(A) study on optimum nose shape of a front-rear symmetric train for the reduction of the total aerodynamic drag

곽민호 서울대학교 대학원 2013 국내박사

A high-speed train uses two symmetrically corresponding shaped power cars at both ends. Consequently, the same nose shape plays a role as a leading part and a role as a trailing part in one train at the same time. Thus the existing model of the optimized first car nose shape which does not consider the entire train is not sound in terms of the aerodynamic drag. Also, while accurate simulation of the wake area behind the train is very significant for the design optimization of the three-dimensional shape, accuracy of previous studies has been limited by their train shapes and boundary conditions. Therefore, it is necessary to consider the entire train including the first car nose and the last car nose and especially accurate simulation of the wake area for the optimization of the shape design of a three-dimensional symmetric train in order to reduce the total aerodynamic drag. In this dissertation, two nose shape optimizations of the front-rear symmetric train are performed with no constraint for the reduction of the total aerodynamic drag and with the constraint of the optimized cross-sectional area distribution for the reduction of the total aerodynamic drag and the micro-pressure wave respectively. The three-dimensional train nose shape is constructed through Vehicle Modeling Function and a viscous compressible flow solver is adopted with unstructured meshes to predict the aerodynamic drag. The two optimizations are respectively performed under consideration of two cases – for the total aerodynamic drag of the entire train and for the aerodynamic drag of the first car only by the previous method for the reduction of design time. Also, an Artificial Neural Network is constructed with the experimental points extracted by Maxi-min Latin Hypercube Sampling method. In the unconstrained optimization, it was found that the total aerodynamic drag of the entire train with the optimized shape for the entire train was reduced by 5.8% when compared to the unconstrained base model, whereas that with the optimized shape for only the first car is changed little. On the other hand, in the constrained optimization, the total aerodynamic drag of the entire train with the optimized shape for the entire train was effectively reduced by 15.3 % when compared to that of the constrained base model while that with the optimized shape for only the first car is increased by 9.7% on the contrary. The low-risen and long vertical nose shape of the unconstrained optimum weakens the whirled flow around the nose tip. On the other hand, the low-risen and wide horizontal nose shape of the constrained optimum weakens the up-wash flow and vortices behind the blunt nose. Both shape characteristics reduce the overall aerodynamic drag of each base model. Therefore, the three dimensional modeling is very necessary for design optimization of the actual front-rear symmetric train in that the wake area behind the train must be simulated as accurately as possible. In doing so, Vehicle Modeling Function is a valuable tool in successful three-dimensional shape optimization since it has no modeling constraint to functionalize three-dimensional shape thus efficiently enables the various models of the three-dimensional train shape. Also, it is required to design symmetrically identical both noses in order to reduce the total aerodynamic drag. 레일 위를 주행하는 고속열차의 경우 같은 형상의 동력차가 동시에 앞과뒤 차량으로 방향만 바뀌어서 사용된다. 그러므로 첫번째 차량의 위치에만 적합하게 설계된 이전의 최적 전두부 형상은 마지막 차량의 위치에 있을 때 전체 공기저항의 관점에서 적합하지 않다. 또한 3차원 형상 최적설계에 있어 정확한 후류 모사는 매우 중요한 부분이지만, 이전 연구들의 열차 후류 모사는 열차 형상과 경계조건으로 인해 정확하지 않았다. 그러므로 전체 공기저항을 최소화하는 관점에서의 3차원 전두부 형상 최적설계는 전체 차량 형상을 모두 고려해야 하며, 특히 후미부에서의 후류 영역을 제대로 모사하는 것이 필요하다. 본 연구에서는 전체 공기저항을 줄이기 위한 전후대칭열차의 전두부 3차원 형상 최적설계를 수행하였다. 전체 공기저항을 줄이는 비제약 최적설계와 전체공기저항과 미기압파를 모두 저감하기 위해 미기압파를 최소화하는 전두부 단면적 분포를 제약조건으로 가지면서 전체공기저항을 저감하는 제약모델 최적설계를 각각 수행하였다. Vehicle Modeling Function을 이용하여 3차원 열차 형상을 구성하였고, Navier-Stokes 방정식과 비정렬격자를 이용하여 그 공기저항을 예측하였다. 전체공기저항을 고려한 경우와 첫번째 차량의 공기저항만을 고려한 경우의 최적설계를 비제약 최적설계와 제약모델 최적설계 모두의 경우에 각각 수행하였다. Maxi-min Latin Hypercube Sampling 방법을 이용하여 추출한 실험점을 바탕으로 인공신경망을 구성하여 최적설계에 이용하였다. 비제약 최적설계의 경우, 베이스형상과 비교했을 때, 전체공기저항을 고려한 전두부 형상을 적용한 열차모델은 전체공기저항이 약 5.8% 감소하였고, 첫번째 차량의 공기저항만 고려한 전두부 형상을 적용한 열차 모델은 전체공기저항의 감소가 미미하였다. 제약모델 최적설계의 경우, 베이스형상과 비교했을 때, 전체공기저항을 고려한 전두부 형상을 적용한 열차모델은 전체공기저항이 약 15.3% 감소하였고, 첫번째 차량의 공기저항만 고려한 전두부 형상을 적용한 열차 모델은 전체공기저항이 오히려 9.7% 증가하였다. 비제약설계 최적 전두부 형상의 낮게 깔리면서 세로로 긴 형상특징은 열차 뒤쪽 전두부 끝단 근처의 회전유동을 약화시킨다. 반면에 제약모델기반 최적 전두부 형상의 낮게 깔리면서 가로로 긴 형상 특징은 열차 뒤쪽 전두부 아랫면에서 올라오는 유동과 그로 인해 형성되는 와류를 약화시킨다. 이런 두 최적형상의 형상특징들이 전체 공기저항을 감소시킨다. 실제 전후대칭열차의 최적설계를 위해서 후류 영역이 정확하게 모사되어야 하기 때문에 3차원 형상 모델링은 필수적이다. 그러므로 Vehicle Modeling Function은 3차원형상을 함수화하여 다양한 형상을 표현하는데 제약이 없기 때문에 형상제약조건의 유무에 관계없이 성공적인 3차원 형상 최적설계를 가능하게 하는 가치있는 도구이다. 또한 전체 공기저항을 줄이기 위한 효과적인 최적설계를 위해서는 앞뒤에서 방향만 다른 같은 전두부 형상의 양방향 주행을 모두 고려하는 것이 꼭 필요하다.

Two-step multi-objective nose shape optimization of high-speed train using the vehicle modeling function

구요천 서울대학교 대학원 2009 국내박사

Design of T-S Fuzzy-Model-Based Depth Controller of Autonomous Underwater Vehicles : 무인 잠수정의 T-S 퍼지 모델 기반 심도 제어기 설계 : Design of T-S Fuzzy-Model-Based Depth Controller of Autonomous Underwater Vehicles

전성우 한밭대학교 산업대학원 2013 국내석사

This paper presents a Takagi-Sugeno (T-S) fuzzy-model-based controller for the depth control of autonomous underwater vehicles (AUVs). Through the sector nonlinearity methodology, the nonlinear AUV depth dynamics and kinematics are represented by T-S fuzzy model. Using the line of sight (LOS) method, the tracking control problem is converted into the stabilization one for the error model between the given nonlinear AUV and the waypoints. Lyapunov function is used to derive the stabilization conditions and to guarantee the robust performance of the control for the error model in the format of linear matrix inequalities (LMIs). Constraint conditions on control input and output of fuzzy control systems are presented in the LMI conditions. An example is provided to illustrate the effectiveness of the proposed methodology.

(A) study on the data-driven methodology for optimal design of electric and electronic architecture of next generation electric vehicles : focusing on demonstration in the powertrain domain

김도곤 Graduate School, Yonsei University 2023 국내박사

The automotive market, mega trends can be seen “automated”, “connected” and “electrified”. All these trends result in a rising complexity in the development of electric vehicle. A centralization of E/E architecture that meets future mobility requirements has been proposed. Experts survey was used for technical prediction. Technology trend analysis was conducted through papers and patent investigations. Through patent topic modeling, topics for important functions could be confirmed. And controllers corresponding to related topics were classified. A functional feature list was defined and an electronic architecture concept scenario was generated based on the functional feature list. The expert questionnaire was used to minimize architectural scenarios. and evaluation indicators. Functional module modeling was conducted to evaluate the minimized scenario, and the electric/electronic architecture of the powertrain domain of the next-generation electric vehicle was selected using the selected evaluation index.The functional feature list of the electric vehicle powertrain domain was defined, and functions that can be moved to other controllers were classified among the organized functions. In addition, architecture evaluation indicators were collected using data from Bosch and Vector to generate electrical and electronic architecture scenarios with controllers from patent analysis and functions summarized in the feature list. A total of 17 scenarios and 16 evaluation indicators were constructed, and since it takes a lot of time and effort to evaluate with all scenarios and evaluation indicators, it was decided to minimize them through a survey to experts. Through the survey, four scenarios and six evaluation indicators were selected as candidates. For quantitative evaluation, the functions defined in the feature list were modeled using IBM's Rhapsody tool. As a result of the evaluation, among the four scenarios, the DCU and VCU integrated scenario was selected as the concept of electrical and electronic architecture in the final electric vehicle powertrain domain. 전동화 시장은 2016~2025년 간 연평균 24~31% 성장이 예상되고 있다. 이렇게 급성장하는 사유로는 주요 지역들이 공통적으로 연비 규제를 년 4~5% 이상 지속적으로 강화할 예정이기 때문이다. 2025년 미국은 97, 유럽은 68~78, 중국은 93(CO2 g/km) 로 연비 규제가 강화될 예정이다. 그리고 유럽에서는 Low emission Zone이 확산되고 있으며 프랑스 파리는 노후 경유차량 진입을 금지하고 있으며, 영국 런던에서는 PHEV/EV 차량에 대한 혼잡세를 면제하고 있다. 향후 자율주행 및 커네티비티 자동차가 확산되면 전력 소요량이 증가하여 전동화가 필수로 자리잡게 된다. 2025년 이후는 전기자동차로 연비를 대응하는 것이 수익성 측면에서 유리하기 때문에 전기자동차의 전자플랫폼 개발이 중요하다고 판단하고 있다. 본 논문 에서는 2025년 이후 전기자동차에 대한 전자플랫폼 개발을 위해서 전기차에서 기술 및 원가경쟁력 측면에서 차별화하는데 가장 중요한 환경차 파워트레인 도메인에 대한 전기전자 아키텍처 컨셉을 제안한다. 본 연구에서는 차세대 전기차의 전기전자 아키텍처 최적 설계를 위한 데이터 기반 방법론을 제안하였다. 제안한 방법론을 활용하여 전기차 파워트레인 도메인에서의 실증을 중심으로 검증하였다. 신규 방법론은 OEM 기준으로 적용할 수 있으며 기존 방법론과의 차이점은 특허 토픽모델링, 전문가 설문, 데이터 기반 시뮬레이션을 통해서 신뢰성 있는 전기전자 아키텍처를 선정하는데 있다. 연구 방법은 전기차 파워트레인 도메인에 대한 동향 분석 및 특허 토픽 모델링을 진행하였고 전기차 기능에 대한 특허 분석을 통해서 최근에 적용되고 있는 기능을 파악하고 동향 및 기능 분석을 통해서 미래에 적용될 제어기를 추정하였다. 기능 피처 리스트 정의를 통해 기존 기능 및 신규 기능을 정리하고 기능과 제어기 리스트를 가지고 아키텍처 시나리오들을 구성해서 평가지표를 가지고 2025년 이후 전기자동차에 적용될 파워트레인 도메인 아키텍처 컨셉을 선정하게 되었다. 미래 자동차에 대한 전기전자 아키텍처 트렌드 및 로드맵을 조사한 결과 도메인 집중화 구조에서 도메인 퓨전 구조를 지나서 향후 차량 컴퓨터 구조로 적용이 확대될 예정으로 분석되었다. 전기자동차의 환경차 파워트레인 도메인에 대한 제어기 간 기능 분배를 통한 최적화된 아키텍처 컨셉 개발이 필요한 시점이었다. 특허 분석을 통해서 기능 관련해서 주요 단어들을 파악할 수 있었고 주요 단어를 통해서 그 기능에 매핑할 수 있는 제어기 리스트를 정리할 수 있었다. 전기차 파워트레인 도메인의 기능 피처 리스트를 정의하고 정리한 기능 중에 다른 제어기들로 이동이 가능한 기능들을 분류하였다. 그리고 특허분석을 통해 나온 제어기들과 기능 피처 리스트에서 정리한 기능들을 가지고 전기전자 아키텍처 시나리오들을 생성하고 아키텍처 시나리오들을 평가하기 위해서 보쉬 및 벡터사의 자료를 활용하여 아키텍처 평가지표를 취합하였다. 모두 17개의 시나리오와 16개의 평가지표를 구성하였고 모든 시나리오와 평가지표를 가지고 평가하기에는 많은 시간과 노력이 들어가므로 전문가들에게 설문을 통해서 최소화하기로 하였다. 설문을 통해서 4개의 시나리오와 6개의 평가지표를 후보군으로 선정하였다. 선정 기준은 2025년 전기자동차 파워트레인에 적용될 전기전자 아키텍처로 하였고 선정된 아키텍처 지표는 전자부품원가, 확장성/업데이트 용이성, 안전/보안 요구사항 대응 용이성, 검증 공수, 하드웨어 요구사항, 충전 중 깨어나는 ECU 개수 등 총 6개로 정하였다. 정량적인 평가를 위해서 기능 피처 리스트에서 정의한 기능들을 IBM사의 랩소디 툴을 활용해서 기능 모듈을 모델링하였다. 26개 기능 모듈을 모델링하였고 기능 모듈 내에는 평가지표로 활용할 수 있는 ASIL 레벨, 연산부하, RAM 및 ROM 사이즈, 충전 중 동작 여부에 대한 속성을 부여하였다. 4개의 전기전자 아키텍처 컨셉 시나리오에 기능 모듈을 매핑하여 6개의 평가지표를 가지고 비교 분석을 진행하였다. 평가 결과, 4개의 시나리오 중에서 DCU와 VCU 통합형 시나리오가 최종 전기차 파워트레인 도메인의 전기전자 아키텍처 컨셉으로 선정되었다. 제어기 기준으로 원가는 상승하나 확장성, 업데이트 용이성, 안전 및 보안 요구사항 대응이 우수한 결과를 얻었다. 향후 선정된 파워트레인 도메인 전기전자 아키텍처 컨셉을 기반으로 전기차 전자플랫폼을 구성할 예정이다. 그리고 전기차 파워트레인 도메인에 대한 상세 기능 분배를 수행하여 파워트레인 도메인 DCU 개발을 진행할 수 있도록 할 예정이다. 본 연구를 통해서 특허 토픽모델링, 전문가 설문, 데이터 기반 시뮬레이션을 통해서 전기전자 아키텍처 설계 방법론을 새롭게 제안하였고 전기차 파워트레인 도메인을 활용하여 실증을 통해 유효성을 검증하였다. 차세대 전기차의 파워트레인 도메인의 전기전자 아키텍처는 기존의 분산형 아키텍처에서 중앙 집중형 아키텍처로의 가야 한다는 결론에 도달하였다. 연구의 한계로는 파워트레인 도메인만 진행하였으나 타 도메인까지 확대하여 차량 레벨의 전기전자 아키텍처 구성이 필요하다.

자율주행 전기자동차의 친환경 및 경제주행 기법 연구

김선우 인하대학교 대학원 2023 국내석사

본 학위논문은 자율주행 전기자동차의 친환경 및 경제주행(Eco-driving) 을 목적으로 하는 model-based 방법 및 model-free learning 방법에 기반한 속 도계획 방법을 제시한다. 속도계획 기법 적용을 위해 차량의 주행 시나리오를 전방 차량에 대해 안전거리를 유지하며 경제주행을 수행하는 시나리오(Eco- ACC)와 정해진 경로에서 충전계획 및 경제주행을 함께 고려하는 시나리오 (Eco-CSP)로 각각 나누고, model-based 방법과 model-free learning 방법을 적용하여 전비 최적 속도를 계획한다. Eco-ACC 시나리오에 대하여 모델 기반 최적 제어를 적용하기 위해, 전기자동차의 종방향 동역학 및 파워트레인의 물 리적 한계를 고려한 준안정 상태 파워트레인 모델을 고려한다. 이를 바탕으로 친환경 및 경제주행을 목표로 속도 프로파일을 도출하는 최적제어 문제를 설 계하고, 모델 예측 제어(MPC) 및 근사 동적프로그래밍(ADP) 방법으로 최적 해를 도출하고 이를 바탕으로 시뮬레이션을 진행하였다. Model-free learning 방법에 대해서는 Simulink 및 IPG CarMaker를 사용한 강화학습 환경을 구 축하였고 강화학습 에이전트는 Deep Q network (DQN), Deep deterministic policy gradient (DDPG) 알고리즘을 적용하여 전방 차량에 대해 안전거리를 유지하며 경제주행을 수행할 수 있도록 훈련을 진행하였다. 전방 차량의 주행 을 모사하기 위해 HWFET, US06, WLTP Class 3b 주행 사이클을 사용하였고, 전방 차량과 호스트 차량 간의 에너지 소비량을 비교하였다. 시뮬레이션으로 부터 얻은 결과는 전방 차량과 비교하여 최대 14% 가량의 에너지 효율 향상을 나타내었다. Eco-CSP 시나리오의 경우, 모델 기반 방법으로 충전 및 속도계 획을 수행하기 위해, 차량의 동역학 모델 및 전기 파워트레인 모델을 고려한 비볼록 및 볼록 최적화 문제를 설계하고, 이에 대해 모델 예측 제어 방법을 적용하여 해를 얻었다. 비선형 및 선형 MPC의 해의 성능을 비교하기 위해 시뮬레이션을 진행한다. 한편, 각 MPC 방법의 성능을 비교하기 위한 시뮬레 이션 시나리오로는 뮌헨-쾰른 간 573km의 경로를 가정하였고, 속도 프로파일 간 주행시간 및 에너지 소모량을 비교하였다. This thesis presents model-based method and model-free learning meth- ods for economic and ecological speed planning of connected and autonomous electric vehicles. For model-based optimal control of Economic and ecolog- ical adaptive cruise control (Eco-ACC), we considered longitudinal vehicle dynamics and a quasi-steady-state powertrain model including the physi- cal limits of a commercial electric vehicle. We used model predictive con- trol(MPC), approximate dynamic programming (ADP), in which the value function was trained using data obtained from IPG CarMaker simulations. For real-time implementation, forward multi-step look-ahead prediction and optimization were executed in a receding horizon scheme to maximize the en- ergy efficiency of the electric machine while avoiding rear-end collisions and satisfying the powertrain, speed, and distance-gap constraints. For model-free optimal control of Eco-ACC, we applied two reinforcement learning meth- ods, deep q-network (DQN) and deep deterministic policy gradient (DDPG), in which deep neural networks were trained in IPG CarMaker simulations. For performance demonstrations, the HWFET, US06, and WLTP Class 3b driving cycles were used to simulate the front vehicle, and the energy con- sumptions of the host vehicle and front vehicle were compared. In high- fidelity IPG CarMaker simulations, the proposed learning-based Eco-ACC methods demonstrated approximately 3–5% and 10–14% efficiency improve- ments in highway and city-highway driving scenarios, respectively, compared with the front vehicle. For the eco-driving considering trip-time minimization and energy-consumption, charging planning is also considered as well as speed planning(Eco-driving with charging and speed planning, Eco-CSP). Non-convex and convex-optimization problems were formulated for MPC- based eco-driving. We compared the performances of non-linear and linear MPC solutions for high-level planning of vehicle speed and charging. For the simulations, an 573km of Munich-Cologne trip were simulated for comparing the performances between methods.