회전관성 변화를 고려한 사륜구동 2단변속 전기차의 모드 변환 맵과 기어비 최적화

Abstract

전 세계적으로 환경 규제가 강화됨에 따라 내연기관차의 대안으로 전기차가 주목받고 있다. 일반적인 이륜구동 1단 전기차는 간단한 구조로 인해 손실이 적다는 장점이 있지만, 모터의 성능에만 크게 의존하는 한계점이 있어 이를 해결하기 위해 다양한 파워트레인 시스템이 제안되었다. 그중에서도 사륜구동 2단변속 전기차는 전륜에 CLAMT (CLutchless automated manual transmission)을 사용하여 2단을 구현하고 전, 후륜 각각에 모터를 배치하여 복잡해진 시스템을 제어할 모드 변환 맵과 기어비 최적화를 통해서 전비와 동력 성능 향상을 기대할 수 있다. 기존의 변환 맵 설계 방법은 모터의 효율만을 고려하지만 모터의 효율 외에도 회전관성 또한 시스템의 성능에 큰 영향을 미친다. 따라서 본 논문에서는 차량의 요구 가속도를 만족하기 위해 필요한 모터 토크를 예측하는 방법으로 회전관성의 변화를 고려한 모드 변환 맵을 제시하였다. 성능 평가는 종방향 차량 동역학에 기반한 전기차 모델을 개발하여 수행하였으며 운전자, VCU(Vehicle Control Unit), 파워트레인, 브레이크, 차량, 배터리 모델로 구성하였다. 특히, VCU 모델은 모드 변환 맵을 적용할 수 있도록 순서도를 개발하였고 파워트레인 모델은 구성 요소별 손실을 수학적으로 계산하여 다단화에 따른 영향을 반영하였다. 본 논문에서 제안한 모드 변환 맵은 기어비 조합에 따라 최적해가 달라지므로 기어비 최적화 시 변환 맵 설계 과정을 포함하여 차량의 전비와 동력 성능을 최대한 향상시켰다. 일반적으로 기어비에 따른 차량의 전비와 동력 성능은 서로 상충 관계가 있음으로 다목적 최적화 기법을 사용하였고 상당히 많은 계산을 요구하므로 인공 신경망을 이용한 대체 모델을 생성하여 효율적으로 최적설계를 수행하였다. 최적화 결과는 기존 이륜구동 1단 전기차에 비해 전비와 동력 성능이 최대 2.40%와 5.15%씩 향상되었다. 이를 통해 회전관성 변화 고려의 필요성과 MBSE(Mode Based System Engineering)로 구현한 사륜구동 2단변속 전기차의 최적 설계 방법의 유효성을 확인할 수 있었다. |As environmental regulations are strengthened around the world, electric vehicles (EVs) are expected as an alternative to internal combustion engine vehicles (ICEVs). A typical two-wheel-drive one-speed EV has the advantage of low losses due to its simple configuration, but it largely depends on motor specifications. To resolve this problem, various powertrain systems have been proposed. Among them, a four-wheel-drive two-speed EV using CLAMT (CLuchless Automated Manual Transmission) on the front axle and two motors on each axle, can be expected to improve energy efficiency and dynamic performance with a suitable mode shift map and gear ratio optimization. The conventional shift map design method only considers the motor efficiency, but the rotational inertia also affects the vehicle performance. Therefore, as a new method of estimating the motor torque required to satisfy the vehicle acceleration, a mode shift map considering the rotational inertia change could be proposed. Performance evaluation was conducted by developing an EV model consisting of driver, VCU (Vehicle Control Unit), powertrain, brake, vehicle, and battery models based on longitudinal vehicle dynamics. In particular, the flowchart was developed to apply the mode shift map to the VCU model, and the powertrain model mathematically calculates the loss of each component to reflect the effect of multi-speed. Since the optimal mode shift map depends on the gear ratio combination, the energy efficiency and dynamic performance are maximized by optimizing the gear ratio and the mode shift map simultaneously. Generally, the energy efficiency and dynamic performance have a trade-off relationship with each other, a multi-objective optimization technique is employed and a surrogate model using ANN (Artificial neural network) is developed for efficient optimization. The optimization results showed improvements in energy efficiency and dynamic performance by up to 2.40% and 5.15%, respectively compared to typical two-wheel-drive single-speed EV. Finally, optimal design method of the four-wheel-drive two-speed EV is implemented by MBSE(Model Based System Engineering) and the necessity of considering a rotational inertia change is validated.