یک روش تخمین جدید ضریب اصطکاک جاده و نسبت لغزش بهینه چرخ در کنترل دینامیک طولی و عرضی خودرو با استفاده از سیستمهای فرمان و ترمز فعال | ||
مکانیک سازه ها و شاره ها | ||
مقاله 17، دوره 9، شماره 3، مهر 1398، صفحه 231-247 اصل مقاله (1.24 M) | ||
نوع مقاله: مقاله مستقل | ||
شناسه دیجیتال (DOI): 10.22044/jsfm.2019.8460.2915 | ||
نویسندگان | ||
عباس سلطانی* 1؛ شهرام آزادی2 | ||
1استادیار، دانشکده مهندسی صنایع و مکانیک، مرکز آموزش عالی فنی و مهندسی بوئین زهرا، بوئین زهرا، قزوین | ||
2دانشیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران | ||
چکیده | ||
در این مقاله، یک سیستم کنترل یکپارچه دینامیک طولی، عرضی و چرخشی خودرو با استفاده از سیستمهای ترمز فعال و فرمان جلو فعال ارائه میشود. سیستم ترمز فعال طراحیشده بر اساس کنترل مود لغزشی، دارای دو حالت کاری ترمز ضدقفل و کنترل پایداری الکترونیکی میباشد و از یک کنترلکننده فازی در سیستم فرمان جلو فعال استفاده شده است. همچنین، جهت تخمین متغیرهای دینامیکی خودرو، یک تخمینگر غیرخطی با استفاده از فیلتر کالمن آنسنتد بهکار گرفته میشود. با توجه به مقادیر تخمینزدهشده و مدل تایر داگوف، ضریب اصطکاک جاده محاسبه میشود. از آنجا که عملکرد سیستم ترمز ضدقفل در جهت کاهش مسافت توقف به مقدار نسبت لغزش بهینه چرخ وابسته است، یک سیستم فازی عصبی تطبیقی برای بدست آوردن این مقدار بهینه طراحی شده است. ضریب اصطکاک جاده، سرعت طولی و بار عمودی هر یک از چرخها، ورودیهای سیستم فازی عصبی تطبیقی میباشند. در قسمت شبیهسازی ابتدا عمل ترمزگیری شدید روی جاده مستقیم با ضریب اصطکاک متغیر طی رانندگی مورد بررسی قرار میگیرد که نتایج آن، حاکی از عملکرد دقیق تخمینگر ضریب اصطکاک و نسبت لغزش بهینه چرخ دارد و باعث کاهش زیادی در فاصله و زمان توقف در مقایسه با خودرو بدون تخمینگر شده است. سپس، شبیهسازی جاده با ضریب اصطکاک متفاوت برای چرخهای طرفین خودرو انجام شده که نشان میدهد، کنترل یکپارچه سیستمهای ترمز ضدقفل، کنترل پایداری الکترونیکی و فرمان جلو فعال به همراه تخمینگرهای مذکور، میتواند علاوه بر بهبود پایداری جانبی و چرخشی، سبب کاهش فاصله توقف نیز شود. | ||
کلیدواژهها | ||
کنترل یکپارچه دینامیک خودرو؛ ترمز فعال؛ فرمان جلو فعال؛ سیستم فازی عصبی تطبیقی؛ تخمین نسبت لغزش بهینه چرخ | ||
مراجع | ||
[1] Karbalaei R, Ghaffari A, Kazemi R, Tabatabaei H (2008) A new intelligent strategy to integrated control of AFS/DYC based on fuzzy logic. Int J Math Phys Eng Sci 1(1): 47-52.
[2] Hwang T, Park KA, Heo S, Lee S, Lee J (2008) Design of integrated chassis control logics for AFS and ESP. Int J Automot Techn 9(1): 17-27.
[3] Naraghi M, Roshanbin A, Tavasoli A (2010) Vehicle stability enhancement - an adaptive optimal approach to the distribution of tyre forces. P I Mech Eng D-J Aut 224(4): 443-453.
[4] Ding N, Taheri S (2010) An adaptive integrated algorithm for active front steering and direct yaw moment control based on direct Lyapunov method. Vehicle Syst Dyn 48(10): 1193-1213.
[5] Doumiati M, Sename O, Dugard L, Gaspar P, Szabo Z (2013) Integrated vehicle dynamics control via coordination of active front steering and rear braking. Eur J Control 19(2): 121-143.
[6] Jalali M, Khosravani S, Khajepour A, Chen S, Litkouhi B (2017) Model predective control of vehicle stability using coordinated active steering and differential brakes. Mechatronics 48: 30-41.
[7] Zhang J, Li J (2019) Integrated vehicle chassis control for active front steering and direct yaw moment control based on hierarchical structure. T I Meas Control41(9): 2428-2440.
[8] Ahn C, Kim B, Lee M (2012) Modeling and control of an anti-lock brake and steering system for cooperative control on split-μ surfaces. Int J Automot Techn 13(4): 571-581.
[9] Mirzaeinejad H, Mirzaei M, Kazemi R (2016) Enhancement of vehicle braking performance on split-μ roads using optimal integrated control of steering and braking systems. P I Mech Eng K-J Mul 230(4): 401-415.
[10] Song J (2012) Integrated control of brake pressure and rear-wheel steering to improve lateral stability with fuzzy logic. Int J Automot Techn 13(4): 563-570.
[11] Aalizadeh B (2019) A neurofuzzy controller for active front steering system of vehicle under road friction uncertainties. T I Meas Control 41(4): 1057-1067.[12] Zhang X, Xu Y, Pan M, Ren F (2014) A vehicle ABS adaptive sliding-mode control algorithm based on the vehicle velocity estimation and tyre/road friction coefficient estimations. Vehicle Syst Dyn 52(4): 475-503.[13] Bagheri A, Azadi S, Soltani A (2017) A combined use of adaptive sliding mode control and unscented Kalman filter estimator to improve vehicle yaw stability. P I Mech Eng K-J Mul 231(2): 388-401.
[14] Paul D, Velenis E, Humbert F, at el (2019) Tyre–road friction μ-estimation based on braking force distribution. P I Mech Eng D-J Aut 233(8): 2030-2047.
[15] Novi T, Capitani R, Annicchiarico C (2019) An integrated artificial neural network–unscented Kalman filter vehicle sideslip angle estimation based on inertial measurement unit measurements. P I Mech Eng D-J Aut 233(7): 1864-1878.
[16] Ahmadi Jeyed H, Ghaffari A (2019) Nonlinear estimator design based on extended Kalman filter approach for state estimation of articulated heavy vehicle. P I Mech Eng K-J Mul 233(2): 254-265.
[17] باقری ا، آزادی ش، سلطانی ع (1396) بهبود پایداری چرخشی خودرو توسط سیستم ترمز فعال با استفاده از کنترل مود لغزشی. مجله علمی پژوهشی مکانیک سازهها و شارهها 78-65 :(1)7. 7 [18] Ren H, Chen S, Shim T, Wu, Z (2014) Effective assessment of tyre-road friction coefficient using a hybrid estimator. Vehicle Syst Dyn 52(8): 1047-1065.
[19] مشهدی ب، مجیدی م (1387) طراحی کنترلر فازی یکپارچه سیستمهای فرمان فعال و کنترل پایداری خودرو. دومین کنگره مشترک سیستمهای فازی و هوشمند ایران، تهران، دانشگاه صنعتی مالک اشتر. | ||
آمار تعداد مشاهده مقاله: 1,839 تعداد دریافت فایل اصل مقاله: 1,167 |