طراحی کنترل کننده سیستم تعلیق فعال خودرو با استفاده از روش بهینه سازی چندهدفه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 981

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCOFME08_038

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

از مهمترین نیازهای روزافزون سیستم های تعلیق دینامیکی، ایمنی و بازده بالا بوده که این نیازهایطراحی خصوصاً در هنگام طراحی خودروهای جدید در صنعت خودروسازی مورد توجه است. دراین مقاله با در نظر گرفتن مدل یک چهارم خودرو بر مبنای یک رویکرد بهینه سازی چند هدفه کنترلکننده فیدبک حالت طراحی شده است. به همین منظور در ابتدا یک مدل خطی برای سیستم تعلیقفعال در نظر گرفته و با استفاده از یک رویکرد ترکیبی مقاوم-بهینه کنترل کننده طراحی شده است.این روش طراحی کنترل مقاوم خطی (H(2 و (∞)H را به یک مساله بهینه سازی تبدیل می کند. روشاصلی مورد بحث در این تحقیق روش بهینه سازی ازدحام ذرات چندهدفه (MOPSO) است.الگوریتم PSO خود از شبیه سازی رفتار اجتماعی یک گروه از پرندگان در یافتن غذا الهام گرفتهشده است. نتایج نشان داد که در حالت طراحی کنترل کننده برای مدل خطی، کنترلر طراحی شدهتوسط هر دو بهینه ساز MOPSO و NSGA-II عملکردی تقریبا یکسان داشتند. با این حال کنترلرطراحی شده توسط MOPSO اندکی مقاومتر از دیگری است. در این حالت به صورت همزمانکاهش حداکثری شتاب بدنه (متناسب با راحتی سرنشین) و تغییر شکل تایر (متناسب با امنیتسرنشین) و از طرف دیگر کاهش توان مصرفی در نظر گرفته می شود. همچنین نتایج نشان داد که درشرایط کاملا برابر رویکرد بهینه سازی چندهدفه مبتنی بر الگوریتم ازدحام ذرات (MOPSO) ازرویکرد بهینه سازی چندهدفه مبتنی بر الگوریتم ژنتیک (NSGA-II)، از لحاظ صرف انرژیاندکی مناسبتر عمل می کند.

کلیدواژه ها:

بهینه سازی چند هدفه ، سیستم تعلیق فعال ، مدل یک چهارم خودرو ، الگوریتم ازدحام ذرات ، الگوریتم ژنتیک

نویسندگان

میعاد هفت لنگ

دانشجوی کارشناسی ارشد، دانشکده مکانیک، دانشگاه آزاد اسلامی واحد خمینی شهر

سیدعلی افتخاری

استادیار، دانشکده مکانیک، دانشگاه آزاد اسلامی واحد خمینی شهر- نویسنده مسئول

احمد کشاورزی

استادیار، دانشکده مکانیک، دانشگاه آزاد اسلامی واحد خمینی شهر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Pyper M., and Schifer W., and Schneider W., "ABC - ...
  • Cao J., and Liu H., and Li P., and Brown ...
  • Michail K., and Zolotas A.C., and Goodall R.M., "Optimised sensor ...
  • "Multiobjective robust contrl using evolutionary algorithms", Industrial Technology, (ICIT "96), ...
  • Janssen J, and Damen A., and Bosch P., "Modeling and ...
  • Hao M., and Yu D., "Neural sliding mode control on ...
  • Hashemipour H., and Hoshyar M., "Nonlinear Optimal Control of Vehicle ...
  • Jazar R., Alkhatib R., and Golnaraghi F., 2006, "Root mean ...
  • Cao D., and Song X., and Ahmadian M., Editors" perspectives: ...
  • Li H., and Liu H., and Gao H., and Shi ...
  • Sandea T., and Gysen B., and Besselink I, et al. ...
  • Holland J., Adaptation in Natural and Artificial Systems. Cambridge, MA: ...
  • Kennedy J., and Eberhart R.C., Particle swarm optimization. In Proceedings ...
  • Andries P., Engelbrecht. Fundamentals of Computational Swarm Intelligence. John Wiley ...
  • Coello Coello C.A., and Salazar Lechuga M., MOPSO: A proposal ...
  • Sun W., and Pan H., and Zhang Y., and Gao ...
  • نمایش کامل مراجع