Arctangent 함수를 활용한 가변 조향각 변화량 가중치 기반 비선형 모델 예측 제어의 경로 추종 성능 및 주행 안정성 향상 연구

Q: 이 논문에서 정의한 조향각 변화량 가중치란 무엇인가?

조향각 변화량 가중치는 MPC 비용 함수 내에서 조향각의 급격한 변화를 억제하여 주행 안정성을 확보하고 부드러운 주행을 가능하게 하는 요소이다. 이 가중치는 경로의 곡률에 따라 동적으로 조절되며, 곡률이 작은 직선 구간에서는 높게 설정하여 불필요한 조향을 최소화하고, 곡률이 큰 곡선 구간에서는 낮게 설정하여 경로 추종 성능을 향상시킨다.

Q: Arctangent 함수 기반 조향각 변화량 가중치 조절 기법이 경로 추종 성능과 주행 안정성에 어떤 영향을 미치는가?

연구 결과, Arctangent 함수 기반 조향각 변화량 가중치 조절 기법은 곡률에 따라 가중치를 동적으로 조정하여 경로 추종 성능과 주행 안정성을 동시에 향상시킨다. 직선 구간에서는 불필요한 조향을 억제하고 곡선 구간에서는 원활한 경로 추종을 가능하게 하여, 기존 고정 가중치 방식보다 낮은 Cross Track Error와 Yaw acceleration, Yaw jerk 값을 나타내었다.

윤주호; 김진성; 박연서; 이준혁; 박준영; 이준호; 유진우

학술대회자료

저자정보: 윤주호 (국민대학교) 김진성 (국민대학교) 박연서 (국민대학교) 이준혁 (국민대학교) 박준영 (국민대학교) 이준호 (국민대학교) 유진우 (국민대학교)

저널정보: 한국자동차공학회 한국자동차공학회 춘계학술대회 2025 한국자동차공학회 춘계학술대회

오류 신고하기

피인용 0

검색

초록·키워드

This study proposes an enhanced nonlinear Model Predictive Control (MPC) strategy using variable steering angle variation weights based on the arctangent function. Conventional MPC methods rely on fixed weights, often leading to suboptimal performance in varying conditions. To address this, we introduce a dynamic weighting mechanism that adjusts based on road curvature. The method increases weights on straight paths to reduce oscillations and lowers them in curves to improve tracking. Experiments with an ERP42 Ver4-Racing platform validated its effectiveness, showing reduced cross-track errors, minimized yaw acceleration and jerk, and improved ride comfort compared to fixed-weight MPC models.

#Model predictive control(모델 예측 제어) #Autonomous driving(자율주행) #Path tracking(경로 추종) #Driving stability(주행 안정성) #Steering angle variation weights(조향각 변화량 가중치)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료