31473

طراحي كنترل‌كننده‌ سيستم تعليق مبتني بر شبكه‌هاي عصبي با هدف كاهش مصرف انرژي

كارشناسي ارشد

مهندسي خودرو

1399

1402/06/31

دكتر مسعود مسيح طهراني - دكتر عبدالله اميرخاني

استاد مشاور نداشتم

دانشكده مهندسي خودرو

همواره دستيابي به تعادل ميان جاده‌‌چسبي بالا و راحتي سرنشين، موردتوجه خودروسازان و مصرف‌كنندگان بوده است. با توجه به بازه‌هاي فركانسي متفاوت مورد نياز براي دستيابي به هر دو هدف، تحقق همزمان آن‌ها چالشي جدي براي پژوهشگران محسوب مي‌شود. سيستم تعليق نيمه‌فعال مستقل، به دليل برخورداري از مزاياي تعليق نيمه‌فعال و مصرف انرژي بسيار پايين‌تر به نسبت سيستم تعليق فعال، گزينه مناسبي براي جايگزيني تعليق‌هاي موجود مي‌باشد. در اين پايان‌نامه از يك سيستم تعليق نيمه‌فعال از نوع مستقل در يك خودروي سواري Merces Benz GLB SUV و همچنين از يك كنترل‌كننده مود لغزشي ساده و شبكه عصبي MLP براي بهبود پارامترهاي ديناميك خودرو از جمله جاده چسبي و راحتي سرنشين استفاده شده است. از دلايل انتخاب كنترل‌كننده مود لغزشي، ارزان‌قيمت بودن، سادگي پياده‌سازي، قابليت اجرا در سيستم‌هاي غيرخطي و مقاومت بالا در برابر اغتشاشات و عدم قطعيت‌ها مي‌باشد. براي تحليل دقيق‌تر عدم قطعيت‌ها و اغتشاشات، از كنترل‌كننده فازي نوع 2 براي مطالعه مدل ديناميكي كامل خودرو در مانورهاي مختلف رانندگي و در شرايط ناهمواري‌هاي نامتقارن استفاده شده است. همچنين از تكنيك فازي‌سازي براي كاهش نوسانات اضافي پاسخ خودرويي بهره گرفته شده است. پس از طراحي و پياده‌سازي كنترل‌كننده، شبكه عصبي MLP، با توجه به داده‌هاي اخذ شده از نرم‌افزار Carsim، طراحي شده است. اين شبكه قادر به مدلسازي روابط پيچيده و غيرخطي موجود در داده‌ها است. در انتها هدف مطالعاتي پايان‌نامه مورد بررسي قرار گرفته و مصرف انرژي ميراگر مغناطيسي و همچنين مصرف سوخت خودرو با هدف بهبود راحتي سرنشين و جاده‌چسبي كاهش پيدا كرده است. خروجي نتايج حاصل از كنترل‌كننده مود لغزشي فازي نشان از بهبود 45 درصدي مشخصه‌هاي ديناميك خودرو نسبت به حالت غيرفعال تعليق و كنترل‌كننده فازي نوع 2 حدود 8 درصدي نسبت به كنترل‌كننده‌هاي مودلغزشي داشته است. به‌منظور تأمين راحتي سرنشين، شتاب عمودي مركز جرم خودرو در حدود 12 درصد در شبكه عصبي MLP نسبت به كنترل‌كننده فازي نوع 2 بهبود‌يافته‌اند. همچنين ميزان فشردگي تاير خودرو در طول رانندگي در مانورهاي باد جانبي، تغيير مسير دوگانه نشان از بهبود 10 درصدي شبكه عصبي MLP نسبت به كنترل‌كننده فازي نوع 2 را مي‌دهد.

1403/08/16

Designing a suspension system controller based on neural networks with the aim of reducing energy consumptionu

1/1/1900 12:00:00 AM

Benefiting from a high-sticky road, along with ride comfort, is always considered by most car manufacturers and consumers. Considering the different frequency range of satisfying these two goals, the possibility of simultaneously providing both goals has been a serious challenge for researchers. The independent semi-active suspension system, benefiting from the advantages of semi-active suspension and very low energy consumption compared to the active suspension system, is a good option to replace the existing suspensions. In this thesis, a semi-active suspension system of an independent type is used in a Mercedes Benz GLB SUV passenger car, as well as a simple sliding mode controller and MLP neural network to improve as much as possible the parameters of vehicle dynamics, including sticky road and ride comfort. Among the reasons for choosing the sliding mode controller, in addition to the cheapness and simplicity of calculations, it can be implemented in non-linear systems and is resistant to disturbances and uncertainties. For this purpose, after introducing and reviewing the history of the mentioned system, the research field and its current challenges have been analyzed. Due to the investigation of uncertainties and disturbances, fuzzy type 2 controller has been used to study the whole car model in different driving maneuvers in asymmetric roughness. Also, the fuzzing technique has been used in order to remove the excess fluctuations of the vehicle response. After designing and implementing the controller, the MLP neural network is designed according to the data taken from Carsim software. The reason for choosing the MLP neural network is that this type of neural network is able to model complex nonlinear relationships in the data. In the end, the study objective of the thesis was investigated and the energy consumption of the magnetic damper as well as the fuel consumption of the vehicle has been reduced with the aim of improving the ride comfort and the road holding. The output of the results obtained from the fuzzy sliding mode controller showed a 45% improvement in vehicle dynamics characteristics compared to the passive suspension mode, and the fuzzy type 2 controller showed an improvement of about 8% compared to the sliding mode controllers. In order to provide ride comfort, the vertical acceleration of the vehicle's center of mass has been improved by about 12% in the MLP neural network compared to the fuzzy type 2 controller. Also, the amount of tire pressure during driving in crosswind maneuvers, double lane change shows the improvement of 10% MLP neural networks compared to fuzzy type 2 controller.

سيستم تعليق مستقل , جاده چسبي , راحتي سرنشين , كنترل كننده مود لغزشي , شبكه عصبي

Semi-Active Suspension System , Road-Holding , Ride Comfort , Sliding Mode Control , Neural Network

Ali Emami

Dr. Masoud Masih Tehrani - Abdollah Amirkhani