| 1 |
1
모델 예측 제어 장치의 프로세서에 의해 수행되는 모델 예측 제어 방법으로서,차량의 주행조건을 감지하는 복수의 센서로부터 센서 데이터를 획득하는 단계;상기 센서 데이터로부터 제1 샘플링 타임에 따라 제1 주행조건 데이터를 추출하는 단계;상기 제1 주행조건 데이터에 기초하여 제1 예측 모델에 따라 제1 제어입력 데이터를 산출하는 단계; 및상기 제1 제어입력 데이터에 기초하여 상기 복수의 센서로부터의 센서데이터에 대한 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계를 포함하는,모델 예측 제어 방법
|
| 2 |
2
제 1 항에 있어서,상기 제1 주행조건 데이터는,상기 차량의 횡방향 위치(lateral position), 상기 차량의 횡방향 속도(lateral velocity), 상기 차량의 요각도(yaw angle) 및 상기 차량의 요 레이트(yaw rate)를 포함하고,상기 제1 제어입력 데이터는,상기 차량의 횡방향 가속도(lateral acceleration) 및 전방 조향각(front steering angle)을 포함하는,모델 예측 제어 방법
|
| 3 |
3
제 2 항에 있어서,상기 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계는,상기 제1 제어입력 데이터를 이용하여 상기 차량의 예측 경로가 곡선 주행구간인지 직선 주행구간인지 판단하는 단계; 및상기 차량의 예측 경로가 곡선 주행구간임에 따라 상기 제1 샘플링 타임보다 더 작은 샘플링 타임을 제2 샘플링 타임으로 산출하고, 상기 차량의 예측 경로가 직선 주행구간임에 따라 상기 제1 샘플링 타임보다 더 큰 샘플링 타임을 제2 샘플링 타임으로 산출하는 단계를 포함하는,모델 예측 제어 방법
|
| 4 |
4
제 3 항에 있어서,상기 판단하는 단계는,상기 횡방향 가속도 및 상기 조향각이 기준값으로부터 일정 범위 이내 임에 따라 상기 차량의 예측 경로를 직선 주행구간으로 판단하는 단계; 및상기 횡방향 가속도 및 상기 조향각이 상기 기준값으로부터 일정 범위를 초과함에 따라 상기 차량의 예측 경로를 곡선 주행구간으로 판단하는 단계를 포함하는,모델 예측 제어 방법
|
| 5 |
5
제 1 항에 있어서,상기 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계는,상기 제1 주행조건 데이터와 상기 제1 제어입력 데이터를 상태 공간 방정식에 적용하여 제2 주행조건 데이터를 출력하는 단계; 및상기 제1 샘플링 타임과 상기 제1 제어입력 데이터를 경사하강 알고리즘에 적용하여 제2 샘플링 타임을 산출하는 단계를 포함하는,모델 예측 제어 방법
|
| 6 |
6
제 5 항에 있어서,상기 제2 샘플링 타임을 산출하는 단계는,경사하강 알고리즘을 기반으로 하여 샘플링 타임 산출 방정식 을 로딩하는 단계 - 상기 방정식에서 는 다음 회차의 샘플링 타임을 나타내고, 는 현재 회차의 샘플링 타임을 나타내고, 는 부호를 결정하는 제1 항목을 나타내고, 는 샘플링 타임의 조정값을 나타내는 제2항목을 나타내며, 상기 는 상기 곡선 주행구간에서 샘플링 타임을 주행 경로의 곡률에 따라 감소시키기 위해 상기 제1 제어입력 데이터를 바탕으로 산출되는 샘플링 타임의 감소값을 나타내고, 상기 는 상기 직선 주행구간에서 샘플링 타임을 증가시키기 위해 사용하는 상수를 나타냄 -;상기 차량의 예측 경로가 직선 주행구간임에 따라, 상기 제1 항목으로부터 양수가 결정되고, 상기 제2 항목으로부터 상기 가 선택됨에 따라, 상기 제1 샘플링 타임으로부터 상기 가 선택된 제2 항목만큼 가산된 샘플링 타임을 제2 샘플링 타임으로 산출하는 단계; 및상기 차량의 예측 경로가 곡선 주행구간임에 따라, 상기 제1 항목으로부터 음수가 결정되고, 상기 제2 항목으로부터 상기 가 선택됨에 따라, 상기 제1 샘플링 타임으로부터 상기 가 선택된 제2 항목만큼 감소된 샘플링 타임을 제2 샘플링 타임으로 산출하는 단계를 포함하는,모델 예측 제어 방법
|
| 7 |
7
제 3 항에 있어서,상기 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계는,상기 제2 샘플링 타임이 미리 결정된 최대값을 초과하는 경우, 상기 제2 샘플링 타임을 상기 최대값으로 설정하고, 상기 제2 샘플링 타임이 미리 결정된 최소값 미만인 경우, 상기 제2 샘플링 타임을 상기 최소값으로 설정하는 단계를 더 포함하는,모델 예측 제어 방법
|
| 8 |
8
제 7 항에 있어서,상기 설정하는 단계 이후에,상기 차량이 주행을 정지할 때까지, 상기 주행조건 데이터를 추출하는 단계와, 상기 제어입력 데이터를 산출하는 단계와, 상기 샘플링 타임으로 조정하는 단계를 반복 수행하는 단계를 더 포함하는,모델 예측 제어 방법
|
| 9 |
9
제 1 항에 있어서,상기 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계는,상기 제1 제어입력 데이터가 미리 결정된 조건을 만족하는 경우에만 수행되는,모델 예측 제어 방법
|
| 10 |
10
제 1 항에 있어서,상기 샘플링 타임을 제2 샘플링 타임으로 조정하는 단계 이후에,상기 복수의 센서로부터 획득한 센서 데이터로부터 상기 제2 샘플링 타임에 따라 제2 주행조건 데이터를 추출하는 단계; 및상기 제2 주행조건 데이터에 기초하여 제2 예측 모델에 따라 제2 제어입력 데이터를 산출하는 단계를 포함하고,제1 예측 모델은 상기 제1 샘플링 타임에 따라 설정된 주행 예측 모델이고, 상기 제2 예측 모델은 상기 제2 샘플링 타임에 따라 설정된 주행 예측 모델인,모델 예측 제어 방법
|
| 11 |
11
모델 예측 제어 장치로서,프로세서; 및상기 프로세서와 동작 가능하게 연결되고 상기 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고,상기 메모리는 상기 프로세서를 통해 실행될 때, 상기 프로세서가 차량의 주행조건을 감지하는 복수의 센서로부터 센서 데이터를 획득하고,상기 센서 데이터로부터 제1 샘플링 타임에 따라 제1 주행조건 데이터를 추출하고,상기 제1 주행조건 데이터에 기초하여 제1 예측 모델에 따라 제1 제어입력 데이터를 산출하고,상기 제1 제어입력 데이터에 기초하여 상기 복수의 센서로부터의 센서데이터에 대한 샘플링 타임을 제2 샘플링 타임으로 조정하도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 12 |
12
제 11 항에 있어서,상기 제1 주행조건 데이터는,상기 차량의 횡방향 위치(lateral position), 상기 차량의 횡방향 속도(lateral velocity), 상기 차량의 요각도(yaw angle) 및 상기 차량의 요 레이트(yaw rate)를 포함하고,상기 제1 제어입력 데이터는,상기 차량의 횡방향 가속도(lateral acceleration) 및 전방 조향각(front steering angle)을 포함하는,모델 예측 제어 장치
|
| 13 |
13
제 12 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 샘플링 타임을 제2 샘플링 타임으로 조정 시에, 상기 제1 제어입력 데이터를 이용하여 상기 차량의 예측 경로가 곡선 주행구간인지 직선 주행구간인지 판단하고,상기 차량의 예측 경로가 곡선 주행구간임에 따라 상기 제1 샘플링 타임보다 더 작은 샘플링 타임을 제2 샘플링 타임으로 산출하고, 상기 차량의 예측 경로가 직선 주행구간임에 따라 상기 제1 샘플링 타임보다 더 큰 샘플링 타임을 제2 샘플링 타임으로 산출하도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 14 |
14
제 13 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 판단 시에, 상기 횡방향 가속도 및 상기 조향각이 기준값으로부터 일정 범위 이내 임에 따라 상기 차량의 예측 경로를 직선 주행구간으로 판단하고,상기 횡방향 가속도 및 상기 조향각이 상기 기준값으로부터 일정 범위를 초과함에 따라 상기 차량의 예측 경로를 곡선 주행구간으로 판단하도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 15 |
15
제 11 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 샘플링 타임을 제2 샘플링 타임으로 조정 시에, 상기 제1 주행조건 데이터와 상기 제1 제어입력 데이터를 상태 공간 방정식에 적용하여 제2 주행조건 데이터를 출력하고,상기 제1 샘플링 타임과 상기 제1 제어입력 데이터를 경사하강 알고리즘에 적용하여 제2 샘플링 타임을 산출하도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 16 |
16
제 15 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 제2 샘플링 타임을 산출 시에, 경사하강 알고리즘을 기반으로 하여 샘플링 타임 산출 방정식 을 로딩하고 - 상기 방정식에서 는 다음 회차의 샘플링 타임을 나타내고, 는 현재 회차의 샘플링 타임을 나타내고, 는 부호를 결정하는 제1 항목을 나타내고, 는 샘플링 타임의 조정값을 나타내는 제2항목을 나타내며, 상기 는 상기 곡선 주행구간에서 샘플링 타임을 주행 경로의 곡률에 따라 감소시키기 위해 상기 제1 제어입력 데이터를 바탕으로 산출되는 샘플링 타임의 감소값을 나타내고, 상기 는 상기 직선 주행구간에서 샘플링 타임을 증가시키기 위해 사용하는 상수를 나타냄 -,상기 차량의 예측 경로가 직선 주행구간임에 따라, 상기 제1 항목으로부터 양수가 결정되고, 상기 제2 항목으로부터 상기 가 선택됨에 따라, 상기 제1 샘플링 타임으로부터 상기 가 선택된 제2 항목만큼 가산된 샘플링 타임을 제2 샘플링 타임으로 산출하고,상기 차량의 예측 경로가 곡선 주행구간임에 따라, 상기 제1 항목으로부터 음수가 결정되고, 상기 제2 항목으로부터 상기 가 선택됨에 따라, 상기 제1 샘플링 타임으로부터 상기 가 선택된 제2 항목만큼 감소된 샘플링 타임을 제2 샘플링 타임으로 산출하도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 17 |
17
제 13 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 샘플링 타임을 제2 샘플링 타임으로 조정 시에, 상기 제2 샘플링 타임이 미리 결정된 최대값을 초과하는 경우, 상기 제2 샘플링 타임을 상기 최대값으로 설정하고, 상기 제2 샘플링 타임이 미리 결정된 최소값 미만인 경우, 상기 제2 샘플링 타임을 상기 최소값으로 설정하도록 야기하는 코드를 더 저장하는,모델 예측 제어 장치
|
| 18 |
18
제 17 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 설정의 이후에, 상기 차량이 주행을 정지할 때까지, 상기 주행조건 데이터를 추출하고, 상기 제어입력 데이터를 산출하고, 상기 샘플링 타임으로 조정하는 동작을 반복 수행하도록 야기하는 코드를 더 저장하는,모델 예측 제어 장치
|
| 19 |
19
제 11 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 샘플링 타임을 제2 샘플링 타임으로 조정은, 상기 제1 제어입력 데이터가 미리 결정된 조건을 만족하는 경우에만 수행되도록 야기하는 코드를 저장하는,모델 예측 제어 장치
|
| 20 |
20
제 11 항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 샘플링 타임을 제2 샘플링 타임으로 조정한 이후에, 상기 복수의 센서로부터 획득한 센서 데이터로부터 상기 제2 샘플링 타임에 따라 제2 주행조건 데이터를 추출하고,상기 제2 주행조건 데이터에 기초하여 제2 예측 모델에 따라 제2 제어입력 데이터를 산출하도록 야기하는 코드를 저장하고,제1 예측 모델은 상기 제1 샘플링 타임에 따라 설정된 주행 예측 모델이고, 상기 제2 예측 모델은 상기 제2 샘플링 타임에 따라 설정된 주행 예측 모델인,모델 예측 제어 장치
|
