کاهش ارتعاشات بدنه خودرو ناشی از اغتشاش جاده با استفاده از کنترل کننده تطبیقی عصبی- فازی

محورهای موضوعی : مهندسی الکترونیک

سپیده حیدری ¹ (دانشگاه آزاد اسلامی واحد ابرکوه)
امین رمضانی ² (دانشگاه تربیت مدرس)
مجید ناصریان ³ (دانشگاه آزاد اسلامی واحد مهریز)

تاریخ دریافت : 1393/11/12 تاریخ پذیرش : 1395/01/24 تاریخ انتشار : 1394/05/01

کلید واژه: سیستم تعلیق, کنترل کننده ANFIS, Suspension system, ANFIS controller,

چکیده مقاله :

در این مقاله ابتدا مدل خطی سیستم تعلیق خودرو انتخاب و شبیه سازی و داده های لازم جهت آموزش از آن استخراج می گردد. در راستای تحقق هدف سیستم تعلیق، با استفاده از روش های مرسوم یک کنترل کننده PID برای سیستم تعلیق طراحی و از آن جهت آموزش کنترل کننده تطبیقی عصبی - فازی (ANFIS) استفاده شود. این سیستم ANFIS با استفاده از خطای خروجی کنترل کننده PID به صورت بر خط آموزش می بیند و پس از آموزش، کنترل کننده از مدار خارج و کنترل کننده تطبیقی عصبی - فازی به تنهایی کار کنترل سیستم را به عهده می گیرد. در صورت تغییر پارامترهای سیستم تحت کنترل، کنترل کننده مجدداً وارد مدار شده و شبکه با استفاده از خطای جدید بار دیگر آموزش می‌بیند. از وی‍ژگی های مهم این روش عدم نیاز به مدل ریاضی اجزای سیستم نظیر عملگر، فنر و کمک فنر که همگی غیرخطی هستند و عدم نیاز به ژاکوبین سیستم می باشد. در انتهای کار نتایج عملکرد کنترل کننده (ANFIS) که با یک کنترل کننده PID آموزش می بیند با یک کنترل کننده تناسبی - مشتقی خالص مقایسه می‌شود.

چکیده انگلیسی:

In this paper, linear model of vehicle suspension accomplished by PID controller has been used to train the ANFIS system, which is instructed online using the PID controller output error and following the training, the PID controller leaves the loop and then the Adaptive Neural – Fuzzy inference system (ANFIS) takes the responsibility of controlling the system by itself. In case of the alteration of the controlled system parameters, the controller will be re-entered the loop and the network will be re-trained using the new error.An important feature of this technique is that it does not require mathematical model of system components such as actuator, spring, shock absorber, all of which are nonlinear; Jacobian system is not required as well. Finally the functional outputs of the controller (ANFIS) which is trained with the usage of a PID controller is compared with a pure proportional-derivative controller. The results show that the controller has been well designed to meet the wished objectives.

منابع و مأخذ:

1. Shun, fengsu & ming, chang-chen & wei, yenwang, 2012,"Hierarchical T-S fazzy – neural control of anti – lock braking system and active suspension in a vehicle", Elsevier, Automatica 48 (2012)1698-1706.


2. Ebrahimi, N & Gharaveisi, A, 2012," optimal Fuzzy Supervisor controller for an active suspention system", international journal of soft comuting and engineering CIJSCE, ISSN 2231-2307, volume-2, Issue-4, September 2012.


3. Ahmad Ansari, faraz & Taparia, Rajshree, 2013," modeling, Analysis and control of active suspension system using sliding mode control and Disturbance observer", international jornal of scientific and Research publications, volume3, Issue1, January 2013.


4. Bourmis Trou, A & Storey, I & Subic, A, 2010,"Multiobjective optimization of active and semi – Active Suspension system with application of Evolutionary Algorithm ",pp.47-85.


5. Cao, Jiangtao & liu, Hong hai& li, ping & Brown, David. J, 2008, "State of the Art in Vehicle active suspension andaptive control systems Based on Intelligent Methodologies", IEEE trnsactions on intelligent transportation systems, vol. 9, no. 3 ,September 2008


6. Qamar, shahid & khan, Tariq & khan, laiq, 2012," adaptive neuro – fuzzy sliding mode control based strategy for active suspension control", 2012 10 th international IEEE conference on frontiers of in formation technology.


7. Chen, mingchang & yen wang, wei, fengsu, shun & Hsingchien, Yi, 2012," Robust T-S fuzzy – neural control of uncertain active suspension system, international journal of fuzzy syetem",vol. 12, No. 4 ,December 2010.


8. Devdutt & Aggarwal, M.L, 2012," Fuzzycontrol of semi –active quarter car suspension system with MR damper ", proceedings of the national confence on trends and advances in mechaniclengineering, YMCAUniversity of Scince& Technology, Faridabad,Haryana,Cot 19-20,2012.


9. Lin, Jeen&Itan,Ruey, 2011, "Hybrid Self-Organizing Fuzzy and Radial Basis –Function Neural – Network Controller For Active Suspension Systems",InternationnalJornal of Innovative Computing in Formation and control,volume7.Number6,June 2011.