کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6955543 1451858 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Vehicle sideslip angle measurement based on sensor data fusion using an integrated ANFIS and an Unscented Kalman Filter algorithm
ترجمه فارسی عنوان
اندازه گیری زاویه لغزش جانبی بر اساس اطلاعات سنسور ترکیبی با استفاده از ANFIS یکپارچه و یک الگوریتم فیلتر کالمن (KALMAN)
کلمات کلیدی
دینامیک خودرو؛ زاویه سر خوردن - برآورد کردن؛ فیلتر کالمن بدون بو - سیستم تطبیقی استنتاج فازی عصبی
فهرست مطالب مقاله
چکیده 
کلید 3واژه ها
1.مقدمه 
2.مدل دینامیکی ماشین 
3.ناظر پیشنهاد شده بر اساس ANFIS ترکیب شده با فیلتر های کالمن 
شکل 1 معماری ناظر
شکل 2 معماری یک معادل ANFIS با یک مدل فازی Sugeno درجه اول با سه ورودی
ANFIS3.1 
شکل 3 پروسه یادگیری ANFIS
 3.2فیلتر های کالمن 
3.2.1پروسه برای تخمین 
3.2.2فیلتر کالمن خطی 
3.2.3. فیلتر کالمن گسترش یافته
4. نتایج و بحث 
جدول 1 .پارامتر های وسیله برای ماشین هاچبک کلاس C
شکل 4. نتایج برای یک مانور تغییر دو خط برای یک وسیله نقلیه مسافری با سرعت 120 کیلومتر بر ساعت با ضریب اصطکاک 0.85 (نقاط آبی: ANFIS، نقاط سبز: ANFIS + UKF، نقاط قرمزCarSim))
شکل 5. نتایج برای مانور تغییر دو خط برای یک وسیله نقلیه مسافری با سرعت 120 کیلومتر بر ساعت در ضریب اصطکاک 0.3 (نقاط آبی: ANFIS، نقاط سبز: ANFIS + UKF، نقاط قرمز CarSim
شکل 6. نتایج برای یک مانور J-turn برای خودرویی که با سرعت 120 کیلومتر بر ساعت در با ضریب اصطکاک 0.85 (نقاط آبی ANFIS، نقاط سبز ANFIS + UKF، نقاط قرمز CarSim) را نشان می دهد.
جدول 2.اندازه های خطا برای تخمین های زاویه لغزش برای مانور های تغییر خط و چرخش J
جدول 3. اندازه و حداکثر خطاها به ترتیب در جداول 2 و 3 ارائه شده است. خطای استاندارد اطلاعات مربوط به پاسخ حالت و حداکثر خطای مربوط به پاسخ گذرا را می باشد. 
شکل 7 مانور اسلالوم
شکل 8. مانور سینوسی
شکل 9. نتایج برای مانور اسلالوم برای یک وسیله نقلیه مسافرت با سرعت مشخص شده توسط یک رمپ در یک مسیر با ضریب اصطکاک 1 (نقاط آبی: ANFIS، نقاط سبز: ANFIS+UKF، نقاط قرمز: CarSim
5. نتیجه گیری
شکل 10. جزئیات شکل 9 (نقاط آبی: ANFIS، نقاط سبز: ANFIS+UKF، نقاط قرمز: CarSim)
جدول 4 .خطا استاندارد و ماکزیمم خطا برای یک تست اسلالوم با یک سرعت رمپ 
جدول 5 .خطا های استاندارد و بیشینه برای یک تست سینوسی با سرعت 80 کیلومتر در ساعت 
جدول 6 .تست DLC در سرعت 120 کیلومتر در ساعت، مقاومت به جرم و تعلیق وسیله نقلیه: خطاهای استاندارد و بیشینه برای زاویه لغزش بر اساس تخمین گر ANFIS+UKF
تقدیرنامه
ترجمه چکیده
بیشتر سیستم های ESC(سیستم کنترل ثبات الکترونیکی) در حال اندازه گیری هر دو نرخ چرخش (yaw) و زاویه لغزش جانبی هستند. با این حال، یکی از مسائل اصلی این است که زاویه لغزش را نمی توان مستقیما اندازه گیری کرد زیرا سنسورهای آن بسیار گران هستند. به این دلیل، برآورد (تخمین) زاویه لغزش به طور گسترده در ادبیات مربوطه مورد بحث قرار گرفته است. مدل سازی زاویه لغزش با توجه به دینامیک غیر خطی وسیله نقلیه پیچیده است. در این مقاله، ما یک ناظر جدید بر اساس ANFIS ، همراه با فیلتر Kalman در جهت برآورد زاویه لغزش پیشنهاد می کنیم ، که به نوبه خود برای کنترل دینامیک خودرو و بهبود رفتار آن استفاده می شود. به همین دلیل، باید اندازه گیری توسط حسگر های کم هزینه که در وسایل نقلیه قرار گرفته شده اند و در زمان واقعی کار می کنند، مورد استفاده قرار گیرند. سیستم ANFIS یک زاویه شبیه لغزش را با استفاده از پارامترهایی که به راحتی اندازه گیری می شوند، با استفاده از سنسورهای مجهز در وسایل نقلیه واقعی (سنسورهای اینرسی و سنسورهای هدایت فرمان)، برآورد می کند. این مقدار در UKF به منظور فیلتر کردن نویز و برای به حداقل رساندن واریانس میانگین ریشه خطا تخمین ارائه شده است. برآوردگر با مقایسه مدل پیشنهادی با مقادیر ارائه شده توسط مدل CARSIM که یک قطعه نرم افزار معتبر آزمایشگاهی است، اعتبار یافته است. مزیت این برآورد، مدل سازی دینامیک غیر خطی وسیله نقلیه، با استفاده از سیگنال هایی است که به طور مستقیم از سنسورهای خودرو اندازه گیری می شوند. نتایج موثر بودن تخمین زن زاویه لغزش بر اساس ANSIS+UKF را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
پیش نمایش مقاله
اندازه گیری زاویه لغزش جانبی بر اساس اطلاعات سنسور ترکیبی با استفاده از ANFIS یکپارچه و یک الگوریتم فیلتر کالمن (KALMAN)
چکیده انگلیسی
Most existing ESC (Electronic Stability Control) systems rely on the measurement of both yaw rate and sideslip angle. However, one of the main issues is that the sideslip angle cannot be measured directly because the sensors are too expensive. For this reason, sideslip angle estimation has been widely discussed in the relevant literature. The modeling of sideslip angle is complex due to the non-linear dynamics of the vehicle. In this paper, we propose a novel observer based on ANFIS, combined with Kalman Filters in order to estimate the sideslip angle, which in turn is used to control the vehicle dynamics and improve its behavior. For this reason, low-cost sensor measurements which are integrated into the actual vehicle and executed in real time have to be used. The ANFIS system estimates a “pseudo-sideslip angle” through parameters which are easily measured, using sensors equipped in actual vehicles (inertial sensors and steering wheel sensors); this value is introduced in UKF in order to filter noise and to minimize the variance of the estimation mean square error. The estimator has been validated by comparing the observed proposal with the values provided by the CARSIM model, which is a piece of experimentally validated software. The advantage of this estimation is the modeling of the non-linear dynamics of the vehicle, by means of signals which are directly measured from vehicle sensors. The results show the effectiveness of the proposed ANFIS+UKF-based sideslip angle estimator.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Mechanical Systems and Signal Processing - Volumes 72–73, May 2016, Pages 832–845
نویسندگان
, , ,