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

مهندسی مخابرات جنوب

مقاله 1، دوره 5، شماره 17، آبان 1394، صفحه 1-8   

نوع مقاله: مقاله پژوهشی

نویسندگان

سپیده حیدری¹؛ امین رمضانی²؛ مجید ناصریان³

¹دانشگاه آزاد اسلامی واحد ابرکوه

²دانشگاه تربیت مدرس

³دانشگاه آزاد اسلامی واحد مهریز

چکیده

در این مقاله ابتدا مدل خطی سیستم تعلیق خودرو انتخاب و شبیه­سازی و داده­های لازم جهت آموزش از آن استخراج می­گردد. در راستای تحقق هدف سیستم تعلیق، با استفاده از روش­های مرسوم یک کنترل­کننده PID برای سیستم تعلیق طراحی و از آن جهت آموزش کنترل­کننده تطبیقی عصبی - فازی (ANFIS)  استفاده شود. این سیستم ANFIS با استفاده از خطای خروجی کنترل­کننده PID به صورت بر خط آموزش می­بیند و پس از آموزش، کنترل­کننده از مدار خارج و کنترل­کننده تطبیقی عصبی - فازی به تنهایی کار کنترل سیستم را به عهده می­گیرد. در صورت تغییر پارامترهای سیستم تحت کنترل، کنترل­کننده مجدداً وارد مدار شده و شبکه با استفاده از خطای جدید بار دیگر آموزش می‌بیند. از وی‍ژگی­های 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 می­باشد. در انتهای کار نتایج عملکرد کنترل­کننده (ANFIS)  که با یک کنترل­کننده PID آموزش می­بیند با یک کنترل­کننده تناسبی - مشتقی خالص مقایسه می‌شود.

کلیدواژه‌ها

سیستم تعلیق؛ کنترل کننده ANFIS

مراجع

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.