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

الموضوعات :

سپیده حیدری ¹ , امین رمضانی ² , مجید ناصریان ³

1 - دانشگاه آزاد اسلامی واحد ابرکوه
2 - دانشگاه تربیت مدرس
3 - دانشگاه آزاد اسلامی واحد مهریز

تاريخ الإرسال : 12 الأحد , ربيع الثاني, 1436 تاريخ التأكيد : 05 الثلاثاء , رجب, 1437 تاريخ الإصدار : 07 الخميس , شوال, 1436

الکلمات المفتاحية: سیستم تعلیق, کنترل کننده ANFIS, Suspension system, ANFIS controller,

ملخص المقالة :

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.

المصادر:

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.