PDF

Size: px

Start display at page:

Download "PDF"

애정 현
5 years ago
Views:

1 KSAE 2009 Annual Conference Copyright c 2009 KSAE 퍼지기반신경망제어기법을이용한아이들스탑 - 앤 - 고적응제어 최성호 *1) 최세범 1) 손명희 2) 한국과학기술원기계공학과 *1) 한국과학기술원기계공학과 1) 한국전자통신연구원 2) Adaptive Neural Network Based Fuzzy Control For Idle Stop And Go Sungho Choi *1) Seibum Choi 1) Myunghee Son 2) 1) Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology, 335 Gwahangno, Yuseong-gu, Daejeon , Korea 2) IT Convergence Service Future Technology Research Group, Elctrionics & Telecommunications Research Institute, 161 Gajeong-dong, Yuseong-gu, Daejeon , Korea Abstract : The engineering technology of automotive system is currently edging toward improving fuel economy. Idle stop and go (ISG) is one of the major technology which focuses on preventing unnecessary fuel consumption up to 17% and reducing emissions due to unnecessary engine idling. The traveling model of a vehicle in mathematical form is needed to control vehicle idling condition. However, it is almost impossible to model the vehicle traffic condition as well as the driver behavior which is somewhat random and highly nonlinear. Therefore, alternative design with fuzzy neural network for ISG which is close to driver's perception is suggested to improve overall efficiency of the control system. Traveling data is acquired at traffic-jammed areas. A fuzzy clustering method is applied to make the representative characteristic of training data using traveling data. Also, a hybrid method of neural network is applied to tune fuzzy parameters for the optimization of ISG controller. Finally, the performance of an adaptive neural network based fuzzy ISG controller is verified with various experimental data gathered at real traffic congestion areas. Key words : Idle( 공회전 ), Fuzzy inference system( 퍼지추론시스템 ), Clustering( 군집화 ), Adaptive Network Fuzzy Inference System( 퍼지신경망적응추론시스템 ), Hybrid Method( 하이브리드기법 ) Nomenclature F e: fuel efficiency(%) F i : fuel consumption during idling (cc/s) F r : fuel consumption by restarting engine (cc) F s : saved fuel consumption(cc) F t :total fuel consumption T i : idling stop period (s) T r : times of restarting engine D B: Distance between bumper to bumper (m) H s: Host vehicle speed (m/s) T A: Target vehicle acceleration (m/s 2 ) 1) * 최성호, josh_choi@kaist.ac.kr. e: efficiency i : engine idling r: engine restart t: total B: bumper S: speed A: acceleration Subscripts 1. 서론 차량연비는현재및향후유가상승으로운전자들에게가장민감한사안으로부각되어차량을비교하는척도로연비가중요한요소로인식되고있

다. 자동차의연료소모를줄이는것은연비를향상시키는것이며자동차의연비향상은배기가스를적게배출하여지구온난화의주범인 CO 2 를줄이는것이다. 따라서전세계완성차회사에서도획기적인연비향상을차세대자동차산업의최우선역점목표로인식하고있으며, 지구환경보존의노력과향후더욱심화될고유가시대를대비하기위한기술개발을하고있다.

2 다. 자동차의연료소모를줄이는것은연비를향상시키는것이며자동차의연비향상은배기가스를적게배출하여지구온난화의주범인 CO 2 를줄이는것이다. 따라서전세계완성차회사에서도획기적인연비향상을차세대자동차산업의최우선역점목표로인식하고있으며, 지구환경보존의노력과향후더욱심화될고유가시대를대비하기위한기술개발을하고있다. 자동차연비향상을위한완성차제작회사의선행기술개발도중요하지만자동차운행시연료를절약하기위한경제운전을함으로써많은연료를절약할수있다. DOE(U.S. Department of Energy) 및 EPA(U.S Environmental Protection Agency) 자료에따르면엔진에서소모되는연료중약 12.6% 만이차량운행에직접사용되고나머지는모두차량의구동과는관계가없다. 11) 대부분은엔진에서열이나마찰등 (62.4%) 으로없어지고그다음동력장치등에서의손실 (5.6%), 그리고신호나교통정체로인한불필요한공회전 (17.2%) 으로소모되는것으로나타났다. 12) 주로차량이많은대도시에서는차량정체로인한서행또는정지하고있는차들이많을뿐만아니라복잡한신호체계로운전중많은시간을신호대기로소요되며이때엔진은공회전상태로운전된다. 공회전시의엔진은연소안정을위해이론공연비보다조금높은조건에서연소가이루어지며이는자동차의운행과는관계없이연료가낭비되는것이다. 우리나라녹색교통운동에서발표한자료에의하면자동차 1대가매일 5분씩연간 300일을공회전하는경우공회전으로인한 97년한해동안연료낭비가약 3,500억원이라고한다. 13) 통계청발표에의하면 2000년도한해에엔진공회전으로인한연료의낭비가약 1조 7000억원에달한다고한다. 14) 본연구는기존의주행차량의정보만을이용하지않고앞차량의정보를추가적으로이용할것을제안하였다. 이를위하여차간거리와앞차량의가속도정보가사용되었다. 이렇게이용된도로주행정체상황데이터를퍼지제어기의입력으로사용한다. 이를통해정차시나신호대기시엔진의공회전을줄일수있도록퍼지제어기를설계함으로써 경제운전에의한연료의저감을예측하여보고자수행하였다. 퍼지클러스터링기법과신경망의하이브리드기법을이용하여전문가적지식기반의퍼지제어기를조정하여새로운아이들스탑제어기를설계하여정체구간에서공회전으로발생하는연료절감효과를목적으로한다. 2. 시험자동차및방법 2.1 시험자동차본시험을위하여사용된자동차는 Fig.1에나타난 1400cc 뉴프라이드가솔린자동차이다. 상세한제원은 Table. 1과같으며변속기는자동인자동차를이용하였다. Fig. 1 Test Vehicle - kia new pride 1.4 DOHC Table 1 Specification of the test engine 구분 1.4 DOHC 배기량 (CC) 1,399 공차중량 (kg) 1,077 최고출력 (ps/rpm) 95/6,000 최대토크 (kg. m/rpm) 12.7/4,700 변속방식자동4단연비 (km/l) 13.1 CO 2 배출량 (g/km) 178 등급 시험방법

Fig.2는시험자동차에장착된측정시스템이며자동차의연료소모를측정하기위한유량계는 Ono Sokki사의 FP-2240H와 FM-1500 연료유량계를이용하였다. 연료측정은시험자동차에장착된연료유량계를통하여연료가공급되도록함으로써전체주행중소모되는연료의유류량을측정하기위해수회반복시험을수행하였으며다음과같은식을이용하여연비효율을계산하였다. Fig.

2 Sensors mounted in the test vehicle 차간거리를측정하기위해서차량적응순항제어시스템 (ACC), 서행 / 정지시스템을위하여사용하는 77 혹은 27 Ghz의레이더센서가아닌 Fig.2 와같이 Polaroid사의 Ultra Sonic Sonar Sensor를이용하였다.

3 Fig.2는시험자동차에장착된측정시스템이며자동차의연료소모를측정하기위한유량계는 Ono Sokki사의 FP-2240H와 FM-1500 연료유량계를이용하였다. 연료측정은시험자동차에장착된연료유량계를통하여연료가공급되도록함으로써전체주행중소모되는연료의유류량을측정하기위해수회반복시험을수행하였으며다음과같은식을이용하여연비효율을계산하였다. Fig. 3 Diagram of control inputs 서정지상황을파악하여공회전주행상황을제시하였다. 엔진 off로인해발생할수있는운전자의위험을사전에예방하기위하여경사도센서를이용하여주행도로의경사를측정하였다. 3. 공회전방지를위한제어기설계 Fig. 2 Sensors mounted in the test vehicle 차간거리를측정하기위해서차량적응순항제어시스템 (ACC), 서행 / 정지시스템을위하여사용하는 77 혹은 27 Ghz의레이더센서가아닌 Fig.2 와같이 Polaroid사의 Ultra Sonic Sonar Sensor를이용하였다. 이를이용하여수집한데이터를분석한결과를살펴보면 10km/h 이하의서행을반복하는정체구간에서차량공회전으로인한정지상황을파악하는데필요한차간거리데이터의신뢰성은충분하다고판단되었다. 휠스피드센서를이용하여주행차량의속도를수집하였다. 이렇게얻은차간거리와주행차량의속도를이용하여 Fig. 3에서보는바와같이앞차량의속도와가속도정보의예측이가능하다. 추가적으로불필요한공회전으로인한연료낭비데이터를보다정확히얻어내기위하여차속뿐만아니라브레이크센서를통해서얻은신호를통해 본연구에서제안하는제어기는운전자의특성및차량의특성, 구간별도로정체상황정보데이터가정해져있지않고이에따른차량의동적특성이예측불가능한비선형성을포함하고있기때문에기존의제어기법에서흔히사용하는수학적인모델링은불가능하다. 따라서이러한비선형성을극복하고도로상황에맞는적응제어를위해수학적모델링에의존하지않고제어규칙 (Rule-Base) 에의한퍼지제어기법을사용하였다. 이러한퍼지제어기법은운전자의경험이나사고에의한제어규칙에따라대상차량을제어하게됨에따라퍼지제어기 Fig. 4 ISG fuzzy linguistic variables and factors 의설계는제어대상에대한지식에크게의존하

4 게된다. 이를위해 2장에서소개된시험을통하여주행차량의속도 (H S), 차간거리 (D B) 뿐만아니라앞차량의가속도 (T A) 를추정하여차량정보 (X n(k)) 로사용하였다. 시험을통하여얻은차량정보데이터를통하여 Idle stop 상황을파악하고 simulation을통한 trial and error와전문가적지식을기반으로하여 Fig. 4와같이퍼지제어기의입력에따른언어변수, weighting factor를조정하였다. 가우시안함수를사용하였다. 전문가적지식기반의 ISG 퍼지제어규칙과가우시안소속함수, 연산자로 product, 집합은 sum, 비퍼지화는 centroid를적용하여전체퍼지추론시스템의구조는 Fig. 6의형태로구성되며이에따른입 / 출력관계와소속함수의구성은 Fig. 7 과 Fig.8과같다. 3.1 퍼지규칙기반모델 전문가적지식기반의 ISG 퍼지제어기의경우가장일반적인 Mamdani 가제안한방법을이용하였으며전체적인시스템의구성은 Fig.5와같다. Fig. 6 Structure of ISG fuzzy inference system (Expert knowledge based) Fig. 5 Diagram of Expert knowledge based ISG fuzzy controller 도로정체상황을가장잘표현할수있도록가능한모든규칙의수인 125개로세분화하여구성하였으며이를지면관계상표현하지못하므로한예를들면다음과같다. a- Distance 입력변수를이용하여입출력관계를퍼지규칙으로결정한후에퍼지추론시스템에적용한다. 일반적으로퍼지화단계에서소속함수의구성은제어시스템의랜덤노이즈가있는경우에매우유용한싱글톤방법 ( 이등변삼각형법 ) 이가장많이사용되지만에러값이급격히변화하는경우이에대한속응성이떨어지기때문에이를보완하기위해어떤비선형함수에대해서도 universal approximator 가될수있고, multidimensional 의경우학습과정에서 1차원함수의 product으로쉽게나눠질수있는 b- Host vehicle speed c- Target vehicle acceleration Fig. 7 ISG fuzzy membership function partition (Expert knowledge based)

(0은시동 OFF, 그이외의구간은시동 ON) 과기존의단순룰기반제어기의출력 ( 점선 ) 을의미한다. Case a. a- Distance and Host vehicle speed surface Case b. b- Distance and Target vehicle acceleration surface Fig.

8 ISG fuzzy input and output surface (Expert knowledge based) 제안된전문가적지식기반의 ISG 퍼지추론시스템의유용성을보이기위해서주행정보실험데이터에적용하여도로정체상황에따른차량시동모드결과가운전자의상황판단직관과부합됨을 Fig.9를통해서확인하였다. 결과데이터는 1분동안의도로정체상황에따른제어결과를의미한다.

5 (0은시동 OFF, 그이외의구간은시동 ON) 과기존의단순룰기반제어기의출력 ( 점선 ) 을의미한다. Case a. a- Distance and Host vehicle speed surface Case b. b- Distance and Target vehicle acceleration surface Fig. 9 Expert knowledge based Fuzzy control result 3.2 신경망을이용한파라미터조정 c- Host vehicle speed and Target vehicle acceleration surface Fig. 8 ISG fuzzy input and output surface (Expert knowledge based) 제안된전문가적지식기반의 ISG 퍼지추론시스템의유용성을보이기위해서주행정보실험데이터에적용하여도로정체상황에따른차량시동모드결과가운전자의상황판단직관과부합됨을 Fig.9를통해서확인하였다. 결과데이터는 1분동안의도로정체상황에따른제어결과를의미한다. 각결과그래프의구성은순서대로차간거리, 주행차량의속도와앞차량의속도 ( 점선 ), 앞차량의가속도, 전문가적지식기반의퍼지추론제어기의출력 전문가적지식기반의퍼지추론시스템은운전자의상황판단직관을잘표현하였으나소속함수의구성, 변수들의조정에어려움이있고, 많은규칙에서의중요도를계산하기위해시간소모가너무크기때문에이를실제차량에적용할수없다. 따라서센서의입력에따른전문가적지식기반의퍼지추론시스템의결과로구성된학습데이터에퍼지클러스터링기법과신경망의하이브리드기법을적용하여시스템의성능을향상시킬수있도록퍼지추론시스템을재구성하였다. 일상에서발생하는데이터에는노이즈와관측오류, 불확실성, 주관적인판정등으로인해서데이터자체에애매함이포함되는경우가많다. 이러한애매함을표현하는클러스터링은데이터의특성추출, 데이터의압축등을목적으로동일클러스터에속하는데이터간에는유사성이크도록하면서다른

6 클러스터에속하는데이터간에는유사성이작도록데이터를군집화하는것이다. 이러한클러스터링을이용하여퍼지규칙의수를최소화하고소속함수를재구성하였으며신경망의오차역전파법과최소자승법을이용한하이브리드기법을적용하여오차를효과적으로대응하고퍼지규칙의파라미터를조정하였다. 이렇게재구성된퍼지추론시스템의입 / 출력관계와소속함수의구성은 Fig. 9 과 Fig.10 과같다. b- Distance and Target vehicle acceleration surface a- Distance c- Host vehicle speed and Target vehicle acceleration surface b- Host vehicle speed Case a. Fig. 11 ISG fuzzy input and output surface (Expert knowledge based) c- Target vehicle acceleration Fig. 10 ISG fuzzy membership function partition Case b. a- Distance and Host vehicle speed surface

Case c. 있는시간그래프를나타낸다. 이데이터에는 1회재시동시소모되는연료소모량 ( 공회전 5초의시간동안소모되는연료량과동일 ) 이포함되어있으며 66분의주행시간중약 32% 인 21분의주행시간동안발생하는공회전을방지하여연비 18% 의향상을얻을수있음을확인하였다. 4. 결론 Fig. 12 ISG Fuzzy control result Fig.

그러나신경망을이용하여파라미터를조정하여재구성된퍼지제어를이용하여제어를했을경우 Fig. 12의 Case. a와 Case. b를통해차간거리가설정한영역을벗어난다하더라도앞차정보에따라좀더엔진 off영역을넓게확보하는것을확인할수있다. 마지막으로 Case. C의경우 10분간의데이터에적용한결과이다.

7 Case c. 있는시간그래프를나타낸다. 이데이터에는 1회재시동시소모되는연료소모량 ( 공회전 5초의시간동안소모되는연료량과동일 ) 이포함되어있으며 66분의주행시간중약 32% 인 21분의주행시간동안발생하는공회전을방지하여연비 18% 의향상을얻을수있음을확인하였다. 4. 결론 Fig. 12 ISG Fuzzy control result Fig. 13 Idling Time for 66 min Fig. 9와 Fig. 12는보면같은상황에대한결과그래프이다. 차량의속도와앞차와의차간거리만을이용한기존의단순룰베이스 idle stop control에비하여전문가적지식을기반으로하여운전자의상황판단직관을표현하도록한퍼지제어를하였을경우에도로상황에맞는적응제어를하는결과를확인할수있다. 그러나신경망을이용하여파라미터를조정하여재구성된퍼지제어를이용하여제어를했을경우 Fig. 12의 Case. a와 Case. b를통해차간거리가설정한영역을벗어난다하더라도앞차정보에따라좀더엔진 off영역을넓게확보하는것을확인할수있다. 마지막으로 Case. C의경우 10분간의데이터에적용한결과이다. 이를통하여신경망을이용하여재구성된 ISG 퍼지제어기의경우센서의노이즈에보다강인한특성을나타내며앞차정보를이용하여가장운전자의판단에근접한결과를보임으로써반복하여발생할수있는시동 on/off 상황을최소화함을확인할수있다. Fig. 13은신경망을이용하여생성된퍼지제어기를전체실험데이터에적용하였을경우공회전을방지할수 본연구에서는기존의주행차량의정보만을이용하지않고앞차량의정보를추가적으로이용하는새로운 idle stop and go 시스템을제안하였다. 도로정체상황을인식하기위하여시험차량을통하여필요한시험데이터확보, 시스템모델링과제어기설계등의절차를수행하였으며, 그결과는 1) 도로주행실험을통해서 1회재시동시소모되는연료량은 0.94CC로서약5초의공회전에소모되는연료와같으며퍼지제어기를통하여엔진시동 on/off를하여연비향상효과를분석해본결과총주행시간 66분중약 21분으로약 32% 의주행시간중연료낭비를줄여 18% 의연비향상을확인할수있었다. 2) 기존의단순룰베이스제어에비하여신경망을이용하여재구성된 idle stop 퍼지제어의경우일정거리나속도이상인경우시동이켜진상태를유지하는것과는달리앞차량의가속도변화를통해차량의유무를판단하는등도로상황에따른알맞은판단을내리는것을확인할수있었으며, 센서의노이즈나갑작스러운상황 ( 차량이끼어들거나차선변경 ) 하는상황에서시동을켜거나끄는현상이빈번하게발생하지않고최적제어를하는것을확인할수있었다. 3) 전문가적지식을기반으로구성한퍼지제어시스템 ( 총 125개규칙과 5개의언어변수로구성된소속함수 ) 은많은규칙과최적화되지못한파라미터의구성으로인하여많은계산과정이필요하여실제상황에적용하는것은불가능했다. 그러나, 퍼지클러스터링을이용하여유사데이터간의군집화와신경망의하이브리드기법을이용하여구성한퍼지제어시스템은최소화된규칙 (5개) 과소속함수 ( 언어변수 5개 ) 의구성

8 으로전문가적지식기반의퍼지시스템보다뛰어난상황판단과성능을확인하였다. 본연구에서수행한결과는시험차량뿐만아니라어느차량에서나얻을수있는데이터를이용하여제어기를구성하였기때문에큰의의가있다고할수있다. 향후연구에서는보다많은실제도로주행상황실험을통하여앞에서제안한 ISG 퍼지제어기의성능과효용성을확인하고, 파라미터에대한고찰등을보완할필요가있다. 아울러센서의노이즈에대한신호처리부분을하드웨어적으로해결할필요가있다. References 1) S.I. Horikawa, T.Furuhashi and Y. Uchigawa, " On Fuzzy Modeling Using Fuzzy Neural Networks with the Backpropagation Algorithm", IEEE Transations on Neural Networks, Vol.3, No.5, pp , ) Zhang Li-Quan, "An Adaptive Learning Method for Generation of Fuzzy Inference System from Data", Acta Automatica Sinica, Vol.34, No. 1 January, ) Hisao Ishibuchi, " A simple but powerful heurisitc method for generating fuzzy rules from numerical data", Fuzzy sets and systems 86(1997) ) Li-Xin Wang, "Generating Fuzzy Rules by Learning from Examples", IEEE Transactions on systems, Man and cybernetics, vol.22, No.6, November/December ) Chia-Feng Juang, " An On-Line Self-Constructing Neural Fuzzy Inference Network and Its Applications, IEEE Transactions on fuzzy systems, Vol. 6, No.1, February ) V. Kreinovich, "Gaussian Membership Functions are most adequate in representing uncertatinty in measurement" 7) Lim Eng Aik, " A study of Neuro-fuzzy system in Approximation-based problems", Matematika, 2008, Vol 24, No 2, ) J.S.R. Jang,ANFIS: Adaptive-network-based Fuzzy Inference Systems, IEEE Trans, on systems, Man and Cybernetics, Vol 23, No 3, pp , ) Homepage: html 10) Seong-Woo Cho, "An experimental study on the fuel consumption characteristics of passenger cars under various driving conditions', KSAE03-S0001, pp.3~8, ) Seminar: Iiyama, "Direct Injection Gasoline Engines", Wayne University, February 26, ) 최교남, 엔진공회전과시동시연비및배기가스특성비교연구, 기계의날선포및 2002 년도기계관련산학연연학심포지엄 ( 한국자동차공학회편 ) 13) 보고서 : 민만기, 자동차공회전금지법제화의의의와추진방안, 녹색교통운동 14) Homepage:

04-다시_고속철도61~80p

04-다시_고속철도61~80p Approach for Value Improvement to Increase High-speed Railway Speed An effective way to develop a highly competitive system is to create a new market place that can create new values. Creating tools and