Although wet-clutches have excellent thermal endurance, they are technically challenging to control due to their high system nonlinearities and model uncertainties. In general, the largest uncertainty in the wet-clutch system occurs in the clutch friction model, and the feed-forward control performance depends on the accuracy of the model. The largest nonlinearity occurs in the filling phase, which is the initial period of operation of the wet-clutch. In this dissertation, a friction model for a wet-clutch with a paper-based material is proposed for compensation of the model uncertainty. The effect of several variables, including slip speed, clutch friction surface temperature, and normal force, on clutch friction was modeled using a test bench. The asperity friction coefficient appeared to be significantly affected by the friction surface temperature, and it is inferred that it has a linear relationship within the experimental range. The contact friction coefficient structure was proposed based on the experimental data, and its model parameters were obtained by multiple linear regression. Secondly, an observer-based iterative learning control with an output feedback control scheme is proposed for a high relative degree nonlinear system with an unmeasurable control state. Multiple differentiation of measurements can make the control result sensitive to measurement noise when controlling such systems. A convergence analysis was established that can use only lower-order differentiation regardless of the highest-order differentiation, based on the robustness condition to measurement noise and initial estimation error. The application to the vehicular wet-clutch system is presented to illustrate the effectiveness of the proposed method and its learning gain selection. These contributions are verified through theoretical analysis and simulation of the wet-clutch system. The simulation results show the effectiveness of the proposed approach for a class of nonlinear systems with a high relative degree. An example of automatic transmission shift control using the proposed control-oriented modeling of wet clutch friction is presented using simulation.
습식 클러치는 우수한 열 내구성을 가지고 있지만 높은 시스템 비선형성과 모델 불확실성으로 인해 제어하기 어렵다는 단점이 있다. 일반적으로 습식 클러치 시스템에서 가장 큰 불확실성은 클러치 마찰 모델에서 발생하며, 피드포워드 제어 성능은 모델의 정확도에 달려 있다. 가장 큰 비선형성은 습식 클러치의 작동 초기인 filling phase 에서 발생한다. 본 학위논문에서는 모델의 불확실성을 보상하기 위해 섬유질 재질의 습식 클러치에 대한 마찰 모델을 제안하였다. 테스트 벤치를 사용하여 슬립 속도, 클러치 마찰 표면 온도 및 수직력을 포함한 여러 변수들의 클러치 마찰에 미치는 영향이 모델링되었다. 접촉 마찰계수는 마찰면 온도의 영향을 크게 받는 것으로 나타나 실험 범위 내에서 선형 관계를 가지는 것으로 추론할 수 있다. 실험 데이터를 바탕으로 접촉마찰계수 구조를 제안했고 다중선형회귀분석을 통해 모델변수를 구하였다. 둘째로는, 측정 불가능한 제어 state와 높은 상대차수를 가진 비선형 시스템에 대해 output feedback 제어 방식을 사용하는 옵저버 기반 반복 학습 제어가 제안되었다. 측정 노이즈가 존재할 때 측정값의 다수 미분은 제어 결과를 측정 노이즈에 민감하게 만들 수 있다. 측정 노이즈 및 초기 추정 오차에 대한 강건함을 가지고 고차 미분의 유무와 관계없이 낮은 차수의 미분만으로도 안정적인 구조를 가지는 옵저버 기반 반복 학습 제어 구조를 제안했다. 제어 시뮬레이션에 제안된 방법이 적용되었고 제안된 구조의 기여가 시뮬레이션과 이론적 분석을 통해 확인되었다. 시뮬레이션 결과는 상대 차수가 높은 비선형 시스템에 대해 제안된 방법의 효과를 보여준다. 제안된 습식 클러치 마찰 모델링과 반복 학습 제어를 사용한 자동 변속기 변속 제어 시뮬레이션이 제시되었고 저온 환경에서 오일온도와 클러치 온도가 다를 때 효과적임을 확인했다.
