ارائه یک الگوریتم نوین برخط برای تشخیص نوع سطح در سامانه ترمز ضدقفل | ||
| مهندسی مکانیک مدرس | ||
| Article 4, Volume 24, Issue 5, 1403, Pages 305-315 PDF (762 K) | ||
| Document Type: پژوهشی اصیل | ||
| DOI: 10.48311/MME.24.5.305 | ||
| Authors | ||
| محمد مهدی عوض پور; محسن محمدی* ; احمدرضا مهدوی پناه | ||
| دانشگاه شیراز | ||
| Abstract | ||
| در دهه های اخیر، تکامل و توسعه فناوری خودروها در جهت افزایش ایمنی و امنیت برای راننده و سرنشینان خودرو نقش مهمی داشته است، یکی از فناوری های برجسته ای که به افزایش ایمنی در خودروها کمک به سزایی می کند، ترمز ضد قفل می باشد که این سامانه تاثیر قابل توجه ای در افزایش امنیت در زمان ترمز گیری، کاهش مسافت خط ترمز و کنترل بهتر خودرو در شرایط سطوح مختلف ترمز گیری دارد. در این مقاله، یک الگوریتم برخط نوین برای بهبود عملکرد سامانههای ترمز ضد قفل (ABS) معرفی میشود که از دادههای عملی به جای مدلسازی ریاضی پیچیده بهره میبرد، به عبارتی برخلاف مدلسازیهای سنتی که به مدلهای نیمهخودرو و شبیهسازیهای دینامیکی لاستیک متکی هستند، این پژوهش از دادههای واقعی چرخها برای توسعه و بهینهسازی الگوریتمها استفاده میکند که این رویکرد باعث افزایش حساسیت و تطبیقپذیری الگوریتم نسبت به تغییرات واقعی جاده و شرایط مختلف عملیاتی میشود. از طرفی بهطور مؤثر به شناسایی و تحلیل پدیدههای Jump و Split پرداخته شدهاست که در سایر مقالات بهطور اختصاصی پرداخته نشدهاست. این روش، که با استفاده از مدلهای تحلیلی و تجربی آزمایش و اعتبارسنجی شده است و در شرایطی که حسگرهای شتاب در دسترس نیستند، دقت بالایی را در تخمین شتاب ارائه میدهد و میتواند پاسخهایی با دقت مناسب در شرایط متغیر ترمزگیری ارائه دهد. نتایج شبیه سازی الگوریتم بر روی داده های تست عملی نشان از آن دارد که این الگوریتم باتوجه به کاهش تقریباً 49.1 درصدی در زمان تشخیص با سرعتی بیشتر نسبت به سایر الگوریتم ها عمل میکند و مزیتهای قابل توجهی از جمله کاهش خط ترمزگیری، کاهش هزینههای محاساباتی سامانه را فراهم میآورد. | ||
| Keywords | ||
| ترمز ضد قفل; تشخیص سطح; الگوریتم برخط; داده عملی; تست دوسطحی | ||
| References | ||
|
| ||
|
Statistics Article View: 3,918 PDF Download: 4,653 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,431,613 |
| PDF Download | 17,550,022 |