http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Sechan Oh,Hakjoo Kim,Munjung Jang,Jongmin Lee,Kwangseok Oh,Kyongsu Yi 제어로봇시스템학회 2021 제어로봇시스템학회 국제학술대회 논문집 Vol.2021 No.10
This paper presents sliding mode and partitioned cost function-based fault-tolerant controller of automated driving. A proper strategy for ensuring functional safety of autonomous vehicles is needed when there exist sensor faults in acceleration information used for longitudinal autonomous driving. The data-driven fault-tolerant control algorithm proposed in this study is based on the upper-level controller decoupled with the lower-level controller. The adaptive sliding mode observer (ASMO) using recursive least squares (RLS) for reconstruction of acceleration sensor fault signal has been designed with gradient descent method. The reconstructed fault signal has been used to compute the desired acceleration for fault-tolerant longitudinal control with the Lyapunov stability condition. In order to compute the lower-level control inputs such as acceleration and brake pedal inputs, the desired and current acceleration values have been used based on the PID control law. It is assumed that the longitudinal acceleration of the preceding vehicle can be obtained using V2V communication. The performance evaluation environment has been constructed using Matlab/Simulink and CarMaker software. The evaluation results shows that the desired acceleration can be tracked reasonably by the proposed fault-tolerant control algorithm despite of existence of fault signal in longitudinal acceleration value.
Kwangseok Oh,Sechan Oh,Jongmin Lee,Kyongsu Yi 제어로봇시스템학회 2021 제어로봇시스템학회 국제학술대회 논문집 Vol.2021 No.10
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.
종방향 자율주행을 위한 유한 기억 기반 인간 모사 학습을 이용하는 적응형 되먹임 제어 알고리즘 개발
오세찬(Sechan Oh),오광석(Kwangseok Oh) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
자율주행 시스템은 차량이 스스로 주행할 수 있는 기술이며 탑승자에게 편의성을 제공한다. 자율주행을 위해서는 자율적 가속 및 감속 그리고 선회를 위한 종방향 제어 입력과 횡방향 제어를 위한 조향 제어 입력이 필요하다. 차량의 안정한 제어를 위해 제어 알고리즘의 개발 및 성능 평가가 활발히 이루어지고 있다. Qiu. W 외 4명은 선행 차량을 추종하는 자율주행 차량을 위해 고정 차두 시간 전략을 이용하여 종방향 요구 가속도를 도출하는 모델 예측 제어기를 제안하였다. Chen. C 외 3명은 자율주행 차량의 경로 추종을 위한 라그랑지안 변수 기반 랴푸노브(Lyapunov) 함수를 기반 계층적 적응 제어기를 제안하였다. 본 연구에서는 종방향 자율주행을 위한 유한 기억 기반 인간 모사 학습을 이용하는 적응형 되먹임 제어 알고리즘을 제안한다. 종방향 목표 가속도 도출을 위해 제어 오차와 되먹임 이득을 이용하여 되먹임 제어기를 설계하였다. 되먹임 이득은 유한 기억에 저장된 제어 오차와 목표 가속도를 기반으로 최소 자승법을 이용해 실시간으로 추정되었다. 유한 기억 공간은 제어 성능 평가를 위해 설계된 목적함수 값의 변화율에 따라 새로운 정보의 기억 여부가 결정되도록 알고리즘이 설계되었다. 목적함수 값의 변화율이 양수인 경우는 MIT규칙 기반 적응된 목표 가속도를 기억 공간에 저장되고 최소 자승 기반 목표 가속도 도출을 위해 사용된다. 제안된 알고리즘은 Matlab/Simulink 기반 설계되었고, 합리적 평가를 위해 CarMaker 소프트웨어를 연동하여 성능 평가가 수행되었다. 평가 결과 선행 차량을 합리적으로 추종하는 결과와 목적함수의 값이 0에 가까운 값으로 수렴하는 결과를 확인하였다. 그러므로 제안된 알고리즘은 향후 대상 시스템의 정보 없이 자율주행을 가능하게 하는 제어 알고리즘으로 이용될 것으로 기대한다.