Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDesign an Extended Adaptive Neuro Fuzzy Inference System controller for active suspension system in half car model
تصميم متحكم عصبوني ضبابي متكيف موسع لنظام التعليق النشط في نموذج نصف المركبة
1697
0 32
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
تم في هذه الدراسة تصميم متحكم عصبوني ضبابي متكيف (ANFIS) و مقارنة أداءه مع أداء المتحكم المقترح و مع استجابة النموذج الرياضي للمركبة بدون وجود متحكم (حلقة مفتوحة) و بوجود اضطرابات دخل مختلفة.
An ANFIS controller also designed and a comparison between proposed controller, ANFIS controller and open loop model had made with different types of disturbance.
Artificial intelligence review:
Research summary
يقترح هذا البحث تصميم متحكم لأنظمة التعليق النشط باستخدام نظام الاستدلال العصبوني الضبابي المكيف الموسع (EANFIS) وذلك في نموذج محاكي لنصف المركبة بغاية المحافظة على ثبات المركبة على الطرقات. يقوم المتحكم المقترح بتحقيق الدقة في اتخاذ القرار وإرسال الإشارات إلى المشغل الهيدروليكي للمساهمة في تخفيض الاهتزازات وامتصاص الصدمات الناتجة عن عدم استواء الطريق، وكذلك يساعد المتحكم المقترح في تخميد حركات المركبة الناتجة عن الانعطافات وبالتالي يمنع وصولها إلى مقصورة القيادة ويؤمن الثبات والتماسك. تم في هذه الدراسة تصميم متحكم عصبوني ضبابي متكيف (ANFIS) ومقارنة أداءه مع أداء المتحكم المقترح ومع استجابة النموذج الرياضي للمركبة بدون وجود متحكم (حلقة مفتوحة) وبوجود اضطرابات دخل مختلفة. أظهرت النتائج أن المتحكم EANFIS يتفوق في تخميد الاهتزازات وتقليل الإزاحات مقارنة بالمتحكم ANFIS والنموذج بدون متحكم، مما يساهم في تحسين راحة وسلامة الركاب.
Critical review
دراسة نقدية: يعد هذا البحث خطوة مهمة في مجال تحسين أنظمة التعليق النشط في المركبات، حيث يقدم نظاماً متقدماً يعتمد على الذكاء الاصطناعي والمنطق الضبابي. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، كان من الأفضل إجراء تجارب عملية على مركبات حقيقية بدلاً من الاعتماد فقط على النماذج المحاكية. ثانياً، لم يتم التطرق بشكل كافٍ إلى تأثير العوامل البيئية المختلفة مثل درجات الحرارة المتغيرة أو الظروف الجوية القاسية على أداء المتحكم. أخيراً، كان من الممكن تقديم مقارنة أوسع مع أنواع أخرى من المتحكمات مثل PID وEPID لتقديم صورة أكثر شمولية عن فعالية المتحكم المقترح.
Questions related to the research
-
ما هو الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تقليل الاهتزازات التي يتعرض لها جسم المركبة على الطرقات المختلفة نتيجة عدم الاستواء أو حركات المركبة كالانحناء والانعطاف والتوقف، وذلك من خلال تصميم متحكم يعتمد على نظام الاستدلال العصبوني الضبابي المتكيف الموسع (EANFIS) وتطبيقه على نظام التعليق الداخلي للمركبة.
-
ما هي الأنظمة التي تم مقارنتها في الدراسة؟
تمت مقارنة أداء المتحكم المقترح EANFIS مع أداء المتحكم العصبوني الضبابي المتكيف (ANFIS) ومع استجابة النموذج الرياضي للمركبة بدون وجود متحكم (حلقة مفتوحة).
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج أن المتحكم EANFIS يتفوق في تخميد الاهتزازات وتقليل الإزاحات مقارنة بالمتحكم ANFIS والنموذج بدون متحكم، مما يساهم في تحسين راحة وسلامة الركاب.
-
ما هي التوصيات التي قدمها الباحثون في نهاية الدراسة؟
أوصى الباحثون باختبار وحدة التحكم ذات نظام الاستدلال العصبوني الضبابي المتكيف الموسع على النموذج الرياضي لكامل المركبة، واختبار المتحكم وتطبيقه على أنظمة أخرى خارج مجال التعليق للمركبات، ومقارنة أداء المتحكم مع المتحكمات الأخرى المستخدمة في نفس المجال مثل المتحكم من نوع PID وEPID.
References used
Patole,S, Sawant,H, 2015-Theoretical and Numerical Analysis of Half Car Vehicle Dynamic Model to Different Road with Wheel Delay and Nonlinear Parameters,Journal of Multidisciplinary,Vol.3. 542-546
Amit,P,Gadit,J,Nikunj,G,Nirav,M,2014,Development of Active suspension system for car using fuzzy logic controller,PID& genetically optimized PID controller,Journal of information,knowledge and research in electrical engineering,Vol.4,201-210
Weihua,L,Haiping,D,Gursel,A,Jian,Y,2014- An adaptive neuro fuzzy hybrid control strategy for a semiactive suspension with magneto rheological damper,Hindawi Publishing Corporation,Vol.3.71-82
rate research
Read More
Suspension system is considered one of the most important components of modern
automobiles as it is the responsible for the vehicle’s stability, balance and safety. The
presence of robust controller is very necessary in order to ensure full interac
tion between
suspension components and making accurate decisions at the right time. This paper
proposes to design an Extended Adaptive Neuro Fuzzy Inference System (EANFIS)
controller for suspension system in quarter car model. The proposed controller is used as
decision maker In order to contribute in absorbing shocks caused by bumpy roads, and to
prevent vibrations from reaching the cockpit. Furthermore, it provides stability and
coherence required to reduce the discomfort felt by passengers, which arises from road
roughness, which in turn, improve the road handling. The MATLAB Simulink is used to
simulate the proposed controller with the controlled model and to display the responses of
the controlled model under different types of disturbance. In addition, a comparison
between EANFIS controller, Fuzzy controller and open loop model (passive suspension)
was done with different types of disturbance on order to evaluate the performance of the
proposed model. Controller has shown excelled performance in terms of reducing
displacements, velocity and acceleration.
The purpose of this article is to shed light on the mechanism
and the procedures of a neuro-fuzzy controller that classifies an
input face into any of the four facial expressions, which are
Happiness, Sadness, Anger and Fear. This program works
a
ccording to the facial characteristic points-FCP which is taken
from one side of the face, and depends, in contrast with some
traditional studies which rely on the whole face, on three
components: Eyebrows, Eyes and Mouth.
One ofa car's suspension system functions is to isolate vibrations resulting from road on the driver and ensure a comfortable ride. But the design of control systems for semi-active suspension systems is difficult because of the non-linearity of the
constituent elements of these systems which make the researches related to it characterized by complexity. So in order to improve the performance of semi-active suspension systems without bearing the effort of designing a model based controller, a control system is designed using self-organizing fuzzy controller based on the principle of delay-in-penalty to control a semi-active suspension system which uses a magneto rheological damper. The controller tries to enhance system performance using the desired response as it is described in the penalty table. The fuzzy logic controller is based on two inputs namely sprung mass velocity and unsprung mass velocity. Using a quarter car model with 2 degree-of-freedom the system is modeled and simulated in MATLAB &Simulink® and the results are compared to the widely used sky-hook strategy. the simulation showed the ability of the self-organizing fuzzy controller to provide good results in minimizing sprung mass acceleration in variousroad profiles compared to sky-hookstrategy.
The nonlinear model of Unmanned Aerial Vehicle( UAV) has been
recognized. Airosim Matlab toolbox has been used to guarantee a
simulation model for the Aerosonde.In the first stage, a
linearization technique is used to calculate the mathematical
m
odel of the UAV at a specific operation point, then PID controller
is used to stabilize this linear model. At the final stage, an
augmented feedback neural network adaptive controller is
applied to stabilize the overall nonlinear system.
This paper presents the proposed Method for designing fuzzy
supervisory controller model for Proportional Integral Differential
controller (PID) by Fuzzy Reasoning Petri Net (FRPN),the Features
of Method shows the fuzzification value for each prop
erty of
membership function for each input of fuzzy supervisory controller,
and determine the total number of rules required in designing the
controller before enter the appropriate rules in the design phase of
the rules, and determine the value of the inputs of the rule that has
been activated, and assembly variables that have the same property
and show the value for each of them programmatically, and
determine the deffuzification value using deffuzification methods.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
