23994

تخمين مبتني بر مدل زاويه لغزش خودرو و ضريب اصطكاك جاده با تلفيق اطلاعات سنسورهاي چندگانه

كارشناسي ارشد

مهندسي مكانيك

1397

27/11/1399

دكتر بهروز مشهدي، دكتر عبدالله اميرخاني

مهندسي خودرو

در اين پايان¬نامه، روشي نوين براي تخمين حداكثر ضريب اصطكاك تاير/جاده، بدون نياز به اعمال تحريك به خودرو معرفي شده¬است. مزيت اين روش در مقايسه با روش¬هاي موجود امكان تخمين اين ضريب در حالت رانندگي با سرعت ثابت و پيش از عملكرد سيستم¬هاي كنترل پايداري ديناميك خودرو است. روش پيشنهادي با استفاده از تكنيك¬هاي داده-محور به تحليل ارتعاشات وارده بر بدنه¬ي خودرو ناشي از ناهمواري¬هاي سطح و به تخمين ميزان زبري جاده مي¬پردازد. به منظور ايجاد داده¬ي آموزش و هدف، از دو سري آزمايش استفاده شده است. به منظور توليد داده آموزش، آزمايش¬هاي نوع اول با رانندگي با سرعت ثابت بروي جاده¬هاي مورد بررسي و ثبت سيگنال شتاب عمودي وارده بر بدنه خودرو انجام شده¬اند. پس از اعمال پيش¬پردازش بروي سيگنال¬هاي شتاب عمودي، با استفاده از تبديل موجك تعداد 25 ويژگي از آنها استخراج و موثرترين آن¬ها انتخاب مي¬شوند. براي توليد داده¬ي هدف و اندازه¬گيري اين ضريب، بروي هر جاده ترمزگيري شديد انجام شده و حداكثر شتاب ترمزي قابل دسترس براي خودرو را اندازه¬گيري كرده. سپس، با استفاده از مدل ديناميك طولي، سهم محور جلو از حداكثر نيروي ترمزي، و از تقسيم آن بر بار عمودي محور جلو، بيشينه ضريب اصطكاك محاسبه مي¬شود. در نهايت، با استفاده از داده¬هاي ايجاد شده يك شبكه عصبي چند لايه آموزش داده تا با دريافت ويژگي¬هاي ورودي ناشي از سيگنال شتاب عمودي بدنه خودرو، اين ضريب را پيش¬بيني كند. نتايج حاصله بيان¬گر آن هستند كه روش پيشنهادي قادر به پيش¬بيني اين ضريب با مقدار همبستگي 0.79 براي داده¬هاي آزمايش خواهد بود. صحت¬سنجي بروي 15 جاده آزمايش حاكي از آن است كه اين الگوريتم با دقت بيش از 88 درصد قادر به پيش¬بيني اين ضريب خواهد بود. در مقايسه با مطالعات قبلي، تعداد ويژگي¬هاي ورودي به چهار كاهش يافته است، كه تنها از اندازه¬گيري شتاب عمودي خودرو برداشت مي¬شوند. بعلاوه، الگوريتم توسعه يافته بي¬نياز از مدلسازي خودرو يا تاير خواهد بود.

1400/04/14

Model-based Estimation of Vehicle Side-slip Angle and Tire/road Friction Coefficient Using Multi-sensor Data Fusion

1/1/1900 12:00:00 AM

In this dissertation, a new method is introduced for estimating the maximum tire/road friction coefficient (TRFC) needless of applying excitations to the vehicle. The advantage of this method compared to existing methods is the possibility of estimating the TRFC in normal driving conditions at constant speeds and before activation of the vehicle dynamic stability control systems. The proposed method uses artificial neural networks (NNs) to estimate road friction by analyzing the vibrations of the vehicle’s sprung mass due to road surface roughness. The vehicle was driven on the test roads at a constant speed, and the vertical accelerations of the vehicle body were measured and recorded. The collected training data was passed through the pre-processing stage, and wavelet transform was used to extract 25 features. With the aid of a feature selection technique, four salient features were selected. Next, hard braking maneuvers were conducted on the test roads to measure the test road’s TRFC. Then, using a longitudinal dynamic model, the maximum braking force is calculated at the moment of the maximum braking acceleration. By dividing it by the vertical load of the vehicle, the maximum coefficient of friction is calculated. By doing so, the target data required for training the NN is generated too. Finally, a multi-layer perceptron NN was trained to predict the TRFC by receiving the input features extracted from the vehicle sprung mass vertical accelerations. The obtained results show that the proposed method will predict the TRFC with correlation coefficients of 0.79 and 0.86 for the test and all data. Also, validation on 15 test roads shows that this algorithm will predict the maximum coefficient of friction with more than 87% accuracy. Compared to previous works, the number of input features has been reduced to four, extracted only from measuring the vehicle’s vertical acceleration. Therefore, the developed algorithm can predict the TRFC with acceptable accuracy without needing any vehicle dynamics and tire models.

كنترل ديناميك خودرو , تخمين ضريب اصطكاك جاده , طبقه¬بندي سطح جاده , استخراج ويژگي , مكاترونيك خودرو

Vehicle Dynamics Control , Road Friction Coefficient Estimation , Road Surface Classification , Feature Extraction , Vehicle Mechatronics