Embedded Files
Current-Run Correction and Virtual-Rail Reuse
Current-Run Correction and Virtual-Rail Reuse
New Rail uses measured lateral error both to correct the current run and to improve the virtual rail for subsequent runs.
The AI unit generates a smooth correction path, anticipates control delays and stores the corrected virtual rail for reuse.
1. Smooth Correction Along an S-Curve
1. Smooth Correction Along an S-Curve
When lateral correction is needed, the AI unit generates an S-shaped correction virtual rail rather than commanding an abrupt steering movement.
First correction section: The wheel-pair center gradually approaches the actual track center.
Second correction section: Reverse curvature brings the running direction back into alignment with the track centerline as the remaining lateral error is reduced.
The AI unit updates the left and right wheel-speed targets along this path. The correction is spread over a defined distance or time to reduce shock, vibration and overshoot.
The aim is not an abrupt sideways correction, but smooth convergence toward the track center.
2. Predictive Control Accounts for Delay
2. Predictive Control Accounts for Delay
Measurement, AI calculation, inverter operation and motor response all take time. By the time a correction takes effect, the vehicle has already moved forward.
The AI unit uses lateral-error history, vehicle speed and drive-response characteristics to predict the error after this delay. It then adjusts the virtual rail and wheel-speed targets in advance.
Control therefore considers the expected error when the correction takes effect—not only the error measured earlier.
3. Learn, Store and Reuse
3. Learn, Store and Reuse
The AI unit learns from lateral error, wheel revolutions, running distance, position and operating conditions. Repeated error patterns help refine the virtual rail, while temporary disturbances can be distinguished from persistent track-related differences.
The corrected virtual rail is stored and retrieved when the vehicle next travels through the same section. It provides the reference for new wheel-speed targets, while fresh measurements support further correction.
Current run: Correct the wheel path.
Next run: Retrieve and reuse the improved virtual rail.
The running experience is therefore retained as an improved digital reference rather than ending with a one-time correction.
Email : parkkyeungsik@gmail.com
LinkedIn : https://www.linkedin.com/in/kyeungsik-park-58b879281/?locale=ko
현재 주행 보정과 가상레일 재사용
현재 주행 보정과 가상레일 재사용
New Rail은 측정된 수평오차를 현재 주행을 보정하는 데 사용하면서, 다음 운행에 사용할 가상레일도 개선합니다.
인공지능은 부드러운 보정경로를 생성하고, 제어 과정의 시간지연을 예측하며, 보정된 가상레일을 저장하여 재사용합니다.
1. S-곡선을 따라 부드럽게 보정
1. S-곡선을 따라 부드럽게 보정
수평오차를 보정해야 할 때, 인공지능은 대차를 급격하게 조향하는 대신 S-곡선 형태의 보정 가상레일을 생성합니다.
제1 보정구간: 바퀴중심이 실제 레일중심을 향하여 완만하게 접근합니다.
제2 보정구간: 반대 방향의 곡률로 나머지 수평오차를 줄이면서, 주행방향을 레일중심선과 평행하게 복귀시킵니다.
인공지능은 이 경로에 맞추어 좌우 바퀴의 목표 회전속도를 갱신합니다. 일정한 거리나 시간에 걸쳐 보정하여 충격·진동·과보정을 줄이는 방식입니다.
바퀴를 갑자기 옆으로 이동시키는 것이 아니라, 레일중심으로 부드럽게 수렴시키는 것이 목적입니다.
2. 시간지연을 고려하는 선행제어
2. 시간지연을 고려하는 선행제어
수평오차 측정, 인공지능 연산, 인버터 작동과 전동기 응답에는 시간이 필요합니다. 보정 효과가 실제로 나타날 때에는 차량이 이미 앞으로 이동한 상태입니다.
인공지능은 수평오차의 변화 이력, 주행속도와 구동장치의 응답특성을 이용하여 시간지연 이후의 오차를 예측합니다. 이를 기준으로 가상레일과 바퀴의 목표 회전속도를 미리 보정합니다.
이미 측정한 오차만 뒤따라가는 것이 아니라, 보정이 작동할 시점의 예상 오차를 기준으로 제어합니다.
3. 학습·저장하고 다음 운행에 재사용
3. 학습·저장하고 다음 운행에 재사용
인공지능은 수평오차, 바퀴 회전수, 주행거리, 위치와 운행조건을 함께 학습합니다. 반복적으로 나타나는 오차를 가상레일 보정에 활용하고, 일시적인 외란과 지속적인 선로 차이를 구분할 수 있습니다.
보정된 가상레일은 저장했다가 같은 구간을 다시 주행할 때 호출합니다. 이를 기준으로 새로운 목표 회전속도를 산출하고, 운행 중 다시 측정되는 오차로 추가 보정을 수행합니다.
현재 주행: 바퀴의 주행경로를 보정합니다.
다음 운행: 개선된 가상레일을 호출하여 재사용합니다.
한 번의 위치 보정으로 끝나는 것이 아니라, 운행 경험을 개선된 디지털 주행기준으로 축적하는 것입니다.
Email : parkkyeungsik@gmail.com
LinkedIn : https://www.linkedin.com/in/kyeungsik-park-58b879281/?locale=ko
Page updated
Google Sites
Report abuse