가변 가중치 기반 최적 제어 할당을 이용한 자율주행 차량의 충돌 회피 경로 추종 및 안정화 = Trajectory Tracking and Stabilization of Autonomous Vehicles for Collision Avoidance Using Adaptive-Weighted Optimal Control Allocation

국문 초록 (Abstract)

자율주행 기술이 고도화됨에 따라 차량이 다양한 주행 환경에서 자율적으로 판단하고 대응해야 하는 상황이 증가하면서 안전한 주행을 보장하기 위한 충돌 회피 기술의 중요성이 더욱 강조되고 있다. 특히 전방 장애물이나 주변 차량의 급작스러운 차선 변경과 같은 돌발 상황에서 신속하고 정확한 충돌 회피가 가능해야 한다. 기존의 조향 기반 충돌 회피 시스템은 전륜 조향을 이용한 긴급 회피 조작을 통해 충돌을 방지하는 방식이 주를 이루었다. 그러나 전륜 조향만을 활용하는 방식은 한계가 있으며 특히 높은 속도 영역이나 제약된 회피 공간에서는 효과적인 회피 성능을 확보하기 어렵다. 따라서 다중 액추에이터를 활용한 협조제어를 적용함으로써 충돌 회피 성능을 향상시킬 필요가 있다. 최근 차량의 샤시 시스템이 발전함에 따라, 후륜 조향과 각 륜 독립 제동을 활용한 협조제어가 가능해지고 있다. 이러한 추가적인 액추에이터를 효과적으로 활용하면 보다 최적화된 충돌 회피 경로 추종이 가능하다. 본 연구에서는 기존의 전륜 조향 기반 충돌 회피 방식에서 벗어나 후륜 조향 및 각 륜 제동을 고려한 최적 제어 할당 기법을 적용하여 급격한 곡률의 충돌회피 경로 추종 성능을 향상 시키고자 한다. 이를 통해 차량의 요레이트, 횡슬립각과 급격한 경로 변화에 따라 최적의 액추에이터 제어입력을 도출하고, 다양한 주행 시나리오에서 안정적인 충돌 회피 성능을 확보하는 것을 목표로 한다. 본 연구는 자율주행 차량의 충돌 회피 상황에서 판단 및 경로 추종 알고리즘을 제안한다. 크게 경로 생성, 상위제어, 하위제어로 내용을 구성하였다. 경로 생성 파트에서 Road Preview Sensor 정보를 활용하여 충돌 회피를 위한 경로를 3차 다항식 Spline 방식으로 생성한다. 상위제어 파트에서 경로를 추종하기 위한 종방향, 횡방향 타이어 힘을 도출한다. 차량 모델 기반 제어를 수행하기 위해 경로 이탈거리를 포함한 4-Wheel dynamics 모델을 사용하였으며, 차량 횡슬립각과 경로 이탈거리, 요 각을 기반으로 가상의 피드백 제어량을 도출한다. 하위제어 파트에서 상위제어에서 도출한 가상의 제어입력을 실제 액추에이터에 적용하기 위해 전, 후륜 조향각, 각 륜의 제동 힘을 도출한다. 최적화 문제 설정을 통해 비용함수, 타이어 마찰한계 기반 액추에이터 제약조건을 설정하고, 최종으로 조향 액추에이터 입력(전륜 조향각, 후륜 조향각), 각 륜의 제동 힘(Front Left, Front Right, Rear Left, Rear Right)를 도출한다. 또한 회피 경로의 곡률과 경로 이탈거리를 기반으로 각 액추에이터 제어 입력의 가중치를 가변으로 설정한다. 제안하는 충돌 회피 경로 추종 알고리즘을 검증하기 위해 Matlab/Simulink와 CarMaker를 활용하여 MiLS(Model-in-the-Loop Simulation) 검증을 진행하였다. 제어 성능 검증을 위해 회피 조향이 유효한 시나리오(직진 도로, 곡선 도로) 상황에서 검증하였다. 결과적으로, 본 연구에서 제시한 제어 전략을 통해 충돌회피 시 회피 경로 추종성과 충돌회피를 통한 차량 안정성 확보를 확인하였다.

다국어 초록 (Multilingual Abstract)

As autonomous driving technology continues to advance, vehicles are increasingly required to make decisions and respond autonomously to diverse driving environments. In this context, the importance of collision avoidance technologies for ensuring safe driving is growing significantly. In particular, it is essential to perform quick and accurate collision avoidance maneuvers in unexpected situations such as sudden lane changes by surrounding vehicles or obstacles appearing ahead. Traditional steering-based avoidance systems primarily rely on front-wheel steering to execute emergency evasive maneuvers. However, these approaches have limitations, especially in high-speed conditions or constrained environments, where achieving effective evasive performance becomes more difficult. Therefore, it is necessary to improve collision avoidance performance by employing coordinated control with multiple actuators. With recent advancements in chassis systems, coordinated control using rear-wheel steering and independent braking on each wheel has become feasible. By effectively utilizing these additional actuators, it becomes possible to achieve more optimized tracking of evasive paths. This study aims to enhance the ability to follow sharp evasive trajectories by applying an optimal control allocation technique that incorporates rear-wheel steering and individual wheel braking, moving beyond traditional front-wheel-steering-based approaches. The objective is to derive optimal actuator control inputs in response to rapid changes in yaw rate, sideslip angle, and path curvature, thereby ensuring stable collision avoidance performance across various driving scenarios. This study proposes a decision-making and path-following algorithm for collision avoidance in autonomous vehicles. The proposed system consists of three main components: path generation, high-level control, and low-level control. In the path generation stage, a third-order polynomial spline is used to create an evasive trajectory based on road preview sensor information. The highlevel controller computes the required longitudinal and lateral tire forces to follow the path. A 4-wheel vehicle dynamics model incorporating lateral deviation is employed to derive virtual feedback control inputs based on the vehicle’s sideslip angle, lateral deviation, and yaw angle. In the low-level control stage, these virtual control inputs are optimally allocated to real actuator commands, including front and rear steering angles and braking forces at each wheel. An optimization problem is formulated with a cost function and actuator constraints based on tire friction limits. The final outputs consist of front and rear steering angles and braking forces for the front-left, front-right, rear-left, and rear-right wheels. Additionally, actuator weights are adaptively adjusted based on path curvature and lateral deviation. To validate the proposed collision avoidance path tracking algorithm, a Model-in-the-Loop Simulation (MiLS) was conducted using MATLAB/Simulink and CarMaker. The control performance was evaluated in driving scenarios where evasive steering is effective, such as straight and curved roads. The results confirmed that the proposed control strategy successfully ensured path tracking and vehicle stability during collision avoidance maneuvers.

목차 (Table of Contents)

• 1. Introduction 1
• 1.1. Research Background 1
• 1.2. Related Work. 4
• 1.3. Research Objectives and Contributions 5
• 2. Path Generation 6
• 2.1. Cubic Spline Path 6
• 2.2. Local Coordinate Transformation 7
• 2.3. Lateral Error Calculation 7
• 3. Mathematical Model Definition 8
• 3.1. 4-Wheels Lateral Dynamics Model 8
• 3.2. Lateral Error Dynamics Model 12
• 3.3. Model Parameter Estimation 15
• 3.3.1 Lateral Error Differential Estimation 15
• 3.3.2 Vertical Tire Force Calculation 17
• 3.3.3 Lateral Tire Force Calculation 21
• 4. Control System Design 25
• 4.1. Control Architecture 25
• 4.2. Reference Generator 26
• 4.2.1 Trajectory Error 26
• 4.2.2 Calculate Desired Side Slip Angle 26
• 4.3. Upper Controller 28
• 4.3.1 PI Sliding Mode Control 29
• 4.4. Lower Controller 34
• 4.4.1 Cost Function Definition 34
• 4.4.2 Constraint Formulation 35
• 4.4.3 Phase Determine 37
• 4.4.4 Variable Cost Weight 39
• 5. Simulation Results 40
• 5.1. Simulation Environment 40
• 5.1.1 CarMaker 40
• 5.1.2 Simulation Scenario Environment 42
• 5.2. Test Result 45
• 5.2.1 Scenario 1: Front Obstacle Avoidance, Straight Road 45
• 5.2.2 Scenario 2: Front Obstacle Avoidance, Curve Road 54
• 6. Conclusion 63
• References 64
• Abstract 66