하이브리드 추정 모델을 활용한 자동차 후륜 토우 각도 K&C Steer 외란 보상 시스템의 개발

Development of Rear Toe Angle Kinematic and Compliance Steer Disturbance Compensation System Using Hybrid Estimation Model

본 논문에서는 자동차 후륜 조향(RWS) 시스템의 K&C Steer 외란을 보상하기 위한 하이브리드 추정 모델을 제안 하고 검증하였다. 제안된 모델은 회귀 분석 기반 운동학적 모델과, 이 모델의 예측 오차를 학습하여 비선형 컴플라이 언스 효과를 보상하는 물리 정보 기반 신경망(PINN)을 결합하였다. 성능 평가는 횡가속도를 기준으로 운동학적 모델 단독과 하이브리드 모델을 비교하였다. 130 km/h 이중 차선 변경 시뮬레이션 결과, 하이브리드 모델은 운동학적 모델 대비 평균 제곱 오차(MSE)를 평균 27.5% 감소시키고 결정계수(R²)를 평균 7.8% 향상시켰다. 이는 제안된 모델이 실제 RWS 시스템의 외란 보상 성능을 크게 개선하고 정밀한 차량 동역학 제어를 위한 효과적인 기반 기술이될 수 있음을 보여준다.

This paper proposes and validates a hybrid estimation model to compensate for kinematic and compliance (K&C) steering disturbances in automotive rear-wheel steering (RWS) systems. The model integrates a regression-based kinematic model with a physics-informed neural network (PINN) that learns the prediction residuals to compensate for nonlinear compliance effects. The performance evaluation compared the lateral acceleration between the stand-alone kinematic and hybrid models. In double-lane-change simulations at 130 km/h, the hybrid model achieved an average 27.5% reduction in mean squared error (MSE) and 7.8% improvement in the coefficient of determination (R²) compared to the kinematic model. These results suggest that the proposed model can significantly improve disturbance compensation in practical RWS systems and serve as an effective foundation for precise vehicle dynamics control.