지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이형철
- 발행연도
- 2023
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
갈수록 강화되는 환경 규제에 맞추어 전기자동차의 보급이 빨라지고 있으며,
다양한 전기자동차의 연구 개발이 이루어지고 있다. 하지만 전기자동차는 기
존의 내연기관 자동차나 하이브리드 전기자동차에 비해 1회 충전당 주행 거
리가 짧다는 단점이 있으며, 운전자 또한 잔여 주행거리로 인해 운행에 불안
감을 느끼는 Range Anxiety 라는 장벽이 존재하고 이는 전기자동차 보급의
장애물이 되고 있다. 따라서 전기자동차의 에너지 소비를 예측하여 더 정확한
잔여 주행거리를 예측할 수 있는 알고리즘의 개발이 필요한 상황이다. 본 논
문에서는 더 정확한 잔여 주행거리 예측을 위하여 미래 주행 경로에 대하여
전기자동차의 구동에 의한 에너지소비효율을 예측하는 알고리즘을 제안한다.
기존의 전기자동차 에너지 소비효율 예측 알고리즘은 과거 주행 기록을 기반
으로 하는 히스토리 기반 예측, AI(Artificial Intelligence) 를 활용한 기계학
습 기반 예측, 종방향 차량동역학을 활용한 모델 기반 예측 알고리즘 등이 있
으며, 본 논문에서는 모방학습 기법 중 하나인 GAIL(Generative
Adversarial Imitation Learning)에 SAC(Soft Actor Critic)를 적용한 인공
신경망을 활용하여 운전자의 운전 성향과 실시간 교통정보를 고려한 가상의
속도 프로파일을 생성하고, 생성된 속도 프로파일을 종방향 차량동역학 기반
에너지 소비 모델에 적용하여 앞으로 주행할 경로에 대한 운전자의 에너지 소
비효율을 예측하는 알고리즘을 설계하였다.
GAIL과 SAC의 학습에는 Python 기반 TensorFlow 2가 활용되었으며, 생
성된 속도 프로파일을 기반으로 에너지 소비를 계산하는 에너지 소비 모델은
MATLAB/Simulink 환경을 이용하여 개발하였다. 제안한 알고리즘의 성능을
확인하기 위하여 기존의 PI 제어기와 IDM(Intelligent Driver Model)을 기반
으로 생성한 속도 프로파일로 예측한 에너지 소비효율과 GAIL을 이용한 속
도 프로파일로 예측한 에너지 소비효율을 비교하였다.
다양한 전기자동차의 연구 개발이 이루어지고 있다. 하지만 전기자동차는 기
존의 내연기관 자동차나 하이브리드 전기자동차에 비해 1회 충전당 주행 거
리가 짧다는 단점이 있으며, 운전자 또한 잔여 주행거리로 인해 운행에 불안
감을 느끼는 Range Anxiety 라는 장벽이 존재하고 이는 전기자동차 보급의
장애물이 되고 있다. 따라서 전기자동차의 에너지 소비를 예측하여 더 정확한
잔여 주행거리를 예측할 수 있는 알고리즘의 개발이 필요한 상황이다. 본 논
문에서는 더 정확한 잔여 주행거리 예측을 위하여 미래 주행 경로에 대하여
전기자동차의 구동에 의한 에너지소비효율을 예측하는 알고리즘을 제안한다.
기존의 전기자동차 에너지 소비효율 예측 알고리즘은 과거 주행 기록을 기반
으로 하는 히스토리 기반 예측, AI(Artificial Intelligence) 를 활용한 기계학
습 기반 예측, 종방향 차량동역학을 활용한 모델 기반 예측 알고리즘 등이 있
으며, 본 논문에서는 모방학습 기법 중 하나인 GAIL(Generative
Adversarial Imitation Learning)에 SAC(Soft Actor Critic)를 적용한 인공
신경망을 활용하여 운전자의 운전 성향과 실시간 교통정보를 고려한 가상의
속도 프로파일을 생성하고, 생성된 속도 프로파일을 종방향 차량동역학 기반
에너지 소비 모델에 적용하여 앞으로 주행할 경로에 대한 운전자의 에너지 소
비효율을 예측하는 알고리즘을 설계하였다.
GAIL과 SAC의 학습에는 Python 기반 TensorFlow 2가 활용되었으며, 생
성된 속도 프로파일을 기반으로 에너지 소비를 계산하는 에너지 소비 모델은
MATLAB/Simulink 환경을 이용하여 개발하였다. 제안한 알고리즘의 성능을
확인하기 위하여 기존의 PI 제어기와 IDM(Intelligent Driver Model)을 기반
으로 생성한 속도 프로파일로 예측한 에너지 소비효율과 GAIL을 이용한 속
도 프로파일로 예측한 에너지 소비효율을 비교하였다.
목차
제1장 서 론 11.1 연구 배경 및 필요성 11.2 연구 내용 3제2장 Inverse Reinforcement Learning 52.1 Generative Adversarial Imitation Learning 82.1.1 RL 및 IRL 정의 92.2 Soft Actor Critic 12제3장 모방학습 기반 속도 프로파일 생성 163.1 Intelligent Driver Model 173.2 모방학습 기반 운전자 모델 193.2.1 Actor Network 193.2.2 Critic Network 243.2.3 Discriminator Network 263.3 대상 경로 및 시나리오 293.3.1 대상 경로 303.3.2 실시간 소통정보 303.3.3 적용 결과 31제4장 전기자동차의 에너지 소비 모델 324.1 대상 차량 324.2 종방향 차량동역학 344.3 모터 모델 354.4 회생제동 토크 및 구동 에너지 계산 37제5장 학습 결과 및 시뮬레이션 395.1 모방학습 알고리즘 학습 환경 395.2 학습 결과 395.3 속도 시나리오 생성 결과 415.4 에너지 소비 예측 결과 45제6장 결론 및 향후 연구방향 466.1 결론 466.2 향후 연구 방향 46Reference 48ABSTRACT 53
최근 본 자료
댓글(0)
0