메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Kwangseok Oh (Hankyong National University) Sechan Oh (Hankyong National University) Jongmin Lee (Seoul National University) Kyongsu Yi (Seoul National University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2021
발행연도
2021.10
수록면
1,737 - 1,741 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper proposes a human-like learning frame for data-driven adaptive control algorithm of automated driving. Generally, driving control algorithms for automated vehicles need environment information and relatively accurate system information like mathematical model and system parameters. Because there are unexpected uncertainties and changes in environment and system dynamic, derivation of relatively accurate mathematical model or dynamic parameters information is not easy in real world and it can have a negative impact on driving control performance. Therefore, this study proposes data-driven feedback control method for automated driving based on human-like learning frame in order to address the aforementioned limitation. The human-like learning frame is based on finite-memory like human and is divided into two parts such as control and decision parts. In the control part, it is designed that feedback gains are derived based on least squares method using saved error states and gains in finite-memory. And the control input has been computed using the derived feedback gains. After control input is used for driving control, it is designed that current error states and the used feedback gains are saved in the finite-memory real-time in the decision part if the time-derivative of cost function has a negative value. If the time-derivative of the cost function has greater than or equal to zero, it is designed that the feedback gains are updated using gradient descent method with sensitivity estimation and the used error states and gains are saved in the memory as a new data. The performance evaluation has been conducted using the Matlab/Simulink and CarMaker software for reasonable evaluation.
#Data-Driven Control #Automated Driving #Human-Like Learning #Feedback Control #Least Squares #Gradient Descent Method #Sensitivity Estimation

목차

Abstract
1. INTRODUCTION
2. HUMAN-LIKE LEARNING FRAMEBASED DATA-DRIVEN ADAPTIVE CONTROL ALGORITHM
3. PERFORMANCE EVALUATION
4. CONCLUSION
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0