Bu araştırma, yük miktarı büyük ölçüde değişebilen kamyonlarda sabit araç kütlesine göre ayarlanmış bir aktif süspansiyon denetleyicisinin performans kaybını azaltmak amacıyla çevrimiçi araç kütlesi kestirimi ile LQR aktif süspansiyon kontrolünü birleştirmektedir. Araç kütlesi, unutma faktörlü yinelemeli en küçük kareler yöntemi (Forgetting Factor Recursive Least Squares, FFRLS) ile hareket sırasında kestirilmekte; kestirilen kütleye en yakın önceden hesaplanmış LQR geri besleme kazanç matrisi seçilerek süspansiyon aktüatör kuvveti belirlenmektedir. 1200 kg nominal kütleye göre tasarlanan sistem 2000 kg gerçek araç kütlesi altında sayısal olarak değerlendirilmiştir. Rastgele yol simülasyonunda karma denetleyici, sabit kütleye göre çalışan özgün LQR denetleyicisine kıyasla ortalama süspansiyon dinamik sapmasını %3,26, lastik dinamik deformasyonunu ise çalışmanın sonucuna göre %5,91 azaltmıştır. Buna karşılık gövde düşey ivmesi özgün denetleyiciye göre kötüleşmiş; dolayısıyla yöntem bütün performans ölçütlerini aynı anda iyileştirmemiş, ağır yük altında süspansiyon hareketi, lastik deformasyonu ve gövde tutumu arasında farklı bir kontrol dengesi oluşturmuştur.

Kütle kestirim algoritması simülasyonda gerçek 2000 kg araç kütlesine kısa sürede yaklaşmış ve kestirim hatası %5 sınırının içine girmiştir. Rastgele yol koşullarında karma denetleyicinin gövde yuvarlanma açısı pasif süspansiyona göre %72,80, gövde yunuslama açısı %7,20 ve tekerlekler arasındaki ortalama süspansiyon dinamik sapması %36,91 azalmıştır. Ancak bu bulgular tamamıyla matematiksel araç modeli ve sayısal yol girdilerine dayanmaktadır; gerçek kamyon üzerinde aktif süspansiyon donanımı, sensör hataları, aktüatör sınırları ve gerçek yol değişkenliği ile doğrulama yapılmamıştır.

Türkiye açısından çalışma, yük miktarı seferden sefere önemli ölçüde değişebilen ağır ticari araçlarda aktif süspansiyonun yalnız sabit bir nominal araç kütlesine göre ayarlanmasının yerine, araç parametrelerini sürüş sırasında kestiren uyarlanabilir bir kontrol yaklaşımının nasıl kurulabileceğini göstermektedir. Bununla birlikte araştırmadaki 1200–2400 kg kontrol aralığı, kullanılan süspansiyon parametreleri ve yol modelleri belirli bir sayısal araca aittir. Türkiye'deki gerçek ticari araçlara uygulanması için araç sınıfına özgü model tanımlama, gerçek kütle dağılımı, aktüatör kapasitesi, yol verisi ve fiziksel doğrulama gereklidir.

Araştırmanın temel problemi nedir?

Kamyon aktif süspansiyonunun kontrol kazançları belirli bir araç kütlesine göre tasarlanırsa yük değiştiğinde aynı denetleyici artık tasarlandığı dinamik sistemi kontrol etmemektedir. Araç kütlesindeki değişiklik gövdenin düşey hareketini, yunuslama ve yuvarlanma dinamiklerini, süspansiyon hareketini ve lastiğin yol üzerindeki dinamik deformasyonunu etkileyebilir.

Araştırmacıların çözmek istediği temel problem, sabit araç parametreleri kullanan LQR aktif süspansiyon denetleyicisinin büyük yük değişimlerinde performansının bozulmasıdır. Önerilen yöntem bu nedenle araç kütlesini sürüş sırasında kestirmekte ve aktif süspansiyon kazancını kestirilen kütleye göre değiştirmektedir.

Çalışmanın özgün yaklaşımı hangi bileşenleri birleştiriyor?

Çalışmanın kontrol mimarisi üç ana bileşenden oluşmaktadır:

1. Araç kütlesi kestirim modülü: Boylamsal araç dinamiği ve FFRLS kullanılarak toplam araç kütlesi kestirilir.
2. Aktüatör kuvveti hesaplama modülü: Kestirilen kütleye uygun LQR geri besleme kazancı seçilir ve aktif süspansiyon kuvvetleri hesaplanır.
3. Çok serbestlik dereceli araç modeli: Yol girdisi ve manevra koşullarına karşı aracın düşey, yuvarlanma, yunuslama ve dört tekerlekteki yaylanmamış kütle hareketleri hesaplanır.

Şekil 3'te bu üç bölüm aynı geri besleme çevrimi içinde gösterilmektedir. Araç modeli sürüş durum değişkenlerini hem kütle kestirim modülüne hem kontrol modülüne aktarmakta; denetleyici de dört süspansiyon aktüatörüne uygulanacak kuvvetleri tekrar araç modeline göndermektedir.

Araç modeli kaç serbestlik derecesine sahiptir?

Araştırmada toplam yedi serbestlik dereceli bir tam araç modeli kurulmuştur. Model:

• gövdenin düşey hareketini,
• gövdenin yuvarlanma hareketini,
• gövdenin yunuslama hareketini,
• dört tekerleğe ait dört ayrı yaylanmamış kütlenin düşey hareketini

birlikte içermektedir. Şekil 1'de dört süspansiyonun yay ve sönüm elemanları, lastik rijitlikleri, aktif aktüatör kuvvetleri, kütle merkezi, yuvarlanma/yunuslama eksenleri ve boylamsal–yanal ivmeler aynı mekanik model üzerinde gösterilmektedir.

Gövdenin düşey hareketi nasıl modellenmiştir?

Kütle merkezindeki düşey hareket için Newton'un ikinci yasası:

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

şeklinde yazılmıştır. Burada \(m_s\) yaylanmış kütleyi, \(z\) gövde kütle merkezinin düşey yer değiştirmesini ve \(F_{si}\) her tekerlekte süspansiyonun gövdeye uyguladığı toplam kuvveti göstermektedir.

Her süspansiyon kuvveti:

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

olarak tanımlanmıştır. \(k_{si}\) süspansiyon rijitliği, \(c_{si}\) süspansiyon sönüm katsayısı, \(z_{ui}\) yaylanmamış kütle konumu, \(z_{si}\) ilgili gövde bağlantı noktasının konumu ve \(F_{ai}\) aktif süspansiyon aktüatör kuvvetidir.

Yuvarlanma ve yunuslama neden modele dahil edilmiştir?

Kamyon yalnız dikey yol titreşimine maruz kalmamaktadır. Frenleme/hızlanma sırasında boylamsal ivme gövde yunuslamasını, viraj veya yanal ivme ise gövde yuvarlanmasını etkileyebilir. Çalışma bu kuplajı modellemek amacıyla her iki hareketi de denklemlere dahil etmiştir.

Yuvarlanma hareketi:

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

ve yunuslama hareketi:

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

ile ifade edilmiştir. \(I_x\) ve \(I_y\) sırasıyla yuvarlanma ve yunuslama atalet momentlerini; \(a_y\) yanal ivmeyi, \(a_x\) boylamsal ivmeyi göstermektedir.

Araç kütlesi nasıl kestirilmektedir?

Kütle kestirimi doğrudan süspansiyon hareketinden değil, aracın boylamsal dinamik denkleminden elde edilmektedir:

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

Denklem tahrik kuvveti, yuvarlanma direnci, aerodinamik direnç ve eğim direnci ayrıntılarıyla açıldığında:

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

biçimini almaktadır.

Burada \(T_{tq}\) transmisyona giren gerçek torku, \(i_g\) transmisyon oranını, \(i_0\) ana dişli oranını, \(\eta_T\) aktarma verimini, \(r\) tekerlek yuvarlanma yarıçapını, \(\rho\) hava yoğunluğunu, \(C_d\) aerodinamik sürükleme katsayısını, \(A\) ön alanı, \(\alpha\) yol eğimini ve \(f\) yuvarlanma direnci katsayısını ifade etmektedir.

FFRLS için denklem:

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

biçimine dönüştürülmüş ve kestirilecek parametre \(\hat{\theta}\) araç kütlesi \(m\) olarak seçilmiştir.

Unutma faktörü neden kullanılıyor?

Yinelemeli en küçük kareler algoritmasının unutma faktörü \(\lambda\), eski verilerin yeni kestirim üzerindeki ağırlığını düzenlemektedir. Çalışmadaki sınıflandırmaya göre \(0<\lambda<1\) olduğunda geçmiş verinin etkisi azaltılmakta, \(\lambda=1\) olduğunda değiştirilmemekte ve \(\lambda>1\) olduğunda güçlendirilmektedir.

Araştırmada:

\[ \lambda=0,95 \]

kullanılmıştır.

FFRLS parametre kazancı:

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

parametre güncellemesi:

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

ve kovaryans güncellemesi:

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

şeklindedir.

LQR denetleyici neyi optimize ediyor?

Doğrusal Karesel Düzenleyici (Linear Quadratic Regulator, LQR) çok sayıda araç durumunu ve aktüatör kuvveti gereksinimini aynı maliyet fonksiyonu içinde dengelemektedir:

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

\(Q\) araç durumlarının ve performans çıktılarının göreli önemini, \(R\) ise dört aktif süspansiyon aktüatörünün kontrol kuvvetine verilen cezayı belirlemektedir.

Riccati denkleminin çözümünden elde edilen geri besleme matrisi ile aktif süspansiyon kuvveti:

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

olarak hesaplanmaktadır. \(\hat X\), Kalman kestiricisinden elde edilen sistem durumudur.

Neden LQR matrisi her çevrimde yeniden hesaplanmıyor?

Araştırmacılar Riccati denklemini gerçek zamanlı olarak sürekli çözmenin araç kontrolcüsü açısından yüksek hesaplama gereksinimi yaratacağını belirtmektedir. Bu nedenle 1200–2400 kg kütle aralığı 20 kg aralıklarla bölünmüş ve her kütle noktası için geri besleme matrisi \(K\) çevrimdışı olarak önceden hesaplanmıştır.

Araç çalışırken FFRLS'nin kestirdiği kütleye en yakın kayıt seçilerek ilgili \(K\) matrisi kullanılmaktadır. Böylece çevrimiçi adaptasyon, her zaman adımında Riccati denklemi çözmek yerine önceden hesaplanmış kazanç tablosundan seçim yapmaktadır.

Kütle kestirimindeki küçük dalgalanmalar kazancı sürekli değiştiriyor mu?

Bunu önlemek için araştırmacılar mutlak yüzde hata (Absolute Percentage Error, APE) tabanlı bir güncelleme mantığı kullanmıştır:

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

ve:

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

şeklinde tanımlamıştır. Kaynak metinde \(\rho\) eşik parametresinin sayısal değeri verilmemektedir. Bu nedenle Verianla makalesinde eşik için bir değer üretilmemiştir.

Rastgele yol nasıl modellenmiştir?

Rastgele yol girdisi filtrelenmiş beyaz gürültü modeliyle oluşturulmuştur:

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

Çalışmada B sınıfı yol kullanılmış; yol pürüzlülük katsayısı:

\[ G_0=0,000064 \]

ve alt kesim frekansı:

\[ f_0=0,01 \]

olarak belirlenmiştir. Sol ve sağ tekerleklerin yol girdileri uyumlu kabul edilmiş, ön ve arka tekerlekler arasında araç hareketine bağlı zaman gecikmesi kullanılmıştır.

Simülasyonda yük ne kadar değiştirilmiştir?

Kontrol sistemi nominal olarak 1200 kg araç kütlesiyle tanımlanmış, karşılaştırmalı ağır yük senaryosunda gerçek araç kütlesi 2000 kg olarak seçilmiştir. Böylece özgün sabit LQR kontrolünün nominal modelden önemli ölçüde uzaklaşması sağlanmış ve kütle uyarlamasının etkisi incelenmiştir.

Kütle kestirimi ne kadar doğru çalışmıştır?

Şekil 6'daki kestirim eğrisi başlangıçta hızla yükselmekte ve gerçek 2000 kg değerinin çevresine yaklaşmaktadır. Araştırmacılar kestirim hatasının kısa sürede %5'in altında kaldığını bildirmektedir.

Kontrol sisteminde daha kararlı bir kütle değeri kullanılabilmesi için kestirim değerleri ayrıca her 5 saniyede bir ortalanmıştır. Stabilizasyondan sonraki 10 saniyelik bölüm için kaynakta araç kütlesi hata göstergeleri:

olarak verilmiştir. Kaynak tablo araç kütlesini ton cinsinden etiketlemekte; ISE ve IAE için ayrıca bağımsız fiziksel birim açıklaması sunmamaktadır.

Rastgele yolda gövde hareketi nasıl değişmiştir?

2000 kg ağır yük koşulunda karma denetleyicinin pasif süspansiyona göre gövde yuvarlanma açısı RMS değerini %72,80, gövde yunuslama açısını %7,20 azalttığı bildirilmiştir.

Özgün sabit LQR denetleyici de gövde tutumunda güçlü kontrol sağlamıştır: yuvarlanma açısı için pasife göre %72,46, yunuslama açısı için %7,73 azalma görülmüştür. Dolayısıyla çevrimiçi kütle kestiriminin asıl kazancı gövde tutumunda dramatik ek bir iyileşme değil; ağır yükte süspansiyon ve lastik dinamiğini daha uygun dengelemek olmuştur.

Gövde düşey ivmesinde bir ödünleşim var mı?

Evet. Karma denetleyici bütün metriklerde özgün LQR'dan daha iyi değildir.

Gövde düşey ivmesi RMS değeri:

• pasif süspansiyonda 0,16 m/s²,
• özgün LQR'da 0,13 m/s²,
• karma denetleyicide 0,15 m/s²

olarak verilmiştir. Karma denetleyici pasif sisteme göre düşey ivmeyi %7,95 azaltmış olsa da özgün LQR'ın 0,13 m/s² sonucuna ulaşamamıştır.

Araştırmacılar ağır yükte süspansiyon dinamik sapması ve lastik dinamik deformasyonunun güvenlik açısından daha kritik olduğunu savunarak bu konfor ödünleşimini kabul edilebilir olarak yorumlamaktadır. Bunun araştırmacıların kontrol tasarımı tercihine dayalı bir yorum olduğu; fiziksel araç üzerinde kullanıcı konfor testi veya güvenlik testi yapılmadığı unutulmamalıdır.

Süspansiyon hareketi nasıl değişmiştir?

Rastgele yol koşulunda karma denetleyici dört tekerleğin tamamında süspansiyon dinamik sapmasını özgün LQR'a göre azaltmıştır. Kaynak, dört tekerlek için ortalama farkı %3,26 olarak bildirmektedir.

Pasif süspansiyona göre karma denetleyicideki azalma tekerleklere bağlı olarak %34,22 ile %38,66 arasında değişmiştir. Özgün LQR'a karşı kazanım daha küçük olsa da dört tekerleğin tamamında aynı yöndedir.

Lastik dinamik deformasyonu neden önemli bir sonuçtur?

Tablo 7'de ağır yük altında özgün LQR denetleyicinin lastik dinamik deformasyonu pasif süspansiyona göre dört tekerleğin tamamında hafifçe artırdığı görülmektedir. Karma denetleyici ise dört tekerleğin tamamında pasif süspansiyonun altına inmiştir.

Kaynak sonuç bölümünde, karma denetleyicinin özgün LQR'a kıyasla lastik dinamik deformasyonunu ortalama %5,91 azalttığı bildirilmektedir. Bu sonuç, kütle uyarlamasının ağır yük senaryosunda en belirgin faydalarından biridir.

Frekans alanı sonuçları ne göstermiştir?

Şekil 14–16 zaman alanındaki RMS sonuçlarının ardındaki rezonans davranışını göstermektedir. Karma denetleyicinin süspansiyon dinamik sapması, hem pasif hem özgün denetleyiciye göre birinci ve ikinci rezonans bölgelerinde genel olarak daha düşük kalmıştır.

Lastik dinamik deformasyonunda ise özgün LQR birinci rezonans bölgesinde bazı durumlarda karma denetleyiciden biraz daha iyi görünürken ikinci rezonans bölgesinde özgün LQR'ın tepki seviyesi pasif sistemin üzerine çıkmaktadır. Karma denetleyici ikinci rezonans bölgesinde bu bozulmayı daha iyi sınırlandırmıştır.

Dolayısıyla kaynak sonuçları tek bir frekans veya tek bir konfor metriğinde mutlak üstünlük değil, geniş kontrol hedefleri arasında bir denge göstermektedir.

Aktüatör kuvvetinde ne değişmiştir?

Şekil 17'de özgün LQR ile karma denetleyicinin aktüatör kuvvetleri karşılaştırılmıştır. Araştırmacılar karma denetleyicinin genel kuvvet genliğinin daha düşük olduğunu ve özellikle yüksek frekanslı kuvvet bileşenlerini bastırdığını belirtmektedir.

Kaynak bu sonucu aktif süspansiyon aktüatörünün tepki hızı gereksiniminin azalması ve tasarımın kolaylaşması açısından olumlu yorumlamaktadır. Ancak çalışmada gerçek bir aktüatörün elektrik enerjisi tüketimi, termal yükü veya fiziksel verimi ölçülmemiştir. Bu nedenle sonuç “ölçülmüş enerji tasarrufu” olarak yorumlanmamalıdır.

Tümsek simülasyonu ne göstermiştir?

İkinci yol senaryosunda 30. saniyede bir yol tümseği uygulanmış ve yanal ivme sıfır kabul edilmiştir.

Pasif süspansiyonla karşılaştırıldığında karma denetleyici:

• maksimum yunuslama açısını belirgin biçimde azaltmış,
• maksimum yuvarlanma açısını hafif artırmış,
• süspansiyon dinamik sapmasının maksimumunu yaklaşık benzer seviyede tutmuş,
• gövde tutumu değişkenlerinin yerleşme süresini kısaltmıştır.

Özgün LQR ile karşılaştırıldığında ise karma denetleyicinin maksimum yunuslama açısı benzer kalırken maksimum yuvarlanma ve süspansiyon dinamik sapması daha düşük, yerleşme süresi daha kısa olarak raporlanmıştır.

Gövde düşey ivmesinde karma denetleyici pasif süspansiyona göre hafif iyileşme gösterirken özgün LQR'a göre daha yüksek maksimum ivme oluşturmuştur. Kaynak, tümsek sonuçlarında da kontrol stratejisinin konfor ile süspansiyon/lastik hareketi arasında bir ödünleşim yaptığını göstermektedir.

Çalışmanın desteklediği sonuçlar

• FFRLS, kullanılan sayısal sürüş senaryosunda 2000 kg araç kütlesini %5 hata sınırı içinde kestirebilmiştir.
• Çevrimiçi kütle bilgisine göre LQR kazancı seçmek, 1200 kg nominal modele göre çalışan sabit LQR'ın ağır yükteki bazı performans kayıplarını azaltmıştır.
• Rastgele yol simülasyonunda karma denetleyici özgün LQR'a göre süspansiyon dinamik sapmasını ortalama %3,26 azaltmıştır.
• Kaynak sonuç bölümüne göre lastik dinamik deformasyonu özgün LQR'a kıyasla ortalama %5,91 azalmıştır.
• Gövde yuvarlanma ve yunuslama kontrolü karma ve özgün denetleyicide birbirine yakın seviyelerde tutulmuştur.
• Karma denetleyici yüksek frekanslı aktüatör kuvveti bileşenlerini özgün denetleyiciye göre azaltmıştır.
• Rastgele yol ve tümsek senaryoları yöntemin farklı sayısal yol girdilerindeki davranışını karşılaştırmalı olarak göstermiştir.

Çalışmanın desteklemediği veya test etmediği sonuçlar

• Gerçek bir kamyon üzerinde yol deneyi yapılmamıştır.
• Fiziksel aktif süspansiyon aktüatörü veya Hardware-in-the-Loop doğrulaması sunulmamıştır.
• Kontrol sisteminin seri üretim otomotiv güvenliği veya dayanıklılığı doğrulanmamıştır.
• Karma denetleyici bütün performans ölçütlerinde özgün LQR'dan üstün değildir; gövde düşey ivmesi önemli bir karşı örnektir.
• Aktüatör kuvvetinin azalması fiziksel enerji tüketimi veya verim ölçümü değildir.
• 1200–2400 kg kazanç tablosunun farklı araç sınıflarına doğrudan uygulanabileceği gösterilmemiştir.
• FFRLS parametrelerinin, unutma faktörünün veya LQR ağırlıklarının farklı gerçek araçlar için evrensel optimum olduğu kanıtlanmamıştır.
• Gerçek yol sensör gürültüsü, gerçek yük dağılımı ve bütün fiziksel aktüatör kısıtlarının etkisi saha deneyiyle doğrulanmamıştır.

Çalışmanın Yöntemi ve Bulguları

Simülasyonda kullanılan temel araç parametreleri

Rastgele yol koşulundaki ana RMS sonuçları

Karma denetleyicinin gövde tutumundaki sonuçları özgün LQR'a oldukça yakındır. En belirgin fark süspansiyon ve lastik hareketinde görülmekte; gövde düşey ivmesinde ise özgün LQR daha düşük RMS sağlamaktadır.

Dört tekerleğin lastik dinamik deformasyonları

Özgün LQR dört tekerleğin tamamında pasif süspansiyondan biraz daha yüksek lastik deformasyonu üretirken kütle uyarlamalı karma denetleyici dört tekerleğin tamamında pasif sistemin altına inmiştir.

Değerlendirme ölçütleri

Araştırmada araç dinamik yanıtını değerlendirmek için:

• gövde düşey ivmesi,
• gövde yunuslama açısı,
• gövde yuvarlanma açısı,
• süspansiyon dinamik sapması,
• lastik dinamik deformasyonu

kullanılmıştır. Sonuçlar hem zaman alanında RMS değerleri ve geçici tepkilerle hem de frekans alanındaki rezonans davranışıyla incelenmiştir.

Kütle kestirim hatasının değerlendirilmesinde ayrıca karesel hata integrali:

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

ve mutlak hata integrali:

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

kullanılmıştır.

Karşılaştırılan üç süspansiyon sistemi

Çalışmanın güçlü yönleri

• Kütle değişimini doğrudan aktif süspansiyon kontrolünün içine dahil etmektedir.
• Düşey hareketin yanı sıra yuvarlanma ve yunuslamayı aynı yedi serbestlik dereceli tam araç modelinde ele almaktadır.
• Kontrol performansını yalnız pasif süspansiyonla değil, sabit LQR denetleyiciyle de karşılaştırmaktadır.
• Rastgele yol ve tümsek olmak üzere iki farklı yol girdisi kullanmaktadır.
• Sonuçları hem zaman hem frekans alanında değerlendirmektedir.
• Gerçek zamanlı Riccati çözümü yerine çevrimdışı kazanç tablosu kullanarak denetleyicinin uygulanabilir hesaplama mimarisini tartışmaktadır.
• Karma denetleyicinin daha iyi olmadığı gövde düşey ivmesi gibi ölçütleri de sonuçlarda görünür bırakmaktadır.

Temel yöntemsel sınırlılıklar

En önemli sınırlılık fiziksel doğrulama bulunmamasıdır. Araç, süspansiyon, yol ve kütle kestirimi bütünüyle sayısal model içinde değerlendirilmiştir. Gerçek taşıt üzerindeki sensör gürültüsü, model parametre sapmaları, aktüatör mekanik sınırları, hidrolik/elektromekanik gecikmeler, enerji tüketimi ve gerçek yol profillerinin etkisi bu çalışmada fiziksel deneyle sınanmamıştır.

İkinci önemli sınır, çevrimiçi uyarlamanın aslında sürekli bir LQR yeniden optimizasyonu olmamasıdır. Araştırmada 1200–2400 kg aralığındaki K matrisleri önceden hesaplanmakta ve kestirilen kütleye en yakın matris seçilmektedir. Dolayısıyla yöntem daha doğru biçimde kütle kestirimiyle yönlendirilen kazanç çizelgeleme yaklaşımı olarak anlaşılmalıdır.

Ayrıca çalışmadaki bazı LQR ağırlıkları ampirik/optimizasyon sonucu belirlenmektedir; farklı bir araçta aynı ağırlıkların aynı konfor–yol tutuş dengesini vereceği gösterilmemiştir.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Mix Controller Design for Active Suspension of Trucks Integrated with Online Estimation of Vehicle Mass

Yazarlar ve sıraları: Choutao Ma; Yiming Hu; Weiwei Zhao; Dequan Zeng.

Eş katkı/eş birinci yazar: Kaynakta eş katkı veya eş birinci yazar beyanı belirtilmemiştir.

Sorumlu yazar: Yiming Hu.

Kurumlar:
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.

Kaynak türü: Hakemli araştırma makalesi; bilimsel doğrulama esas olarak modelleme ve sayısal simülasyona dayanmaktadır.

Dergi: Vehicles.

Yayınevi: MDPI.

Cilt / makale numarası: 7 / 71.

DOI: 10.3390/vehicles7030071

Gönderim tarihi: 25 Nisan 2025.

Revizyon tarihi: 7 Temmuz 2025.

Kabul tarihi: 9 Temmuz 2025.

Yayın tarihi: 11 Temmuz 2025.

Resmî yayın bağlantısı: https://www.mdpi.com/2624-8921/7/3/71

DOI bağlantısı: https://doi.org/10.3390/vehicles7030071

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

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

Veri erişilebilirliği: Araştırmacılar çalışmayı destekleyen verilerin makul talep üzerine sorumlu yazarlardan edinilebileceğini belirtmektedir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını beyan etmiştir.

Yazar katkıları: Kavramsallaştırma Choutao Ma; yöntem Choutao Ma ve Yiming Hu; kaynaklar Yiming Hu ve Dequan Zeng; veri düzenleme Choutao Ma; ilk taslak Choutao Ma ve Weiwei Zhao; gözden geçirme ve düzenleme Yiming Hu ve Choutao Ma; danışmanlık ve proje yönetimi Yiming Hu tarafından gerçekleştirilmiştir.

Bilimsel içerik sınırı: Bu Verianla makalesindeki araç modeli, FFRLS algoritması, LQR/Kalman mimarisi, sayısal parametreler, yol girdileri ve sonuçlar yalnız incelenen çalışmaya dayanmaktadır. Dış kaynak yalnız bibliyografik ve yayın kimliğinin doğrulanması için kullanılmış; dış kaynaklardan yeni deneysel veya mekanik bulgu eklenmemiştir.

Temel yöntemsel sınırlılık: Çalışmanın tüm kontrol doğrulaması sayısal simülasyona dayanmaktadır. Fiziksel kamyon, aktif süspansiyon prototipi, deney tezgâhı, Hardware-in-the-Loop veya gerçek yol testi sunulmamıştır. “Road bump experimentation simulation” bölümü de fiziksel deney değil tümsek girdili sayısal simülasyondur. Sonuçlar gerçek araç saha başarısı, fonksiyonel güvenlik veya ticari uygulanabilirlik kanıtı olarak değerlendirilmemelidir.

Kontrol performansı sınırı: Karma denetleyici bütün metriklerde özgün LQR'dan üstün değildir. Rastgele yol koşulunda gövde düşey ivmesi özgün LQR için 0,13 m/s² iken karma denetleyicide 0,15 m/s²'dir. Çalışmanın ana faydası, ağır yük altında gövde tutumunu büyük ölçüde korurken süspansiyon dinamik sapması ve lastik dinamik deformasyonunu azaltmasıdır.

Verianla Live v0.2 notu: Kontrol süreci ile sayısal karşılaştırmalar görünür HTML tablolarına aktarılmıştır. Makale HTML'sine Live SVG, JavaScript, inline event handler veya data-vlive-* alanı eklenmemiştir. Etkileşimli SVG katmanı site düzeyindeki ortak verianla-live.js v0.2 motoru tarafından çalışma zamanında üretilebilir; JavaScript çalışmasa dahi bilimsel tablolar okunabilir kalır.