بهبود قابلیت پیش رانش و کاهش مصرف سوخت در خودروهای هیبریدی به روش شبکه های عصبی مصنوعی

انتشار گسترده گازهای گلخانه ای از خودروهای سنتی با موتور احتراق داخل، دولت ها در سراسر جهان را برآن داشت تا به دنبال جایگزین و راهکاری برای رفع مشکل آن باشند. از این رو در ابتدا ایده خودروهای برقی مطرح گردید. ولی بدلیل نبودن زیر ساخت های مناسب، امکان نبودن بودجه ی آن برای جوامع کمتر توسعه یافته و همچنین قیمت پایین حامل های سوختی در دنیا، استفاده از خودروهای تمام الکتریکی را به حاشیه برده و باعث کمتر استفاده شدن این تکنولوژی شده است. بنابراین راهکار جایگزین، خودروهای هیبریدی است که علاوه بر مصرف سوخت کمتر، به پیشبرد علم و رفع نواقص در این حوزه، پایین نگاه داشتن قیمت تمام شده و ملموس شدن آن برای مردم دنیا کمک نموده است. از این رو هدف در این تحقیق نشان دادن بهبود و کاهش مصرف سوخت، افزایش کیفیت پیش رانش و همچنین ایجاد هماهنگی بیشتر بین اجزا مختلف خودروی هیبریدی است. برای تحقق این هدف استفاده از مدل شبکه عصبی مصنوعی (ANN) ، برای افزایش قابلیت پیش رانش و کاهش مصرف سوخت در خودرو های هیبریدی مورد استفاده قرار گرفته و تمامی مراحل جز به جز توسط نرم افزار MATLAB پیاده سازی شده است. برای بدست آمدن اطلاعات اولیه از سیمولینک نرم افزار متلب کمک گرفته و سپس در حل مساله شبکه عصبی به کار برده شده است. در نهایت تمامی شکل های حاصل از نرم افزار متلب در مراحل مختلف نشان داده شده که به درک بهتر مساله کمک نموده است. نتیجه ای که از انجام این تحقیق بدست می آید، امکان کاهش زیاد مصرف سوخت و افزایش عمر مفید قطعات خودرو از جمله باتری ( به علت کم شدن اغتشاشات حاصل از حرکت و نرم حرکت نمودن خودرو در سرعت های مختلف) است. همچنین می توان با تغییر پارامتر ها و شرایط های مختلف حرکت در حین انجام کار (پارامتر دهی شبکه عصبی) ، مساله برای خودروهای گوناگون و انواع جاده ها بهینه سازی شود و به بهترین و هوشمندترین حالت دست پیدا نمود.

کلیدواژه ها:

شبکه عصبی مصنوعی (ANN) ، میزان مصرف سوخت خودرو ، فواصل انتشار خطا ، کارایی شبکه عصبی