25228

كنترل لرزش سيستم تعليق فعال قطار با استفاده از سيستم كنترل شبكه عصبي مقاوم

كارشناسي ارشد

مهندسي كنترل و علائم راه آهن

1397

خرداد1400

دكتر سيد محمد موسوي گزافرودي

مهندسي راه آهن

از زمان ظهور مفهوم سيستم تعليق فعال ، مزاياي بزرگ آن باعث جلب نظر مداوم درزمينه مهندسي راهآهن شده اس . با تقاواي جديدي از سرع باهاتر ، راحتي بهتر سواري و هزينه تعمير و نگهداري كمتر براي وسايل نقليه ريلي ، سيستم تعليق فعال فنآوري بسيار اميدواركنندهاي اس . با افزايش بلوغ فني سنسورها و محركها ، سيستم تعليق فعال داراي فرص هاي توسعه بيسابقهاي اس . امروزه تقاوا براي امني ، آسايش خاطر و اعتماد بيشتر بهوسيله نقليهي مورداستفاده، رو به افزايش بوده و ازجمله ملزوماتي اس كه طرا) هر سيستمي بايد آنها را جزء اساسيترين پارامترهاي طراحي موردنظر خود قرار دهد. تلاش براي افزايش كار آيي قطار ازنظر پايداري ، ايمني و راحتي سواري باعث شده اس تا تحقيقات درزمينه طراحي ، مدلسازي و شبيهسازي پوياي سيستم تعليق يك قطار با استفاده از كنترل پيشرفته انجام شود. تعدادي از فنآوريهاي ديجيتال در مهندسي راهآهن توسعهيافته و مورداستفاده عملي در زيرسيستمها ازجمله سيستمهاي مديري قطار ، ارتباطات ، كشش و ترمز قرارگرفته اس . يكي از كاربردهاي شبكههاي عصبي مربوط به طراحي كنترلكنندههاي عصبي اس . هدف از اين كار بررسي و كنترل رفتار سيستم تعليق قطار در مواجهه با اختلاهات راهآهن اس . بنابراين ، تمركز اصلي اين تحقيق ، بررسي سيستم تعليق فعال قطار با مكانيزم كنترل پيشرو براي اطمينان از راحتي سوار با به حداقل رساندن تأثير چنين اختلاهاتي يا ايزوهاسيون كامل واگن از اختلاهات و درعينحال افزايش ظرفي راهآهن براي انواع شراي ريل و مانورهاي قطار ميباشد .در طول نيمقرن گذشته ، وسايل نقليه راهآهن بهگونهاي توسعهيافتهاند كه هرچه بيشتر از تجهيزات اهكترونيكي ، حسگرها و كنترلكنندهها و... استفاده ميشود تا خواستههاي جديد براي سرع باهاتر ، كيفي سواري بهتر و نياز به ايمني باهاتر را برآورده كند. سيستم كنترهي پيشنهادي شامل يك كنترلكننده مقاوم، يك كنترلكننده عصبي و يك شبكه عصبي مدل براي سيستم تعليق اس . بهمنظور مقايسه نتايج شبيهسازي، از يك كنترلكننده تناسبي انتگراهي مشتق گير ق PID ( براي كنترل هرزش سيستم تتعليق كل قطار استفاده شده اس .

1400/06/31

Vibration control of railway vehicles active suspension system using a robust neural network control system

6/21/2023 12:00:00 AM

In recent years, the suspension system of rail vehicles has been developed due to its potential to improve the ride comfort and maneuverability of the vehicle in various forms using electronics, sensors and controllers. In a passive suspension, the mass and spring and damper values are constant. As a result, it imposes many restrictions on vibration control. In semi-active control the characteristics of an otherwise passive element (nearly always a damper, but not inevitably so) are varied rapidly on the basis of measurements of variables within the dynamic system. In full-active control actuators are used which are either replace or augment passive elements, and the force they produce is varied according to measurements from the system. Since the concept of active suspensions appeared, railway vehicles have developed in a way that more and more electronics, sensors and controllers are applied along with the traditional mechanical structures to meet the new demands for higher speed, better ride quality and stricter safety requirement.For that reason, it is necessary to control vibration of vehicle’s suspension by using advance control and automation techniques can be used to optimize the performance of a rail car suspension system. This work introduces the mathematical model of two-degree-of -freedom and the use of the using a robust artificial neural network control system for the active suspension system of a rail car.The proposed control system is consisted of a robust controller, a neural controller, a model neural network of vehicle’s suspension system. On the other hand, standard PID controller is also used to control vehicle’s suspension system for comparison. The simulation results are indicated that the proposed control system has superior performance at adapting random track disturbance for vehicle’s suspension.

ارتعاشات قطار ، سيستم تعليق فعال، سيستم كنترل تعليق فعال ،كنترل شبكه عصبي مقاوم

control vibration of rail car, active suspension, neural network, neural controller, robust controller.