전기 레이싱 차량을 위한 인간 인 루프 에너지 열 관리 최적 제어

초록

본 논문은 전기 레이싱 카의 주행 중 에너지와 열을 실시간으로 관리하기 위해 운전자의 스로틀 해제 신호를 최적화하는 방법을 제시한다. 47 km 구간을 2.5 초 내에 전역 최적 해를 구한 뒤, 인간 운전자가 따라가기 쉬운 전·코스트(전가속·관성 주행) 전략으로 변환한다. 코-스테이트(운동에너지 라그랑지 승수)를 이용해 코스팅 구간을 정의하고, 이 임계값을 이분법과 PI 피드백으로 온라인 튜닝한다. 세 가지 구현 변형을 실험해 실제 레이스 교란 하에서도 오프라인 최적 대비 0.056 %~0.22 % 수준의 시간 손실만 발생함을 확인하였다.

상세 분석

이 연구는 전기 레이싱 차량의 스턴트(연속 주행 구간) 시간을 최소화하면서 배터리 에너지와 구동·배터리·모터 온도와 같은 열 제한을 동시에 만족시키는 실시간 최적 제어 프레임워크를 제시한다. 먼저 저자들은 기존의 복합 비선형 모델을 공간 도메인 기반의 선형·이차 제약식으로 단순화하고, 이를 2차원 원뿔 프로그램(SOCP)으로 해결해 47 km 구간을 2.5 초 안에 전역 최적 해를 얻는다. 그러나 완전 자동 제어는 규제상 운전자의 스로틀 입력을 직접 조작할 수 없으므로, 전·코스트(전가속·관성 주행) 전략을 도입한다. 여기서 핵심은 최적 해에서 얻은 운동에너지 코-스테이트 λₖᵢₙ(s)를 활용해 “λₖᵢₙ(s) ≥ λ이면 코스팅, 그렇지 않으면 전가속”이라는 1차원 임계값 규칙을 만든 것이다. λ는 이분법을 통해 구간 내 제약(최대 운동에너지, 온도 한계 등)이 위배되지 않도록 최대화한다.

온라인 구현에서는 MPC가 남은 구간을 축소해 매 사이클마다 SOCP를 재해석하고, λ를 최신 코-스테이트에 맞춰 업데이트한다. 또한 실제 운전자의 스로틀 변동에 대비해 PI 피드백 루프가 λ에 대한 오차를 보정한다. 세 가지 변형—(1) 전체 재최적화와 코-스테이트 업데이트, (2) 이분법만 적용, (3) 피드백 전용—을 비교 실험했으며, 모두 실시간(≤10 ms) 내에 계산이 가능했다. 교란(노면 마찰 변화, 배터리 전압 변동 등)과 모델 오차를 포함한 시뮬레이션에서, 오프라인 최적(교란 사전 지식) 대비 최대 0.22 %의 스턴트 시간 손실만을 보였다. 이는 전기 레이싱에서 인간 운전자를 방해하지 않으면서도 에너지·열 관리 효율을 거의 유지할 수 있음을 의미한다.

이 논문의 주요 기여는 (1) 전·코스트 전략을 코-스테이트 기반 임계값으로 단순화해 실시간 적용성을 확보, (2) 이분법과 PI 피드백을 결합한 자동 튜닝 메커니즘을 제시, (3) 열 제한을 포함한 완전한 에너지 관리 모델을 인간‑인‑루프 환경에 적용한 최초 사례라 할 수 있다. 또한, SOCP 기반 전역 최적 해와 실시간 근사 해 사이의 성능 격차를 정량화함으로써 향후 온보드 ECU 구현에 필요한 계산량과 정확도 기준을 제공한다.