لغزش چرخ در سیستم های ترمز ضد قفل مبتنی بر شبکه عصبی
ترجمه نشده

لغزش چرخ در سیستم های ترمز ضد قفل مبتنی بر شبکه عصبی

عنوان فارسی مقاله: کنترل پیش بینانه قوی از لغزش چرخ در سیستم های ترمز ضد قفل مبتنی بر شبکه عصبی با تابع پایه شعاعی
عنوان انگلیسی مقاله: Robust predictive control of wheel slip in antilock braking systems based on radial basis function neural network
مجله/کنفرانس: محاسبات نرم کاربردی - Applied Soft Computing
رشته های تحصیلی مرتبط: مهندسی مکانیک، برق
گرایش های تحصیلی مرتبط: مکانیک خودرو، طراحی سیستم تعلیق ترمز و فرمان، مکاترونیک، سیستم محرکه خودرو، مهندسی کنترل ، الکترونیک
کلمات کلیدی فارسی: سیستم ترمز ضد قفل، کنترل پیش بینانه غیرخطی، شبکه عصبی با تابع پایه شعاعی، استحکام، لغزش چرخ
کلمات کلیدی انگلیسی: Anti-lock brake system، Nonlinear predictive control، RBF neural network، Robustness، Wheel slip
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.asoc.2018.05.043
دانشگاه: Department of Mechanical Engineering, Shahid Bahonar University of Kerman, Jomhoori Eslami Blvd, Kerman, Iran
صفحات مقاله انگلیسی: 12
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2018
ایمپکت فاکتور: 6/031 در سال 2018
شاخص H_index: 110 در سال 2019
شاخص SJR: 1/216 در سال 2018
شناسه ISSN: 1568-4946
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E13183
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract

1- Introduction

2- Mathematical modeling

3- Control system design

4- Simulation results

5- Conclusion

References

بخشی از مقاله (انگلیسی)

Abstract

Anti-Lock Braking System (ABS) is a well-known technology for vehicle safety enhancement during hard braking. The wheel slip control has been a challenging problem due to a complex behavior of the tire and strong nonlinearity in a braking process. Furthermore, the system is subjected to unknown uncertainties that would arise from changing the vehicle parameters and un-model dynamics. Thus, it is required to design a nonlinear robust control law for ABS to overcome these problems. In this paper, a novel robust prediction-based controller for ABS is proposed that guarantees the stability against uncertainties. An optimal control law is firstly designed for ABS using nonlinear predictive method. Then, the unknown uncertainties are adaptively approximated utilizing a radial basis function neural network (RBFNN). The Lyapunov approach is employed to develop an update control law to determine the network weights. Finally, some simulations are conducted to examine the performance of the proposed control system for tracking the reference wheel slip in the presence of uncertainties in different maneuvers. Also, the performance of the proposed controller is compared with the conventional sliding mode controller (SMC) through simulation results.

Introduction

Many active safety devices have been developed to assist the driver to improve the vehicle safety during dangerous conditions. Among them, Anti-Lock Braking System (ABS) is a common wellknown active safety technology to control of automotive braking systems. In a hard braking situation, the wheels might lock and the braking forces fall to their sliding values and the lateral forces are reduced to almost zero [1]. In this manner, the stopping distance will be increased and the directional stability of vehicle in turning maneuvers will be lost. Hence, the longitudinal wheel slip has significant role in affecting the performance of braking, traction and stability control systems in ground vehicles. The ABS is known as a good solution to maintain the wheel slip at desired value and prevent the wheel from locking. As a result, the shortened stopping distance is obtained and the safety and the vehicle steerability are enhanced. In another application, the ABS is used in electronic stability control (ESC) systems to provide the required yaw moment for stabilizing vehicle lateral dynamics by differential braking strategy [2].