For driver safety and convenience, research on autonomous driving is being actively conducted. In real driving, there exist mass uncertainty from passenger or load and the road has various road gradient. For real driving situations especially when deceleration is needed, accurate mass and road gradient information are essential and directly related to safety problems. In this study, path tracking and adaptive cruise control considering vehicle mass and road gradient are designed. Model Predictive Control(MPC) is designed for path tracking and adaptive cruise control while considering lateral and longitudinal vehicular systems. Vehicle mass and road gradient are estimated by Recursive Least Square(RLS) with multiple forgetting factors and applied to the MPC for improving the accuracy of the model and ultimately the performance of MPC. The real-time simulation was conducted before and after estimation and the improvement of the safety was verified.
탑승자의 안전성 및 편리성을 위한 방안으로 자율 주행에 대한 연구가 활발히 진행되고 있다. 실제 주행 환경은 탑승자의 무게 혹은 화물에 의한 질량 불확실성이 존재하며 도로 구배 역시 다수 존재한다. 실제 도로 환경에서의 차량 주행 특히 감속 시, 정확한 질량과 도로 기울기에 대한 정보는 필수적이며 안전과 직결된다. 본 연구에서는 차량 질량과 도로 구배를 고려한 경로 추종 적응형 순항 제어기(Adaptive Cruise Control)를 설계하였다. 먼저, 모델예측제어기(Model Predictive Control)로 차량의 종횡방향 특성을 고려한 경로 추종 적응형 순항 제어기를 설계하였다. 다중 망각 인자를 사용한 재귀 최소 자승법(Recursive Least Square with Multiple Forgetting Factors)을 통해 차량 질량과 도로의 구배를 추정하여 모델의 정확성을 높이고 궁극적으로 모델 예측 제어기의 성능을 높이고자 하였다. 실시간 시뮬레이션 환경에서 추정 차량 질량 및 도로 구배의 적용 전후를 비교하여 안전성이 개선됨을 입증하였다.
