This dissertation deals with electric vehicle’s gear shift control strategy with a dual clutch transmission (DCT). DCT transmits power to the vehicle body using two clutches alternately. Gear shift proceeds by controlling two clutches and a power source. Gear shift performance is determined by the control strategy of each clutch and power source. Electric vehicles have a motor as a power source, and themotor torques can be controlled faster and more precisely than conventional engine torques. Therefore, we intend to improve the gear shift performance by actively utilizing the characteristics of the motor during gear shift control. The gear shift control strategy is divided mainly into upper- and lower-level controllers. The upper-level controller generates gear shift trajectories, and the lower-level controllertracks the gear shift trajectories. The upper-level controller determines the gear shift performance in an ideal case, and the lower-level controller plays a role in coping with model uncertainty and disturbance. Since they are model-based strategies, a driveline model that can accurately depict the movement of the driveline is required. Therefore, a control-oriented model with the lumped driveline transmission efficiency is proposed in this dissertation. Since the lumped driveline transmission efficiency is an unknown value, it must be estimated through testbench experiment data. A method to estimate the lumped driveline efficiency using recursive least square estimation is proposed.The upper-level controller generates gear shift trajectories with optimal shift performance through a real-time optimization process with the model. In shifting performance, the crucial important point is that the driver does not feel shift shocks. Therefore, jerk, a physical quantity representing shift shock, is set as the objective function of the optimization problem. In addition, the driveline model, modelswitching condition, and driver’s pedal demand are set to equality constraints. The maximum jerk limit, the maximum torque limit of each hardware, and torque rate limit of each hardware are set to the inequality constraints. The problem is converted into a quadratic programming problem, and an optimal solution is obtained by solving the problem in real time through a numerical solver. Finally, optimal gear shift trajectories and feedforward input are generated through the algorithm. The performance of the generated gear shift trajectories is verified through testbench experiments.A model-based torque observer and controller should be designed to track the given gear shift trajectories with the lower-level controller. In the case of the torque observer, it must estimate each clutch torque and the output shaft torque during the gear shift process. The observer is designed as a reduced-order observer to obtain good torque estimation performances. In addition, the observer’s transfer function is analyzed in the frequency domain to ensure robust torque estimation performance against disturbance. The gain of the observer in each gear shift phase is set using this analysis. In the case of the lower-level controller, it consists of a feedforward and feedback controller to obtain good tracking performance against model uncertainty and disturbances. A disturbance observer-based decoupling controller is used as the feedback controller. The disturbance observer and decoupling controller are designed considering the testbench’s time delay and each input’s characteristics. The robust performances of the proposed observer and lower-level controller are verified through testbench experiments.Finally, the robustness of the entire gear shift strategy, which combines upper- and lower-level controller, must be guaranteed. In general, combining two control strategies designed independently cannot guarantee robustness. For the robustness analysis, maximum uncertainty boundary analysis of the system according to the driveline model parameter variations and disturbances must be performed.We try to generate conservative gear shift trajectories by tightening the constraints of the upper-level controller algorithm in consideration of the maximum uncertainty bounds. In addition, a feasibility analysis of the algorithm is conducted. The robustness of the revised gear shift strategies with the above contents is guaranteed and verified through testbench experiments.
본 논문에서는 듀얼 클러치 변속기 (DCT)가 장착된 전기 차량의 변속 제어 전략에 대해 다루고자 한다. DCT는 두 개의 클러치를 번갈아 사용하여 차체로 동력을 전달하며, 두 클러치 및 동력원의 제어를 통해 기어 변속이 이루어진다. 변속시, 각 클러치 및 동력원의 제어 전략에 따라 변속 성능이 결정된다. 전기 차량에는 동력원으로써 모터가 탑재되어 있으며, 모터는 기존 엔진에 비해 빠르고 정교한 토크 제어가 가능 하다. 따라서 변속 제어시 모터의 특성을 적극 활용하여 변속 성능을 높이고자 한다. 변속 제어 전략은 크게 상위 제어기와 하위 제어기로 나누어진다. 상위 제어기는 변속 레퍼런스를 생성하며, 하위 제어기는 이를 트래킹하는 역할을 한다. 상위 제어기는 이상적인 상황에서 변속 성능을 결정하며, 하위 제어기는 모델의 불확실성 및 외란에 대응하는 역할을 한다. 모든 제어 전략에서 모델을 활용하기 때문에, 먼저 구동계의 움직임을 정확히 묘사하는 구동계 모델이 필요하다. 따라서, 본 학위논문에서는 구동계 전달 효율을 추가한 축약 구동계 모델을 제안하였다. 그러나 구동계 전달 효율은 알 수 없는 값이며, 테스트벤치 실험을 통해 해당 값을 추정해야만 한다. 따라서, 최소 자승법을 적용하여 실험 데이터로부터 구동계 전달 효율 값을 추정하는 방법을 제안하였다.상위 제어기에서는 모델을 통한 실시간 최적화 과정을 통해 최적의 변속 성능을 갖는 변속 레퍼런스를 생성하고자 한다. 변속 성능에서 운전자가 변속 충격을 느끼지 않는 것이 무엇보다도 중요하다. 따라서, 변속 충격과 관련된 물리량인 저크를 변속 레퍼런스 최적화 문제의 목적 함수로 설정하였다. 추가적으로, 등식 제약조건으로는 구동계 모델, 모델 변환 조건, 운전자의 페달 요구 조건이 설정되었으며, 부등식 제약 조건으로 최대 저크, 각 하드웨어의 최대 토크 및 토크 기울기 제한이 설정되었다. 해당 문제는 이차 최적화 문제로 변환되며, 수치해석적 방법을 통해 실시간으로 문제를 풀어 최적해가 얻어진다. 최종적으로, 알고리즘을 통해 최적 레퍼런스 및 피드포워드 입력이 생성된다. 생성된 변속 레퍼런스의 성능은 테스트벤치 실험을 통해 검증된다.하위 제어기에서는 주어진 변속 레퍼런스를 추종하기 위해서 모델 기반의 토크 관측기와 제어기가 설계되어야 한다. 토크 추정기의 경우, 변속 과정에서의 각 클러치 토크 및 출력 축 토크를 추정하고자 한다. 좋은 토크 추정 성능을 얻기 위하여 감소 차수 관측기 형태로 관측기가 설계된다. 또한 외란으로부터 강건한 토크 추정 성능을 보장하기 위해, 주파수 영역에서의 전달 함수에 대한 분석이 이루어지며, 이를 통해 각 변속 과정에서의 관측기의 이득이 설정된다. 제어기의 경우, 모델 불확실성 및 외란으로부터 좋은 제어 성능을 얻기 위해 피드포워드 및 피드백 제어기로 구성된다. 피드백 제어기는 외란 관측기 기반의 디커플링 제어가 사용된다. 외란 관측기 및 디커플링 제어기는 테스트벤치에 존재하는 시간 지연 및 각 입력의 특성들을 고려하여 설계된다. 제안된 관측기와 제어기의 강건한 성능은 테스트벤치 실험을 통해 검증된다.최종적으로, 상위 제어기와 하위 제어기가 결합된 전략의 강건성이 보장되어야 한다. 일반적으로 독립적으로 설계된 두 제어기를 결합한 전략은 강건성을 보장할 수 없다. 강건성 분석을 위해, 먼저 구동계 모델의 파라미터 변화와 추가적인 외란에 따른 시스템의 최대 불확실성 경계에 대한 분석이 이루어져야 한다. 최대 불확실성 경계를 고려하여 상위 제어기 알고리즘의 제약 조건을 강화함으로써, 보수적인 변속 레퍼런스를 생성하고자 한다. 추가적으로, 해당 알고리즘의 효용성 분석을 진행하고자 한다. 해당 내용을 통해 개선된 전략은 강건성이 보장되며, 이는 테스트벤치 실험을 통해 검증된다.
