پیاده‌سازی کنترل مبتنی بر پیش‌بینی مدل جهت تحلیل سیستم کنترل لغزش خودرو الکتریکی موتور در چرخ
پذیرفته شده برای ارائه شفاهی ، صفحه 1-8 (8)
اصل مقاله (1.46 MB)
کد مقاله : 1004-ISAV2022 (R2)
نویسندگان
1دانشکده مهندسی مکانیک
2دانشگاه خواجه نصیرالدین طوسی، دانشکده مکانیک
چکیده
هدف این پژوهش توسعه یک سیستم کنترل لغزش چرخ خودرو الکتریکی موتور در چرخ جهت ممانعت از قفل شدن چرخ‌های خودرو الکتریکی در زمان ترمزگیری می‌باشد. الگوریتم کنترلر لغزش پیشنهادی بر اساس روش کنترل مبتنی بر پیش‌بینی مدل طراحی گردیده است. الگوریتم کنترلر لغزش مبتنی بر پیش‌بینی مدل پیشنهادی، با کنترل مستقل نسبت لغزش هر تایر و حفظ نسبت لغزش در یک محدوده پایدار با لحاظ کوتاه‌ترین زمان پاسخ، گشتاور ترمزی هر چرخ را تخمین می نماید. عملکرد سیستم کنترل لغزش چرخ با پاسخ سیستم ترمزی احیاء کننده بهبود می‌یابد. هزینه محاسباتی روش پیشنهادی ناچیز بوده که از جنبه پیاده‌سازی عملی بسیار ارزشمند می‌باشد. الگوریتم کنترل لغزش بر اساس کنترل مبتنی بر پیش‌بینی مدل جهت یک خودرو الکتریکی موتور در چرخ با لحاظ محدودیت‌های گشتاور ترمزی، محدودیت‌های نسبت لغزش و معیارهای عملکرد پیشنهاد می‌گردد. نتایج شبیه‌سازی‌های انجام شده، نشان می‌‌دهد که الگوریتم کنترل لغزش چرخ مبتنی بر پیش‌بینی مدل پیشنهادی جهت خودرو الکتریکی موتور در چرخ قادر به کنترل دقیق نسبت لغزش طولی چهار چرخ خودرو الکتریکی موتور در چرخ بوده و دارای عملکرد مطلوبی بوده و دارای عملکرد ضدقفل موثری می‌باشد.
کلیدواژه ها
موضوعات
Title
Implementation of model predictive control to analyze the slip control system of in-wheel motor electric vehicle
Authors
Mohammad amin Ghomashi, Reza Kazemi
Abstract
The purpose of this research is to develop a control system algorithm for in-wheel motor electric vehicle to avoid locking of the electric vehicle wheels in during of braking. The proposed controller algorithm is designed based on model predictive control. The proposed slip controller algorithm based on model prediction control estimates the braking torque of each wheel by independently controlling the slip ratio of each tire and maintaining the slip ratio in a stable range with the shortest response time. The performance of the wheel slip control system algorithm is improved by the response of the regenerative braking system. The computational cost of the proposed method is insignificant, which is very valuable from the aspect of practical implementation. The results of the simulations show that the wheel slip control algorithm based on the model predictive control for the in-wheel motor electric vehicle has favorable performance and has effective anti-lock performance.
Keywords
Slip Control, Vehicle Dynamic, Electric Vehicle, In-wheel motors
مراجع
<p dir="ltr">1. X. He, K. Yang, Y. Liu, X. Ji, A novel direct yaw moment control system for autonomous vehicle, SAE Technical Paper, 2018.</p>
<p dir="ltr">2. Van M. An Enhanced Tracking Control of Marine Surface Vessels Based on Adaptive Integral Sliding Mode Control and Disturbance Observer. ISA Transactions, In Press, 2019.</p>
<p dir="ltr">3. C. Zong, C. Liu, H. Zheng, J. Liu, Fault tolerant control against actuator failures of 4WID/4WIS electric vehicles, SAE Technical Paper,2014.</p>
<p dir="ltr">4. C. Hu , Y. Qin , H. Cao , X. Song , K. Jiang , J.J. Rath , C. Wei , Lane keeping of autonomous vehicles based on differential steering with adaptive multivariable super-twisting control, Mech. Syst. Signal Process. 125,15,2019.</p>
<p dir="ltr">5. Panathula CB, Rosales A, Shtessel YB, Fridman LM. Closing Gaps for Aircraft Attitude Higher Order Sliding Mode Control Certification via Practical Stability Margins Identification. IEEE Transactions on Control Systems Technology, Vol. 26, No. 6, pp. 2020–34, 20</p>
<p dir="ltr">6. M.V. Basin, P. Yu, Y.B. Shtessel, Hypersonic Missile Adaptive Sliding Mode Control Using Finite– and Fixed– Time Observers, IEEE Transactions on Industrial Electronics, Vol. 65, No. 1, pp. 930–941, 2018.</p>
<p dir="ltr">7. M. Abe, Y. Kano, N. Suzuki, J. Hirata, T. Sugai, D. Matsuoka, Tire force distribution control to reduce energy dissipation due to tire slip during vehicle motion for full drive-by-wire electric vehicle. Proceedings of Chassis tech – plus; 2014.</p>
<p dir="ltr">8. P. Gaspar, J. Bokor, A. Mihaly, Z. Szabo, T. Fulep, and F. Szauter. Robust reconfigurable control for in-wheel electric vehicles. Proceedings of IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, Paris, France, 2015.</p>
<p dir="ltr">9. L. Zhai, T. Sun, and J. Wang. Electronic stability control based on motor driving and braking torque distribution for a four in-wheel motor drive electric vehicle. IEEE Transactions on Vehicular Technology, volume 65, issue 6, pages 4726-4739, 2016.</p>
<p dir="ltr">10. R. Castro, M. Tanelli, R. Ara´ujo, and S. Savaresi. Torque allocation in electric vehicles with in-wheel motors: a performance-oriented approach. Proceedings of the 52nd IEEE Conference on Decision and Control, Florence, Italy, 2013.</p>
<p dir="ltr">11. L. Fridman, Y. Shtessel, C. Edwards, X.G. Yan, Higher–Order Sliding–Mode Observer for State Estimation and Input Reconstruction in Nonlinear Systems, International Journal of Robust and Nonlinear Control, Vol. 18, No. 4, 5, pp. 399–413, 2008.</p>
<p dir="ltr">12. K. Nam, H. Fujimoto, and Y. Hori. Lateral stability control of in-wheel-motor-driven electric vehicles based on sideslip angle estimation using lateral tire force sensors. IEEE Transactions on Vehicular Technology, volume 61, number 5, pages 1972-1985, 2012</p>
<p dir="ltr">13. Wang RR, Zhang H, Wang J. Linear parameter-varying controller design for four wheel independently-actuated electric ground vehicles with active steering systems. IEEE Trans Contr Syst Technol 2014</p>
<p dir="ltr">14. Seguchi H, Ohtsuka T. Nonlinear receding horizon control of an underactuated hovercraft. Int J Robust Nonlinear Control 2003.</p>
<p dir="ltr">15. He P, Hori Y. Optimum traction force distribution for stability improvement of 4WD EV in critical driving condition. In: Proceedings of the 9th IEEE international workshop on advanced motion control, Istanbul; 2006.</p>
<p dir="ltr">16. Canale, M., Fagiano, L., Milanese, M., & Borodani, P. Robust vehicle yaw control using an active differential and IMC techniques. Control Engineering Practice, 2017.</p>
<p dir="ltr">17. Zhao, H., Gao, B., Ren, B., and Chen, H. ”Integrated control of in-wheel motor electric vehicles using a triplestep nonlinear method.” Journal of the Franklin Institute 352.2, 2015.</p>
<p dir="ltr">18. Wang, R., Chen, Y., Feng, D., Huang, X., and Wang, J. ”Development and performance characterization of an electric ground vehicle with independently actuated in-wheel motors.” Journal of Power Sources 196.8, 2011.</p>
<p dir="ltr">19. Park, Jinhyun.. Torque distribution algorithm for an independently driven electric vehicle using a fuzzy control method. Energies. 8(8): 8537-8561. 2017</p>