 효과적으로 조정하는데 있다.
상기 목적을 달성하기 위해, 본 발명은 다음과 같은 기술방안을 적용한다:
본 발명의 전동 트럭 스티어 바이 와이어 시스템은, 마스터 제어 전동식 파워 모듈, 슬레이브 제어 전동식 파워 모듈, 도로 감지 모터 모듈, 스티어링 휠, 상부 스티어링 컬럼, 하부 스티어링 컬럼, 랙 엔 피니언 스티어링 기어, 휠, 제1 코너 센서, 제2 코너 센서, 스티어링 도메인 컨트롤러 및 차량 탑재 컨트롤러 영역 네트워크(CAN)를 포함하며,
상기 스티어링 휠은 상부 스티어링 컬럼의 토크 입력단에 스플라인을 통해 연결되고, 스티어링 휠과 상부 스티어링 컬럼 사이에는 제1 코너 센서가 장착되며, 상부 스티어링 컬럼의 하단에 도로 감지 모터 모듈이 장착되고, 상기 상부 스티어링 컬럼과 하부 스티어링 컬럼 사이에는 기계적 연결이 없으며, 수직 방향에서 상기 상부 스티어링 컬럼과 하부 스티어링 컬럼 사이에는 간격이 남겨져 있고, 제2 코너 센서는 하부 스티어링 컬럼의 입력단에 장착되며, 하부 스티어링 컬럼의 출력단과 랙 엔 피니언 스티어링 기어는 상호 연결되고, 상기 마스터 제어 전동식 파워 모듈 및 슬레이브 제어 전동식 파워 모듈은 랙 엔 피니언 스티어링 기어의 랙 위에 장착되며, 랙 끝단과 휠은 상호 연결되며,
상기 도로 감지 모터 모듈은, 도로 감지 컨트롤러, 제1 모터, 제1 감속 기구를 포함하며, 제1 모터의 출력단과 제1 감속 기구의 입력단은 상호 연결되고, 토크는 제1 감속 기구를 거쳐 감속되어 증가된 후, 상부 스티어링 컬럼에 전달되며, 도로 감지 컨트롤러는 제1 모터의 회전 속도를 제어하며, 도로 감지 컨트롤러는 스티어링 도메인 컨트롤러에서 발신되는 타깃 토션 신호에 따라, 도로 표면 토션을 시뮬레이션하고, 제1 코너 센세는 차량 탑재 CAN 네트워크를 통해 스티어링 도메인 컨트롤러로 운전자 코너 요구를 발송하며, 스티어링 도메인 컨트롤러는 상기 운전자 코너 요구를 타깃 토션 신호로 변환하여, 차량 탑재 CAN 네트워크를 통해 마스터 제어 전동식 파워 모듈로 발송하며,
상기 마스터 제어 전동식 파워 모듈은, 마스터 컨트롤러, 제2 모터 및 제2 감속 기구를 포함하며, 제2 모터의 출력단과 제2 감속 기구의 입력단은 상호 연결되고, 토크는 제2 감속 기구를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어로 전달되며, 마스터 컨트롤러는 스티어링 도메인 컨트롤러에서 발신되는 요구 토션에 따라 해당 시점의 타깃 전류를 컴퓨팅하여 얻고 전류 분배를 진행하며, 슬레이브 제어 전동식 파워 모듈로 타깃 전류를 발송하며,
상기 슬레이브 제어 전동식 파워 모듈은, 슬레이브 컨트롤러, 제3 모터 및 제3 감속 기구를 포함하며, 제3 모터의 출력단과 제3 감속 기구의 입력단은 상호 연결되고, 토크는 제3 감속 기구를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어로 전달되며,
상기 마스터 컨트롤러는 스티어링 도메인 컨트롤러 및 차량 탑재 CAN 네트워크의 동태에 따라 제1 코너 센서 및 제2 코너 센서의 값을 비교하여, 운전자의 운전 의도에 대한 추적을 실현한다.
바람직하게, 상기 제1 모터, 제2 모터 및 제3 모터는 모두 영구 자석 동기 모터를 적용한다.
바람직하게, 상기 제1, 제2 및 제3 감속 기구는 모두 웜 기어 감속 기구를 적용한다.
본 발명의 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법은, 상기 시스템에 기반하여, 아래의 단계를 포함하는데,
랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 구축하는 단계1);
랜덤 네트워크 시간 지연이 상기 동역학 모델 궤도 추적 성능 및 안정성에 대한 평가 체계를 구축하고, 적응성 예측 모델을 구축하는 단계2);
시간 가변성 매트릭스 폴리토프 랜덤 네트워크 시간 지연의 불안정성 항목 표현 방법을 구축하고, 폴리토프 시간 지연 불안정 시스템의 적응성 모델 예측 제어 알고리즘을 제시하는 단계 3;
그 중, 상기 단계1)은 구체적으로 아래와 같은 단계를 포함한다:
11) 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 아래와 같이 구축하는 단계(지면 고정 좌표계 OXY일 경우)-:
Figure pct00001
Figure pct00002
식에서,
Figure pct00003
는 랜덤 네트워크 시간 지연 프런트 휠 코너를 포함하는 제어량이고,
Figure pct00004
,
Figure pct00005
는 각각 차량의 종방향 및 횡방향 변위이며,
Figure pct00006
,
Figure pct00007
는 각각 차량의 종방향 및 횡방향 속도이고,
Figure pct00008
,
Figure pct00009
는 각각 차량의 요(Yaw) 및 요 레이트(Yaw rate)이며,
Figure pct00010
은 참조 포인트에서 상태량의 값이고,
Figure pct00011
은 제어량의 참조 값이며,
Figure pct00012
이고,
Figure pct00013
이며,
여기서,
Figure pct00014
이며,
12) 모델을 지속적으로 이산화하는 단계-
지면 고정 좌표계 OXY일 경우의 전동 트럭 궤도 추적 선형 오차 동역학 모델을 이산화하며, 식은 아래와 같은바,
Figure pct00015
식에서,
Figure pct00016
이며,
여기서, T s는 샘플링 시간이고,
Figure pct00017
은 라플라스 역변환이며,
Figure pct00018
는 라플라스 연산자이며,
13) 시스템 모델을 증강하는 단계-
단계11)에서 구축된 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델 상태량 및 제어량을 포함하는 새로운 상태량을 구축하며, 식은 아래와 같은바,
Figure pct00019
이산된 이상적인 궤도 추적 시스템의 상태 공간 표현식을 얻을 수 있으며, 식은 아래와 같은바,
Figure pct00020
식에서,
Figure pct00021
,
Figure pct00022
이다.
바람직하게, 상기 단계2)는 구체적으로 아래와 같은 단계를 포함한다:
21) 예측 시간 영역 및 제어 시간 영역의 관계를 구축하는 단계-
각 샘플링 시점에서, 예측 시간 영역 및 제어 시간 영역의 서로 다른 값은 예측 방정식 계수 매트릭스의 차원수를 변경할 수 있어, 스크롤 최적화의 해결 방향에 영향을 주며, 제어 시간 영역 값과 예측 시간 영역 사이의 관계는 아래와 같은바,
Figure pct00023
식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며,
Figure pct00024
는 정함수이고, n은 미정 계수이며,
Figure pct00025
이며,
22) 적응성 예측 시간 영역 함수를 구축하는 단계-
예측 시간 영역 및 제어 시간 영역의 값은 도로 곡률 등 환경 파라미터, 차량 속도 등 동작 조건 파라미터 및 네트워크 상황 동태를 종합적으로 고려하여 결정하여야 한며, 상기 분석을 종합하여, 적응성 예측 시간 영역 함수를 제시하며, 식은 아래와 같은바,
Figure pct00026
식에서,
Figure pct00027
,
Figure pct00028
및
Figure pct00029
은 각각 k시점에서 차량의 종방향 속도, 궤도 곡률 및 타임 스탬프로 얻은 네트워크 지연이고,
Figure pct00030
와
Figure pct00031
는 미정 계수이며, i=1,2,3이고, 오프라인 최적화를 통해 얻으며,
23) 파라미터 오프라인 최적화 모델을 구축하는 단계
오프라인 파라미터 최적화 모델은 아래 식과 같고,
Figure pct00032
그 물리적 의미는 여러번 반복하는 과정에서, 미정 계수를 조절하여 예측 시간 영역 및 제어 시간 영역의 값을 변경함으로써, 현재 동작 조건에서 컴퓨팅 시간과 추적 오차를 동시에 최소화하는 미정 계수 그룹을 획득하고, 식에서, k 1, k 2는 각각 가중치 인자이고, s 1, s 2는 각각 스케일 펙터(scale factors)이며, 두개 타깃을 동일한 자릿수로 변환하며, 타깃 함수
Figure pct00033
는 단일 스크롤 최적화에 수요되는 CPU 컴퓨팅 시간이고, 타깃 함수
Figure pct00034
는 전반 과정의 평균 궤도 추적 오차이며, 제약 조건의 물리적 의미는 단일 스크롤 최적화에 수요되는 CPU 컴퓨팅 시간이 샘플링 시간을 초과해서는 안된다는 것이며,
24) 예측 모델을 업데이트하는 단계-
오프라인 최적화를 통해 미정 파라미터를 구하여 얻은 후, 시스템 예측 방정 표현식을 얻으며, 식은 아래와 같고,
Figure pct00035
동작 조건에 따라 예측 시간 영역 N p와 제어 시간 영역 N c가 적응성적으로 변화할 경우, 예측 모델에서의 상태량 및 제어량의 계수 매트릭스도 적응성적으로 변화하며, 식에서,
Figure pct00036
는 k시점의 예측 출력이고,
Figure pct00037
는 k시점의 상태 벡터이며,
Figure pct00038
는 k시점의 제어 증분 벡터이고,
Figure pct00039
,
Figure pct00040
는 각각 상태량과 제어량의 계수 매트릭스이며, 표현식은 아래와 같다.
Figure pct00041
,
Figure pct00042
,
25) 다음 샘플링 시점을 판단하는 단계-
스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계22)로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료한다.
바람직하게, 상기 단계3)은 구체적으로 아래와 같은 단계를 포함한다:
31) 상위 계층 궤도 신호의 입력을 수신하고, 스티어링 도메인 컨트롤러에 상응하는 필터를 높은 레벨로 설정하는 단계;
32) 시간 지연 증강 시스템 모델을 구축하는 단계-
랜덤 네트워크 시간 지연하에 시스템의 일반화 상태 벡터를 구축하며, 식은 아래와 같고,
Figure pct00043
랜덤 네트워크 시간 지연을 고려한 이산 시스템의 상태 방정식을 구축하며, 식은 아래와 같은바,
Figure pct00044
식에서,
Figure pct00045
,
Figure pct00046
,
Figure pct00047
이고,
Figure pct00048
,
Figure pct00049
이며,
33) 시간 지연 불안정성 계수의 선형 표현 방법 및 랜덤 네트워크 시간 지연의 폴리토프 모델을 구축하는 단계-
상기
Figure pct00050
는 랜덤 네트워크 지연으로 인한 불안정성 계수이며. 식은 아래와 같은바,
Figure pct00051
Figure pct00052
식에서,
Figure pct00053
는 적분 상한이고, 그 물리적 의미는 제어 신호
Figure pct00054
가 실제로 대응 구간 내에서 작용을 일으킨 시간 길이이고,
Figure pct00055
는
Figure pct00056
시점에 신호를 발신하는 총 시간 지연 길이이며,
랜덤 네트워크 시간 지연 불안정성 계수 매트릭스의 구축은 폴리토프 모델을 통해 아래와 같이 표현할 수 있는바,
Figure pct00057
Figure pct00058
Figure pct00059
식에서,
Figure pct00060
는 다면체의 각 정점과 네트워크 시간 지연 k가 관련되는 시간 가변성 계수이며, 만족 관계는 아래 식과 같은바,
Figure pct00061
그 물리적 의미는 한 샘플링 주기 내에 작용하는 모든 신호이며,
Figure pct00062
는 예측 제어가 k시점 제어량을 컴퓨팅할 경우, 고려해야 하는
Figure pct00063
시점에 발신되는 제어 신호
Figure pct00064
가 작용을 일으키는 시간 길이를 의미하며,
34) 불안정 시스템 적응성 모델 예측 제어 알고리즘을 구축하는 단계-
동역학 모델에 기반하여, 궤도 추적 동적 최적화 지표를 구축하며, 식은 아래와 같은바,
Figure pct00065
식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며, Q, R은 가중치 매트릭스이고,
Figure pct00066
는 이완 인자 가중치 계수이며,
Figure pct00067
는 이완 인자이며,
네트워크 시간 지연을 포함하는 자율 주행 차량 궤도 추적 컨트롤러가 각 제어 주기 내의 동적 최적화 모델을 구축하며, 식은 아래와 같은바,
Figure pct00068
Figure pct00069
,
Figure pct00070
식에서,
Figure pct00071
는 제어 증분 제약이고,
Figure pct00072
는 하드 제약 출력이며,
Figure pct00073
는 소프트 제약 출력이고, 이완 인자
Figure pct00074
를 통해 소프트 제약 출력 범위를 조절할 수 있으며, e는 예측 시간 영역 내의 추적 오차이며,
35) 다음 샘플링 시점을 판단하는 단계-
만약 스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계33)으로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료한다.
본 발명의 효과는 다음과 같다.
1. 본 발명은 코너 추적, 토션 추적 및 전류 추적 사이의 각자의 장점을 융합하여, 전동 트럭 스티어링 응답 수요, 전력 수요를 만족함과 동시에, 시스템의 로버스트니스와 결함 포용 성능을 향상시킨다.
2. 본 발명은 네트워크 시간 지연이 존재하는 상황에서 컨트롤러의 로버스트니스, 정확성 및 스크롤 최적화 과정에서의 컴퓨팅 효율을 종합적으로 고려하여, 불안정 시스템 적응성 모델 예측 제어(UM-AMPC) 알고리즘을 제시하였으며, 컨트롤러는 파생 클래스 노드의 현재 시점에서 부터 네트워크 시간 지연 어퍼바운드(upper bound)내에서 수신한 타깃 코너 메시지와 증강 상태량에 따라 다음 시점의 제어량을 예측하여 계산하며, 시스템의 랜덤 네트워크 신호 시간 지연 존재시의 안정성 및 추적 정밀도를 효과적으로 확보할 수 있다.
도1은 본 발명의 전동 트럭 스티어 바이 와이어 시스템의 예시도이다.
도2는 본 발명의 마스터/슬레이브 제어 전략의 논리도이다.
도3은 본 발명의 적응성 예측 모델의 흐름도이다.
도4는 본 발명의 시간 지연 불안정 시스템 적응성 모델 예측 제어 알고리즘의 흐름도이다.
당업자의 이해를 용이하게 하기 위해, 아래 실시예와 도면을 결합하여 본 발명에 대해 추가적으로 설명하며, 실시형태에서 언급되는 내용은 본 발명에 대한 한정은 아니다.
도1 및 도2를 참조하면, 본 발명의 전동 트럭 스티어 바이 와이어 시스템은, 마스터 제어 전동식 파워 모듈(14), 슬레이브 제어 전동식 파워 모듈(18), 도로 감지 모터 모듈(4), 스티어링 휠(1), 상부 스티어링 컬럼(3), 하부 스티어링 컬럼(10), 랙 엔 피니언 스티어링 기어(12), 휠(13), 제1 코너 센서(2), 제2 코너 센서(11), 스티어링 도메인 컨트롤러(8) 및 차량 탑재 컨트롤러 영역 네트워크(CAN)(9)를 포함한다.
상기 스티어링 휠(1)은 상부 스티어링 컬럼(3)의 토크 입력단에 스플라인을 통해 연결되고, 스티어링 휠(1)과 상부 스티어링 컬럼(3) 사이에는 제1 코너 센서(2)가 장착되며, 상부 스티어링 컬럼(3)의 하단에 도로 감지 모터 모듈(4)이 장착되고, 상기 상부 스티어링 컬럼(3)과 하부 스티어링 컬럼(10) 사이에는 기계적 연결이 없으며, 수직 방향에서 상기 상부 스티어링 컬럼(3)과 하부 스티어링 컬럼(10) 사이에는 간격이 남겨져 있고, 제2 코너 센서(11)는 하부 스티어링 컬럼(10)의 입력단에 장착되며, 하부 스티어링 컬럼(10)의 출력단과 랙 엔 피니언 스티어링 기어(12)는 상호 연결되고, 상기 마스터 제어 전동식 파워 모듈(14) 및 슬레이브 제어 전동식 파워 모듈(18)은 랙 엔 피니언 스티어링 기어(12)의 랙 위에 장착되며, 랙 끝단과 휠(13)은 상호 연결되어, 앞차축 부하가 큰 전동 트럭에 대한 스티어 바이 와이어 기능을 실현한다.
상기 도로 감지 모터 모듈(4)은, 도로 감지 컨트롤러(5), 제1 모터(6), 제1 감속 기구(7)를 포함한다. 제1 모터(6)의 출력단과 제1 감속 기구(7)의 입력단은 상호 연결되고, 토크는 제1 감속 기구(7)를 거쳐 감속되어 증가된 후, 상부 스티어링 컬럼(3)에 전달된다. 도로 감지 컨트롤러(5)는 제1 모터(6)의 회전 속도를 제어한다. 도로 감지 컨트롤러(5)는 스티어링 도메인 컨트롤러(8)에서 발신되는 타깃 토션 신호에 따라, 도로 표면 토션을 시뮬레이션한다. 제1 코너 센세(2)는 차량 탑재 CAN 네트워크(9)를 통해 스티어링 도메인 컨트롤러(8)로 운전자 코너 요구를 발송한다. 스티어링 도메인 컨트롤러(8)는 상기 운전자 코너 요구를 타깃 토션 신호로 변환하여, 차량 탑재 CAN 네트워크(9)를 통해 마스터 제어 전동식 파워 모듈(14)로 발송한다. 도로 감지 컨트롤러(5)는 제1 모터(6) 및 제1 코너 센서(2)에 전원을 공급한다.
상기 마스터 제어 전동식 파워 모듈(14)은, 마스터 컨트롤러(15), 제2 모터(16) 및 제2 감속 기구(17)를 포함한다. 제2 모터(16)의 출력단과 제2 감속 기구(17)의 입력단은 상호 연결되고, 토크는 제2 감속 기구(17)를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어(12)로 전달된다. 마스터 컨트롤러(15)는 스티어링 도메인 컨트롤러(8)에서 발신되는 요구 토션에 따라 해당 시점의 타깃 전류를 컴퓨팅하여 얻고 전류 분배를 진행하며, 슬레이브 제어 전동식 파워 모듈(18)로 타깃 전류를 발송한다. 마스터 컨트롤러(15)는 제2 모터(16) 및 제2 코너 센서(11)에 전원을 공급한다.
상기 슬레이브 제어 전동식 파워 모듈(18)은, 슬레이브 컨트롤러(19), 제3 모터(20) 및 제3 감속 기구(21)를 포함한다. 제3 모터(20)의 출력단과 제3 감속 기구(21)의 입력단은 상호 연결되고, 토크는 제3 감속 기구(21)를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어(12)로 전달된다. 슬레이브 컨트롤러는 전류 수집 회로를 포함하며, 제3 모터(20)의 현재 전류 신호에 대한 수집을 실현한다. 슬레이브 컨트롤러(19)는 제3 모터(20)에 전원을 공급한다.
상기 마스터 컨트롤러(15)는 스티어링 도메인 컨트롤러(8) 및 차량 탑재 CAN 네트워크(9)의 동태에 따라 제1 코너 센서(2) 및 제2 코너 센서(11)의 값을 비교하여, 운전자의 운전 의도에 대한 추적을 실현한다.
여기서, 상기 제1 모터, 제2 모터 및 제3 모터는 모두 영구 자석 동기 모터를 적용한다.
여기서, 상기 제1 감속 기구, 제2 감속 기구 및 제3 감속 기구는 모두 웜 기어 감속 기구를 적용한다.
본 발명의 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법은, 상기 시스템에 기반하여, 아래의 단계를 포함한다.
랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 구축하는 단계1);
랜덤 네트워크 시간 지연이 상기 동역학 모델 궤도 추적 성능 및 안정성에 대한 평가 체계를 구축하고, 적응성 예측 모델을 구축하는 단계2);
시간 가변성 매트릭스 폴리토프 랜덤 네트워크 시간 지연의 불안정성 항목 표현 방법을 구축하고, 폴리토프 시간 지연 불안정 시스템의 적응성 모델 예측 제어 알고리즘을 제시하는 단계3).
상기 단계1)은 구체적으로 아래와 같은 단계를 포함한다.
단계 11) 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 아래와 같이 구축하는 단계-(지면 고정 좌표계 OXY일 경우)
Figure pct00075
Figure pct00076
식에서,
Figure pct00077
는 랜덤 네트워크 시간 지연 프런트 휠 코너를 포함하는 제어량이고,
Figure pct00078
,
Figure pct00079
는 각각 차량의 종방향 및 횡방향 변위이며,
Figure pct00080
,
Figure pct00081
는 각각 차량의 종방향 및 횡방향 속도이고,
Figure pct00082
,
Figure pct00083
는 각각 차량의 요(Yaw) 및 요 레이트(Yaw rate)이다.
Figure pct00084
은 참조 포인트에서 상태량의 값이고,
Figure pct00085
은 제어량의 참조 값이다.
Figure pct00086
이고,
Figure pct00087
이다.
여기서,
Figure pct00088
이다.
단계 12) 모델을 지속적으로 이산화하는 단계-
지면 고정 좌표계 OXY일 경우의 전동 트럭 궤도 추적 선형 오차 동역학 모델을 이산화하며, 식은 아래와 같다.
Figure pct00089
식에서,
Figure pct00090
이다.
여기서, T s는 샘플링 시간이고,
Figure pct00091
은 라플라스 역변환이며,
Figure pct00092
는 라플라스 연산자이다.
단계 13) 시스템 모델을 증강하는 단계-
단계11)에서 구축된 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델 상태량 및 제어량을 포함하는 새로운 상태량을 구축한다. 식은 아래와 같다.
Figure pct00093
이산된 이상적인 궤도 추적 시스템의 상태 공간 표현식을 얻을 수 있으며, 식은 아래와 같다.
Figure pct00094
식에서,
Figure pct00095
이고,
Figure pct00096
이다.
도3을 참조하면, 상기 단계2)는 구체적으로 아래와 같은 단계를 포함한다.
단계 21) 예측 시간 영역 및 제어 시간 영역의 관계를 구축하는 단계-
각 샘플링 시점에서, 예측 시간 영역 및 제어 시간 영역의 서로 다른 값은 예측 방정식 계수 매트릭스의 차원수를 변경할 수 있어, 스크롤 최적화의 해결 방향에 영향준다. 제어 시간 영역 값과 예측 시간 영역 사이의 관계는 아래와 같다.
Figure pct00097
식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며,
Figure pct00098
는 정함수이고, n은 미정 계수이며,
Figure pct00099
이다.
단계 22) 적응성 예측 시간 영역 함수를 구축하는 단계-
예측 시간 영역 및 제어 시간 영역의 값은 도로 곡률 등 환경 파라미터, 차량 속도 등 동작 조건 파라미터 및 네트워크 상황 동태를 종합적으로 고려하여 결정하여야 한다. 상기 분석을 종합하여, 적응성 예측 시간 영역 함수를 제시한다. 식은 아래와 같다.
Figure pct00100
식에서,
Figure pct00101
,
Figure pct00102
및
Figure pct00103
은 각각 k시점에서 차량의 종방향 속도, 궤도 곡률 및 타임 스탬프로 얻은 네트워크 지연이고,
Figure pct00104
와
Figure pct00105
는 미정 계수이며, i=1,2,3이고, 오프라인 최적화를 통해 얻는다.
단계 23) 파라미터 오프라인 최적화 모델을 구축하는 단계-
오프라인 파라미터 최적화 모델은 아래 식과 같다.
Figure pct00106
그 물리적 의미는 여러번 반복하는 과정에서, 미정 계수를 조절하여 예측 시간 영역 및 제어 시간 영역의 값을 변경함으로써, 현재 동작 조건에서 컴퓨팅 시간과 추적 오차를 동시에 최소화하는 미정 계수 그룹을 획득한다. 식에서, k 1, k 2는 각각 가중치 인자이고, s 1, s 2는 각각 스케일 펙터(scale factors)이며, 두개 타깃을 동일한 자릿수로 변환한다. 타깃 함수
Figure pct00107
는 단일 스크롤 최적화에 수요되는 CPU 컴퓨팅 시간이고, 타깃 함수
Figure pct00108
는 전반 과정의 평균 궤도 추적 오차이다. 제약 조건의 물리적 의미는 단일 스크롤 최적화에 수요되는 CPU 컴퓨팅 시간이 샘플링 시간을 초과해서는 안된다는 것이다.
단계 24) 예측 모델을 업데이트하는 단계-
오프라인 최적화를 통해 미정 파라미터를 구하여 얻은 후, 시스템 예측 방정 표현식을 얻으며, 식은 아래와 같다.
Figure pct00109
동작 조건에 따라 예측 시간 영역 N p와 제어 시간 영역 N c가 적응성적으로 변화할 경우, 예측 모델에서의 상태량 및 제어량의 계수 매트릭스도 적응성적으로 변화한다. 식에서,
Figure pct00110
는 k시점의 예측 출력이고,
Figure pct00111
는 k시점의 상태 벡터이며,
Figure pct00112
는 k시점의 제어 증분 벡터이고,
Figure pct00113
,
Figure pct00114
는 각각 상태량과 제어량의 계수 매트릭스이다. 표현식은 아래와 같다.
Figure pct00115
,
Figure pct00116
.
단계 25) 다음 샘플링 시점을 판단하는 단계-
스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계22)로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료한다.
도4를 참조하면, 상기 단계3)은 구체적으로 아래와 같은 단계를 포함한다.
단계 31) 상위 계층 궤도 신호의 입력을 수신하고, 스티어링 도메인 컨트롤러에 상응하는 필터를 높은 레벨로 설정하는 단계;
단계 32) 시간 지연 증강 시스템 모델을 구축하는 단계-
랜덤 네트워크 시간 지연하에 시스템의 일반화 상태 벡터를 구축하며, 식은 아래와 같다.
Figure pct00117
랜덤 네트워크 시간 지연을 고려한 이산 시스템의 상태 방정식을 구축하며, 식은 아래와 같다.
Figure pct00118
식에서,
Figure pct00119
,
Figure pct00120
,
Figure pct00121
이고,
Figure pct00122
,
Figure pct00123
이다.
단계 33) 시간 지연 불안정성 계수의 선형 표현 방법 및 랜덤 네트워크 시간 지연의 폴리토프 모델을 구축하는 단계-
상기
Figure pct00124
는 랜덤 네트워크 지연으로 인한 불안정성 계수이며. 식은 아래와 같다.
Figure pct00125
Figure pct00126
식에서,
Figure pct00127
는 적분 상한이고, 그 물리적 의미는 제어 신호
Figure pct00128
가 실제로 대응 구간 내에서 작용을 일으킨 시간 길이이고,
Figure pct00129
는
Figure pct00130
시점에 신호를 발신하는 총 시간 지연 길이이다.
랜덤 네트워크 시간 지연 불안정성 계수 매트릭스의 구축은 폴리토프 모델을 통해 아래와 같이 표현할 수 있다.
Figure pct00131
Figure pct00132
Figure pct00133
식에서,
Figure pct00134
는 다면체의 각 정점과 네트워크 시간 지연 k가 관련되는 시간 가변성 계수이며, 만족 관계는 아래 식과 같다.
Figure pct00135
그 물리적 의미는 한 샘플링 주기 내에 작용하는 모든 신호이다.
Figure pct00136
는 예측 제어가 k시점 제어량을 컴퓨팅할 경우, 고려해야 하는
Figure pct00137
시점에 발신되는 제어 신호
Figure pct00138
가 작용을 일으키는 시간 길이를 의미한다.
단계 34) 불안정 시스템 적응성 모델 예측 제어 알고리즘을 구축하는 단계-
동역학 모델에 기반하여, 궤도 추적 동적 최적화 지표를 구축하며, 식은 아래와 같다.
Figure pct00139
식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며, Q, R은 가중치 매트릭스이고,
Figure pct00140
는 이완 인자 가중치 계수이며,
Figure pct00141
는 이완 인자이다.
네트워크 시간 지연을 포함하는 자율 주행 차량 궤도 추적 컨트롤러가 각 제어 주기 내의 동적 최적화 모델을 구축하며, 식은 아래와 같다.
Figure pct00142
Figure pct00143
,
Figure pct00144
식에서,
Figure pct00145
는 제어 증분 제약이고,
Figure pct00146
는 하드 제약 출력이며,
Figure pct00147
는 소프트 제약 출력이고, 이완 인자
Figure pct00148
를 통해 소프트 제약 출력 범위를 조절할 수 있으며, e는 예측 시간 영역 내의 추적 오차이다.
단계 35) 다음 샘플링 시점을 판단하는 단계-
만약 스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계33)으로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료한다.
본 발명은 구체적인 적용 경로가 많으며, 상기 설명은 단지 본 발명의 바람직한 실시형태일 뿐이다. 지적해야 할 것은, 당업자에게 있어서, 본 발명의 원리를 벗어나지 않고, 어느 정도 더 개선할 수 있으며, 이러한 개선도 본 발명의 보호 범위로 간주해야 한다.

Claims (8)

  1. 마스터 제어 전동식 파워 모듈, 슬레이브 제어 전동식 파워 모듈, 도로 감지 모터 모듈, 스티어링 휠, 상부 스티어링 컬럼, 하부 스티어링 컬럼, 랙 엔 피니언 스티어링 기어, 휠, 제1 코너 센서, 제2 코너 센서, 스티어링 도메인 컨트롤러 및 차량 탑재 CAN네트워크를 포함하며,
    상기 스티어링 휠은 상부 스티어링 컬럼의 토크 입력단에 스플라인을 통해 연결되고, 스티어링 휠과 상부 스티어링 컬럼 사이에는 제1 코너 센서가 장착되며, 상부 스티어링 컬럼의 하단에 도로 감지 모터 모듈이 장착되고, 상기 상부 스티어링 컬럼과 하부 스티어링 컬럼 사이에는 기계적 연결이 없으며, 수직 방향에서 상기 상부 스티어링 컬럼과 하부 스티어링 컬럼 사이에는 간격이 남겨져 있고, 제2 코너 센서는 하부 스티어링 컬럼의 입력단에 장착되며, 하부 스티어링 컬럼의 출력단과 랙 엔 피니언 스티어링 기어는 상호 연결되고, 상기 마스터 제어 전동식 파워 모듈 및 슬레이브 제어 전동식 파워 모듈은 랙 엔 피니언 스티어링 기어의 랙 위에 장착되며, 랙 끝단과 휠은 상호 연결되며,
    상기 도로 감지 모터 모듈은, 도로 감지 컨트롤러, 제1 모터, 제1 감속 기구를 포함하며, 제1 모터의 출력단과 제1 감속 기구의 입력단은 상호 연결되고, 토크는 제1 감속 기구를 거쳐 감속되어 증가된 후, 상부 스티어링 컬럼에 전달되며, 도로 감지 컨트롤러는 제1 모터의 회전 속도를 제어하며, 도로 감지 컨트롤러는 스티어링 도메인 컨트롤러에서 발신되는 타깃 토션 신호에 따라, 도로 표면 토션을 시뮬레이션하고, 제1 코너 센세는 차량 탑재 CAN 네트워크를 통해 스티어링 도메인 컨트롤러로 운전자 코너 요구를 발송하며, 스티어링 도메인 컨트롤러는 상기 운전자 코너 요구를 타깃 토션 신호로 변환하여, 차량 탑재 CAN 네트워크를 통해 마스터 제어 전동식 파워 모듈로 발송하며,
    상기 마스터 제어 전동식 파워 모듈은, 마스터 컨트롤러, 제2 모터 및 제2 감속 기구를 포함하며, 제2 모터의 출력단과 제2 감속 기구의 입력단은 상호 연결되고, 토크는 제2 감속 기구를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어로 전달되며, 마스터 컨트롤러는 스티어링 도메인 컨트롤러에서 발신되는 요구 토션에 따라 해당 시점의 타깃 전류를 컴퓨팅하여 얻고 전류 분배를 진행하며, 슬레이브 제어 전동식 파워 모듈로 타깃 전류를 발송하며,
    상기 슬레이브 제어 전동식 파워 모듈은, 슬레이브 컨트롤러, 제3 모터 및 제3 감속 기구를 포함하며, 제3 모터의 출력단과 제3 감속 기구의 입력단은 상호 연결되고, 토크는 제3 감속 기구를 거쳐 감속되어 증가된 후, 랙 엔 피니언 스티어링 기어로 전달되며,
    상기 마스터 컨트롤러는 스티어링 도메인 컨트롤러 및 차량 탑재 CAN 네트워크의 동태에 따라 제1 코너 센서 및 제2 코너 센서의 값을 비교하여, 운전자의 운전 의도에 대한 추적을 실현하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템.
  2. 제1항에 있어서,
    상기 제1 모터, 제2 모터 및 제3 모터는 모두 영구 자석 동기 모터를 적용하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템.
  3. 제1항에 있어서,
    상기 제1 감속 기구, 제2 감속 기구 및 제3 감속 기구는 모두 웜 기어 감속 기구를 적용하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템.
  4. 제1항에 있어서,
    상기 슬레이브 컨트롤러는 전류 수집 회로를 포함하여, 제3모터의 현재 전류 신호에 대한 수집을 실현하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템.
  5. 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 구축하는 단계1);
    랜덤 네트워크 시간 지연이 상기 동역학 모델 궤도 추적 성능 및 안정성에 대한 평가 체계를 구축하고, 적응성 예측 모델을 구축하는 단계2);
    시간 가변성 매트릭스 폴리토프 랜덤 네트워크 시간 지연의 불안정성 항목 표현 방법을 구축하고, 폴리토프 시간 지연 불안정 시스템의 적응성 모델 예측 제어 알고리즘을 제시하는 단계3);
    을 포함하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법.
  6. 제5항에 있어서,
    상기 단계1)은 구체적으로,
    랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델을 아래와 같이 구축하는 단계 11) -
    Figure pct00149

    Figure pct00150

    식에서,
    Figure pct00151
    는 랜덤 네트워크 시간 지연 프런트 휠 코너를 포함하는 제어량이고,
    Figure pct00152
    ,
    Figure pct00153
    는 각각 차량의 종방향 및 횡방향 변위이며,
    Figure pct00154
    ,
    Figure pct00155
    는 각각 차량의 종방향 및 횡방향 속도이고,
    Figure pct00156
    ,
    Figure pct00157
    는 각각 차량의 요 및 요 레이트이며,
    Figure pct00158
    은 참조 포인트에서 상태량의 값이고,
    Figure pct00159
    은 제어량의 참조 값이며,
    Figure pct00160
    ,
    Figure pct00161
    이며,
    여기서,
    Figure pct00162
    이며;
    모델을 지속적으로 이산화하는 단계 12) -
    지면 고정 좌표계 OXY일 경우의 전동 트럭 궤도 추적 선형 오차 동역학 모델을 이산화하며, 식은 아래와 같은바,
    Figure pct00163

    식에서,
    Figure pct00164
    이며,
    여기서, T s는 샘플링 시간이고,
    Figure pct00165
    은 라플라스 역변환이며,
    Figure pct00166
    는 라플라스 연산자이며;
    시스템 모델을 증강하는 단계 13) -
    단계11)에서 구축된 랜덤 네트워크 시간 지연을 포함하는 전동 트럭 궤도 추적 선형 오차 동역학 모델 상태량 및 제어량을 포함하는 새로운 상태량을 구축하며, 식은 아래와 같은바,
    Figure pct00167

    이산된 이상적인 궤도 추적 시스템의 상태 공간 표현식을 얻을 수 있으며, 식은 아래와 같은바,
    Figure pct00168

    식에서,
    Figure pct00169
    ,
    Figure pct00170
    인 것;
    를 포함하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법.
  7. 제5항에 있어서,
    상기 단계2)는 구체적으로,
    예측 시간 영역 및 제어 시간 영역의 관계를 구축하는 단계 21) -
    제어 시간 영역 값과 예측 시간 영역 사이의 관계는 아래와 같은바,
    Figure pct00171

    식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며,
    Figure pct00172
    는 정함수이고, n은 미정 계수이며,
    Figure pct00173
    이며;
    적응성 예측 시간 영역 함수를 구축하는 단계 22) -
    적응성 예측 시간 영역 함수를 제시하며, 식은 아래와 같은바,
    Figure pct00174

    식에서,
    Figure pct00175
    ,
    Figure pct00176
    및
    Figure pct00177
    은 각각 k시점에서 차량의 종방향 속도, 궤도 곡률 및 타임 스탬프로 얻은 네트워크 지연이고,
    Figure pct00178
    와
    Figure pct00179
    는 미정 계수이며, i=1,2,3이고, 오프라인 최적화를 통해 얻으며;
    파라미터 오프라인 최적화 모델을 구축하는 단계 23) -
    오프라인 파라미터 최적화 모델은 아래 식과 같은바,
    Figure pct00180

    식에서, k 1, k 2는 각각 가중치 인자이고, s 1, s 2는 각각 스케일 펙터이며, 두개 타깃을 동일한 자릿수로 변환하며, 타깃 함수
    Figure pct00181
    는 단일 스크롤 최적화에 수요되는 CPU 컴퓨팅 시간이고, 타깃 함수
    Figure pct00182
    는 전반 과정의 평균 궤도 추적 오차이며;
    예측 모델을 업데이트하는 단계 24) -
    오프라인 최적화를 통해 미정 파라미터를 구하여 얻은 후, 시스템 예측 방정 표현식을 얻으며, 식은 아래와 같고,
    Figure pct00183

    동작 조건에 따라 예측 시간 영역 N p와 제어 시간 영역 N c가 적응성적으로 변화할 경우, 예측 모델에서의 상태량 및 제어량의 계수 매트릭스도 적응성적으로 변화하며, 식에서,
    Figure pct00184
    는 k시점의 예측 출력이고,
    Figure pct00185
    는 k시점의 상태 벡터이며,
    Figure pct00186
    는 k시점의 제어 증분 벡터이고,
    Figure pct00187
    ,
    Figure pct00188
    는 각각 상태량과 제어량의 계수 매트릭스이며, 표현식은 아래와 같고,
    Figure pct00189
    ,
    Figure pct00190
    ;
    다음 샘플링 시점을 판단하는 단계 25) -
    스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계23)으로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료하는 것;
    를 포함하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법.
  8. 청구항5에 있어서,
    상기 단계3)은 구체적으로,
    상위 계층 궤도 신호의 입력을 수신하고, 스티어링 도메인 컨트롤러에 상응하는 필터를 높은 레벨로 설정하는 단계 31) ;
    시간 지연 증강 시스템 모델을 구축하는 단계 32) -
    랜덤 네트워크 시간 지연하에 시스템의 일반화 상태 벡터를 구축하며, 식은 아래와 같고,
    Figure pct00191

    랜덤 네트워크 시간 지연을 고려한 이산 시스템의 상태 방정식을 구축하며, 식은 아래와 같고,
    Figure pct00192

    식에서,
    Figure pct00193
    ,
    Figure pct00194
    ,
    Figure pct00195
    이고,
    Figure pct00196
    ,
    Figure pct00197
    이며;
    시간 지연 불안정성 계수의 선형 표현 방법 및 랜덤 네트워크 시간 지연의 폴리토프 모델을 구축하는 단계 33) -
    상기
    Figure pct00198
    는 랜덤 네트워크 지연으로 인한 불안정성 계수이며. 식은 아래와 같은바,
    Figure pct00199

    Figure pct00200

    식에서,
    Figure pct00201
    는 적분 상한이고, 그 물리적 의미는 제어 신호
    Figure pct00202
    가 실제로 대응 구간 내에서 작용을 일으킨 시간 길이이고,
    Figure pct00203
    는
    Figure pct00204
    시점에 신호를 발신하는 총 시간 지연 길이이며,
    랜덤 네트워크 시간 지연 불안정성 계수 매트릭스의 구축은 폴리토프 모델을 통해 아래와 같이 표현할 수 있는바,
    Figure pct00205

    Figure pct00206

    Figure pct00207

    식에서,
    Figure pct00208
    는 다면체의 각 정점과 네트워크 시간 지연 k가 관련되는 시간 가변성 계수이며, 만족 관계는 아래 식과 같은바,
    Figure pct00209

    Figure pct00210
    는 예측 제어가 k시점 제어량을 컴퓨팅할 경우, 고려해야 하는
    Figure pct00211
    시점에 발신되는 제어 신호
    Figure pct00212
    가 작용을 일으키는 시간 길이를 의미하며;
    불안정 시스템 적응성 모델 예측 제어 알고리즘을 구축하는 단계 34) -
    동역학 모델에 기반하여, 궤도 추적 동적 최적화 지표를 구축하며, 식은 아래와 같고,
    Figure pct00213
    ,
    식에서, N p는 예측 시간 영역이고, N c는 제어 시간 영역이며, Q, R은 가중치 매트릭스이고,
    Figure pct00214
    는 이완 인자 가중치 계수이며,
    Figure pct00215
    는 이완 인자이며,
    네트워크 시간 지연을 포함하는 자율 주행 차량 궤도 추적 컨트롤러가 각 제어 주기 내의 동적 최적화 모델을 구축하며, 식은 아래와 같은바,
    Figure pct00216

    Figure pct00217
    ,
    Figure pct00218

    식에서,
    Figure pct00219
    는 제어 증분 제약이고,
    Figure pct00220
    는 하드 제약 출력이며,
    Figure pct00221
    는 소프트 제약 출력이고, 이완 인자
    Figure pct00222
    를 통해 소프트 제약 출력 범위를 조절할 수 있으며, e는 예측 시간 영역 내의 추적 오차이며;
    다음 샘플링 시점을 판단하는 단계 35) -
    만약 스티어링 도메인 컨트롤러의 카운팅 모듈에서 발생되는 명령어 중 여전히 다음 시점이 존재하는 경우, 단계33)으로 돌아가며, 그렇지 않으면 전체 계산 과정을 종료하는 것;
    를 포함하는 것을 특징으로 하는 전동 트럭 스티어 바이 와이어 시스템의 네트워크 불안정에 대한 제어 방법.
KR1020227003233A 2019-10-25 2020-05-14 차량용 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법 KR102645499B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201911023501.0 2019-10-25
CN201911023501.0A CN110775154B (zh) 2019-10-25 2019-10-25 一种电动卡车线控转向系统及其网络不确定控制方法
PCT/CN2020/090294 WO2021077727A1 (zh) 2019-10-25 2020-05-14 一种电动卡车线控转向系统及其网络不确定控制方法

Publications (2)

Publication Number Publication Date
KR20220027206A true KR20220027206A (ko) 2022-03-07
KR102645499B1 KR102645499B1 (ko) 2024-03-07

Family

ID=69386672

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227003233A KR102645499B1 (ko) 2019-10-25 2020-05-14 차량용 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법

Country Status (4)

Country Link
US (1) US20220289269A1 (ko)
KR (1) KR102645499B1 (ko)
CN (1) CN110775154B (ko)
WO (1) WO2021077727A1 (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110775154B (zh) * 2019-10-25 2021-02-05 南京航空航天大学 一种电动卡车线控转向系统及其网络不确定控制方法
CN111923995B (zh) * 2020-07-07 2022-06-24 南京天航智能装备研究院有限公司 一种电液智能多冗余线控转向系统及其自适应控制方法
CN113562066B (zh) * 2021-07-20 2022-09-09 浙江万安科技股份有限公司 一种线控转向系统及故障诊断方法
CN113704902B (zh) * 2021-07-26 2024-04-09 兰州大学 一种基于梯度投影神经动力学的门式起重机模型预测最优控制方法
CN113911205B (zh) * 2021-11-22 2022-09-23 中国第一汽车股份有限公司 车辆及其线控转向控制系统、方法
US11919582B2 (en) * 2022-03-01 2024-03-05 Gm Global Technology Operation Llc Methods, systems, and apparatuses for real-time adaptation of handwheel angle controls for robust automated driving to environmental conditions and model uncertainties
CN114834526B (zh) * 2022-05-18 2023-05-12 南京航空航天大学 一种云控自动转向装置的时滞控制系统及方法
CN115285138B (zh) * 2022-08-31 2024-02-27 浙江工业大学 一种基于紧约束的无人车鲁棒预测控制方法
CN115598983B (zh) * 2022-10-28 2023-06-13 湖南大学无锡智能控制研究院 一种考虑时变时延的无人车横纵向协同控制方法及装置
CN116027672B (zh) * 2023-03-28 2023-06-09 山东大学 基于神经网络的模型预测控制方法
CN117068254B (zh) * 2023-08-16 2024-04-16 上海同驭汽车科技有限公司 一种冗余设计的汽车转向系统、控制方法及车辆
CN117927458B (zh) * 2024-03-21 2024-05-24 希望森兰科技股份有限公司 一种用于空压机系统的快响应滑模控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110089195A (ko) * 2008-12-26 2011-08-04 도요타 지도샤（주） 차량의 주행 지원 장치
CN102320325A (zh) * 2011-06-24 2012-01-18 吉林大学 应用于双电机线控转向系统的冗余容错控制方法
KR20150119635A (ko) * 2014-04-16 2015-10-26 주식회사 만도 스티어 바이 와이어용 안전장치
CN109808764A (zh) * 2019-02-28 2019-05-28 中国第一汽车股份有限公司 一种具备冗余功能的线控转向装置及控制方法
KR20190123736A (ko) * 2017-02-28 2019-11-01 르노 에스.아.에스. 차량의 궤도를 제어하는 장치

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005289190A (ja) * 2004-03-31 2005-10-20 Nissan Motor Co Ltd 電動パワーステアリング装置
JP4269166B2 (ja) * 2004-04-15 2009-05-27 トヨタ自動車株式会社 車両の操舵装置
JP4682916B2 (ja) * 2005-10-11 2011-05-11 株式会社デンソー 通信システム及び通信装置
CN104703863B (zh) * 2012-10-04 2016-04-20 日产自动车株式会社 转轮控制装置
JP2015166199A (ja) * 2014-03-03 2015-09-24 本田技研工業株式会社 車両用操舵装置
CN110775154B (zh) * 2019-10-25 2021-02-05 南京航空航天大学 一种电动卡车线控转向系统及其网络不确定控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110089195A (ko) * 2008-12-26 2011-08-04 도요타 지도샤（주） 차량의 주행 지원 장치
CN102320325A (zh) * 2011-06-24 2012-01-18 吉林大学 应用于双电机线控转向系统的冗余容错控制方法
KR20150119635A (ko) * 2014-04-16 2015-10-26 주식회사 만도 스티어 바이 와이어용 안전장치
KR20190123736A (ko) * 2017-02-28 2019-11-01 르노 에스.아.에스. 차량의 궤도를 제어하는 장치
CN109808764A (zh) * 2019-02-28 2019-05-28 中国第一汽车股份有限公司 一种具备冗余功能的线控转向装置及控制方法

Also Published As

Publication number Publication date
CN110775154A (zh) 2020-02-11
WO2021077727A1 (zh) 2021-04-29
CN110775154B (zh) 2021-02-05
KR102645499B1 (ko) 2024-03-07
US20220289269A1 (en) 2022-09-15

Similar Documents

Publication Publication Date Title
KR102645499B1 (ko) 차량용 스티어 바이 와이어 시스템 및 그 네트워크 불안정에 대한 제어 방법
Liu et al. Vision‐aided intelligent vehicle sideslip angle estimation based on a dynamic model
Wang et al. Robust output-feedback based vehicle lateral motion control considering network-induced delay and tire force saturation
Chen et al. UKF‐based adaptive variable structure observer for vehicle sideslip with dynamic correction
US8670903B2 (en) Lane centering fail-safe control using differential braking
Li et al. Terminal sliding mode control of automated car-following system without reliance on longitudinal acceleration information
Guvenc et al. Robust two degree-of-freedom add-on controller design for automatic steering
Zhang et al. A novel robust event‐triggered fault tolerant automatic steering control approach of autonomous land vehicles under in‐vehicle network delay
Hwang et al. Robust nonlinear control using barrier Lyapunov function under lateral offset error constraint for lateral control of autonomous vehicles
Liu et al. Nonlinear stochastic predictive control with unscented transformation for semi-autonomous vehicles
Yang et al. Adaptive estimation of road gradient and vehicle parameters for vehicular systems
CN107585207B (zh) 一种车辆线控四轮转向系统及其控制方法
CN106019938B (zh) 基于数据驱动的acc系统离散二阶滑模控制系统的控制方法
CN104648470B (zh) 来自车辆动态传感器的手轮角度或轮速
Huang et al. Lateral Stability Control of Four‐Wheel Independent Drive Electric Vehicles Based on Model Predictive Control
Na et al. Torque control of electric power steering systems based on improved active disturbance rejection control
Shao et al. Active steering control for vehicle rollover risk reduction based on slip angle estimation
Ma et al. Event-triggered type-2 fuzzy-based sliding mode control for steer-by-wire systems
Huang et al. An improved adaptive unscented Kalman filter for estimating the states of in‐wheel‐motored electric vehicle
Sun et al. Collision-avoidance steering control for autonomous vehicles using neural network-based adaptive integral terminal sliding mode
Gáspár et al. Integrated control design for driver assistance systems based on LPV methods
Jeon et al. Nonlinear observer for vehicle motion tracking
Zhang et al. An Eco‐Cruise Control for Electric Vehicles Moving on Slope Road with Constant Speed
CN201901090U (zh) 一种电动汽车用eps与sas集成控制系统
WO2023169701A1 (en) Robust vehicle speed over ground estimation using wheel speed sensors and inertial measurement units

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant