본 연구는 자율긴급제동(autonomous emergency braking) 시스템의 제동거리 계산을 향상시키기 위해 견고한 차량 질량 추정을 예비적으로 조사한다. 선행 연구는 주로 카메라 또는 라이다(lidar)와 같은 컴퓨터 비전 시스템을 사용한 차두거리(headway distance) 추정에 집중해 왔으나, 신뢰할 수 있는 자율긴급제동 시스템에 대한 개선 여지는 상당하다. 본 연구에서는 차량 질량이 제동거리뿐 아니라 차량 속도에도 영향을 미친다는 점에 착안하여, 차량 종방향 동역학을 활용하는 차량 질량 추정의 새로운 접근법을 제안한다. 우리는 확장 칼만 필터(extended Kalman filter)의 능력과 감쇠 인자(fading factor)를 결합한 적응형 확장 칼만 필터를 사용한다. 이 알고리즘은 차량 종방향 속도 및 구동 토크 입력의 측정값을 이용하여 시간에 따라 변하는 차량 질량을 추정하는 것을 목표로 한다. 이후 추정된 차량 질량은 보다 정확한 제동거리 산출을 위한 기반으로 활용된다. 제안된 차량 질량 추정 알고리즘은 MATLAB/SIMULINK를 사용하여 엄밀하게 시뮬레이션되며, 차량 내(in-vehicle) 시험을 수행한다.

본 연구는 전동식 파워 스티어링(EPS) 시스템의 랙 힘 추정에 기반하여 포트홀과 요철과 같은 도로 위험을 탐지하고 분류하기 위한 새로운 전략에 대한 예비 조사 결과를 제시한다. 도로 위험 탐지에 관한 다수의 연구는 주로 카메라 또는 라이다를 포함하는 컴퓨터 비전 시스템, 그리고 현가 시스템에 장착된 가속도계로 측정되는 거리 및 수직 진동 신호에 초점을 맞춰왔다. 그러나 기존 방법들은 도로 표면에서 차량으로 전달되는 진동에 취약하므로 정확도가 저하될 위험이 있다. 따라서 탐지 정확도를 향상시킬 여지가 상당히 남아 있다. 본 연구에서는 포트홀과 요철이 타이어 접촉 패치에 수직 및 횡방향 힘을 유발하여, 그 결과 차량의 조향 랙에 작용하는 순 힘이 발생한다는 점을 고려하고, EPS 시스템에서 생성되는 조향 랙 힘을 활용하는 새로운 접근법을 탐구한다. 본 연구는 기존의 칼만 필터(KF)와 교란 관측기(disturbance observer)의 기능을 결합하되, 미지 입력(unknown input)을 포함한 향상된 칼만 필터를 사용하는 알고리즘을 제안한다. 이 알고리즘은 조향 토크 및 각도 입력의 측정치를 이용하여 랙 힘을 추정하는 것을 목표로 한다. 추정된 랙 힘은 도로 위험을 분류하기 위한 특징(feature)으로 제공된다. 분류 성능은 혼동행렬(confusion matrix)로부터 계산된 정확도(accuracy), 정밀도(precision), 재현율(recall), F1과 같은 지표를 사용하여 평가하였다. 제안된 도로 위험 탐지 및 분류 알고리즘은 SIMULINK®와 CarSim® 소프트웨어를 사용한 엄밀한 시뮬레이션뿐 아니라, 차량 내(in-vehicle) 시험을 통해 실험적으로도 검증되었다.

본 연구에서는 CNN(컨볼루션 신경망) 기반 음성 인식을 위한 서로 다른 입력 이미지를 생성하는 새로운 음성 인식 접근법에 대한 초기 시도를 제시한다. 우리는 교차 재귀 플롯(cross-recurrence plot, CRP)을 이용하여 음향 시각화 이미지를 전달할 수 있는 고막(eardrum) 영감의 점탄성 막-유형 다이어프램의 잠재력을 탐색하였다. 이러한 이미지는 점탄성 다이어프램의 두 위상-이동(vibration) 진동 응답으로부터 형성되었다. 본 기법은 현재 음성 인식에 사용되는 고속 푸리에 변환(fast Fourier transform, FFT) 스펙트럼을 대체할 수 있을 것으로 기대한다. 여기서는 점탄성 다이어프램의 두 위상-이동 진동 응답을 CRP와 결합하여 생성한 색상 이미지의 새로운 생성 방법이, 이미지 해상도(픽셀 크기)가 임계 해상도 이하일 때 더 낮은 계산 부담과 STFT(통상적 스펙트로그램)에 대한 유망한 대안적 가능성을 보여준다는 점을 보고한다.

이 연구는 개구리 달팽이관에서 유모세포 번들 구조의 적응형 이안정(바이안테이블) 강성(adaptive bistable stiffness)에 관한 초기 연구를 제시하며, 진동 기반 에너지 수확기(vibration-based energy harvester)와 같은 광대역 진동 응용을 위한 음(negative) 강성 영역을 특징으로 하는 이안정 비선형성을 활용하는 것을 목적으로 한다. 이를 위해, 이안정 강성을 설명하기 위한 수학적 모델은 먼저 조각별(piecewise) 유형의 비선형성에 대한 모델링 개념에 기초하여 수립한다. 그 다음 조화균형(harmonic balance) 방법을 사용하여 주파수 스윕 조건에서 유모세포 번들 구조를 모사하는 이안정 발진기의 비선형 응답을 조사하고, 이안정 강성 특성에 의해 유도되는 동역학적 거동을 위상도(phase diagrams) 및 푸앵카레 지도(Poincare maps)와 함께(분기 bifurcation) 관찰·투영한다. 특히, 상조화(super-harmonic) 및 하조화(sub-harmonic) 영역에서의 분기 매핑은 바이오모픽(biomimetic) 시스템에서 발생하는 비선형 운동을 검토하는 데 더 나은 관점을 제공한다. 따라서 개구리 달팽이관의 유모세포 번들 구조가 갖는 이안정 강성 특성의 활용은 진동 기반 에너지 수확기, 절연기(isolator) 등 메타물질과 유사한 잠재적 엔지니어링 구조에서 적응형 이안정 강성을 활용하기 위한 물리적 통찰을 제공한다.

본 연구는 자율긴급제동(autonomous emergency braking) 시스템의 제동거리 계산을 향상시키기 위해 견고한 차량 질량 추정을 예비적으로 조사한다. 선행 연구는 주로 카메라 또는 라이다(lidar)와 같은 컴퓨터 비전 시스템을 사용한 차두거리(headway distance) 추정에 집중해 왔으나, 신뢰할 수 있는 자율긴급제동 시스템에 대한 개선 여지는 상당하다. 본 연구에서는 차량 질량이 제동거리뿐 아니라 차량 속도에도 영향을 미친다는 점에 착안하여, 차량 종방향 동역학을 활용하는 차량 질량 추정의 새로운 접근법을 제안한다. 우리는 확장 칼만 필터(extended Kalman filter)의 능력과 감쇠 인자(fading factor)를 결합한 적응형 확장 칼만 필터를 사용한다. 이 알고리즘은 차량 종방향 속도 및 구동 토크 입력의 측정값을 이용하여 시간에 따라 변하는 차량 질량을 추정하는 것을 목표로 한다. 이후 추정된 차량 질량은 보다 정확한 제동거리 산출을 위한 기반으로 활용된다. 제안된 차량 질량 추정 알고리즘은 MATLAB/SIMULINK를 사용하여 엄밀하게 시뮬레이션되며, 차량 내(in-vehicle) 시험을 수행한다.

본 연구는 전동식 파워 스티어링(EPS) 시스템의 랙 힘 추정에 기반하여 포트홀과 요철과 같은 도로 위험을 탐지하고 분류하기 위한 새로운 전략에 대한 예비 조사 결과를 제시한다. 도로 위험 탐지에 관한 다수의 연구는 주로 카메라 또는 라이다를 포함하는 컴퓨터 비전 시스템, 그리고 현가 시스템에 장착된 가속도계로 측정되는 거리 및 수직 진동 신호에 초점을 맞춰왔다. 그러나 기존 방법들은 도로 표면에서 차량으로 전달되는 진동에 취약하므로 정확도가 저하될 위험이 있다. 따라서 탐지 정확도를 향상시킬 여지가 상당히 남아 있다. 본 연구에서는 포트홀과 요철이 타이어 접촉 패치에 수직 및 횡방향 힘을 유발하여, 그 결과 차량의 조향 랙에 작용하는 순 힘이 발생한다는 점을 고려하고, EPS 시스템에서 생성되는 조향 랙 힘을 활용하는 새로운 접근법을 탐구한다. 본 연구는 기존의 칼만 필터(KF)와 교란 관측기(disturbance observer)의 기능을 결합하되, 미지 입력(unknown input)을 포함한 향상된 칼만 필터를 사용하는 알고리즘을 제안한다. 이 알고리즘은 조향 토크 및 각도 입력의 측정치를 이용하여 랙 힘을 추정하는 것을 목표로 한다. 추정된 랙 힘은 도로 위험을 분류하기 위한 특징(feature)으로 제공된다. 분류 성능은 혼동행렬(confusion matrix)로부터 계산된 정확도(accuracy), 정밀도(precision), 재현율(recall), F1과 같은 지표를 사용하여 평가하였다. 제안된 도로 위험 탐지 및 분류 알고리즘은 SIMULINK®와 CarSim® 소프트웨어를 사용한 엄밀한 시뮬레이션뿐 아니라, 차량 내(in-vehicle) 시험을 통해 실험적으로도 검증되었다.

본 연구에서는 CNN(컨볼루션 신경망) 기반 음성 인식을 위한 서로 다른 입력 이미지를 생성하는 새로운 음성 인식 접근법에 대한 초기 시도를 제시한다. 우리는 교차 재귀 플롯(cross-recurrence plot, CRP)을 이용하여 음향 시각화 이미지를 전달할 수 있는 고막(eardrum) 영감의 점탄성 막-유형 다이어프램의 잠재력을 탐색하였다. 이러한 이미지는 점탄성 다이어프램의 두 위상-이동(vibration) 진동 응답으로부터 형성되었다. 본 기법은 현재 음성 인식에 사용되는 고속 푸리에 변환(fast Fourier transform, FFT) 스펙트럼을 대체할 수 있을 것으로 기대한다. 여기서는 점탄성 다이어프램의 두 위상-이동 진동 응답을 CRP와 결합하여 생성한 색상 이미지의 새로운 생성 방법이, 이미지 해상도(픽셀 크기)가 임계 해상도 이하일 때 더 낮은 계산 부담과 STFT(통상적 스펙트로그램)에 대한 유망한 대안적 가능성을 보여준다는 점을 보고한다.

이 연구는 개구리 달팽이관에서 유모세포 번들 구조의 적응형 이안정(바이안테이블) 강성(adaptive bistable stiffness)에 관한 초기 연구를 제시하며, 진동 기반 에너지 수확기(vibration-based energy harvester)와 같은 광대역 진동 응용을 위한 음(negative) 강성 영역을 특징으로 하는 이안정 비선형성을 활용하는 것을 목적으로 한다. 이를 위해, 이안정 강성을 설명하기 위한 수학적 모델은 먼저 조각별(piecewise) 유형의 비선형성에 대한 모델링 개념에 기초하여 수립한다. 그 다음 조화균형(harmonic balance) 방법을 사용하여 주파수 스윕 조건에서 유모세포 번들 구조를 모사하는 이안정 발진기의 비선형 응답을 조사하고, 이안정 강성 특성에 의해 유도되는 동역학적 거동을 위상도(phase diagrams) 및 푸앵카레 지도(Poincare maps)와 함께(분기 bifurcation) 관찰·투영한다. 특히, 상조화(super-harmonic) 및 하조화(sub-harmonic) 영역에서의 분기 매핑은 바이오모픽(biomimetic) 시스템에서 발생하는 비선형 운동을 검토하는 데 더 나은 관점을 제공한다. 따라서 개구리 달팽이관의 유모세포 번들 구조가 갖는 이안정 강성 특성의 활용은 진동 기반 에너지 수확기, 절연기(isolator) 등 메타물질과 유사한 잠재적 엔지니어링 구조에서 적응형 이안정 강성을 활용하기 위한 물리적 통찰을 제공한다.

본 논문은 장단기 메모리(LSTM) 모델을 사용하여 자동차 차량에서 미지의 노면 요철 입력과 타이어 수직항력(정상력)을 동시에 추정하는 초기 연구를 보고한다. 능동 안전 시스템과 차량 정보를 통한 승차감 향상에 대한 관심이 자동차 산업에서 점차 증가하고 있다. 특히, 능동 안전 시스템은 노면 요철 데이터와 타이어의 수직항력에 크게 의존한다. 만약 이러한 요인들을 주행 중인 차량에서 실시간으로 측정할 수 있다면, 측정된 데이터는 반능동 및 능동 현가제어, 구름(rolling) 운동 제어, 토크 벡터링과 같은 작업을 위한 자동차 제어 시스템에 활용될 수 있다. 그러나 통상적으로는 차량에 물리적 센서를 장착하여 노면 요철과 타이어 수직항력을 직접적으로 실시간 측정하는 것이 어렵다. 본 연구에서는 차량 차체의 시계열 데이터만을 필요로 하는 LSTM 모델을 이용하여 이들 요인의 동시 추정을 탐구한다. LSTM 모델은 MATLAB/Simulink를 사용하여 구현되었으며 데이터 전처리, 학습, 검증 단계를 포함한다. LSTM 모델의 추정 성능을 평가하기 위해, 칼만 필터와 비교하였고 차량의 동적 거동을 시뮬레이션하고 해석하기 위해 CarSim 차량 시뮬레이션 소프트웨어를 사용하였다.

이 논문은 정밀 자기부상 시스템(MLS)의 슬라이딩 모드 제어(SMC) 추적 성능을 향상시키기 위해 증강 확장 칼만 필터(AEKF)를 제안한다. AEKF는 측정 불가능한 속도와 질량을 동시에 추정함으로써 슬라이딩 단계 동안 추적 정확도를 개선한다. 시뮬레이션 및 실험 결과 모두, 제안된 관측기 기반 AEKF-SMC 접근법이 기존의 미분기 기반 SMC에 비해 매개변수 불확실성 하에서 추적 오차를 효과적으로 감소시키는 것으로 나타났다. 또한 제어 기법은 단일 위치 센서만 필요로 하며 저역통과 필터링과 미분의 필요성을 제거하여, ESP32와 같은 저비용 마이크로컨트롤러에서 실시간 구현이 가능하게 한다.

본 연구는 비선형 모델 예측 제어(NMPC)를 사용하여 쿼드로터 마이크로 무인항공기의 추종 제어를 조사하며, 특히 실시간 임베디드 제어 시스템의 구현에 1차적 초점을 둔다. 제한된 메모리 크기 외에도, 자원이 제한된 마이크로컨트롤러 유닛(MCU)에서의 제한된 프로세서 속도는 중요한 과제 중 하나이다. 이 기술적 문제는 특히 실시간 제어를 위한 최대 허용 계산 시간이 신뢰할 수 있는 제어 성능을 보장하기 위해 필요한 전형적인 샘플링 시간인 0.01 s를 초과하는 경우에 더욱 치명적으로 부각된다. NMPC의 계산 부담을 줄이기 위해, 먼저 관성각을 사용하는 기존의 오일러 각 기반의 비선형 방정식을 구성하는 대신, 쿼터니언 수 체계(quaternion number system)에 기초한 비선형 쿼드로터 모델을 도출한다. 또한 최적의 재수행(receding) 예측수평 제어 입력을 빠르게 계산하기 위해 묵시적 연속(continuation) 일반화 최소 잔차(generalized minimum residual) 최적화 알고리즘을 설계한다. 제안된 NMPC는 오픈 소스 비행 개발 플랫폼인 Crazyflie 2.1®을 사용하여 엄밀한 시뮬레이션과 실험적 시험을 통해 광범위하게 검증되었다. 고도로 비선형인 쿼드로터 모델에 대한 보다 정확한 예측에 힘입어, 제안된 NMPC는 추종 성능이 기존의 선형 MPC에 비해 우수함을 보여준다. 본 연구는 자원이 제한된 MCU 상에서 비선형 쿼드로터의 NMPC를 구현하기 위한 기반과 포괄적인 지침을 제공하며, 자율 비행 및 장애물 회피와 같은 응용 분야로의 확장 가능성을 가진다.

본 연구에서는 전기자동차(EV)용 배터리 관리 시스템(BMS)의 정확한 상태충전도(SOC) 추정을 위해 향상된 적응형 강건 언센티드 칼만 필터(Adaptive Robust Unscented Kalman Filter, ARUKF)를 제안한다. 먼저 모델 파라미터의 온라인 식별을 달성하기 위해 확장 칼만 필터(EKF) 알고리즘을 사용한다. 이후 EKF로부터 얻어진 식별 파라미터를 처리하여, ARUKF를 기반으로 다중-혁신 원리에 따라 개발된 다중 혁신 적응형 강건 언센티드 칼만 필터(Multi-Innovation Adaptive Robust Unscented Kalman Filter, MIARUKF)를 통해 배터리의 SOC를 산출한다. 최종적으로 파라미터와 SOC의 동시 추정이 달성된다. 동시추정 알고리즘인 EKF-MIARUKF는 모델 파라미터는 느린 시간 스케일에서 추정하고 SOC는 빠른 시간 스케일에서 추정하는 다중 시간척도 프레임워크를 사용한다. EKF-MIARUKF는 다수의 칼만 필터가 갖는 장점을 통합하고 단일 칼만 필터의 단점을 제거한다. 제안된 알고리즘은 SOC 추정의 평균 제곱근 오차(RMSE)와 평균 절대오차(MAE)가 세 가지 동적 조건에서 모두 가장 작았기 때문에 다른 알고리즘에 비해 정확도가 우수함을 보였다.

검은 얼음(black ice)은 시각적으로 투명하여 운전자가 주행 중 육안으로 식별하기 어렵기 때문에 도로에서 치명적인 위험 요소이다. 검은 빙판 도로 표면에서 타이어와 노면 사이의 마찰은 일반 도로에 비해 현저히 작기 때문에 제동거리가 크게 증가하며, 이는 중대한 교통사고로 이어진다. 검은 얼음과 같은 도로 위험 감지는 지금까지도 활발히 시도되어 왔으며, 대개 지능형 비전 시스템(예: 카메라)을 활용한 방법론에 초점을 두어왔다. 그러나 현재의 영상 기반 방법은 도로 표면에서 차량으로 전달되는 진동에 취약하여 정확도가 저하되는 경향이 있다. 또한 카메라와 라이다(LiDAR, light detection and ranging) 센서를 결합하면 특히 도로 표면 분류 기능까지 확장할 경우 복잡성과 계산 부담이 증가한다. 따라서 본 연구에서는 차량 종방향 모델로부터 차량의 종방향 속도와 타이어 유효 반경을 추정하여, 이를 기반으로 한 새로운 도로 표면 분류의 가능성을 조사한다. 본 연구는 Kalman filtering에 기반한 센서 융합 유형의 간접 도로 표면 분류 알고리즘을 탐구한다.