26251

كنترل سيستم ترمز ضد قفل با استفاده از سيستم فازي نوع 2

كارشناسي ارشد

مهندسي برق- سيستم‌هاي الكترونيك ديجيتال

1398

1400/11/27

عبدالله اميرخاني شهركي

مهندسي خودرو

سيستم ترمز ضد قفل (ABS)، يكي از كاربردي ترين سيستم‌هاي ايمني فعال در وسايل نقليه بوده و نقش موثري را در ايمني خودرو هنگام ترمز‌هاي شديد از خود نشان مي‌دهد. اما وجود غيرخطي بودن و عدم قطعيت‌هاي مدل نشده در ساختار آن سبب شده تا مساله كنترل آن امري چالش برانگيز باشد. به همين دليل طراحي كنترل كننده مقاوم براي اين سيستم‌ها امري حياتي است. شبكه‌هاي عصبي RBF (RBF-NNs) توانايي بالايي در مدل كردن توابع غيرخطي از خود نشان داده است. همچنين سيستم‌هاي فازي نوع 2 نيز همواره بعنوان يكي از شناخته شده‌ترين راه حل‌ها براي پرداختن به عدم قطعيت‌ها به شمار مي‌رود. از اين رو در اين پايان نامه، ما يك ساختار كنترل كننده تطبيقي و مقاوم مبتني بر RBF-NN با توجه به خواص سيستم‌هاي فازي نوع 2 فاصله‌اي (IT2FSs) پيشنهاد كرده ايم. به منظور كنترل ABS ما از مدل ديناميكي يك چهارم خودرو به همراه مدل غيرخطي تاير داگوف اصلاح شده بهره گرفتيم. همچنين جهت تطبيق و به روز رساني پارامترهاي سيستم كنترلي، از خواص روش گراديان نزولي پس انتشار استفاده كرديم. به روز رساني به صورت آنلاين و با توجه به تغييرات لحظه‌اي در شرايط سطح جاده انجام و سبب جبران اين تغييرات مي‌شود. تحليل پايداري روش پيشنهادي نيز با كمك تابع لياپانوف بيان شده است. در ادامه به منظور ارزيابي بهتر روش خود، به شبيه سازي در سه سناريوي جاده‌اي مختلف پرداخته و مقايسه‌اي با روش‌هاي معمول در كنترل نظير كنترل كننده مد لغزشي (SMC)، كنترل كننده PID فازي نوع 2‌ فاصله‌اي (IT2F-PID) و SMC فازي نوع 2 فاصله‌اي (IT2F-SMC) انجام و نتايج حاصل از شبيه سازي و مقايسه ارائه شد. نتايج حاصل از شبيه سازي نشان دهنده آن بود كه سيستم پيشنهادي در كنار وجود عوامل مزاحم و شرايط جاده‌اي مختلف قادر به رديابي لغزش چرخ مرجع بوده و عملكرد بهتري از خود نسبت به ساير روش‌ها نشان مي‌دهد.

1400/12/25

Antilock braking system control based on type-2 fuzzy system

2/16/2023 12:00:00 AM

The antilock braking system (ABS) is one of the most practical active safety systems in vehicles and plays an effective role in vehicle safety during heavy braking. However, the non-linearity and unmodified uncertainties in its structure make its control problematic. That's why designing a robust controller is critical to these systems. Radial basis function neural networks (RBF-NNs) have shown a high ability to model nonlinear functions. Also, type-2 fuzzy systems have always been considered as one of the most well-known solutions to deal with uncertainties. Therefore, in this dissertation, we propose an adaptive and robust control structure based on RBF-NN with respect to the properties of type-2 distance fuzzy systems (IT2FSs). In order to control the ABS, we used the quarter vehicle model along with the modified Dugoff tire nonlinear model. We also used the properties of the gradient descent backpropagation method to adapt and update the parameters of the control system. The update is done online due to momentary changes in road surface conditions and will compensate for these changes. The stability analysis of the proposed method is also expressed with the help of the Lyapunov function. In order to better evaluate its method, it simulates in three different road scenarios and compares it with common control methods such as sliding mode controller (SMC), interval type-2 fuzzy PID controller (IT2F-PID), and interval type-2 fuzzy SMC (IT2F-SMC) were performed and the simulation and comparison results were presented. The results of the simulation showed that the proposed system, in addition to the presence of disturbing factors and various road conditions, is able to detect the slip of the reference wheel and shows better performance than other methods.

مهدي ملائي كندلوس

عبدالله اميرخاني شهركي