Recently, the global electric vehicle market has been rapidly growing, and the importance of the technology for powertrain electrification is rising. In particular, the development of electric transmission has become important. This is because by using a transmission, the vehicle can use a smaller motor and inverter to lower the costs while maintaining high performance. However, conventional automatic transmissions equipped with friction clutches lead to increased cost, complexity, and loss of efficiency. One way to resolve these issues is to use a light and high-efficiency dog clutch for EV transmission. Despite these advantages of the dog clutch, it has a critical weakness, which is a torque hole, during the shift. This paper proposes a model predictive control (MPC) based preview gear-shift strategy coupled with a two-motor architecture that can potentially eliminate the torque holes. The optimal control problem is formulated so that the torque holes and the number of gear-shift are minimized while maximizing the system efficiency. The system utilizes not only past information but also available future information to predict the vehicle’s trajectory. Long short-term memory network is utilized to predict the future information, which is input to the MPC controller. Simulation results show that the MPC-based preview gear-shift strategy can dramatically reduce torque holes compared to an existing rule-based gear-shift method, which opens up new opportunities in developing EV transmission using dog clutches.
전세계적으로 전기차 시장이 빠르게 성장하고 있고, 글로벌 자동차 업체들이 경쟁적으로 전동화 전략을 발표하고 있다. 전동화 차량 기술에서 핵심부품인 모터와 인버터의 경우, 변속기의 사용을 통해 크기를 줄일 수 있는데, 이는 차량의 무게를 가볍게 하여 시스템 효율을 증가시킬 뿐만 아니라 차량 내부 공간도 추가로 확보할 수 있으므로 전기차의 높은 성능을 유지하면서도 비용을 낮출 수 있다. 특히 상용화 차량의 경우, 변속기의 사용은 그 효과가 극대화 될 수 있다. 하지만 자동변속기에 주로 사용되는 마찰 클러치의 경우, 높은 비용과 무게로 인해 변속기 사용으로 인한 이득을 상쇄시키는 경향이 있으므로 전동화 차량에 적합하지 않다. 이와 같은 문제를 가볍고 높은 효율을 가지는 도그 클러치를 통해 해결하여 전동화 차량 전용 변속기의 개발 및 변속 제어 전략을 개발하고자 한다. 도그 클러치 변속기 사용에 있어 가장 큰 문제점은 토크 홀이며, 이는 변속 시 속도 동기화 및 체결 과정에서 발생하는 동력 단절 현상이다. 본 논문에서는 전역 최적화 기법인 동적 계획법을 통해 토크 홀을 줄일 수 있는 것을 보이고, 이를 기반으로 모델 예측 제어를 이용하여 시스템 효율을 최적화하는 동시에 토크 홀과 변속감을 최소화하는 최적 제어 전략을 제시한다. 모델 예측 제어를 위한 미래의 정보들은 장단기 메모리 네트워크를 통해 예측하였으며, 차량 과거의 정보 뿐만 아니라 예측 가능한 미래의 정보를 이용하였다. 제시된 방법은 시스템 효율을 높게 유지시킬 뿐만 아니라 토크 홀 발생량이 현저하게 감소된 것을 보이며, 도그 클러치 기반 전동화 변속기의 사용 가능성을 검증하였다.
