CasADi를 이용한 비선형 모델 예측 제어 기법 기반 굴절식 휠로더 자율 작업 수행 및 실차기반 검증 = Experimental Validation of a CasADi-Based Nonlinear Model Predictive Control Framework for Full-Scale Articulated Wheel-Loader Autonomous Task Execution

다국어 초록 (Multilingual Abstract)

As autonomous driving technology advances, its application to construction machinery is gaining
momentum, offering benefits in productivity, operator fatigue reduction, and industrial safety. However,
machines such as wheel loaders, which feature articulated steering and a high center of gravity, differ
structurally from on-road vehicles, making direct application of conventional autonomous driving
methods difficult and requiring explicit consideration of rollover risk. This study addresses these issues
by proposing a nonlinear model predictive control (NMPC)–based control framework that integrates
local path planning and motion control for an articulated wheel loader performing work operations.
The prediction model is formulated as an articulated kinematic model, where position, heading, and
articulation angle are treated as states, and longitudinal velocity and articulation steering rate as control
inputs. Instead of explicitly modeling roll dynamics, a rollover indicator based on the lateral load transfer
ratio (LTR) is approximated from vehicle parameters, and evaluated over the prediction horizon. This
index is then imposed as an inequality constraint so that the predicted LTR does not exceed a predefined
threshold. The cost function is designed in a heading-aligned coordinate frame to independently weight
longitudinal and lateral position errors as well as heading error, while additional constraints account for
velocity and steering limits and circular safety margins for obstacle avoidance.
The software architecture is built on ROS 2, separating a control node (MATLAB/Simulink) and
51
an optimization node (Python with CasADi–IPOPT), which communicate via ROS topics and run in
real time on a low-power ARM-based PC. The proposed framework is validated through Vortex Studio
simulations and full-scale experiments under V-shape loading and obstacle-avoidance scenarios. Results
demonstrate that the NMPC structure maintains path-tracking performance while keeping the LTR below
its threshold, thereby effectively reducing rollover risk during articulated wheel-loader operations.

국문 초록 (Abstract)

차량 자율주행 기술의 고도화에 따라 건설기계 분야에서도 무인화 ·자율화 시도가 활발하지만, 휠로더와 같이 굴절식 조향 구조와 높은 무게중심을 갖는 장비는 기존 도로 차량용 기법을 그대로 적용하기 어렵고, 전복 위험까지 함께 고려해야 한다. 본 연구에서는 이러한 특성을 반영하여, 굴절 식 휠로더의 작업 주행 자동화를 위해 비선형 모델 예측 제어(Nonlinear Model Predictive Control, NMPC)를기반으로지역경로설계와주행제어를통합한제어구조를제안한다. 예측모델은굴절식키네마틱모델을사용하고,위치 ·헤딩 ·굴절각을 상태로, 종방향 속도와 굴절 조향각속도를 입력으로 정의하였다. 롤 동역학을 직접모델링하는 대신 차량 파라미터를 이용해 부하이동비율(Lateral Load Transfer Ratio, LTR)을 근사하는 전복지표를 구성하고, 이를 예측 지평선 상에서 평가하여 전복지표가 임계값을 넘지 않도록 NMPC 제약조건에 포함하였다. 비용함수는 목표 헤딩 정렬 좌표계에서 종 ·횡 위치 오차와 헤딩 오차를 가중해 최소화 하도록 설계하고, 속도 ·조향 한계와 원형 안전반경 기반 장애물 회피제약을 함께 고려하였다. 소프트웨어 아키텍처는 ROS2 기반으로, 제어 노드(MATLAB/Simulink)와 최적화 노드(Python, CasADi–IPOPT)를 분리하여 토픽으로 연동하고, ARM 기반 저전력 PC에서 실시간으로 동작하도록 구현하였다. 제안한 구조는 V-Shape 상차와 장애물 회피 시나리오에 대해 Vortex Studio 시뮬레이션과 실차 실험을 통해 검증하였으며, 전복지표제약을적용한경우에도 주행 성능을 유지하면서 LTR을 임계값 이하로 유지하여 굴절식 휠로더 작업에서의 전복위험을 효과적으로 저감함을 확인하였다.

목차 (Table of Contents)

• 그림차례
• 표차례
• 국문요약
• 1 서론 1
• 1.1 연구배경 1
• 1.2 연구동향 3
• 1.3 연구목표 3
• 2 비선형모델예측제어기법 5
• 2.1 개요 5
• 2.2 예측모델선정 6
• 2.3 비용함수구성 9
• 2.4 전복지표선정 13
• 2.5 제약조건설정 17
• 2.6 CasADi-IPOPT솔버구성 19
• 2.7 통신환경구성 21
• 3 시뮬레이션환경검증 23
• 3.1 개요 23
• 3.2 전복지표타당성검증 23
• 3.3 V-Shape상차작업 27
• 3.4 장애물회피시나리오 35
• 4 실차휠로더환경실험 41
• 4.1 개요 41
• 4.2 V-Shape상차작업 41
• 4.3 Load Carry주행작업및장애물회피 45
• 5 결론 48
• 참고문헌 49
• Abstract 51