The recent advancements in sensor technologies, such as cameras and radars, and the development of intelligent vehicles have made it possible to create Advanced Driver Assistance Systems (ADAS) based on obstacle and lane recognition. These systems, particularly those that provide lateral safety controls such as lane keeping and obstacle avoidance, can significantly reduce accidents caused by lane departures and obstacle collisions. Path tracking control, which accurately follows a target path generated by a path generator, is essential for lateral safety control. Generally, path tracking control performs excellently during smooth driving situations with just steering control, but it can be difficult to guarantee its effectiveness at high speeds when following a curved path due to the tire's friction limit. At high speeds, even an ideal steering controller may not be able to adequately handle such a situation. To address this issue, this dissertation proposes an integrated steering and braking control system that takes into consideration the tire's friction limit in order to prevent unstable vehicle behavior at high speeds and to achieve stable path tracking.
When it is predicted that the tire's friction limit will be exceeded during turning, the proposed integrated controller allows the vehicle to follow the path at a stable speed through coordinated control with appropriate braking. To do this, the controller utilizes a Model Predictive Control (MPC) technique that predicts the future vehicle state and generates an optimal input value through optimization. In particular, to prevent control failures due to uncertainty caused by various factors, this controller deals with uncertainty in depth. When following a path at high speeds, tire forces close to the friction limit are required. Therefore, uncertainty can not only cause tracking errors, but also lead to dangerous behavior due to tire saturation. To address this, this study provides a detailed discussion of uncertainty and its effects. Firstly, the proposed linear integrated model is designed to effectively express vehicle behavior while minimizing uncertainty. Secondly, it enables robust control over uncertainty using the Robust Model Predictive Control (Robust MPC) method.
The proposed integrated model considers the vehicle's motions in three degrees of freedom (longitudinal, lateral, and rotational), the three-directional (longitudinal, lateral, and vertical) forces of each tire, and the vehicle's motions relative to the destination path. The nonlinear integrated model is expressed as a linear prediction model through the proposed multi-point linearization method. This method minimizes linearization errors and linearizes the model using the MPC's prediction value from the previous step. This significantly reduces the computational burden of the nonlinear model and enables the model to exhibit prediction performance similar to that of the nonlinear model. Additionally, the proposed model takes into account both the time delay and phase delay of the sub-controllers, which can create significant uncertainty in real-world environments. As a result, the proposed multi-point linearization integrated model has both effective calculation and accurate prediction performance as a linear model, which is verified through simulation.
A robust model predictive controller has been developed to provide robust control over remaining uncertainties, even when using the proposed integrated model. This method sets constraints more conservatively to ensure that they are not violated despite uncertainty. To assess the feasibility of the controller and ensure that it does not exhibit excessively conservative control, this study performs mathematical analysis of feasibility and defines constraints based on driving and control data.
The performance of the proposed path tracking controller has been verified through simulations and experiments. Simulation verification was conducted in various scenarios using Carsim, a high-order vehicle simulator, and compared with models proposed in previous studies. In addition, the controller's robust control performance was verified and analyzed through vehicle experiments, taking into account various uncertainties in the real environment and performance degradation caused by sub-controllers.
최근의 지능형 차의 개발에 따른 카메라, 레이더 등의 센서 기술의 발전은 장애물 및 차선 인식 기반의 첨단 운전자 보조 시스템(ADAS)의 개발을 가능케 하였다. 특히 차선 유지, 장애물 회피 거동 등의 횡 방향 안전 제어는 차선 이탈, 장애물 충돌 등으로 인한 사고를 크게 줄일 수 있다. 횡 방향 안전 제어를 위해서는 목적에 따라 경로 생성기로부터 생성된 목적 경로를 정확히 추적하는 경로 추적 제어가 필수적으로 사용된다. 일반적으로 부드러운 주행상황에서의 경로 추종 제어는 조타 제어만으로도 우수한 추종 성능을 보이지만, 고속으로 굴곡진 경로를 따라가야 하는 상황에서는 타이어의 마찰 한계로 인해 이를 쉽게 보장할 수 없다. 특히, 특정 속도 이상에서는 이상적인 조타 제어기라 하더라도 상황을 대처하는 것이 불가능하다. 따라서 본 논문에서는 고속에서의 차량의 불안정한 거동을 방지하며 안정적인 경로 추종을 하기 위해 타이어의 마찰 한계가 고려된 조타 및 제동 통합 제어가 제안된다.
본 연구에서 제안된 통합 제어기는 선회시 타이어의 마찰 한계가 넘을 것을 미리 예상될 경우 적절한 제동과의 협응 제어를 통해 안정적인 속도 구간에서 차량이 경로를 추종하도록 한다. 이를 위해 미래의 차량 상태를 예측하고 이를 활용한 최적화를 통해 최적의 입력 값을 생성하는 모델 예측 제어(MPC)기법이 활용된다. 특히, 다양한 원인으로부터 발생하는 불확실성으로 인한 제어 실패를 방지하기 위해, 불확실성에 대한 고려가 깊이 있게 다루어진다. 고속에서의 경로 추종 제어를 위해서는 마찰 한계 수준의 타이어 힘이 요구된다. 따라서 불확실성은 단순히 추종 오차를 발생시킬 뿐만 아니라 타이어의 포화로 인한 위험한 거동을 야기할 수 있다. 따라서, 본 연구에서는 이에 대해 세심한 논의가 이루어 진다. 먼저, 제안된 선형화 통합 모델은 불확실성을 최소화하여 차량의 거동을 최대한 효과적으로 표현할 수 있도록 설계되며, 두번째로 강건 모델 예측 제어 (Robust MPC) 방식을 통해 발생하는 불확실성에 강건한 제어가 이루어 질 수 있도록 한다.
먼저, 제안된 선형화 통합 모델은 차량의 3 자유도 모션(종/횡/회전)방향 모션과 각 타이어의 3 방향(종/횡/수직) 힘, 그리고 목적 경로와의 상대 위치에 대한 모션이 모두 함께 고려된다. 통합된 비선형 모델은 제안되는 다점 선형화 방식을 통해 선형 예측 모델이 표현된다. 다점 선형화 방식은 선형화 오차를 최소화 하기 위한 방안으로, MPC의 이전 스텝의 예측 값을 활용하여 선형화가 이루어진다. 이를 통해, 방대한 계산량을 가지는 비선형 모델의 계산 부담을 크게 줄임과 동시에 비선형 모델과 유사한 모델 예측 성능을 보일 수 있다. 마지막으로, 선형화된 통합 모델은 실제 환경에서 심각한 불확실성을 생성하는 하위 제어기의 시간 지연과 위상 지연이 함께 고려된다. 이를 통해, 제안된 다점 선형화 통합 모델은 선형모델로서의 효과적인 계산과 정확한 모델 예측 성능을 가지며, 이는 시뮬레이션을 통해 검증된다.
제안된 통합 모델의 활용에도 발생하는 불확실성에 대해 강건한 제어를 위해 강건 모델 예측 제어기가 설계된다. 이 방식은 제약조건을 보다 보수적으로 설정하여, 불확실성에도 불구하고 제약조건을 위반하지 않도록 한다. 따라서, 본 연구에서는 제약조건을 만족하는 해의 존재를 나타내는 실행가능성(feasibility)에 대한 분석이 수학적으로 이루어진다. 또한 주행 데이터와 제어데이터를 기반으로 실행 가능하기 위한 제약 조건의 정의가 이루어 진다. 제안된 보수적인 제약조건은 제어기의 실행 가능성을 보장함과 동시에 과도하게 보수적인 제어가 이루어지는 것을 방지한다.
제안된 경로 추종 제어기는 시뮬레이션과 실험을 통해 성능 검증이 이루어 진다. 시뮬레이션 검증은 고차 차량 시뮬레이터인 카심을 통해, 기존 연구들에서 제안된 모델 들과의 비교와 함께 다양한 시나리오에서 이루어 진다. 또한, 차량 실험을 통해 실제 환경에서의 다양한 불확실성과 하위 제어기들로 인한 성능 저하에도 강건한 제어 성능에 대한 검증 및 분석이 이루어진다.
