잘 알려진 오프라인 강인 모델 예측 제어(Robust Model Predictive Control, RMPC)는 자율주행차 시스템에서 불확실한 매개변수에 효과적으로 대응한다. 그러나 이 방법은 변수를 저장하기 위한 메모리가 필요하고, 가중치 행렬의 최적 값을 찾기 위해 조회 테이블을 탐색하는 데 추가적인 계산 시간이 요구된다. 이러한 문제를 해결하기 위해, 본 논문은 선형 행렬 부등식(Linear Matrix Inequality, LMI) 최적화를 활용하여 변수 저장 및 조회 테이블의 필요성을 제거할 수 있는, 자율주행차(AV)의 조향 제어 성능 향상을 위한 새로운 오프라인 RMPC 접근법을 제안한다. 총 차량 질량, 전·후륜 코너링 강성, 그리고 변동하는 차량 속도 등 차량 시스템 매개변수와 관련된 잠재적 불확실성을 정의된 폴리토프(polytope) 내로 구속함으로써 효과적으로 처리하고자 한다. 폴리토프 불확실성 방법을 활용함으로써, 오프라인 RMPC는 정의된 폴리토프 내에서의 광범위한 매개변수 변동을 처리하도록 설계된다. 구체적으로, 비용 함수의 상한을 이차형(quadratic form)으로 정의함으로써, 계산 부담을 크게 줄이는 직접 설계형 오프라인 RMPC 방법을 구축한다. 또한 최적 제어는 LMI에 기반한 최적화 문제를 풀이함으로써 설계되어, 효율적인 볼록 최적화 알고리즘의 활용이 가능하다. 입력 및 출력 제약은 복잡하고 동적인 환경에서 AV 시스템의 안전한 운용을 보장하기 위해 강제된다. 마지막으로, 시뮬레이션 결과를 제시하고 기존 연구와 비교하여 본 접근법의 유효성을 입증한다. 더 나아가, 제안된 방법을 추가로 검증하기 위해 Matlab 및 Simulink와 CarSim 소프트웨어에 기반한 공동 시뮬레이션도 수행하였다. 그 결과, 모든 상태 변수가 강제된 제약을 만족하였으며, 경로 추종 성능과 수행 시간 모두 최근 연구보다 더 우수한 것으로 나타났다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.