EunGyeongKim

slip ratio: 차량이 움직이는 동안 타이어의 회전 속도와 차량 속도 간의 비율을 나타냄Longitudinal slip ratio 의 정의실제 종 방향 속도 VxV_xVx​와 타이어의 회전 속도의 차이를 Longitudinal slip이라고 함Longitudinal slip : reffww−Vxr_{eff}w_w - V_xreff​ww​−Vx​σx:=reffww−VxVx\sigma_x := \frac{r_{eff}w_w - V_x}{V_x}σx​:=Vx​reff​ww​−Vx​​ : during brakingσx:=reffww−VxreffwW\sigma_x := \frac{r_{eff}w_w - V_x}{r_{eff}w_W}σx​:=reff​wW​reff​ww​−Vx​​ : during acc..

💡지능형 타이어와 기계 학습 기법을 활용한 타이어 힘 추정에 초점. 타이어 내부 라이너에 설치된 삼축 가속도 센서가 장착된 지능형 타이어 시스템을 제시타이어 모델 작동조건에 따라 순수 및 결합슬립모델로 분류주로 타이어의 운동을 계산할때 사용하는 타이어 모델magic formula평균 집적 LuGreUniTire Kamm circleNicolas-Comstock Dugoff→ 타이어 힘을 어느정도 예측할 수 있지만, 매개변수는 실험적으로 조정되어야 함→ 실제 타이어의 노화 및 복잡한 주행 조건기 매개변수에 영향을 미치므로 실제 응용이 어려움 타이어 힘 연구 방법타이어 힘을 추정하는 4가지 방법선형,RLS슬라이딩모드비선형미지의 입력 옵저버칼만기반 기술수직 힘 추정을 위해 일반적으로 종방향 및 횡방향 하중 이..

나이퀴스트 이론신호는 그 신호에 포함된 가장 높은 진동수의 2배에 해당하는 빈도로 일정한 간격으로 샘플링하면 원래의 신호로 복원할 수 있다는 샘플링 이론 아날로그 신호를 디지털화 하는 과정을 ADC(analog to digital convertion)이라고 함상기 그림을 보면 샘플링된 신호를 양자화 시킴여러 단계로 나누니 범위안에서 샘플린된 신호에 가까운 범위를 대표하는 정수값으로 바꾸는 과정양자화 오차 : 정수로 바뀌는 과정에서 나오는 오차양자화 오차 때문에 신호를 복원했을때, 기존 아날로그 신호와 차이가 나는 신호를 얻게됨→ 신호를 복원했을 때 기존 아날로그 신호의 유실 없이 복원하기 위해서 얼마만큼의 신호를 샘플링해야 하는지 = 나이퀴스트 주파수 Refhttps://ralasun.github.io/..

목표칼만필터 파라미터 구하기 칼만필터 시스템의 상태를 예측하고 추정하는데 사용되는 재귀적인 알고리즘노이즈가 있는 센서 데이터로부터 정확하고 안정적으로 시스템의 상태를 추정하는데 활용구성예측 단계(Prediction)이전 상태와 시스템 모델을 기반으로 다음 상태를 예측또한 시스템 모델과 노이즈에 의해 발생한 불확실성을 고려하여 예측 오차를 계산업데이트 단계(Update)실제 센서 데이터를 사용하여 예측된 상태와 실제 상태 사이의 오차를 계산오차를 이용하여 상태와 오차의 가중치를 조정하고 보정합니다. 이렇게 보정된 상태를 사용하여 다음 예측을 수행 칼만필터 파라미터 A : A = 1 # 시스템 행렬, 시스템이 어떻게 움직이는 지 나타냄. 즉 시스템의 운동방정식 (n*n)H = 1 # 출력 행렬, 측정값과 상..

필터링원 데이터 → 노이즈 제거 및 신호 분석을 위해 필터링 사용 합성곱을 이용한 필터가우시안 필터링 (Gaussian filterinf)가우시안을 이용한 필터링가중치를 [0.25, 0.5, 0.25]으로 설정하여 이용.3점이동평균 필터 (3 point moving average filter) 시계열 데이터에서 사용되는 필터링 방법인접한 3개의 데이터 포인트를 이용하여 이동 평균값을 구하는 방법작은 시간 간격으로 일어나는 빠른 변화를 캡처하지 못함# 필요한 컬럼 선택하기 column_name = 'column1' # 분석하고자 하는 컬럼 이름 data = df[column_name].values # 선택한 컬럼의 값만 NumPy 배열로 가져오기 # 필터링할 윈도우 사이즈와 가중치 설정 window_siz..

💡마찰계수 추정 시, 가속도센서 데이터 공압 트레일 변수를 입력으로, tire forces and pneumatic trail을 출력(Fy, Fz, t)으로 하고 layer 모델을 이용하여 예측Abstract마찰 추정 방법공압 트레일의 높은 감도와 선형 영역에서의 마찰 계수에 대한 거의 선형 관계를 활용피봇 정도를 나타내는 지표를 공압 트레일 정보를 사용하여 제안하고, 이는 흥분 상태가 마찰 계수 추정에 충분한지 여부를 결정하는 데 사용마찰 계수 정규화된 측방력의 비율과 피봇 정도의 비선형 적응으로 추정타이어 힘과 공압 트레일 신경망을 통해 추정 Introduction기존 마찰 추정 방법효과기반타이어에 가해지는 자극, 슬립각도와 같은 기저관계를 통해 마찰계수 추정차량 동적모델을 통해 탑재된 센서에 의해 ..

논문 주제 분석 타이어 모델을 만들기 위해 핵심요소 논의그 후 핵심요소를 고려하여 결합 슬립을 계산하기 위한 타이어 분석모델 만들기 타이어 축 시스템 타이어 축 시스템과 slip ratiolongitudinal(x), lateral(y)의 slip ratio 정의Ω is the angular speedReR_eRe​ is the effective rolling radiusVsxV_{sx}Vsx​ and VsyV_{sy}Vsy​ are the longitudinal and lateral sliding speeds of tire with respect to road surface일반적으로 타이어 하중실험에서 사용되는 longitudinal slip ratio 정의SxS_xSx​와 κ \kappaκ의..

선형기저 함수 모델을 도입하여 오차를 많이 떨어뜨림. 하지만, 30세 이후로는 키가 수렴하지 않음. 그 이유는 30세 주위에 데이터가 충분하지 않았기 때문 그러므로 이에 해당하는 모델을 만들면 됨. x 가 증가함에 따라 키가 점차 증가하고, 결국에는 일정한 값으로 수렴하는 함수를 만들면 됨. $$y(x)=w_0-w_{1}exp(-w_{2}x)$$ w0, w1, w2는 모두 양의값을 취하는 매개변수. x가 증가하면 y는 w0에 가까워짐. w0은 수렴하는 값을 결정하는 매개변수. w는 그래프의 시작점을 정하는 매개변수, w2 그래프 기울기를 결정하는 매개변수 지금까지 해오던 방법과 동일하게 J값이 최소가 되도록 w0, w1, w2를 구함. $$J = \frac{1}{N}\sum^{N-1}_{n=0}(y_n..

링크 : https://www.boostcourse.org/mo001/lecture/333385 https://www.boostcourse.org/mo001/lecture/333387/?isDesc=false 기본은 정적 타입 언어 컴파일 시 변수의 자료형(type)이 결정되니 안전 정적타입(statically typed)반대는? 정적타입 : C, C++, JAVA, Kotlin,,, 동적타입 : Javascript, python, objective-C, PHP → 동적타입(Dynamically typed) 단, kotlie/JS를 쓸때는 동적타입 지원을 위해 dynamic 제공 자료형(type)을 명시하지 않아도 자료형 추론이 가능 interoperable JAVA와 100% 호환(Kotlin / JV..

이동평균법 이동평균법 : 자신의 과거 값에서 일정한 패턴을 파악하여 자신의 미래값을 예측하는 방법 과거 데이터에 동일한 가중치를 주는 방식 과거 일정기간(N)의 평균을 이용하여 다음시점을 예측하는 방법 기간(N)을 작게하면 이동 평균값에 최근 데이터의 경향이 많이 반영됨. 기간(N)을 크게하면 과거 데이터의 경향을 많이 반영되게 됨 $L_t=(D_t+D_{t-1}+\cdots +D_{t-N+1})/N$ $=\frac{1}{N}\sum _{i=t+1-N}^N{D}_i$ 이동평균법은 주가 예측에 빈번히 이용됨 지수평활법 지수평활법 : 현재보다 멀리 떨어진 데이터일수록 낮은 가중치를 주는 방법 초기값( $L_0$ ) 이 있을 때 단순 지수평활법에 대한 예측 방법 \( L_0 ..