کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5000248 | 1460677 | 2017 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Optimal traction control for heavy-duty vehicles
ترجمه فارسی عنوان
کنترل کششی مطلوب برای وسایل نقلیه سنگین
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
فیلتر کلمن، مدل سازی سیگنال تصادفی، کشش، بهینه سازی، شبیه سازی،
ترجمه چکیده
وسایل نقلیه سنگین مانند تراکتور، بولدوزر، ساخت و ساز و وسایل نقلیه شهری، ماشین های خاکی، ماشین آلات جنگلداری و غیره تقاضای زیادی برای نیروی نیروی محرکه و در نتیجه مصرف سوخت بالا دارند. کار جاری ارائه یک روش کنترل کشش مبتنی بر تخمین پویایی حرکت برای بهینه سازی نیروی نیروی محرکه و بهره وری انرژی بر اساس یک استراتژی تعریف شده توسط کاربر است. فیلتر ناشناخته کالمن با یک سیستم منطقی فازی برای برآورد سازگاری افزوده شده به عنوان ناظر دولتی استفاده می شود. مطالعه موردی شبیه سازی با یک تراکتور با موتور الکتریکی ارائه شده است. روش جدید کنترل کشش نشان دهنده بهبود قابل توجهی در بهره وری انرژی و نیروی محرکه است.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی هوافضا
چکیده انگلیسی
Heavy-duty vehicles such as tractors, bulldozers, certain construction and municipal vehicles, soil millers, forestry machinery etc. have a high demand for propulsion force and consequently a high fuel consumption. The current work presents a traction control approach based on motion dynamics estimation for optimizing propulsion force and energy efficiency according to a user-defined strategy. Unscented Kalman filter augmented with a fuzzy-logic system for adaptive estimation is used as the state observer. Simulation case study with an electrically driven tractor is presented. The new method of traction control showed considerable improvement of balancing energy efficiency and propulsion force.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Control Engineering Practice - Volume 69, December 2017, Pages 99-111
Journal: Control Engineering Practice - Volume 69, December 2017, Pages 99-111
نویسندگان
Pavel Osinenko, Stefan Streif,