http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
자율주행 자동차의 기능 안전을 위한 고장 단계 판단 알고리즘 및 종방향 고장 탐지 기반 성능평가
송태준,이혜원,오광석,박성렬,이경수 대한기계학회 2019 大韓機械學會論文集A Vol.43 No.2
본 논문은 자율주행 시스템의 기능 안전을 위한 고장 단계 판단 알고리즘 개발 및 종방향 고장 탐지 기반 성능평가에 관한 연구이다. 본 연구에서 제안하는 자율주행 자동차의 고장-안전 시스템은 자율주행을 위해 사용되는 센서 및 구동기 고장에 대한 인지, 판단, 제어 단계로 구분되며 각 단계는 고장을 검출 및 분류, 고장 단계 판단, 판단에 따른 대처방안을 제시한다. 본 연구는 고장을 4단계로 구분함으로써 고장 단계를 정의 했으며, 고장으로부터 합리적인 대응 제어를 위한 판단 알고리즘을 제시한다. 고장 판단은 세부 판단 단계인 sub-decision A와 B를 포함하고 있으며, 각각 대체 시스템의 존재 여부에 따른 판단된 고장 level과 제어권 전환 여부에 따른 고장 단계를 판단한다. 제안된 판단 알고리즘은 종방향 고장 탐지 알고리즘을 기반으로 Matlab/Simulink 환경에서 3차원 차량 동역학 모델을 이용하여 성능평가를 수행하였다. This paper presents a fault level decision algorithm for functional safety of autonomous vehicles and longitudinal fault detection based performance evaluation. The fail-safe system of autonomous driving presented this study is divided into perception, decision and control steps for the failure. Each step detects and classifies the failure, decides the fault level, and suggests countermeasures according to the decision. In this study, fault level is defined by dividing faults into four levels, and a decision algorithm for resonable countermeasures for faults is presented. The fault decision algorithm includes sub-decisions A and B, where A is the level of decision about whether the system is in the substitute system, and B is the level of decision about whether the driver's ceding control is possible. Based on the fault detection algorithm, the proposed decision algorithm is evaluated using a 3D vehicle model in Matlab/Simulink environment.
확장 칼만 필터를 이용한 대상 상태 추정 기반 자율주행 대차의 모델 예측 추종 제어 알고리즘
송태준,이혜원,오광석 사단법인 유공압건설기계학회 2019 드라이브·컨트롤 Vol.16 No.2
This study presented a model predictive tracking control algorithm of autonomous truck based on object state estimation using extended Kalman filter. To design the model, the 1-layer laser scanner was used to estimate position and velocity of the object using extended Kalman filter. Based on these estimations, the desired linear path for object tracking was computed. The lateral and yaw angle errors were computed using the computed linear path and relative positions of the truck. The computed errors were used in the model predictive control algorithm to compute the optimal steering angle for object tracking. The performance evaluation was conducted on Matlab/Simulink environments using planar truck model and actual point data obtained from laser scanner. The evaluation results showed that the tracking control algorithm developed in this study can track the object reasonably based on the model predictive control algorithm based on the estimated states.