[논문 리뷰] Optimization of Adaptive Cruise Control system Controller: using Linear Quadratic Gaussian based on Genetic Algorithm

Yuncheng Jiang, Lilong Cai외 1명|arXiv (Cornell University)|2019. 11. 19.

Traffic control and management참고 문헌 7인용 수 7

한 줄 요약

이 논문은 적응형 크루즈 컨트롤(ACC) 시스템을 위한 유전적 알고리즘으로 최적화된 선형 평형 가우시안(LQG) 컨트롤러를 제안한다. LQR를 사용해 최적 제어를 구현하고 칼만 필터링을 통해 시스템 노이즈와 측정 노이즈를 처리한다. 유전적 알고리즘은 LQG 파라미터의 자동 조정을 통해 기존 수동 또는 전통적인 LQR 접근 방식에 비해 효율성과 강건성을 향상시킨다. 다만 유사 개념에 대한 이전 연구가 존재함에 따라 신의성은 제한적이다.

ABSTRACT

In this paper, we propose a novel linear quadratic Gaussian controller whose parameters can be automatically tuned. While linear quadratic regulator method has been widely used in adaptive cruise control system design, researchers have not yet proposed a feasible and effective linear quadratic regulator. Neither did they well tackle with process and measurement noise, nor did they solve the tedious and inefficient tuning problem in adaptive cruise control system design. To compensate for the noise, the authors introduced linear quadratic Gaussian where Kalman filter is applied. And to make the tuning process more efficient, genetic algorithm is used to search for the optimal linear quadratic Gaussian parameters.

연구 동기 및 목표

• 적응형 크루즈 컨트롤 시스템의 선형 평형 조절기(LQR) 파라미터 조정에 소요되는 비효율성과 수동적 노력 문제를 해결하기 위해.
• ACC 시스템 내의 시스템 노이즈와 측정 노이즈를 관리하기 위해 칼만 필터링을 통합함으로써 시스템의 강건성을 향상시키기 위해.
• 유전적 알고리즘을 활용해 LQG 컨트롤러의 파라미터 조정 과정을 자동화하여 더 빠르고 효과적인 최적화를 달성하기 위해.
• LQR와 가우시안 노이즈 필터링을 통합한 프레임워크 내에서 제어 성능을 향상시키기 위해.
• PID 및 MPC 컨트롤러와의 비교 평가를 통해 제안된 방법의 효과성을 입증하기 위해.

제안 방법

• LQG 컨트롤러는 선형 평형 조절기(LQR)와 칼만 필터를 조합하여 시스템 노이즈와 측정 노이즈를 처리한다.
• 유전적 알고리즘은 LQR 비용 함수 내의 최적 가중 행렬을 탐색하기 위해 사용되며, 파라미터 조정을 자동화한다.
• 성능 평가를 위해 시뮬레이션 환경에서 컨트롤러를 구현하고 다양한 주행 조건에서의 성능을 평가한다.
• 통제 성능 지표(예: 정착 시간, 오버슈트, 정상 상태 오차)를 기반으로 한 피트니스 함수를 사용한다.
• 정의된 성능 지표를 최소화하기 위해 인구 기반의 진화 알고리즘을 사용해 LQR 비용 함수를 최적화한다.
• 칼만 필터는 실시간으로 시스템 상태를 추정하여 노이즈가 있는 센서 입력에도 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 유전적 알고리즘이 적응형 크루즈 컨트롤을 위한 LQR 비용 함수 내의 가중 행렬을 효과적으로 최적화할 수 있는가?
• RQ2 유전적 알고리즘으로 최적화된 LQG 컨트롤러는 전통적인 PID 및 MPC 컨트롤러에 비해 제어 성능에서 어떻게 비교되는가?
• RQ3 칼만 필터링 통합이 ACC 시스템의 시스템 노이즈와 측정 노이즈에 대한 강건성에 어느 정도 기여하는가?
• RQ4 유전적 알고리즘을 통한 자동 파라미터 조정은 수동 조정에 비해 설계 시간을 단축시키고 제어 성능을 향상시키는가?
• RQ5 제안된 LQG-GA 방법을 사용할 경우 정착 시간, 오버슈트 및 정상 상태 오차에서의 정량적 향상 수준은 어떠한가?

주요 결과

• 유전적 알고리즘으로 최적화된 제안된 LQG 컨트롤러는 기존의 LQR 및 PID 방법에 비해 향상된 제어 성능을 달성한다.
• 칼만 필터링 통합으로 인해 시스템 상태 추정에 대한 시스템 노이즈와 측정 노이즈의 영향이 효과적으로 감소한다.
• 유전적 알고리즘이 LQR 파라미터 조정을 성공적으로 자동화하여 수동적인 시행착오 접근에 대한 의존도를 감소시킨다.
• 속도 및 거리 변화에 대한 반응에서 더 낮은 정착 시간과 감소된 오버슈트를 보여준다.
• 다양한 주행 시나리오에서 안정적인 성능을 유지하여 강건성을 입증한다.
• 연구는 LQG-GA 접근 방식이 기존 ACC 제어 전략에 대한 실현 가능하고 효율적인 대안임을 확인한다.