Utafiti huu unaunganisha ukadiriaji wa mtandaoni wa uzito wa gari na udhibiti wa kusimamisha hai wa LQR ili kupunguza upotevu wa utendaji wa kidhibiti cha kusimamisha hai kilichosanidiwa kwa uzito usiobadilika wa gari katika malori ambayo kiasi cha mzigo kinaweza kubadilika kwa kiwango kikubwa. Uzito wa gari hukadiriwa wakati wa mwendo kwa kutumia mbinu ya recursive least squares yenye forgetting factor (Forgetting Factor Recursive Least Squares, FFRLS); matriksi ya faida ya mrejesho ya LQR iliyohesabiwa mapema iliyo karibu zaidi na uzito uliokadiriwa huchaguliwa na nguvu ya aktueta ya kusimamisha huamuliwa. Mfumo ulioundwa kwa uzito wa kawaida wa 1200 kg ulitathminiwa kwa njia ya namba chini ya uzito halisi wa gari wa 2000 kg. Katika uigaji wa barabara nasibu, kidhibiti mchanganyiko kilipunguza wastani wa mkengeuko wa mienendo wa kusimamisha kwa %3,26 na mgeuko wa mienendo wa tairi kwa %5,91 kulingana na hitimisho la utafiti, ikilinganishwa na kidhibiti asili cha LQR kinachofanya kazi kwa uzito usiobadilika. Kwa upande mwingine, uharakishaji wima wa mwili wa gari ulizorota ikilinganishwa na kidhibiti asili; hivyo, mbinu haikuboresha vipimo vyote vya utendaji kwa wakati mmoja, bali iliunda uwiano tofauti wa udhibiti kati ya mwendo wa kusimamisha, mgeuko wa tairi na mkao wa mwili chini ya mzigo mkubwa.

Algoriti ya kukadiria uzito ilikaribia kwa muda mfupi uzito halisi wa gari wa 2000 kg katika uigaji na kosa la ukadiriaji liliingia ndani ya kikomo cha %5. Katika hali za barabara nasibu, kidhibiti mchanganyiko kilipunguza pembe ya roll ya mwili kwa %72,80, pembe ya pitch ya mwili kwa %7,20 na wastani wa mkengeuko wa mienendo wa kusimamisha kati ya magurudumu kwa %36,91 ikilinganishwa na kusimamisha pasivu. Hata hivyo, matokeo haya yanategemea kabisa modeli ya kihisabati ya gari na pembejeo za barabara za kinamba; hakuna uthibitishaji uliofanywa kwenye lori halisi ukiwa na vifaa vya kusimamisha hai, makosa ya vihisi, mipaka ya aktueta na mabadiliko halisi ya barabara.

Kwa mtazamo wa Uturuki, utafiti unaonyesha jinsi mbinu ya udhibiti inayojirekebisha, inayokadiria vigezo vya gari wakati wa uendeshaji, inaweza kuundwa badala ya kusanidi kusimamisha hai kwa uzito mmoja tu wa kawaida wa gari katika magari mazito ya kibiashara ambayo kiasi cha mzigo kinaweza kutofautiana sana kutoka safari moja hadi nyingine. Hata hivyo, anuwai ya udhibiti ya 1200–2400 kg, vigezo vya kusimamisha vilivyotumiwa na modeli za barabara katika utafiti huu ni za gari maalum la kinamba. Kwa matumizi katika magari halisi ya kibiashara nchini Uturuki, utambuzi wa modeli maalum kwa daraja la gari, mgawanyo halisi wa uzito, uwezo wa aktueta, data ya barabara na uthibitishaji wa kimwili vinahitajika.

Tatizo kuu la utafiti ni nini?

Iwapo faida za udhibiti wa kusimamisha hai wa lori zimeundwa kwa uzito fulani wa gari, mzigo unapobadilika kidhibiti hicho hakidhibiti tena mfumo ule ule wa mienendo ambacho kiliundwa kwa ajili yake. Mabadiliko katika uzito wa gari yanaweza kuathiri mwendo wima wa mwili, mienendo ya pitch na roll, mwendo wa kusimamisha na mgeuko wa mienendo wa tairi kwenye barabara.

Tatizo kuu ambalo watafiti wanataka kutatua ni kupungua kwa utendaji wa kidhibiti cha kusimamisha hai cha LQR kinachotumia vigezo visivyobadilika vya gari wakati mzigo unabadilika kwa kiwango kikubwa. Kwa hiyo, mbinu inayopendekezwa hukadiria uzito wa gari wakati wa mwendo na kubadilisha faida ya kusimamisha hai kulingana na uzito uliokadiriwa.

Mbinu asilia ya utafiti inaunganisha vipengele gani?

Muundo wa udhibiti wa utafiti una vipengele vitatu vikuu:

1. Moduli ya kukadiria uzito wa gari: Uzito wa jumla wa gari hukadiriwa kwa kutumia mienendo ya longitudinal ya gari na FFRLS.
2. Moduli ya kukokotoa nguvu ya aktueta: Faida ya mrejesho ya LQR inayolingana na uzito uliokadiriwa huchaguliwa na nguvu za kusimamisha hai hukokotolewa.
3. Modeli ya gari yenye viwango vingi vya uhuru: Mwendo wima, roll, pitch na mwendo wa wima wa mass zisizosimamishwa katika magurudumu manne hukokotolewa kulingana na pembejeo ya barabara na hali za maneva.

Kielelezo 3 kinaonyesha sehemu hizi tatu ndani ya kitanzi kimoja cha mrejesho. Modeli ya gari hutuma vigezo vya hali ya uendeshaji kwa moduli ya kukadiria uzito na pia kwa moduli ya udhibiti; kidhibiti hutuma tena nguvu zitakazotumika kwa aktueta nne za kusimamisha kwenda kwenye modeli ya gari.

Modeli ya gari ina viwango vingapi vya uhuru?

Utafiti umeunda modeli kamili ya gari yenye jumla ya viwango saba vya uhuru. Modeli inajumuisha pamoja:

• mwendo wima wa mwili,
• mwendo wa roll wa mwili,
• mwendo wa pitch wa mwili,
• mwendo wima wa mass nne tofauti zisizosimamishwa za magurudumu manne.

Kielelezo 1 kinaonyesha chemchemi na dampers za kusimamisha nne, ugumu wa tairi, nguvu za aktueta hai, kituo cha uzito, mihimili ya roll/pitch na uharakishaji wa longitudinal–wa upande ndani ya modeli moja ya kimitambo.

Mwendo wima wa mwili umewekewa modeli vipi?

Kwa mwendo wima katika kituo cha uzito, sheria ya pili ya Newton imeandikwa kama:

\[ m_s\ddot{z}=\sum_{i=1}^{4}F_{si} \]

Hapa \(m_s\) ni mass iliyosimamishwa, \(z\) ni uhamisho wima wa kituo cha uzito cha mwili na \(F_{si}\) ni jumla ya nguvu ambayo kusimamisha katika kila gurudumu huweka kwenye mwili.

Kila nguvu ya kusimamisha imefafanuliwa kama:

\[ F_{si} = k_{si}(z_{ui}-z_{si}) + c_{si}(\dot z_{ui}-\dot z_{si}) + F_{ai} \]

ambapo \(k_{si}\) ni ugumu wa kusimamisha, \(c_{si}\) ni mgawo wa damping wa kusimamisha, \(z_{ui}\) ni nafasi ya mass isiyosimamishwa, \(z_{si}\) ni nafasi ya sehemu husika ya kuunganisha mwili na \(F_{ai}\) ni nguvu ya aktueta ya kusimamisha hai.

Kwa nini roll na pitch zimejumuishwa kwenye modeli?

Lori haliathiriwi tu na mtetemo wima wa barabara. Wakati wa breki/kuongeza kasi, uharakishaji wa longitudinal unaweza kuathiri pitch ya mwili, na wakati wa kona au uharakishaji wa upande unaweza kuathiri roll ya mwili. Utafiti umejumuisha mienendo yote miwili katika milinganyo ili kuwakilisha muingiliano huu.

Mwendo wa roll:

\[ I_x\ddot{\phi} = (F_{s1}-F_{s3})L_3 + (F_{s2}-F_{s4})L_4 + m_s a_y d_r + m_s g d_r\phi \]

na mwendo wa pitch:

\[ I_y\ddot{\theta} = (F_{s2}+F_{s4})L_2 - (F_{s1}+F_{s3})L_1 + m_s a_x d_p + m_s g d_p\theta \]

imeelezwa. \(I_x\) na \(I_y\) ni momenti za inertia za roll na pitch mtawalia; \(a_y\) ni uharakishaji wa upande na \(a_x\) ni uharakishaji wa longitudinal.

Uzito wa gari unakadiriwaje?

Ukadiriaji wa uzito haupatikani moja kwa moja kutoka kwenye mwendo wa kusimamisha, bali kutoka katika mlinganyo wa mienendo ya longitudinal ya gari:

\[ m\dot{v}=F_X-F_f-F_w-F_i \]

Mlinganyo unapopanuliwa kwa nguvu ya uendeshaji, upinzani wa rolling, upinzani wa aerodinamiki na upinzani wa mteremko, unakuwa:

\[ m\dot{v} = \frac{T_{tq}i_gi_0\eta_T}{r} - \frac{1}{2}\rho C_dAv^2 - mg\sin\alpha - mgf\cos\alpha \]

Hapa \(T_{tq}\) ni torati halisi inayoingia kwenye transmission, \(i_g\) ni uwiano wa transmission, \(i_0\) ni uwiano wa final drive, \(\eta_T\) ni ufanisi wa mfumo wa uhamishaji nguvu, \(r\) ni radius ya rolling ya gurudumu, \(\rho\) ni msongamano wa hewa, \(C_d\) ni mgawo wa drag ya aerodinamiki, \(A\) ni eneo la mbele, \(\alpha\) ni mteremko wa barabara na \(f\) ni mgawo wa upinzani wa rolling.

Kwa FFRLS, mlinganyo umebadilishwa kuwa:

Kwa FFRLS, mlinganyo:

\[ y(k)=h(k)^T\hat{\theta}+e(k) \]

na kigezo kitakachokadiriwa \(\hat{\theta}\) kimechaguliwa kuwa uzito wa gari \(m\).

Kwa nini forgetting factor inatumika?

Forgetting factor \(\lambda\) ya algoriti ya recursive least squares hudhibiti uzito wa ushawishi wa data za zamani kwenye ukadiriaji mpya. Kulingana na uainishaji wa utafiti, ikiwa \(0<\lambda<1\) athari ya data za zamani hupunguzwa, ikiwa \(\lambda=1\) haibadilishwi na ikiwa \(\lambda>1\) huimarishwa.

Katika utafiti:

\[ \lambda=0,95 \]

imetumika.

Faida ya parameter ya FFRLS:

\[ K(k) = \frac{P(k-1)h(k)} {\lambda+h(k)^TP(k-1)h(k)} \]

usasishaji wa parameter:

\[ \hat{\theta}(k) = \hat{\theta}(k-1) + K(k) \left[ y(k)-h(k)^T\hat{\theta}(k-1) \right] \]

na usasishaji wa covariance:

\[ P(k) = \frac{1}{\lambda} \left[ I-K(k)h(k)^T \right]P(k-1) \]

umeandikwa hivyo.

Kidhibiti cha LQR kina-optimize nini?

Linear Quadratic Regulator (Linear Quadratic Regulator, LQR) husawazisha hali nyingi za gari na mahitaji ya nguvu ya aktueta ndani ya cost function moja:

\[ J = \int_{0}^{\infty} \left( Y^TQY+U^TRU \right)dt \]

\(Q\) huamua umuhimu wa kulinganisha wa hali za gari na matokeo ya utendaji, huku \(R\) ikiamua adhabu inayowekwa kwenye nguvu ya udhibiti ya aktueta nne za kusimamisha hai.

Kwa matriksi ya mrejesho inayopatikana kutoka suluhisho la mlinganyo wa Riccati, nguvu ya kusimamisha hai hukokotolewa kama:

\[ U=-K\hat{X} \]

\(\hat X\) ni hali ya mfumo inayopatikana kutoka kwa mkadiriaji wa Kalman.

Kwa nini matriksi ya LQR haihesabiwi upya kila mzunguko?

Watafiti wanaeleza kuwa kutatua mlinganyo wa Riccati kila wakati kwa muda halisi kungeleta mahitaji makubwa ya kompyuta kwa kidhibiti cha gari. Kwa hiyo, anuwai ya uzito wa 1200–2400 kg imegawanywa kwa vipindi vya 20 kg na matriksi ya mrejesho \(K\) imehesabiwa mapema nje ya mtandao kwa kila hatua ya uzito.

Gari linapofanya kazi, rekodi iliyo karibu zaidi na uzito uliokadiriwa na FFRLS huchaguliwa na matriksi husika ya \(K\) hutumiwa. Kwa hivyo, urekebishaji wa mtandaoni huchagua kutoka kwenye jedwali la faida lililohesabiwa mapema badala ya kutatua mlinganyo wa Riccati katika kila hatua ya wakati.

Je, mabadiliko madogo katika ukadiriaji wa uzito hubadilisha faida kila mara?

Ili kuzuia hili, watafiti wametumia mantiki ya usasishaji inayotegemea absolute percentage error (Absolute Percentage Error, APE):

\[ APE= \frac{|m_{out}-m_{new}|}{m_{out}} \]

na:

\[ m_{out} = \begin{cases} m_{out}, & APE\leq\rho\\ m_{new}, & \text{aksi durumda} \end{cases} \]

imefafanuliwa. Thamani ya namba ya kigezo cha kikomo \(\rho\) haijatolewa katika maandishi ya chanzo. Kwa hiyo, makala ya Verianla haijazalisha thamani ya kikomo hicho.

Barabara nasibu imewekewa modeli vipi?

Pembejeo ya barabara nasibu imeundwa kwa modeli ya filtered white noise:

\[ \dot z_{gi}(t) = -2\pi f_0z_{gi}(t) + 2\pi\sqrt{G_0v}\,w_i(t) \]

Utafiti umetumia barabara ya daraja B; mgawo wa ukali wa barabara:

\[ G_0=0,000064 \]

na masafa ya chini ya kukata:

\[ f_0=0,01 \]

yamewekwa. Pembejeo za barabara za magurudumu ya kushoto na kulia zimechukuliwa kuwa zinalingana, na ucheleweshaji wa muda unaotegemea mwendo wa gari umetumika kati ya magurudumu ya mbele na ya nyuma.

Mzigo ulibadilishwa kwa kiasi gani katika uigaji?

Mfumo wa udhibiti ulifafanuliwa kwa uzito wa kawaida wa gari wa 1200 kg, na katika hali ya kulinganisha ya mzigo mkubwa uzito halisi wa gari ulichaguliwa kuwa 2000 kg. Hivyo, kidhibiti asili cha LQR kisichobadilika kililazimishwa kufanya kazi mbali kwa kiasi kikubwa na modeli ya kawaida, na athari ya urekebishaji wa uzito ikachunguzwa.

Ukadiriaji wa uzito ulifanya kazi kwa usahihi kiasi gani?

Mstari wa ukadiriaji katika Kielelezo 6 hupanda haraka mwanzoni na kukaribia karibu na thamani halisi ya 2000 kg. Watafiti wanaripoti kwamba kosa la ukadiriaji lilikaa chini ya %5 kwa muda mfupi.

Ili mfumo wa udhibiti utumie thamani thabiti zaidi ya uzito, thamani za ukadiriaji pia zilifanyiwa wastani kila sekunde 5. Kwa kipindi cha sekunde 10 baada ya uthabiti, vipimo vya kosa la uzito wa gari vilivyotolewa katika chanzo ni:

Jedwali la chanzo linaweka uzito wa gari kwa tani; halitoi maelezo ya kitengo huru cha kimwili kwa ISE na IAE.

Mwendo wa mwili ulibadilikaje kwenye barabara nasibu?

Katika hali ya mzigo mkubwa wa 2000 kg, kidhibiti mchanganyiko kiliripotiwa kupunguza thamani ya RMS ya pembe ya roll ya mwili kwa %72,80 na pembe ya pitch ya mwili kwa %7,20 ikilinganishwa na kusimamisha pasivu.

Kidhibiti asili cha LQR kisichobadilika pia kilitoa udhibiti mkubwa wa mkao wa mwili: pembe ya roll ilipungua kwa %72,46 na pembe ya pitch kwa %7,73 ikilinganishwa na pasivu. Kwa hiyo, faida kuu ya ukadiriaji wa uzito mtandaoni si uboreshaji mkubwa zaidi wa mkao wa mwili, bali kusawazisha vizuri zaidi mienendo ya kusimamisha na tairi chini ya mzigo mkubwa.

Je, kuna trade-off katika uharakishaji wima wa mwili?

Ndiyo. Kidhibiti mchanganyiko si bora kuliko LQR asili katika kila kipimo.

Thamani ya RMS ya uharakishaji wima wa mwili ni:

• 0,16 m/s² kwa kusimamisha pasivu,
• 0,13 m/s² kwa LQR asili,
• 0,15 m/s² kwa kidhibiti mchanganyiko.

Ingawa kidhibiti mchanganyiko kilipunguza uharakishaji wima kwa %7,95 ikilinganishwa na mfumo pasivu, hakikufikia matokeo ya 0,13 m/s² ya LQR asili.

Watafiti wanachukulia mkengeuko wa mienendo wa kusimamisha na mgeuko wa mienendo wa tairi kuwa muhimu zaidi kwa usalama chini ya mzigo mkubwa na hivyo kutafsiri trade-off hii ya starehe kuwa inayokubalika. Inapaswa kukumbukwa kwamba huu ni ufafanuzi unaotegemea uchaguzi wa muundo wa udhibiti wa watafiti; hakuna mtihani wa starehe ya mtumiaji au usalama uliofanywa kwenye gari la kimwili.

Mwendo wa kusimamisha ulibadilikaje?

Katika hali ya barabara nasibu, kidhibiti mchanganyiko kilipunguza mkengeuko wa mienendo wa kusimamisha katika magurudumu yote manne ikilinganishwa na LQR asili. Chanzo kinaripoti tofauti ya wastani kwa magurudumu manne kuwa %3,26.

Kupungua kwa kidhibiti mchanganyiko ikilinganishwa na kusimamisha pasivu kulibadilika kati ya %34,22 na %38,66 kulingana na gurudumu. Faida dhidi ya LQR asili ni ndogo zaidi, lakini ina mwelekeo ule ule katika magurudumu yote manne.

Kwa nini mgeuko wa mienendo wa tairi ni matokeo muhimu?

Jedwali 7 linaonyesha kwamba chini ya mzigo mkubwa, kidhibiti asili cha LQR kiliongeza kidogo mgeuko wa mienendo wa tairi katika magurudumu yote manne ikilinganishwa na kusimamisha pasivu. Kidhibiti mchanganyiko, kwa upande mwingine, kilishuka chini ya thamani ya kusimamisha pasivu katika magurudumu yote manne.

Katika sehemu ya hitimisho ya chanzo, inaripotiwa kwamba kidhibiti mchanganyiko kilipunguza mgeuko wa mienendo wa tairi kwa wastani wa %5,91 ikilinganishwa na LQR asili. Hii ni mojawapo ya faida zilizo wazi zaidi za urekebishaji wa uzito katika hali ya mzigo mkubwa.

Matokeo ya eneo la masafa yalionyesha nini?

Vielelezo 14–16 vinaonyesha tabia ya resonance iliyo nyuma ya matokeo ya RMS ya eneo la muda. Mkengeuko wa mienendo wa kusimamisha kwa kidhibiti mchanganyiko kwa ujumla ulibaki chini katika maeneo ya resonance ya kwanza na ya pili ikilinganishwa na mfumo pasivu na kidhibiti asili.

Kwa mgeuko wa mienendo wa tairi, LQR asili inaonekana kuwa bora kidogo kuliko kidhibiti mchanganyiko katika baadhi ya hali katika eneo la resonance ya kwanza, lakini katika eneo la resonance ya pili kiwango cha mwitikio wa LQR asili kinapanda juu ya mfumo pasivu. Kidhibiti mchanganyiko kilizuia kuzorota huku vizuri zaidi katika eneo la resonance ya pili.

Kwa hiyo, matokeo ya chanzo hayaonyeshi ubora kamili katika masafa moja au kipimo kimoja cha starehe, bali uwiano kati ya malengo mapana ya udhibiti.

Nini kilibadilika katika nguvu ya aktueta?

Kielelezo 17 kinalinganisha nguvu za aktueta za LQR asili na kidhibiti mchanganyiko. Watafiti wanaeleza kuwa amplitudo ya jumla ya nguvu ya kidhibiti mchanganyiko ni ndogo zaidi na hasa vipengele vya nguvu vya masafa ya juu vimepunguzwa.

Chanzo kinatafsiri matokeo haya kuwa chanya kwa sababu yanapunguza mahitaji ya kasi ya mwitikio wa aktueta ya kusimamisha hai na kurahisisha muundo. Hata hivyo, matumizi ya nishati ya umeme, mzigo wa joto au ufanisi wa kimwili wa aktueta halisi hayakupimwa katika utafiti. Kwa hiyo, matokeo hayapaswi kufasiriwa kama “akiba ya nishati iliyopimwa”.

Uigaji wa bump ya barabara ulionyesha nini?

Katika hali ya pili ya barabara, bump ya barabara iliwekwa katika sekunde ya 30 na uharakishaji wa upande ukachukuliwa kuwa sifuri.

Ikilinganishwa na kusimamisha pasivu, kidhibiti mchanganyiko:

• kilipunguza kwa kiasi kikubwa pembe ya juu kabisa ya pitch,
• kiliongeza kidogo pembe ya juu kabisa ya roll,
• kiliweka kiwango cha juu cha mkengeuko wa mienendo wa kusimamisha takribani katika kiwango sawa,
• kilifupisha muda wa kutulia wa vigezo vya mkao wa mwili.

Ikilinganishwa na LQR asili, pembe ya juu kabisa ya pitch ya kidhibiti mchanganyiko iliripotiwa kubaki sawa, wakati kiwango cha juu cha roll na mkengeuko wa mienendo wa kusimamisha vilikuwa chini na muda wa kutulia ulikuwa mfupi.

Katika uharakishaji wima wa mwili, kidhibiti mchanganyiko kilionyesha uboreshaji mdogo ikilinganishwa na kusimamisha pasivu, lakini kilitoa uharakishaji wa juu zaidi ikilinganishwa na LQR asili. Chanzo kinaonyesha kuwa pia katika matokeo ya bump ya barabara, mkakati wa udhibiti hufanya trade-off kati ya starehe na mwendo wa kusimamisha/tairi.

Matokeo yanayoungwa mkono na utafiti

• FFRLS iliweza kukadiria uzito wa gari wa 2000 kg ndani ya kikomo cha kosa cha %5 katika hali ya uendeshaji wa kinamba iliyotumika.
• Kuchagua faida ya LQR kulingana na taarifa ya uzito mtandaoni kulipunguza baadhi ya upotevu wa utendaji wa LQR isiyobadilika inayofanya kazi kwa modeli ya kawaida ya 1200 kg chini ya mzigo mkubwa.
• Katika uigaji wa barabara nasibu, kidhibiti mchanganyiko kilipunguza mkengeuko wa mienendo wa kusimamisha kwa wastani wa %3,26 ikilinganishwa na LQR asili.
• Kulingana na sehemu ya hitimisho ya chanzo, mgeuko wa mienendo wa tairi ulipungua kwa wastani wa %5,91 ikilinganishwa na LQR asili.
• Udhibiti wa roll na pitch ya mwili ulihifadhiwa katika viwango vilivyo karibu kati ya kidhibiti mchanganyiko na kidhibiti asili.
• Kidhibiti mchanganyiko kilipunguza vipengele vya nguvu ya aktueta vya masafa ya juu ikilinganishwa na kidhibiti asili.
• Hali za barabara nasibu na bump ya barabara zilionyesha kwa kulinganisha tabia ya mbinu katika pembejeo tofauti za barabara za kinamba.

Matokeo ambayo utafiti hauungi mkono au haujapima

• Hakuna jaribio la barabarani lililofanywa kwenye lori halisi.
• Hakuna aktueta halisi ya kusimamisha hai au uthibitishaji wa Hardware-in-the-Loop uliowasilishwa.
• Usalama au uimara wa mfumo wa udhibiti kwa uzalishaji wa magari wa mfululizo haujathibitishwa.
• Kidhibiti mchanganyiko si bora kuliko LQR asili katika kila kipimo cha utendaji; uharakishaji wima wa mwili ni mfano muhimu wa kinyume.
• Kupungua kwa nguvu ya aktueta si kipimo cha matumizi halisi ya nishati au ufanisi.
• Haijaonyeshwa kwamba jedwali la faida la 1200–2400 kg linaweza kutumika moja kwa moja kwa madaraja tofauti ya magari.
• Haijathibitishwa kwamba vigezo vya FFRLS, forgetting factor au uzani wa LQR ni optimum ya jumla kwa magari tofauti halisi.
• Athari za kelele za vihisi vya barabara halisi, mgawanyo halisi wa mzigo na mipaka yote ya kimwili ya aktueta hazijathibitishwa kwa jaribio la uwanjani.

Mbinu na Matokeo ya Utafiti

Vigezo vikuu vya gari vilivyotumika katika uigaji

Matokeo makuu ya RMS katika hali ya barabara nasibu

Matokeo ya kidhibiti mchanganyiko kwa mkao wa mwili yako karibu sana na LQR asili. Tofauti iliyo wazi zaidi inaonekana katika mwendo wa kusimamisha na tairi; kwa uharakishaji wima wa mwili, LQR asili hutoa RMS ya chini zaidi.

Mgeuko wa mienendo wa tairi katika magurudumu manne

LQR asili ilitoa mgeuko wa tairi ulio juu kidogo kuliko kusimamisha pasivu katika magurudumu yote manne, wakati kidhibiti mchanganyiko kinachojirekebisha kwa uzito kilishuka chini ya mfumo pasivu katika magurudumu yote manne.

Vipimo vya tathmini

Kwa kutathmini mwitikio wa mienendo wa gari, utafiti umetumia:

• uharakishaji wima wa mwili,
• pembe ya pitch ya mwili,
• pembe ya roll ya mwili,
• mkengeuko wa mienendo wa kusimamisha,
• mgeuko wa mienendo wa tairi.

Matokeo yamechunguzwa katika eneo la muda kwa thamani za RMS na miitikio ya mpito, na pia katika eneo la masafa kwa tabia ya resonance.

Katika kutathmini kosa la ukadiriaji wa uzito, integral ya kosa la mraba:

\[ ISE=\int_0^t e^2dt \]

na integral ya kosa kamili:

\[ IAE=\int_0^t|e|dt \]

pia zimetumika.

Mifumo mitatu ya kusimamisha iliyolinganishwa

Nguvu za utafiti

• Unaingiza mabadiliko ya uzito moja kwa moja katika udhibiti wa kusimamisha hai.
• Unashughulikia roll na pitch pamoja na mwendo wima katika modeli kamili ya gari yenye viwango saba vya uhuru.
• Unalinganisha utendaji wa udhibiti si tu na kusimamisha pasivu bali pia na kidhibiti cha LQR kisichobadilika.
• Unatumia pembejeo mbili tofauti za barabara: barabara nasibu na bump.
• Unatathmini matokeo katika maeneo ya muda na masafa.
• Unajadili usanifu wa kompyuta unaoweza kutekelezwa wa kidhibiti kwa kutumia jedwali la faida la nje ya mtandao badala ya suluhisho la Riccati la muda halisi.
• Unaacha wazi katika matokeo vipimo kama uharakishaji wima wa mwili ambavyo kidhibiti mchanganyiko hakikuwa bora zaidi.

Vikwazo vikuu vya kimetodolojia

Kizuizi muhimu zaidi ni kukosekana kwa uthibitishaji wa kimwili. Gari, kusimamisha, barabara na ukadiriaji wa uzito vimetathminiwa kikamilifu ndani ya modeli ya kinamba. Athari za kelele za vihisi kwenye gari halisi, mikengeuko ya vigezo vya modeli, mipaka ya kimakanika ya aktueta, ucheleweshaji wa hydraulic/electromechanical, matumizi ya nishati na profaili halisi za barabara hazijajaribiwa kwa majaribio ya kimwili katika utafiti huu.

Kizuizi cha pili muhimu ni kwamba urekebishaji wa mtandaoni kwa kweli si uboreshaji upya endelevu wa LQR. Katika utafiti, matriksi za K katika anuwai ya 1200–2400 kg huhesabiwa mapema na matriksi iliyo karibu zaidi na uzito uliokadiriwa huchaguliwa. Kwa hiyo, mbinu inaeleweka kwa usahihi zaidi kama gain scheduling inayoongozwa na ukadiriaji wa uzito.

Pia, baadhi ya uzani wa LQR katika utafiti huamuliwa kwa njia ya majaribio/uboreshaji; haijaonyeshwa kwamba uzani huo huo utatoa uwiano ule ule wa starehe–ushikaji barabara katika gari tofauti.

Maelezo ya Chanzo na Mbinu

Jina kamili la utafiti asilia: Mix Controller Design for Active Suspension of Trucks Integrated with Online Estimation of Vehicle Mass

Waandishi na mpangilio wao: Choutao Ma; Yiming Hu; Weiwei Zhao; Dequan Zeng.

Mwandishi wa mchango sawa/mwandishi wa kwanza sawa: Chanzo hakijaeleza tamko la mchango sawa au uandishi wa kwanza sawa.

Mwandishi wa mawasiliano: Yiming Hu.

Taasisi:
1. School of Mechatronics and Vehicle Engineering, East China Jiaotong University, Nanchang 330013, China.
2. Nanchang Automotive Institute of Intelligence & New Energy, Nanchang 330038, China.

Aina ya chanzo: Makala ya utafiti iliyopitiwa na wataalamu; uthibitishaji wa kisayansi unategemea hasa uundaji wa modeli na uigaji wa kinamba.

Jarida: Vehicles.

Mchapishaji: MDPI.

Juzuu / namba ya makala: 7 / 71.

DOI: 10.3390/vehicles7030071

Tarehe ya kuwasilishwa: 25 Aprili 2025.

Tarehe ya kurekebishwa: 7 Julai 2025.

Tarehe ya kukubaliwa: 9 Julai 2025.

Tarehe ya kuchapishwa: 11 Julai 2025.

Kiungo rasmi cha chapisho: https://www.mdpi.com/2624-8921/7/3/71

Kiungo cha DOI: https://doi.org/10.3390/vehicles7030071

Leseni: Creative Commons Attribution 4.0 International (CC BY 4.0).

Ufadhili: Utafiti uliungwa mkono na National Natural Science Foundation of China (52302470 na 52462053), Ganpo Talent Support Program-Leading Academic and Technical Personnel in Major Disciplines of Jiangxi Province (20232BCJ23091), Natural Science Foundation of Jiangxi Province (20232BAB214092 na 20224BAB214045), Key R&D Program of Jiangxi Province (20232BBE50010, 20243BBG71011 na 20232BBE50009), Open Bidding for Selecting the Best Candidates Program of Nanchang (2022JBGS001), pamoja na 03 Special Program and 5G Project of Jiangxi Province (20232ABC03A30).

Upatikanaji wa data: Watafiti wanaeleza kuwa data inayounga mkono utafiti inaweza kupatikana kutoka kwa waandishi wa mawasiliano kwa ombi lenye msingi.

Mgongano wa maslahi: Waandishi wametangaza kwamba hakuna mgongano wa maslahi.

Michango ya waandishi: Dhana Choutao Ma; mbinu Choutao Ma na Yiming Hu; rasilimali Yiming Hu na Dequan Zeng; uandaaji wa data Choutao Ma; rasimu ya kwanza Choutao Ma na Weiwei Zhao; ukaguzi na uhariri Yiming Hu na Choutao Ma; usimamizi na usimamizi wa mradi Yiming Hu.

Kikomo cha maudhui ya kisayansi: Modeli ya gari, algoriti ya FFRLS, usanifu wa LQR/Kalman, vigezo vya kinamba, pembejeo za barabara na matokeo katika makala hii ya Verianla yanategemea tu utafiti uliochunguzwa. Chanzo cha nje kimetumika tu kuthibitisha utambulisho wa bibliografia na chapisho; hakuna matokeo mapya ya majaribio au ya kimakanika yaliyoongezwa kutoka vyanzo vya nje.

Kizuizi kikuu cha kimetodolojia: Uthibitishaji wote wa udhibiti katika utafiti unategemea uigaji wa kinamba. Hakuna lori la kimwili, prototaipu ya kusimamisha hai, benchi la majaribio, Hardware-in-the-Loop au jaribio halisi la barabarani lililowasilishwa. Sehemu ya “Road bump experimentation simulation” pia si jaribio la kimwili, bali ni uigaji wa kinamba wenye pembejeo ya bump ya barabara. Matokeo hayapaswi kutathminiwa kama ushahidi wa mafanikio ya uwanjani ya gari halisi, usalama wa kiutendaji au uwezekano wa kibiashara.

Kikomo cha utendaji wa udhibiti: Kidhibiti mchanganyiko si bora kuliko LQR asili katika kila kipimo. Katika hali ya barabara nasibu, uharakishaji wima wa mwili ni 0,13 m/s² kwa LQR asili na 0,15 m/s² kwa kidhibiti mchanganyiko. Faida kuu ya utafiti ni kupunguza mkengeuko wa mienendo wa kusimamisha na mgeuko wa mienendo wa tairi huku kwa kiasi kikubwa ukihifadhi udhibiti mzuri wa mkao wa mwili chini ya mzigo mkubwa.

Maelezo ya Verianla Live v0.2: Mchakato wa udhibiti na ulinganisho wa kinamba umehamishwa kwenye majedwali ya HTML yanayoonekana. Hakuna Live SVG, JavaScript, inline event handler au data-vlive-* field iliyoongezwa kwenye HTML ya makala. Safu ya SVG shirikishi inaweza kutengenezwa wakati wa utekelezaji na injini ya pamoja ya kiwango cha tovuti verianla-live.js v0.2; hata JavaScript isipofanya kazi, majedwali ya kisayansi hubaki kusomeka.