KR20220153746A - 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 - Google Patents
브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 Download PDFInfo
- Publication number
- KR20220153746A KR20220153746A KR1020210061090A KR20210061090A KR20220153746A KR 20220153746 A KR20220153746 A KR 20220153746A KR 1020210061090 A KR1020210061090 A KR 1020210061090A KR 20210061090 A KR20210061090 A KR 20210061090A KR 20220153746 A KR20220153746 A KR 20220153746A
- Authority
- KR
- South Korea
- Prior art keywords
- friction coefficient
- metamodel
- predicting
- derived
- variables
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000010801 machine learning Methods 0.000 claims abstract description 60
- 230000008859 change Effects 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 16
- 238000004364 calculation method Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 239000002783 friction material Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/02—Measuring coefficient of friction between materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
- B60T17/18—Safety devices; Monitoring
- B60T17/22—Devices for monitoring or checking brake systems; Signal devices
- B60T17/221—Procedure or apparatus for checking or keeping in a correct functioning condition of brake systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/171—Detecting parameters used in the regulation; Measuring values used in the regulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/32—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration
- B60T8/56—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration having means for changing the coefficient of friction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/32—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration
- B60T8/58—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force responsive to a speed condition, e.g. acceleration or deceleration responsive to speed and another condition or to plural speed conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2270/00—Further aspects of brake control systems not otherwise provided for
- B60T2270/40—Failsafe aspects of brake control systems
- B60T2270/406—Test-mode; Self-diagnosis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2270/00—Further aspects of brake control systems not otherwise provided for
- B60T2270/86—Optimizing braking by using ESP vehicle or tire model
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/001—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/003—Position, angle or speed
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D66/00—Arrangements for monitoring working conditions, e.g. wear, temperature
- F16D2066/005—Force, torque, stress or strain
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Braking Arrangements (AREA)
Abstract
본 발명은 브레이크 패드의 마찰계수 예측을 위한 디스크의 속도, 온도, 압력과 같은 기본 변수 외에 디스크의 속도, 온도, 압력과 관련된 다양한 파생 변수들을 이용한 기계 학습을 통하여 마찰계수 예측용 메타모델을 구축함으로써, 마찰계수 예측용 메타모델의 마찰계수 예측 성능 및 정확도를 크게 향상시킬 수 있고, 브레이크 토크에 대한 계산 정확도를 통하여 차량의 주행 성능 평가에 대한 정확도를 향상시킬 수 있도록 한 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법을 제공하고자 한 것이다.
Description
본 발명은 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 브레이크 패드의 마찰계수 예측을 위한 기본 변수 외에 파생 변수들을 이용한 기계 학습을 통하여, 마찰계수 예측용 메타모델의 마찰계수 예측 성능 및 정확도를 크게 향상시킬 수 있도록 한 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 고도화된 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템에 관한 것이다.
차량의 성능 평가를 위한 시뮬레이션 항목 중, 브레이크 디스크 등의 마찰부품을 포함하는 제동장치의 제동 시뮬레이션이 실시되고 있다.
상기 제동 시뮬레이션은 브레이크의 기본 성능 평가 외에 브레이크 열용량 평가, 제동거리 평가, 서킷 주행 랩 타임(LAB TIME) 평가 등 여러가지 항목들을 테스트하기 위한 과정을 말한다.
대개, 차량의 유압 제동은 캘리퍼의 휠 실린더에 유압이 제공되는 과정과, 휠 실린더의 피스톤부가 브레이크 패드를 가압하는 과정과, 실질적인 제동을 위하여 브레이크 패드가 타이어와 함께 회전하는 브레이크 디스크 표면에 마찰 접촉되는 과정으로 이루어진다.
이때, 상기 브레이크 디스크의 마찰계수(μ)는 디스크의 속도(rad/s), 온도(T), 압력(P)에 따라 연속적 또는 비선형적으로 변화하게 된다.
즉, 상기 브레이크 디스크의 마찰계수는 차속에 따른 디스크의 회전속도, 디스크의 온도, 휠 실린더 및 브레이크 패드로부터 디스크에 작용하는 압력(유압) 크기 등에 따라 연속적 또는 비선형적으로 변화하게 된다.
따라서, 차량의 제동장치 성능 평가를 위한 제동 시뮬레이션 과정 중 제동 토크를 계산할 때, 제동 시뮬레이션의 정확도를 향상시키기 위하여 브레이크 디스크의 마찰계수 파라미터를 정확하게 반영시켜야 한다.
종래 기술의 일례로서, 차량의 제동장치 성능 평가를 위한 제동 토크를 계산할 때, 디스크의 마찰계수(μ)를 고정 평균값(Constant)으로 반영하는 방법이 사용되고 있다.
그러나, 상기 제동 토크를 계산할 때, 마찰계수를 고정 평균값(예, 0.34, 0.38, 0.42 등)으로 반영하면, 주행 상황에 따른 마찰계수의 변화를 반영하지 못하여, 제동 토크 계산의 정확도가 떨어지는 문제점이 있다.
종래 기술의 다른 예로서, 제동장치의 성능 평가를 위한 제동 토크를 계산하기 위하여, 브레이크 디스크의 온도에 따른 마찰계수(μ)를 맵 데이터로 구축하고, 주행 상태에 따른 브레이크 디스크 온도를 계산한 다음, 계산된 온도에 대응하는 마찰계수를 맵 데이터로부터 결정하는 방법이 적용되고 있다.
그러나, 상기 제동 토크를 계산할 때, 디스크 온도에 따른 마찰계수를 맵 데이터로부터 반영할 수 있으나, 디스크의 온도 변화와 동시에 발생하는 디스크 회전속도 및 유압력의 변화 등을 고려한 마찰계수 변화을 반영하지 못하여, 마찬가지로 제동 토크 계산의 정확도가 떨어지는 문제점이 있다.
결국, 위와 같은 종래 기술에 의하여 계산된 제동 토크는 실제 제동 토크 대비 차이가 발생하게 되어, 제동 시뮬레이션의 결과에 대한 정확도가 떨어질 수 밖에 없다.
따라서, 상기 제동 시뮬레이션 과정의 정확도를 높이기 위하여, 브레이크 디스크의 마찰계수 변화에 영향을 주는 디스크 온도, 디스크 회전속도, 제동 압력(유압) 등의 변화를 고려한 정확한 마찰계수를 반영하여 제동 토크를 계산하는 방법이 요구되고 있다.
이를 위해, 상기 마찰계수를 정확하게 예측할 수 있는 방법으로서, 기계 학습을 이용한 마찰계수 예측용 메타모델이 사용되고 있다.
그러나, 기존의 기계 학습을 이용한 마찰계수 예측용 메타모델은 디스크의 속도, 온도, 압력과 같은 기본 변수 만을 이용하여 마찰계수 예측은 가능하지만, 다음과 같은 문제점이 있다.
첫째, 실제 마찰계수 대비 예측 마찰계수가 도 1에 도시된 바와 같이 특정 시간 지점에서 끊어지며 아래로 떨어지는 현상이 발생하거나, 실제 마찰계수 대비 예측 마찰계수가 도 2에 도시된 바와 같이 특정 시간 구간에 걸쳐 아래로 벗어나는 현상이 발생하여 정확성이 떨어지는 문제점이 있다.
둘째, 실제 마찰계수 대비 예측 마찰계수가 도 3 및 도 4에 도시된 바와 같이, 연속적이지 못하고 특정 구간에서 끊기는 현상이 발생하여 정확성이 떨어지는 문제점이 있다.
셋째, 예측 마찰계수가 로우 데이터(Raw data)의 노이즈(noise) 등으로 인하여 도 5 및 6에 도시된 바와 같이 실제 마찰계수로부터 크게 벗어나서 정확성이 떨어지는 문제점이 있다.
본 발명은 상기와 같은 종래의 제반 문제점을 해결하기 위하여 안출한 것으로서, 브레이크 패드의 마찰계수 예측을 위한 디스크의 속도, 온도, 압력과 같은 기본 변수 외에 디스크의 속도, 온도, 압력과 관련된 다양한 파생 변수들을 이용한 기계 학습을 통하여 마찰계수 예측용 메타모델을 구축함으로써, 마찰계수 예측용 메타모델의 마찰계수 예측 성능 및 정확도를 크게 향상시킬 수 있고, 브레이크 토크에 대한 계산 정확도를 통하여 차량의 주행 성능 평가에 대한 정확도를 향상시킬 수 있도록 한 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 고도화된 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템을 제공하는데 그 목적이 있다.
상기한 목적을 달성하기 위한 본 발명의 일 구현예는: 브레이크 디스크의 회전 속도, 온도, 압력을 포함하는 로우 데이터를 유효화시키기 위하여 전처리하는 데이터 전처리기; 상기 데이터 전처리기로부터 출력되는 디스크의 회전 속도, 온도, 압력을 포함하는 기본변수로부터 파생변수들을 생성하는 파생변수 전처리기; 및 상기 파생변수 전처리기로부터 출력되는 파생변수들을 기초로 기계학습을 수행하여 마찰계수 예측용 메타모델을 생성하는 기계학습기; 를 포함하여 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 제공한다.
상기한 목적을 달성하기 위한 본 발명의 다른 구현예는: 브레이크 디스크의 회전 속도, 온도, 압력을 포함하는 로우 데이터를 유효화시키기 위한 데이터 전처리기의 데이터 전처리 단계; 파생변수 전처리기에서, 상기 데이터 전처리기로부터 출력되는 디스크의 회전 속도, 온도, 압력을 포함하는 기본변수로부터 파생변수들을 생성하는 단계; 기계학습기에서, 상기 파생변수 전처리기로부터 출력되는 파생변수들을 기초로 기계학습을 수행하여 마찰계수 예측용 메타모델을 생성하는 단계; 를 포함하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법을 제공한다.
상기한 목적을 달성하기 위한 본 발명의 또 다른 구현예는: 상기한 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템에 의하여 생성된 마찰계수 예측용 메타모델; 상기 마찰계수 예측용 메타모델로부터 출력되는 마찰계수를 기초로 제동 토크를 계산하여 제동장치에 인가하는 제동 제어기; 를 포함하는 브레이크 패드 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템을 제공한다.
상기한 과제의 해결 수단을 통하여 본 발명은 다음과 같은 효과를 제공한다.
첫째, 브레이크 패드의 마찰계수 예측을 위한 디스크의 속도, 온도, 압력과 같은 기본 변수 외에 디스크의 속도, 온도, 압력과 관련된 다양한 파생 변수들을 이용한 기계 학습을 통하여 마찰계수 예측용 메타모델을 구축함으로써, 마찰계수 예측용 메타모델의 마찰계수 예측 성능 및 정확도를 크게 향상시킬 수 있다.
둘째, 기본변수 외에 파생변수들을 사용하여 마찰계수 예측용 메타모델의 성능을 고도화시킴으로써, 마찰계수 예측 에러 크기를 최소화시킬 수 있고, 마찰계수 예측 결과의 이상 거동 발생 현상을 최소화시킬 수 있는 등 정확한 마찰계수 추정이 가능한 장점을 제공할 수 있다.
셋째, 정확한 마찰계수 추정을 통하여, 제동장치의 제동 토크에 대한 계산 정확도를 통하여 차량의 주행 성능 평가에 대한 정확도를 향상시킬 수 있고, 실제 제동장치의 성능 향상을 도모할 수 있다.
도 1 ~ 도 6은 기존의 마찰계수 예측용 메타모델로부터 출력되는 예측 마찰계수의 부정확성을 도시한 그래프,
도 7은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 도시한 구성도,
도 8은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델의 구동예를 도시한 모식도,
도 9a는 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 제동 제어 시스템에 적용된 예를 도시한 제어 구성도,
도 9b는 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 제동 제어 방법에 적용된 예를 도시한 제어 순서도,
도 10 ~ 도 15는 본 발명에 따른 마찰계수 예측용 메타모델로부터 출력되는 예측 마찰계수의 정확도를 기존과 비교하여 도시한 그래프.
도 7은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 도시한 구성도,
도 8은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델의 구동예를 도시한 모식도,
도 9a는 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 제동 제어 시스템에 적용된 예를 도시한 제어 구성도,
도 9b는 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 제동 제어 방법에 적용된 예를 도시한 제어 순서도,
도 10 ~ 도 15는 본 발명에 따른 마찰계수 예측용 메타모델로부터 출력되는 예측 마찰계수의 정확도를 기존과 비교하여 도시한 그래프.
이하, 본 발명의 바람직한 실시예를 첨부도면을 참조로 상세하게 설명하기로 한다.
첨부한 도 7은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 도시한 구성도이다.
도 7에 도시된 바와 같이, 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템은 마찰계수 및 이와 관련된 브레이크 디스크의 회전 속도, 온도, 압력 등과 같은 로우 데이터(Raw data)를 유효화시키기 위하여 전처리하는 데이터 전처리기(10, Data preprocessor)와, 상기 데이터 전처리기(10)로부터 출력되는 디스크의 회전 속도, 온도, 압력 등과 같은 기본변수로부터 핵심인자 분석법을 이용하여 파생변수들을 생성하는 파생변수 전처리기(20, Derivative parameter preprocessor)와, 상기 파생변수 전처리기(20)로부터 출력되는 파생변수들을 기초로 기계학습을 수행하여 마찰계수 예측용 메타모델(40)을 생성하는 기계학습기(30, Machine learning processor)를 포함하여 구성된다.
상기 로우 데이터는 브레이크 디스크와 같은 마찰재의 사용 이력에 따라 마찰계수의 거동이 달라지는 점을 감안하여, 버니싱(burnishing) 가공 전의 신품 마찰재의 마찰계수 거동 평가와, 버니싱(burnishing) 가공 후의 마찰재의 마찰계수 거동 평가와, 페이드(FADE) 발생 중의 마찰재의 마찰계수 거동 평가와, 페이드(FADE) 발생 후의 마찰재의 마찰계수 거동 평가 등을 통하여 얻어진 데이터로서, 기계학습 수행에 필요한 입력 데이터(브레이크 디스크의 회전 속도, 온도, 압력) 및 출력 데이터(마찰계수)를 포함한다.
상기 데이터 전처리기(10)는 로우 데이터에 대하여 데이터의 신뢰를 위한 데이터 안정화 구간 분류, 기준범위를 벗어나는 음수 제거 및 이상치 제거, 중복 데이터 제거 등과 같은 전처리를 실시하여, 로우 데이터로부터 유효한 데이터를 얻을 수 있도록 구성된다.
상기 파생변수 전처리기(20)는 데이터 전처리기에서 전처리된 디스크의 회전 속도, 온도, 압력 등과 같은 기본변수와 마찰계수 간에 선형 관계를 나타내지 않고, 각 기본변수별 동일 조건에서의 마찰계수(μ) 차이가 발생하는 점을 감안하여, 마찰계수 차이가 발생하는 시점에서의 기본변수와 마찰계수의 관계를 분석하여 마찰계수 변화에 영향을 주는 핵심인자를 파생변수로 정의하도록 구성된다.
예를 들어, 상기 파생변수 전처리기(20)는 데이터 분석 방법 중 각 변수들에 대한 시계열 분석(Time series analysis)의 평활화(smoothing) 및 래그(lag) 처리 등을 통하여 정의되는 파생변수를 생성한다.
상기 파생변수 전처리기(20)에서 정의되며 생성되는 파생변수는 압력의 이동평균(press_w), 디스크 회전속도의 이동평균(speed_w), 디스크 온도의 이동평균(disc_lc_w), 디스크 온도의 이동평균의 제곱(disc_lc_w_2d), 디스크 감속도(deceleration), 디스크 온도변화(temp_rate), 디스크 온도변화의 변화(temp_jerk), 압력 변화(press_rate), 감속도를 이용한 토크 추정치(torque_est), 토크 추정치와 온도 간의 상호 관계값(torque_est_temp), 디스크 운동에너지(ke), 디스크 누적 운동에너지(ke_cumsum) 등을 들 수 있다.
상기 압력의 이동평균(press_w)은, 디스크의 마찰계수 평가 특성 상 다양한 물리적 현상이 짧은 시간내에 이루어지고, 계측장비의 센서 계측 과정에서의 노이즈(Noise)가 많아 변수들 간의 예상하지 못한 교호작용이 많은 점을 고려하여, 상기 기계학습기에 포함되는 구성 중 마찰계수 훈련모델의 성능을 향상시키고자 기본변수 중 압력(제동 유압) 데이터들에서 이동평균(moving average)을 취하여 정의한 파생변수를 말한다.
상기 디스크 회전속도의 이동평균(speed_w)은, 디스크의 마찰계수 평가 특성 상 다양한 물리적 현상이 짧은 시간내에 이루어지고, 계측장비의 센서 계측 과정에서의 노이즈(Noise)가 많아 변수들 간의 예상하지 못한 교호작용이 많은 점을 고려하여, 상기 기계학습기에 포함되는 구성 중 마찰계수 훈련모델의 성능을 향상시키고자 기본변수 중 디스크 회전속도(rad/s) 데이터들에서 이동평균을 취하여 정의한 파생변수를 말한다.
상기 디스크 온도의 이동평균(disc_lc_w)은, 디스크의 마찰계수 평가 특성 상 다양한 물리적 현상이 짧은 시간내에 이루어지고, 계측장비의 센서 계측 과정에서의 노이즈(Noise)가 많아 변수들 간의 예상하지 못한 교호작용이 많은 점을 고려하여, 상기 기계학습기에 포함되는 구성 중 마찰계수 훈련모델의 성능을 향상시키고자 기본변수 중 디스크 온도 데이터들에서 이동평균을 취하여 정의한 파생변수를 말한다.
상기 디스크 온도의 이동평균의 제곱(disc_lc_w_2d)은, 디스크 온도의 변화 폭이 클수록 마찰계수의 변동 폭 또한 큰 특징을 반영하여 마찰계수 훈련모델의 성능을 향상시키고자 상기 디스크 온도의 이동평균에 제곱을 적용한 파생변수를 말한다.
상기 디스크 감속도(deceleration)는, 제동 토크가 마찰계수와의 관계식으로부터 정의되므로 마찰계수와 상관관계가 있으나, 기계학습의 출력 변수인 마찰계수와의 관계식으로 정의된 변수이므로 기계학습을 위한 입력데이터로 활용될 수 없는 점을 감안하여, 제동 토크와 선형관계를 가지는 동시에 마찰계수와 직접적인 관계식으로 연관되지 않을 뿐만 아니라 마찰계수와 선형 관계를 가지므로, 제동 토크를 대신하는 파생변수로 활용될 수 있다.
바람직하게는, 이전 디스크 상태 및 현재 디스크 상태를 고려하여 상기 마찰계수 훈련모델의 성능을 향상시키고자, 상기 디스크 감속도 대신에 현재의 감속도값과 이전 시점의 감속도값 간의 차이(speedt - speedt-n)인 감속도 변화를 파생 변수로 활용할 수 있다.
상기 디스크 온도변화(temp_rate)는 현재의 온도값과 이전 시점의 온도값 간의 차이(tempt - tempt-n)로서, 디스크 온도의 변화 폭이 클수록 마찰계수의 변동 폭 또한 큰 특징을 반영함과 함께 이전 디스크 상태 및 현재 디스크 상태를 고려하여 상기 마찰계수 훈련모델의 성능을 향상시키고자 파생 변수 중 하나로 선정된 것이다.
상기 디스크 온도변화의 변화(temp_jerk)는 현재의 온도변화와 이전 시점의 온도변화 간의 차이(temp_ratet - temp_ratet-n)로서, 디스크 온도의 변화 폭이 클수록 마찰계수의 변동 폭 또한 큰 특징을 반영함과 함께 이전 디스크 상태 및 현재 디스크 상태를 고려하여 상기 마찰계수 훈련모델의 성능을 향상시키고자 파생 변수 중 하나로 선정된 것이다.
상기 압력변화(press_rate)는 제동 유압의 변화로서 현재의 압력과 이전 시점의 압력 간의 차이(presst - presst-n)를 말하며, 마찰계수가 압력(유압)에 영향을 받는 물리적인 현상을 고려함과 함께 이전의 어떤 압력을 거쳐 현재 압력이 발생하고 있는지에 대한 영향을 고려하여 상기 마찰계수 훈련모델의 성능을 향상시키고자 파생 변수 중 하나로 선정된 것이다.
상기 감속도를 이용한 토크 추정치(torque_est)는 감속도를 압력으로 나누어진 값(감속도/압력)으로서, 디스크 감속도가 제동 토크와 선형관계를 가지는 동시에 마찰계수와 선형 관계를 가지는 점을 감안하여 상기 마찰계수 훈련모델의 성능을 향상시키고자 파생 변수 중 하나로 선정된 것이다.
상기 토크 추정치와 온도 간의 상호 관계값(torque_est_temp)은 감속도를 이용한 토크 추정치에 디스크 온도를 곱한 값[(감속도/압력)*온도]으로서, 디스크 감속도가 제동 토크와 선형관계를 가지는 동시에 마찰계수와 선형 관계를 가지는 점을 감안하는 동시에 감속도를 이용한 토크 추정치(감속도/압력)와 디스크 온도 간의 교호작용을 감안하여 상기 마찰계수 훈련모델의 성능을 향상시키고자 파생 변수 중 하나로 선정된 것이다.
상기 디스크 운동에너지(ke)는, 제동 시 운동에너지가 열에너지로 변환되면서 디스크 온도가 상승하는 물리적인 현상을 고려함과 함께 상기 마찰계수 훈련모델의 성능을 향상시키고자, 운동에너지 계산식[E= 0.5×mV2] 에서 0.5×m(중량)은 노멀라이즈화하여 제거하고 속도항인 V2 만을 선택하여 정의된 파생변수를 말한다.
상기 디스크 누적 운동에너지(ke_cumsum)는, 누적 운동에너지가 클수록 제동을 위한 힘도 많이 필요한 물리적인 현상을 고려함과 함께 상기 마찰계수 훈련모델의 성능을 향상시키고자, 운동에너지 계산식[E= 0.5×mV2] 에서 0.5×m(중량)은 노멀라이즈화하여 제거하고 속도항인 V2 만의 누적값으로 정의된 파생변수를 말한다.
한편, 상기 기계학습기(30)는 기본변수 외에 파생변수 전처리기(20)로부터 생성된 파생변수들을 기초로 기계학습을 수행하는 기계학습부(31)와, 기계학습부(31)의 기계학습을 통하여 구축되는 마찰계수 훈련모델(32)을 포함하고, 기본변수 및 파생변수에 대한 기계학습이 종료되면 마찰계수 훈련모델(32)이 마찰계수 예측용 메타모델(40)로 생성된다.
이와 같이, 상기 마찰계수 예측용 메타모델(40)은 기계학습(머신 러닝) 알고리즘을 이용하여 구축될 수 있고, 다양한 기계학습 알고리즘 중 마찰계수의 특성에 맞는 기본변수 및 파생변수들이 선택될 수 있는 알고리즘에 의하여 구축될 수 있다.
일례로서, 상기 마찰계수 예측용 메타모델(40)은 다양한 기계학습 알고리즘 중, 디스크 회전속도, 온도, 압력 등의 기본변수 외에 상기한 파생변수들을 입력(INPUT)으로 하고, 마찰계수 1개의 변수를 출력(OUTPUT)으로 정하면, 각 입력값에 대한 하나의 출력값을 예/아니오 형태로 질문하고, "예"로 결정되는 값이 나올때까지 질문을 반복한 후, "예" 로 결정된 값(R)을 출력값으로 정의하는 통상의 결정 트리 알고리즘(DECISION TREE ALGORISM)에 의하여 구축될 수 있다.
다른 예로서, 상기 마찰계수 예측용 메타모델(40)은 다양한 기계학습 알고리즘 중, 디스크 회전속도, 온도, 압력 등의 기본변수 외에 상기한 파생변수들을 입력(INPUT)으로 하고, 마찰계수 1개의 변수를 출력(OUTPUT)으로 정하면, 각 입력값에 대한 하나의 출력값을 여러회 복원 추출하여 예/아니오 형태로 질문하고, "예"로 결정되는 값이 나올때까지 질문을 반복한 후, 여러회 복원 추출하며 질문에 의해 결정된 값(R)들의 평균값을 출력값으로 정의하는 통상의 랜덤 포레스트 알고리즘(RANDOM FOREST ALGIRISM)에 의하여 구축될 수 있다.
첨부한 도 8은 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델의 구동예를 도시한 모식도이다.
도 8에 도시된 바와 같이, 상기 마찰계수 예측용 메타모델(40)은 상기한 바와 같이 디스크 회전속도, 온도, 압력 등의 기본변수로부터 핵심인자 분석법을 이용하여 파생변수들을 생성하는 파생변수 전처리기(20)와, 기본변수 외에 파생변수들을 기초로 기계학습을 수행하는 기계학습부(31)를 포함하여 구성될 수 있다.
이에, 상기 마찰계수 예측용 메타모델(40)에 디스크 회전속도, 온도, 압력 등의 기본변수가 입력되면, 파생변수 전처리기(20)에서 파생변수를 생성하고, 기계학습부(31)에서 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수가 출력될 수 있다.
시험예로서, 본 발명에 따른 마찰계수 예측용 메타모델(40)로부터 출력되는 마찰계수를 기존의 마찰계수 예측용 메타모델로부터 출력되는 마찰계수와 비교하였는 바, 그 결과는 첨부한 도 10 ~ 도 15에 도시된 바와 같다.
도 10 및 도 11을 참조하면, 본 발명의 마찰계수 예측용 메타모델(40)로부터 출력되는 예측 마찰계수는 특정 시간 지점에서 끊어지며 아래로 떨어지거나 특정 시간 구간에 걸쳐 아래로 벗어나는 현상 등이 발생되지 않고, 실제 마찰계수에 추종하는 등 마찰계수 예측 정확성이 향상됨을 알 수 있었다.
도 12 및 도 13을 참조하면, 본 발명의 마찰계수 예측용 메타모델(40)로부터 출력되는 예측 마찰계수는 연속적이지 못하고 특정 구간에서 끊기는 현상이 발생되지 않고, 실제 마찰계수에 추종하며 연속적인 결과를 나타내는 등 마찰계수 예측 정확성이 향상됨을 알 수 있었다.
도 14 및 도 15를 참조하면, 본 발명의 마찰계수 예측용 메타모델(40)로부터 출력되는 예측 마찰계수는 실제 마찰계수 분포 내에 존재하는 등 정확성이 향상됨을 알 수 있었다.
첨부한 도 9a 및 도 9b는 각각 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 제동 제어 시스템 및 방법에 적용된 예를 도시한 제어 구성도와 순서도를 나타낸다.
도 9a에 도시된 바와 같이, 상기 제동 제어 시스템은 상기와 같이 기본변수 외에 파생변수들을 기반으로 다양한 기계학습 알고리즘을 통하여 생성된 마찰계수 예측용 메타모델(40)과, 이 마찰계수 예측용 메타모델(40)로부터 출력되는 마찰계수를 기초로 제동 토크를 계산하여 제동장치(60)에 인가하는 제동 제어기(100)를 포함하여 구성될 수 있다.
물론, 상기 마찰계수 예측용 메타모델(40)은 상기한 바와 같이 디스크 회전속도, 온도, 압력 등의 기본변수로부터 핵심인자 분석법을 이용하여 파생변수들을 생성하는 파생변수 전처리기(20)와, 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 기계학습부(31)를 포함하여 구성될 수 있다.
이에, 상기 마찰계수 예측용 메타모델(40)에 디스크 회전속도, 온도, 압력 등의 기본변수가 입력되면, 상기와 같이 파생변수 전처리기(20)에서 파생변수를 생성하고, 기계학습부(31)에서 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수가 출력될 수 있다.
따라서, 상기 제동 제어기(100)에서 상기 마찰계수 예측용 메타모델(40)에서 출력된 마찰계수를 반영하는 아래의 식 1과 같은 통상의 계산식을 이용하여 제동 토크(TorqueBrake)를 계산한다.
(식 1) : 
위의 식 1에서, μ는 마찰계수, p는 유압력, Apiston은 휠실린더의 피스톤 단면적, Reffective는 브레이크 디스크의 유효반경을 나타낸다.
참고로, 상기 브레이크 디스크의 유효반경(Effective Radius)은 디스크의 회전 중심축(disc rotation center)로부터 브레이크 캘리퍼의 피스톤(brake caliper piston)에 의하여 브레이크 디스크에 가압되는 제동력(Brake Force) 작용점 까지의 길이를 말한다
이때, 상기 제동 제어기(100)에 의한 제동 토크 계산시 이용되는 마찰계수는 상기와 같이 기본변수 외에 파생변수들을 반영한 정확한 마찰계수이므로, 제동 토크가 보다 정확하게 계산될 수 있다.
이에 따라, 상기 제동 제어기(100)에서 계산된 제동 토크가 차량의 제동장치(60)로 인가됨으로써, 차량의 제동장치가 제동 제어기(100)에서 계산된 제동 토크로 작동될 수 있고, 이에 차량의 제동장치에 대한 성능 평가가 정확하게 이루어질 수 있고, 차량의 제동장치의 신뢰성을 향상시킬 수 있다.
바람직하게는, 상기 제동 제어기(100)는 도 9a에 도시된 바와 같이, 디스크 온도 계산 모델(110)과, 마찰계수 모델 입력부(120)를 통하여 입력되는 브레이크 디스크의 회전속도, 디스크 온도, 제동 유압 등 3개 이상의 입력값을 기초로 마찰계수를 예측하여 출력하는 마찰계수 예측용 메타모델(40)과, 이 마찰계수 예측용 메타모델(40)로부터 출력되는 마찰계수를 기반으로 목표 제동토크를 산출하고 제동장치(60)에 목표 제동토크에 따른 제동유압 제어 신호를 인가하도록 제동 제어 실행부(140) 등을 포함하여 구성될 수 있다.
여기서, 본 발명에 따른 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템을 통하여 생성된 마찰계수 예측용 메타모델이 적용된 제동 제어 방법의 일례를 도 9b를 참조로 설명하면 다음과 같다.
먼저, 차량의 주행 중 주행 정보가 제동 제어기(100)로 출력된다(S101).
이에, 상기 제동 제어기(100)에 차량의 주행 정보로서 휠 스피드 센서에서 감지된 휠속(=브레이크 디스크의 회전속도), 외기온, 차속, 타이어 동반경, 조향각, 휠슬립율, 요레이트 등이 입력된다.
상기 휠속은 마찰계수 예측을 위한 제어 인자 중 하나로서 제동 제어기(100)의 마찰계수 모델 입력부(120)를 통해 마찰계수 예측용 메타모델(40)로 입력된다(S102).
또한, 상기 마찰계수 예측을 위한 제어 인자중 다른 하나로서 제동 제어기(100)의 제동 제어 실행부(140)로부터 이전 제동시 제동유압이 마찰계수 모델 입력부(20)를 통하여 마찰계수 예측용 메타모델(40)로 입력된다(S103).
또한, 상기 마찰계수 예측을 위한 제어 인자중 또 다른 하나로서 디스크 온도가 마찰계수 모델 입력부(120)를 통해 마찰계수 예측용 메타모델(40)로 입력되어야 한다.
이를 위해, 상기 휠속을 비롯한 외기온, 차속, 타이어 동반경이 디스크 온도 계산 모델(110)로 입력되면, 디스크 온도 계산 모델(110)에서 상기 휠속을 비롯한 외기온, 차속, 타이어 동반경을 기초로 디스크 온도를 계산하고, 계산된 디스크 온도가 마찰계수 모델 입력부(120)를 통해 마찰계수 예측용 메타모델(40)로 출력된다(S105).
이어서, 상기 마찰계수 예측용 메타모델(40)에 디스크 회전속도, 온도, 압력 등의 기본변수가 입력되면, 상기와 같이 파생변수 전처리기(20)에서 파생변수를 생성하고, 기계학습부(31)에서 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수가 출력된다(S106).
다음으로, 상기 제동 제어 실행부(140)에서 타겟 제동토크를 계산하고(S108), 계산된 타켓 제동토크를 생성할 수 있는 제동 유압을 계산한다(S109).
이때, 상기 타겟 제동토크를 생성할 수 있는 제동 유압(P)은 상기 마찰계수 예측용 메타모델(40)로부터 출력된 마찰계수가 반영되는 아래의 (식 2)에 의하여 계산된다.
(식 2) : 
위의 식 2에서, P는 제동 유압, 피스톤 면적은 브레이크 패드를 가압시키는 브레이크 캘리퍼에 포함된 휠실린더의 피스톤 면적, 유효반경(Effective Radius)은 디스크의 회전 중심축(disc rotation center)로부터 브레이크 캘리퍼의 피스톤(brake caliper piston)에 의하여 브레이크 디스크에 가압되는 제동력(Brake Force) 작용점 까지의 길이를 말한다
이어서, 상기 제동 제어 실행부(140)에서 위의 (식 2)를 통해 계산되는 제동 유압을 제동장치(60)에 인가하는 제동 유압 제어가 실행된다(S110).
따라서, 상기 제동장치에 (식 2)를 통해 계산되는 제동 유압이 인가됨으로써, 실질적인 제동을 위하여 브레이크 패드와 디스크 간의 마찰 접촉에 따른 제동토크가 생성된다(S111).
한편, 상기 제동 제어 실행부(140)에서 타겟 제동토크를 계산하는 단계(S108)와, 계산된 타켓 제동토크를 생성할 수 있는 제동 유압을 계산하는 단계(S109)와, 제동 유압 제어가 실행되는 단계(S110) 등과 같은 제동 제어 개입은 차량의 자세가 불안정한 상태로 판단될 때 차량 안정성 확보를 위하여 진행되도록 하는 것이 바람직하다.
이에, 상기 제동 제어 실행부(140)에서 타겟 제동토크를 계산하는 단계(S108) 이전에 차량의 자세가 불안정한 상태인지 여부를 판정한다(S107).
이를 위해, 차량의 주행 정보 중 조향각, 휠슬립율, 요레이트가 제동 상황에서 차량의 자세가 불안정한 상태인지 여부를 판정하기 위하여 제동 제어 실행부(140)로 입력된다.
상기 차량의 자세가 불안정한 상태인지 여부를 판정하는 단계(S107)의 일례로서, 조향각을 기초로 선회 주행 및 선회 주행 중 제동 상태임을 확인함과 함께 운전자의 조향의지 대비 과대 또는 과소한 요레이트(YAW RATE)가 발생한 것으로 확인되면, 차량의 자세가 불안정한 것으로 판정하여, 차량 안정성 확보를 위하여 상기한 단계 S108 ~ S110 등과 같은 제동 제어 개입이 이루어질 수 있다.
예를 들어, 과대한 요레이트 발생 시 선회 반대 방향으로 제동토크를 생성하여 요레이트가 과대하지 않은 방향으로 차량 자세가 제어될 있거나, 또는 과소한 요레이트 발생시 선회 방향으로 제동토크를 생성하여 요레이트가 과소하지 않은 방향으로 차량 자세가 제어될 수 있다.
상기 차량의 자세가 불안정한 상태인지 여부를 판정하는 단계(S107)의 다른 예로서, 직진 주행시 또는 직진 주행 중 제동시 의도하지 않은 요레이트가 발생한 것으로 확인되면, 차량의 자세가 불안정한 것으로 판정하여, 차량 안정성 확보를 위하여 상기한 단계 S108 ~ S110 등과 같은 제동 제어 개입이 이루어질 수 있다.
예를 들어, 직진 주행시 의도하지 않은 요레이트가 발생하면, 요레이트 발생 반대 방향으로 제동토크를 생성하여 차량이 요레이트 발생없이 직진 주행할 수 있도록 차량 자세가 제어될 수 있다.
상기 차량의 자세가 불안정한 상태인지 여부를 판정하는 단계(S107)의 또 다른 예로서, 직진 주행시 또는 직진 주행 중 제동시 차속 대비 휠속 차이가 기준값 이상 발생한 것으로 확인되면, 차량의 자세가 불안정한 것으로 판정하여, 차량 안정성 확보를 위하여 상기한 단계 S108 ~ S110 등과 같은 제동 제어 개입이 이루어질 수 있다.
예를 들어, 휠속 대비 차속이 상대적으로 작은 경우 휠 스핀이 발생하는 불안정한 상황으로 판단하여 제동토크를 생성하여 휠 스핀을 억제시킬 수 있고, 또한 휠-노면 그립력이 최대가 되는 휠 슬립률 영역에서 제동토크를 인가하는 제동 제어가 이루어질 수 있다.
이와 같이, 차량의 주행 중 및 제동시 차량의 자세가 불안정한 상태로 판단될 때, 상기 마찰계수 예측용 메타모델(40)에서 디스크 회전속도, 온도, 압력 등의 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수를 출력하고, 예측된 마찰계수를 이용하여 계산되는 목표 제동토크 결정한 다음, 결정된 목표 제동토크가 실제 제동토크에 반영되도록 함으로써, 실제 제동토크가 정확하게 목표 제동토크에 수렴할 수 있고, 그에 따라 제동 제어의 정확성 및 응답 속도를 향상시킬 수 있다.
이상으로 본 발명을 하나의 실시예로서 상세하게 설명하였지만, 본 발명의 권리범위는 상술한 하나의 실시예에 한정되지 않으며, 하기의 특허청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 또한 본 발명의 권리범위에 포함된다 할 것이다.
10 : 데이터 전처리기
20 : 파생변수 전처리기
30 : 기계학습기
31 : 기계학습부
32 : 마찰계수 훈련모델
40 : 마찰계수 예측용 메타모델
60 : 제동장치
100 : 제동 제어기
110 : 디스크 온도 계산 모델
120 : 마찰계수 모델 입력부
140 : 제동 제어 실행부
20 : 파생변수 전처리기
30 : 기계학습기
31 : 기계학습부
32 : 마찰계수 훈련모델
40 : 마찰계수 예측용 메타모델
60 : 제동장치
100 : 제동 제어기
110 : 디스크 온도 계산 모델
120 : 마찰계수 모델 입력부
140 : 제동 제어 실행부
Claims (16)
- 브레이크 디스크의 회전 속도, 온도, 압력을 포함하는 로우 데이터를 유효화시키기 위하여 전처리하는 데이터 전처리기;
상기 데이터 전처리기로부터 출력되는 디스크의 회전 속도, 온도, 압력을 포함하는 기본변수로부터 파생변수들을 생성하는 파생변수 전처리기; 및
상기 파생변수 전처리기로부터 출력되는 파생변수들을 기초로 기계학습을 수행하여 마찰계수 예측용 메타모델을 생성하는 기계학습기;
를 포함하여 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 1에 있어서,
상기 데이터 전처리기는,
로우 데이터에 대하여 데이터의 신뢰를 위한 데이터 안정화 구간 분류, 기준범위를 벗어나는 음수 제거 및 이상치 제거, 중복 데이터 제거를 포함하는 전처리를 실시하여, 로우 데이터로부터 유효한 데이터를 얻을 수 있도록 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 1에 있어서,
상기 파생변수 전처리기는,
데이터 전처리기에서 전처리된 각 기본변수별 동일 조건에서의 마찰계수 차이가 발생하는 시점에서의 기본변수와 마찰계수의 관계를 분석하여 마찰계수 변화에 영향을 주는 핵심인자를 파생변수로 정의하도록 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 3에 있어서,
상기 파생변수 전처리기는 데이터 분석 방법 중 각 변수들에 대한 시계열 분석의 평활화 및 래그 처리를 통하여 정의되는 파생변수를 생성하도록 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 3에 있어서,
상기 파생변수 전처리기에서 정의되며 생성되는 파생변수는,
압력의 이동평균(press_w), 디스크 회전속도의 이동평균(speed_w), 디스크 온도의 이동평균(disc_lc_w), 디스크 온도의 이동평균의 제곱(disc_lc_w_2d), 디스크 감속도(deceleration), 디스크 온도변화(temp_rate), 디스크 온도변화의 변화(temp_jerk), 압력 변화(press_rate), 감속도를 이용한 토크 추정치(torque_est), 토크 추정치와 온도 간의 상호 관계값(torque_est_temp), 디스크 운동에너지(ke), 디스크 누적 운동에너지(ke_cumsum)를 포함하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 1에 있어서,
상기 기계학습기는:
기본변수 외에 파생변수 전처리기로부터 생성된 파생변수들을 기초로 기계학습을 수행하는 기계학습부와;
기계학습부의 기계학습을 통하여 구축되는 마찰계수 훈련모델;
을 포함하고,
상기 기본변수 및 파생변수에 대한 기계학습이 종료되면 마찰계수 훈련모델을 마찰계수 예측용 메타모델로 생성하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 청구항 1에 있어서,
상기 마찰계수 예측용 메타모델은,
기본변수로부터 파생변수들을 생성하는 파생변수 전처리기와, 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수를 출력하는 기계학습부를 포함하도록 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템.
- 브레이크 디스크의 회전 속도, 온도, 압력을 포함하는 로우 데이터를 유효화시키기 위한 데이터 전처리기의 데이터 전처리 단계;
파생변수 전처리기에서, 상기 데이터 전처리기로부터 출력되는 디스크의 회전 속도, 온도, 압력을 포함하는 기본변수로부터 파생변수들을 생성하는 단계;
기계학습기에서, 상기 파생변수 전처리기로부터 출력되는 파생변수들을 기초로 기계학습을 수행하여 마찰계수 예측용 메타모델을 생성하는 단계;
를 포함하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 8에 있어서,
상기 데이터 전처리 단계에서,
로우 데이터로부터 유효한 데이터를 얻을 수 있도록 로우 데이터에 대하여 데이터의 신뢰를 위한 데이터 안정화 구간 분류, 기준범위를 벗어나는 음수 제거 및 이상치 제거, 중복 데이터 제거가 이루어지는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 8에 있어서,
상기 파생변수들을 생성하는 단계는,
데이터 전처리기에서 전처리된 각 기본변수별 동일 조건에서의 마찰계수 차이가 발생하는 시점에서의 기본변수와 마찰계수의 관계를 분석하여 마찰계수 변화에 영향을 주는 핵심인자를 파생변수로 정의하여 이루어지는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 10에 있어서,
상기 파생변수들을 생성하는 단계에서,
데이터 분석 방법 중 각 변수들에 대한 시계열 분석의 평활화 및 래그 처리를 통하여 정의되는 파생변수를 생성하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 10에 있어서,
상기 파생변수들을 생성하는 단계에서 생성되는 파생변수는,
압력의 이동평균(press_w), 디스크 회전속도의 이동평균(speed_w), 디스크 온도의 이동평균(disc_lc_w), 디스크 온도의 이동평균의 제곱(disc_lc_w_2d), 디스크 감속도(deceleration), 디스크 온도변화(temp_rate), 디스크 온도변화의 변화(temp_jerk), 압력 변화(press_rate), 감속도를 이용한 토크 추정치(torque_est), 토크 추정치와 온도 간의 상호 관계값(torque_est_temp), 디스크 운동에너지(ke), 디스크 누적 운동에너지(ke_cumsum)를 포함하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 8에 있어서,
상기 기계학습을 수행하여 마찰계수 예측용 메타모델을 생성하는 단계는:
기본변수 외에 파생변수 전처리기로부터 생성된 파생변수들을 기초로 기계학습을 수행하는 단계; 및
기계학습을 통하여 마찰계수 훈련모델을 구축하는 단계;
을 포함하고,
상기 기본변수 및 파생변수에 대한 기계학습이 종료되면 마찰계수 훈련모델을 마찰계수 예측용 메타모델로 생성하는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 8에 있어서,
상기 마찰계수 예측용 메타모델은,
기본변수로부터 파생변수들을 생성하는 파생변수 전처리기와, 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수를 출력하는 기계학습부를 포함하도록 생성되는 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 방법.
- 청구항 1 내지 청구항 7 중 선택된 어느 하나의 항에 의하여 생성된 마찰계수 예측용 메타모델;
상기 마찰계수 예측용 메타모델로부터 출력되는 마찰계수를 기초로 목표 제동토크를 산출하고 제동장치에 목표 제동토크에 따른 제동유압 제어 신호를 인가하는 제동 제어기;
를 포함하는 브레이크 패드 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템.
- 청구항 15에 있어서,
상기 마찰계수 예측용 메타모델은,
기본변수로부터 파생변수들을 생성하는 파생변수 전처리기와, 기본변수 외에 파생변수들을 기초로 기계학습을 수행하여 예측된 마찰계수를 출력하는 기계학습부를 포함하도록 구성된 것을 특징으로 하는 브레이크 패드 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210061090A KR20220153746A (ko) | 2021-05-12 | 2021-05-12 | 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 |
| US17/491,948 US11951965B2 (en) | 2021-05-12 | 2021-10-01 | System and method for upgrading metamodel for friction coefficient prediction of brake pad, and brake control system using the metamodel |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210061090A KR20220153746A (ko) | 2021-05-12 | 2021-05-12 | 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220153746A true KR20220153746A (ko) | 2022-11-21 |
Family
ID=83999267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210061090A KR20220153746A (ko) | 2021-05-12 | 2021-05-12 | 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11951965B2 (ko) |
| KR (1) | KR20220153746A (ko) |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990012798U (ko) | 1997-09-13 | 1999-04-15 | 전주범 | 텔레비전용 리모폰의 음량조정장치 |
| JP2003160046A (ja) | 2001-11-22 | 2003-06-03 | Nissan Motor Co Ltd | ブレーキ液圧検出装置の異常判断装置 |
| JP2006240394A (ja) * | 2005-03-01 | 2006-09-14 | Toyota Motor Corp | 車輌の制駆動力制御装置 |
| US7957875B2 (en) * | 2008-01-17 | 2011-06-07 | GM Global Technology Operations LLC | Method and apparatus for predicting braking system friction |
| CN101710062B (zh) | 2009-11-17 | 2011-07-20 | 上海电机学院 | 一种闸瓦摩擦系数的预测方法 |
| JP6605248B2 (ja) * | 2015-07-27 | 2019-11-13 | Ｎｔｎ株式会社 | 摩擦ブレーキシステム |
| KR102044205B1 (ko) | 2015-12-30 | 2019-11-13 | 주식회사 솔리드웨어 | 빅데이터와 기계학습을 이용한 타겟 정보 예측 시스템 및 예측 방법 |
| US10065641B2 (en) * | 2016-04-15 | 2018-09-04 | Ford Global Technologies, Llc | Brake fade and brake capacity based powertrain operation |
| US20210146894A1 (en) | 2017-08-10 | 2021-05-20 | Hitachi Automotive Systems, Ltd. | Brake control device |
| US20190107163A1 (en) * | 2017-10-10 | 2019-04-11 | GM Global Technology Operations LLC | Brake pad wear estimation |
| KR102529522B1 (ko) | 2019-04-17 | 2023-05-08 | 현대자동차주식회사 | 자동차용 브레이크 패드 마찰계수 보정 시스템 및 방법 |
| KR20210150808A (ko) * | 2020-06-04 | 2021-12-13 | 현대자동차주식회사 | 브레이크 마찰재의 마찰계수 결정을 위한 장치 및 방법 |
-
2021
- 2021-05-12 KR KR1020210061090A patent/KR20220153746A/ko active Search and Examination
- 2021-10-01 US US17/491,948 patent/US11951965B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20220363227A1 (en) | 2022-11-17 |
| US11951965B2 (en) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6815519B2 (ja) | 車両のタイヤを較正するシステム及び方法 | |
| RU2668784C1 (ru) | Прогнозирование износа в тормозных накладках | |
| JP6573978B2 (ja) | 車両挙動に影響を及ぼす変数を予測する方法および対応する仮想センサ | |
| JP3894951B2 (ja) | 車両ブレーキ装置の開ループないし閉ループ制御方法及び装置 | |
| JP2017532253A5 (ko) | ||
| US20060253243A1 (en) | System and method for tire/road friction estimation | |
| KR20210150808A (ko) | 브레이크 마찰재의 마찰계수 결정을 위한 장치 및 방법 | |
| KR20220014032A (ko) | 자동차용 마찰부품을 갖는 장치의 성능 평가 시스템 및 방법 | |
| US7509204B2 (en) | Method and system using tire stretch data to control braking | |
| Jayachandran et al. | Fuzzy logic based modelling and simulation approach for the estimation of tire forces | |
| CN112298189A (zh) | 用于训练神经元网络的方法、用于估计摩擦系数的方法和设备及机器可读的存储介质 | |
| JP7285971B2 (ja) | タイヤの摩擦曲線を決定するためのシステムおよび方法 | |
| US10980463B2 (en) | Driver's tension level determining apparatus and driver's tension level determining method | |
| Dogan et al. | Smart traction control systems for electric vehicles using acoustic road-type estimation | |
| KR20210073358A (ko) | 차량 abs 제어기의 모델링 시스템 | |
| KR20220153746A (ko) | 브레이크 패드 마찰계수 예측용 메타모델 고도화를 위한 시스템 및 방법, 마찰계수 예측용 메타모델을 이용한 제동 제어 시스템 | |
| JP6871572B2 (ja) | タイヤの制動シミュレーション方法 | |
| JP2004538192A (ja) | 車輪ブレーキの特性値を求める方法および装置 | |
| JPH11352022A (ja) | 車両用振動試験装置 | |
| JP6173249B2 (ja) | ドライバ状態判定装置及びドライバ状態判定プログラム | |
| JP3435625B2 (ja) | 路面状態演算装置 | |
| KR20180096235A (ko) | 차량용 도로 상태 추정 시스템 및 그 방법 | |
| JP2018091709A (ja) | 制動距離算出方法、装置、及びプログラム | |
| Bonini et al. | Estimation of the braking torque for MotoGP class motorcycles with carbon braking systems through machine learning algorithms | |
| JP2002340066A (ja) | 自動車におけるセラミックブレーキディスクの耐用期間の監視方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |