차량-노면 상호작용 계측 기반 파워트레인 및 주행 안전 제어 추정 연구

Vehicle-road interaction sensing for powertrain and driving safety estimation and control

연구 내용

노면 거칠기, 타이어 하중, 차량 질량, 배터리 상태 등을 차량 시계열 신호로 동시 추정하여 안전 제어 입력으로 활용하는 연구

본 연구는 차량의 센서로 직접 측정하기 어려운 노면 및 구동 상태 변수를 차량 시계열 데이터로 추정하는 데 중점을 둡니다. LSTM과 Kalman filter 계열의 추정기를 적용하여 노면 거칠기 및 타이어 관련 하중을 동시 추정하고, 차량 질량의 시변성을 포함하도록 adaptive extended Kalman filtering과 unknown input 추정 구조를 설계합니다. 또한 EV 영역에서는 파라미터 식별과 SOC 추정을 결합한 다중 혁신 adaptive robust unscented Kalman filter 기반 추정을 수행합니다. 추정 결과는 섀시 통합 제어, 노면 판단, 주행 안전 판단을 위한 특징으로 활용합니다.

관련 프로젝트

5건

연구 흐름

초기에는 LSTM 기반 시간계열 모델로 노면 거칠기 입력과 타이어 정규력의 동시 추정을 검증하며, 차량 바디 관측만으로도 필요한 상태를 추정하는 가능성을 확보했습니다. 이후 suspension 기반 추정으로 확장하여 adaptive forgetting 및 unknown input 추정으로 차량 질량의 시변성까지 함께 추적하도록 고도화했습니다. 이후 2024년에는 EPS 랙 힘 기반 노면 위험 분류와 차량 종방향 동역학 기반 블랙 아이스 판단, EV의 SOC 추정으로 범위를 확장했습니다. 추정 성능은 시뮬레이션과 제어 시나리오 적용을 통해 지속 검증하는 흐름으로 진행되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

노면 상태 추정
지능형 타이어 기반 차량 안전 기능
차량 질량 시변성 추정
세미액티브/액티브 현가 제어 입력 생성
토크 분배 및 조향 보정용 상태 추정
AEB 제동거리 계산 정밀화
배터리 관리 시스템 SOC 추정 고도화
노면 위험 이벤트 분류
온디바이스 임베디드 추정기 구현
ADAS 신뢰도 향상용 특징 생성