엔진 노크 강도 분포와 확률적 제어 프레임워크

초록

본 논문은 고온·고압 연소실에서 발생하는 엔진 노크를 정량화하기 위해, 고정 운전점에서 측정된 노크 강도 데이터를 혼합 로그정규분포(mixed lognormal)로 모델링한다. 단일 연료와 이중 연료 엔진 모두에서 95% 이상의 적합 정확도를 보였으며, 이를 기반으로 노크 강도에 따라 점화 시점을 조정하는 확률적 노크 제어 방식을 제안한다. 제안된 제어는 불필요한 보수적 제어를 최소화해 열효율과 연료소비를 향상시킬 수 있다.

상세 분석

본 연구는 엔진 노크 현상을 확률론적 관점에서 접근한 점이 가장 큰 특징이다. 기존의 노크 제어는 주로 ‘노크 발생 여부’를 이진 신호로 판단하고, 노크가 감지되면 즉시 점화 시점을 뒤로 미루는 보수적인 전략을 사용한다. 이러한 방식은 엔진이 안전한 영역을 크게 벗어나지 못하도록 제한함으로써 열효율을 희생한다. 논문은 먼저 고정 운전점(압축비, 부하, 흡입 온도·압력 등)에서 다수의 노크 강도 샘플을 수집하고, 그 통계적 특성을 분석한다. 결과적으로 노크 강도는 단일 로그정규분포가 아니라, 두 개 이상의 로그정규분포가 가중 평균된 혼합 로그정규분포로 가장 잘 설명된다. 이는 노크가 발생하는 메커니즘이 하나의 확률 과정이 아니라, 연료‑공기 혼합, 점화 위치, 열전달 등 여러 요인이 복합적으로 작용해 서로 다른 ‘강도 군집’을 만든다는 물리적 해석과 일치한다.

혼합 로그정규분포의 파라미터(각 성분의 평균·분산·가중치)는 비선형 최소제곱법과 EM 알고리즘을 결합해 추정하였다. 추정된 모델을 무작위로 생성한 동일 분포 데이터와 비교했을 때, 실제 엔진 데이터에 대한 적합도는 95% 이상으로, 모델의 일반화 가능성을 입증한다. 특히, 단일 연료 엔진과 이중 연료(연료·공기 혼합) 엔진 모두에서 동일한 분포 형태가 적용 가능함을 확인함으로써, 제안 모델이 연료 종류에 크게 의존하지 않음을 보여준다.

이러한 확률 모델을 기반으로 한 제어 전략은 ‘노크 강도 확률분포’를 실시간으로 추정하고, 목표 강도 수준 이하로 유지하도록 점화 시점을 미세 조정한다. 구체적으로, 현재 운전점에서 추정된 혼합 로그정규분포의 누적분포함수(CDF)를 이용해 특정 강도 임계값을 초과할 확률을 계산하고, 이 확률이 사전 정의된 위험 한계보다 클 경우 점화 시점을 뒤로 이동한다. 반대로, 위험 확률이 낮을 경우 점화 시점을 앞당겨 연소 효율을 극대화한다. 이 방식은 기존의 ‘노크 발생 여부’ 기반 제어보다 더 연속적이고 부드러운 제어 신호를 제공한다는 장점이 있다.

또한, 제어 알고리즘은 실시간으로 파라미터를 업데이트할 수 있도록 설계되었다. 엔진 운전 조건이 변하면 새로운 노크 강도 샘플이 추가되고, 베이지안 업데이트 혹은 순차적 EM 절차를 통해 혼합 로그정규분포 파라미터를 재추정한다. 따라서 제어기는 환경 변화(연료 품질, 온도 변동, 부하 변동 등)에 적응하면서도 과도한 보수성을 피할 수 있다.

시뮬레이션 결과는 두 가지 주요 지표에서 개선을 보여준다. 첫째, 평균 점화 시점이 기존 보수적 제어 대비 24 °CA(크랭크 각) 앞당겨졌으며, 이는 연소 효율을 0.51.2 %p 상승시켰다. 둘째, 노크 발생 확률은 0.1% 이하로 억제되었으며, 이는 엔진 내구성에 미치는 위험을 기존 대비 70% 이상 감소시킨 것이다. 이러한 결과는 혼합 로그정규분포 기반 확률 제어가 엔진 성능과 내구성 사이의 트레이드오프를 효과적으로 완화시킬 수 있음을 시사한다.

마지막으로, 논문은 향후 연구 방향으로 모델의 다변량 확장(압축비·부하·연료비율 등 다중 입력을 동시에 고려)과, 실시간 온보드 구현을 위한 경량화 알고리즘 개발을 제시한다. 특히, 딥러닝 기반 파라미터 추정과 결합하면 더욱 복잡한 운전 조건에서도 높은 정확도의 확률 제어가 가능할 것으로 기대된다.