자율주행자동차의 안정성 및 경로 추종 성능 향상을 위한 후륜 조향 제어 :Rear-Wheel Steering Control to Improve the Stability and Path Tracking Performance of Autonomous Vehicles

안태원

추천

검색

자료유형: 학위논문

저자정보: 안태원 (국민대학교, 국민대학교 자동차공학전문대학원)

지도교수: 박기홍

발행연도: 2022

저작권: 국민대학교 논문은 저작권에 의해 보호받습니다.

이용수80

이 논문의 연구 히스토리 (2)

2022

자율주행자동차의 안정성 및 경로 추종 성능 향상을 위한 후륜 조향 제어

안태원 자동차IT융합 2022.01 학위논문

2016

자율주행자동차의 횡방향 안정성 확보를 위한 전방, 하향 라이다 센서기반 경로생성 방법에 관한 연구

안태원 , 유재남 , 라주혁 외 2명 한국자동차공학회 추계학술대회 및 전시회 2016.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 운전자의 편의성 확보, 교통 혼잡도 감소, 차량 안전성 향상 등 다양한 목표에 따라 자율주행자동차에 대한 연구가 활발히 진행되고 있다. 특히, path tracking은 자율주행자동차가 경로를 따라 주행하기위해 필요한 기술이며, 주어진 경로를 정확하고 부드럽게 주행할 수 있도록 차량을 제어하는 것이 중요하다. 자율주행자동차는 주어진 경로를 따라 주행하기 위해 일반적으로 전륜 조향 제어를 수행한다. 그러나, 전륜 조향 제어만을 수행할 경우 급격한 차선 변경이나 곡률이 큰 곡선 도로를 주행할 때 경로 추종 성능 또는 차량의 안정성이 저하될 수 있다. 특히, 급격한 차선 변경과 같은 상황에서는 overshoot과 oscillation이 크게 발생할 수 있으며, 주변 차량에게 위협을 가할 수 있다. 차량의 안정성을 향상시키기 위해 rear wheel steering(RWS), electronic stability control(ESC) 및 torque vectoring(TV) 등과 같은 전륜 조향 이외의 액추에이터를 함께 제어하는 연구가 진행되어왔다. 그러나, 이러한 chassis 제어 방법들은 yaw rate, side-slip angle과 같은 자 차량의 현재 상태 정보만을 이용하여 제어하기 때문에 자율주행자동차에 그대로 적용할 경우, 차량의 안정성은 향상될 수 있지만, 경로 추종 성능을 효과적으로 향상시키기 어렵다. 특히, 본 논문에서는 자율주행상황에서 전륜뿐 아니라 후륜 조향 제어를 추가적으로 수행함으로써 경로 추종에 대한 성능과 차량의 안정성을 향상시켰다. 자율주행자동차의 종/횡 방향 제어는 model predictive control(MPC)를 기반으로 수행하였다. 경로 추종 시, MPC를 통해 예측된 lateral position error와 현재 차량의 yaw rate error를 통해 H-infinity 제어를 기반으로 후륜 조향 제어를 수행하였다. 이때, 후륜 조향 제어를 통해 lateral position error 또는 yaw rate error는 저감 될 수 있지만, 갑작스러운 차선 변경으로 인해 롤 각이 순간적으로 크게 나타날 수 있다. 이를 방지하기 위해 좌/우측 무게 배분이 증가하는 방향으로 후륜 제어가 수행될 경우 load transfer ratio(LTR)을 통해 후륜 조향 제어 값의 크기를 조절하였다. 본 논문에서 제안한 제어기의 성능을 검증하기 위해 CarMaker와 MATLAB&Simulink를 이용하여, 직선과 곡선 도로 그리고 고속도로 주행상황을 묘사한 시나리오에 대해 평가를 수행하였다.

Recent studies on autonomous vehicles have focused on enhancing driver convenience, alleviating traffic congestion, and increasing vehicle stability. Path tracking methods help ensure that a vehicle follows a given path. It is necessary to control the vehicle steering to ensure accurate and smooth travel. Generally, autonomous vehicles control only the front-wheel steer to follow a given path. However, the vehicle stability and path tracking performance may deteriorate decrease in situations such as emergency lane changing and driving along highly curved roads. In particular, considerable overshoot and oscillation may occur, and the autonomous vehicles may threaten their neighboring vehicles. To increase the vehicle stability, researchers have attempted to control other actuators in addition to the front-wheel steer such as through rear-wheel steering (RWS), electronic stability control (ESC), and torque vectoring (TV). However, these chassis control systems consider only the current yaw rate and side-slip angle. Therefore, when applied to autonomous vehicles, although these methods can increase the vehicle stability, it is difficult to enhance the path tracking performance. Notably, this paper proposes a method in which RWS and front-wheel steer are incorporated to enhance the stability and path tracking performance of autonomous vehicles. Longitudinal and lateral control were implemented through model predictive control (MPC). RWS was controlled by estimating the future lateral position error through the MPC and current yaw rate error. In general, although the lateral position error and yaw rate error can be decreased by controlling the rear-wheel steer, the roll angle may be large. To prevent this phenomenon, when the RWS was controlled by increasing the left/right weight distribution, the degree of the RWS was adjusted through the load transfer ratio. To verify the performance of the proposed controller, CarMaker and MATLAB/Simulink based evaluations were performed considering scenarios involving straight and curved roads and highways.

#IADS(Integrated Automated Driving System) #MPC(Model Predictive Control) #H-infinity #RWS(Rear Wheel Steering) #Emergency Lane Change #Path Tracking #통합 자율주행 시스템 #모델예측제어 #강인 제어 #후륜 조향 #비상 차선 변경 #경로 추종 #횡방향 안정성

Chapter 1. Introduction 1
1.1 Background and Motivation 1
1.2 Previous Researches 8
1.3 Thesis Objectives and Outline 12
Chapter 2. Vehicle Modeling 15
2.1 Vehicle Model for Longitudinal Motion 15
2.1.1 Longitudinal Vehicle Modeling 16
2.1.2 Aerodynamic Drag Force 17
2.1.3 Rolling Resistance 18
2.1.4 Simulation to Verify Estimation of Driving Resistance 20
2.1.5 Vehicle Modeling for Preceding Vehicle 22
2.2 Vehicle Model for Lateral Motion 25
2.2.1 Lateral Vehicle Modeling 25
2.2.2 Simulation to Verify Lateral Motion 30
2.3 Vehicle Model for Roll Motion 33
2.3.1 Roll Motion Modeling 33
2.3.2 Simulation to Verify Roll Motion 36
Chapter 3. Path Planning and Lane Change 39
3.1 Local Path Planning 39
3.1.1 Path Planning based on Map Shift 39
3.1.2 Path Planning based on Cubic Spline 40
3.2 Lane Change Decision 48
3.2.1 Smooth Lane Change 48
3.2.2 Emergency Lane Change 49
3.2.3 Risk Assessment of Lane Change 50
Chapter 4. Automated Driving System 52
4.1 Background of the MPC 53
4.1.1 State-space model for MPC 54
4.1.2 Cost Function 57
4.1.3 Constraints 58
4.2 Longitudinal Control based on MPC 60
4.2.1 Cruise Mode 61
4.2.2 Follow Mode 62
4.3 Estimation 64
4.3.1 Roll Angle Estimation 64
4.3.2 Tire Vertical Force Estimation 67
4.3.3 Simulation to Verify Roll and Tire Vertical Force Estimation 69
4.4 Feedforward and Feedback Control 73
4.4.1 Feedforward Control to Compensate Driving Resistance 73
4.4.2 Feedback Control to Generate Gas and Brake Commands 74
4.4.3 Simulation to Verify Feedforward Control 74
4.5 Lateral Control based on MPC 77
4.5.1 Front-Wheel Steer Control for Path Tracking 78
4.5.2 Simulation to Verify Path Tracking based on MPC 81
Chapter 5. Chassis Control 84
5.1 Background of H-infinity Control 84
5.1.1 Definition of H-infinity norm 85
5.1.2 System Model with Uncertainty 86
5.1.3 Robust Stability 87
5.1.4 Robust Performance 89
5.2 Control Design for Path Tracking 90
5.2.1 RWS System Matrix related to Path Tracking 91
5.2.2 H-infinity Control Design for Path Tracking 93
5.3 Control Design for Stability 98
5.3.1 RWS System Matrix Related to Stability 98
5.3.2 H-infinity Control Design for Stability 101
5.4 Load Transfer Ratio 103
5.4.1 Combination of Path Tracking and Stability Control 103
Chapter 6. Evaluation 105
6.1 Emergency Lane Change Scenario 106
6.1.1 Emergency Lane Change on a Straight Road 106
6.1.2 Emergency Lane Change on a Curved Road 116
6.2 Path Tracking Scenario 128
6.2.1 Driving on a Curve Without Lane Change 128
6.2.2 Double Lane Change 135
6.3 Highway Scenario 141
6.3.1 Straight Highway Scenario 141
6.4 System Stability Analysis 147
6.4.1 Single Lane Change for Stability Analysis 147
Chapter 7. Conclusion 150

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)