실시간 제약 최적제어를 위한 DNN 기반 MPC 근사 및 EV 에너지·열관리 NMPC 연구

DNN-Based MPC Approximation and EV Energy/Thermal Management NMPC for Real-Time Constrained Control

연구 내용

MPC의 계산 부담을 DNN으로 근사해 저지연·저메모리 제어를 구현하고, 전동화 토크 벡터링과 EV 열관리 성능을 향상시키는 계층형 NMPC 연구

실시간 최적제어에서 MPC의 계산 복잡도와 메모리 요구를 낮추기 위해 DNN 기반 근사 정책을 설계합니다. Adaptive Cruise Control 문제를 대상으로 암시적 MPC의 두 제어 모드를 재구성하고, 주어진 제약을 만족하는 정책을 감독학습으로 근사하여 추종 정밀도와 제약 만족도를 함께 유지하는 구조를 구현합니다. 또한 전동화 구동에서는 four in-wheel motor 전기차 토크 벡터링에 계층적 NMPC를 적용해 에너지 효율을 고려한 제어를 수행합니다. EV 열관리에서는 door-opening 이벤트를 포함하는 시뮬레이션 기반 계층형 MPC 프레임워크로 쾌적도 관련 온도 변동을 완화합니다. 이를 통해 제어기 비교·검증 절차를 공통 플랫폼으로 구축합니다.

관련 프로젝트

4건

연구 흐름

초기에는 MPC가 갖는 계산 비용 문제를 줄이기 위한 학습 기반 근사 접근을 정리하고, ACC 제어 모드에 맞춘 정책 합성 구조를 설계했습니다. 이후에는 근사 정책이 제약 만족과 추종 성능을 유지하도록 학습·검증 절차를 확장하며, 저지연 실행과 낮은 메모리 요구를 동시에 달성하는 방향으로 심화했습니다. 동시에 실제 차량 시스템 관점에서 토크 벡터링과 열관리 문제로 연구 대상을 확장하여, 계층형 NMPC 기반의 에너지 효율 제어 및 이벤트 기반 열관리 제어 프레임을 구축했습니다.

활용 가능성

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

DNN 기반 암시적 MPC 근사 정책
저메모리 실시간 최적제어
전동화 토크 벡터링 NMPC
에너지 효율 기반 구동 제어
EV 도어 개방 이벤트 열관리 제어
계층형 MPC 열관리 프레임
시뮬레이션 기반 제어기 비교 평가
차량 상태제약 기반 제어 설계
시험용 센서 융합 데이터 활용
실차 적용을 위한 제어 파이프라인