Ushbu tadqiqot har bir g‘ildiragida mustaqil elektr dvigateli va rul aktuatori mavjud bo‘lgan besh o‘qli taqsimlangan yuritmali transport vositasida yuqori tezlikdagi manevrlar vaqtida avtomobilning yonlama barqarorligini saqlagan holda alohida g‘ildirak dvigatellaridan talab qilinadigan cho‘qqi momentni kamaytirishni maqsad qiladi. Tadqiqotchilar buning uchun faol barcha g‘ildiraklarni boshqarishni (Active All-Wheel Steering, AWS) bevosita yaw momentini boshqarish (Direct Yaw Moment Control, DYC) bilan birlashtiruvchi ierarxik boshqaruv arxitekturasini ishlab chiqqan.

Yuqori darajadagi boshqaruvchi model bashoratli boshqaruvdan (Model Predictive Control, MPC) foydalanib ikkinchi, uchinchi, to‘rtinchi va beshinchi o‘qlarning faol rul burchaklari hamda qo‘shimcha yaw momentini birgalikda hisoblaydi. Bulanıq boshqaruvchi o‘qlar rul harakatlarining bir-biridan haddan tashqari farqlanishini oldini olish maqsadida MPC boshqaruv og‘irliklarini ish jarayonida o‘zgartiradi. Bo‘ylama tezlik uchun alohida PID boshqaruvchisi ishlatiladi. Quyi darajada esa zarur bo‘ylama kuch va yaw momenti o‘nta mustaqil g‘ildirakning motor momentlariga shina yuklanish nisbatlari yig‘indisini minimallashtiruvchi optimallashtirish orqali taqsimlanadi.

MPCning onlayn optimallashtirish xarajatini kamaytirish uchun tadqiqotchilar, shuningdek, MPC chiqishlari bilan o‘qitilgan to‘liq bog‘langan neyron tarmoq ishlab chiqqan. NN-MPC deb nomlangan tarmoq transport vositasi tezligi, massa markazining sideslip burchagi, haqiqiy yaw rate va maqsad yaw rate kabi to‘rtta kirishdan; qo‘shimcha yaw momenti va to‘rtta faol o‘q burchagi kabi beshta boshqaruv chiqishini hosil qiladi. O‘qitish ma’lumotlari 25–95 km/soat oralig‘ida 5 km/soat qadam bilan o‘tkazilgan ikki marta yo‘lak almashtirish simulyatsiyalaridan yaratilgan va jami 22.500 ta namuna ishlatilgan.

80 km/soat, yo‘l ilashish koeffitsienti μ = 0,8 bo‘lgan yuqori tezlikli simulyatsiyada AWS/DYC strategiyasi faqat to‘rtinchi va beshinchi o‘qlar faol boshqariladigan ARS/DYC deb nomlangan taqqoslash strategiyasiga nisbatan massa markazi sideslip burchagi cho‘qqisini %90,98, bitta g‘ildirak uchun cho‘qqi moment talabini esa %30,78 kamaytirgan. AWS/DYC ostida maksimal shina slip burchagi 4,7° bo‘lib, taxminan 5° deb belgilangan chiziqli ish hududida qolgan, ARS/DYCda esa orqa o‘q slip burchagi 11,9° ga yetgan. AWS/DYCning maksimal faol rul burchagi 4,53° bo‘lgan, ARS/DYC boshqaruvchisi esa 10° etib belgilangan boshqaruv chegarasiga yetgan.

Haqiqiy transport vositasi sinovlari pastroq tezlikda o‘tkazilgan. 35 km/soat tezlikdagi ikki marta yo‘lak almashtirish sinovida AWS/DYC boshqaruvsiz holatga nisbatan sideslip burchagi cho‘qqisini %96,47; ARS/DYCga nisbatan esa %66,19 kamaytirgan. ARS/DYCga nisbatan cho‘qqi motor momenti %33,59, faol rul burchagi cho‘qqisi esa %44,91 past bo‘lgan. Biroq yuqori tezlikdagi 80 km/soat natijalari fizik transport vositasida tasdiqlanmagan; haqiqiy avtomobil sinovi 35 km/soat bilan cheklangan.

Turkiya nuqtai nazaridan mazmuni: Tadqiqotdagi 1450 kg li besh o‘qli sinov platformasi Turkiyada ishlatiladigan og‘ir yuk mashinalari, harbiy logistika transport vositalari yoki maxsus maqsadli ko‘p o‘qli transport vositalarining bevosita vakili emas. Shunga qaramay, usul ko‘p o‘qli elektr transport vositalarida mustaqil rul boshqaruvi bilan mustaqil g‘ildirak momentlarini birgalikda boshqarish, shinalarni to‘yinish hududiga kiritmasdan ishlatish va MPCni neyron tarmoq yordamida real vaqtga yaqinlashtirish nuqtai nazaridan muhim boshqaruv arxitekturasi namunasi hisoblanadi. Turkiyada boshqa transport vositalariga qo‘llash uchun haqiqiy avtomobil massasi, shina xususiyatlari, o‘q geometriyasi, motor moment chegaralari, yo‘l ilashishi, aktuator kechikishlari va yuqori tezlikdagi fizik sinovlar mustaqil ravishda qayta tasdiqlanishi kerak.

Tadqiqotning asosiy muammosi nima?

Ko‘p o‘qli transport vositalarida uzun kuzov, yuqori inersiya va ko‘p sonli g‘ildiraklarni bir vaqtda boshqarish zarurati sabab yuqori tezlikli manevrlarda yaw barqarorligi va sideslip boshqaruvi qiyinlashishi mumkin. Taqsimlangan elektr yuritma arxitekturasi har bir g‘ildirak momentini mustaqil boshqarish imkonini beradi; mustaqil rul aktuatorlari esa bir xil shassida qo‘shimcha boshqaruv erkinlik darajalarini yaratadi.

Biroq faqat differensial moment yordamida yuqori yaw momenti hosil qilishga urinishda har bir g‘ildirak dvigatelidan talab qilinadigan moment ortishi mumkin. Tadqiqotning asosiy yondashuvi yaw harakatini faqat g‘ildirak momenti bilan emas, balki faol rul burchaklari bilan ham bo‘lishib, zarur motor momentini kamaytirishdir.

Haqiqiy tajriba platformasi qanday transport vositasi?

Tadqiqotning 1-rasmida haqiqiy fizik platforma besh o‘qli va jami o‘nta g‘ildirakli uzun tajriba transport vositasi sifatida ko‘rsatilgan. Har bir g‘ildirak mustaqil in-wheel motor va rul aktuatoriga ega. Energiya manbai litiy-ion batareya paketidir; motor, uzatma va differensial aloqalari TruckSim modelida ajratilib, moment to‘g‘ridan-to‘g‘ri har bir g‘ildirakka qo‘llangan.

Manbaning keyingi bo‘limida transport vositasining bo‘sh massasi 1450 kg va nominal yuk 500 kg deb yana ko‘rsatilgan. Bunga qarshi ravishda boshqaruv chegaralarini muhokama qiladigan bo‘lim sinov avtomobilini “1,7 t” deb ataydi. Manba bu massa ta’riflari o‘rtasidagi farqni alohida tushuntirmaydi.

TruckSim modeli haqiqiy transport vositasi bilan qanday tasdiqlangan?

Haqiqiy transport vositasida rul g‘ildiragi burchagi, avtomobil kuzovi harakati, pedal kuchi, g‘ildirak rul burchagi va g‘ildirak vertikal kuchi kabi kattaliklar sensorlar bilan qayd etilgan. 3-rasmda sensorlarning CAN orqali ma’lumot yozuvchisiga, undan USB orqali kompyuterga ulangan tajriba arxitekturasi ko‘rsatilgan.

Tadqiqotchilar haqiqiy sinov trassasining bo‘ylama qiyaligi, yonlama superelevatsiyasi va uch o‘lchamli yo‘l koordinatalarini TruckSimga kiritib, real sinovdagi tezlik va yo‘l kirishlarini qayta yaratgan.

Massa markazi sideslip burchagi GPS va IMU ma’lumotlaridan:

\[ \beta= \frac{-v_N\sin\psi-v_E\cos\psi} {v_N\cos\psi-v_E\sin\psi} \]

ifodasi bilan hisoblangan.

Haqiqiy avtomobil–TruckSim taqqoslashida maksimal yonlama holat xatosi %5,8, maksimal bo‘ylama tezlik xatosi %6,5 deb hisobot qilingan. Yaw rate va sideslip burchagi uchun o‘rtacha nisbiy xatolar %9 dan past qolganligi bildirilgan. Tadqiqotchilar qolgan farqlarni sensor shovqini, shina modeli parametrlari, yo‘l ilashish koeffitsienti noaniqligi va haqiqiy haydovchi xatti-harakati bilan bog‘laydi.

Nega klassik chiziqli shina modeli yetarli deb topilmagan?

Chiziqli shina yondashuvida yonlama kuch kichik slip burchaklarida taxminan burchak qattiqligi bilan slip burchagi ko‘paytmasi orqali hisoblanadi. Manba slip burchagi taxminan 5° dan oshganda shina kuchi to‘yinish hududiga yaqinlashishi sabab chiziqli model xatosi tez ortishini ta’kidlaydi.

Shu sababli tadqiqotchilar slip burchagi, bo‘ylama slip nisbati, yo‘l ishqalanish koeffitsienti va vertikal yukni birgalikda ishlatadigan boshqaruvga yo‘naltirilgan chiziqli parametr o‘zgaruvchan (Linear Parameter Varying, LPV) shina modelini tizimga kiritgan.

LPV modelining asosiy yonlama kuch ifodasi:

\[ F_y= \frac{F_z}{F_{z0}} \left(C_{y1}\omega_{y1}+C_{y2}\omega_{y2}\right)\delta_y \]

ko‘rinishidadir. Bu yerda \(F_z\) joriy vertikal yukni, \(F_{z0}\) nominal yukni; og‘irlik hadlari esa shina holatiga bog‘liq parametr rejalashtirishni bildiradi.

LPV shina modeli qaysi ma’lumot bilan tuzilgan?

Bu yerdagi “shina sinovi” fizik shina sinov mashinasida o‘tkazilmagan. TruckSim 2019.0 ichidagi 175/65 R14 parametrik shina modeli yordamida quyidagi ish sohasi skanerlangan:

Parametrlar chiziqli bo‘lmagan eng kichik kvadratlar usuli bilan aniqlangan. Haqiqiy ish yukiga eng yaqin 1961,33 N vertikal yukda o‘tkazilgan taqqoslashda chiziqli model xatosi 10° slip burchagida %62,47 ga yetgan. LPV modelida hisobot qilingan maksimal xato esa 4,5° atrofida %8,4 bo‘lgan.

Bu natija LPV modelining TruckSim referens shina modeli bilan yaxshiroq mos kelishini ko‘rsatadi; fizik shina kuchi o‘lchovi bilan mustaqil tasdiqlashni anglatmaydi.

Ideal transport vositasi xatti-harakati qanday aniqlanadi?

Boshqaruvning asosiy maqsadlari bo‘ylama tezlik, yaw rate va massa markazi sideslip burchagidir. Ideal sideslip burchagi muhandislik qo‘llanilishi doirasida nolga o‘rnatilgan.

Ideal yaw rate ikki erkinlik darajali transport vositasi modelining turg‘un holat kuchaytirishi bilan yo‘l ilashishi ruxsat beradigan maksimal yonlama tezlanish o‘rtasida cheklanadi:

\[ \omega_{z,des} = \min \left( \left| \frac{v_x\delta_1} {L_e(1+v_x^2K)} \right|, \left| \frac{\mu g}{v_x} \right| \right) \operatorname{sgn}(\delta_1) \]

Shu tariqa boshqaruvchining faqat haydovchining rul talabini emas, balki yo‘l–shina ilashish chegarasini ham hisobga olishi ko‘zlangan.

Ierarxik boshqaruv arxitekturasi qanday ishlaydi?

Tadqiqotning 11-rasmi boshqaruvchining eng muhim sxemalaridan biridir. Haydovchining birinchi o‘q rul kirishi va maqsad transport vositasi tezligi avval istalgan avtomobil holatiga aylantiriladi. Birinchi o‘qning faol rul burchagi o‘zgartirilmaydi; shu tariqa haydovchining to‘g‘ridan-to‘g‘ri yo‘naltirish kirishi saqlanadi.

Yuqori darajadagi MPCning boshqaruv vektori:

\[ u= \begin{bmatrix} \delta_2 & \delta_3 & \delta_4 & \delta_5 & \Delta M_z \end{bmatrix}^{T} \]

deb aniqlanadi. Ya’ni ikkinchi–beshinchi o‘qlarning faol rul burchaklari va bevosita yaw momenti ayni optimallashtirish muammosida belgilanadi.

Verianla Live: Jarayon ko‘rinishi ushbu ko‘rinadigan ilmiy jadvaldan yaratiladi; maqolaga alohida Live SVG yoki JavaScript joylashtirilmaydi.

MPC qaysi maqsadlarni birgalikda optimallashtiradi?

Asosiy maqsad haqiqiy yaw rate va sideslip burchagini istalgan qiymatlarga yaqinlashtirish bilan birga boshqaruv harakatlari kattaligini ham cheklashdir. Manbada MPC maqsad funksiyasi:

\[ J= \frac{1}{2}e^T(k+N_p|k)Se(k+N_p|k) + \frac{1}{2} \sum_{i=0}^{N_p-1} \left[ e^TQe+u^TRu \right] \]

ko‘rinishida aniqlanadi.

Holat og‘irliklari uchun \(Q=\mathrm{diag}(100000,100)\), terminal og‘irligi uchun \(S=\mathrm{diag}(1,1)\), boshlang‘ich boshqaruv og‘irliklari uchun:

\[ R= \mathrm{diag} (0{,}05,\ 0{,}05,\ 0{,}05,\ 0{,}05,\ 0{,}000001) \]

ishlatilgan.

Nega fuzzy boshqaruv qo‘shilgan?

MPC har bir o‘q uchun turli rul burchagini hosil qilishi mumkin. Haddan tashqari farqlar ayrim o‘qlarda shina yeyilishi va shina kuchi to‘yinish xavfini oshirishi mumkin. Tadqiqotchilar shu sababli ikkinchi–beshinchi o‘qlarning mutlaq rul burchaklarining o‘rtacha qiymatdan farqini fuzzy boshqaruv kirishi qilgan.

Fuzzy boshqaruvchi tegishli MPC boshqaruv og‘irligini kichik miqdorlarda o‘zgartirib, o‘qlarning faol rul harakatlarini yanada muvozanatli taqsimlashni maqsad qiladi. Kirish sohasi −0,1 dan 0,1 gacha; og‘irlik tuzatish chiqishi esa −0,025 dan 0,025 gacha aniqlangan.

Quyi darajada motor momenti qanday taqsimlanadi?

Yuqori darajadagi boshqaruvchidan keladigan umumiy bo‘ylama kuch va qo‘shimcha yaw momenti uchun o‘nta mustaqil g‘ildirak kuchini yagona yechim bilan aniqlab bo‘lmaydi; tizim matematik jihatdan yetarlicha aniqlanmagan. Tadqiqotchilar bu erkinlikdan shinalarning kuch zaxirasini saqlash uchun foydalanadi.

Bitta shinaning yuklanish nisbati:

\[ \rho= \frac{\sqrt{F_x^2+F_y^2}} {\mu F_z} \]

bilan aniqlanadi.

Quyi darajadagi optimallashtirish barcha g‘ildiraklar uchun yuklanish nisbatlari kvadratlari yig‘indisini minimallashtiradi. Shu tariqa zarur umumiy kuch va moment hosil qilinayotganda ma’lum bir shinaning ilashish imkoniyatidan haddan tashqari foydalanishning oldi olinishi ko‘zlangan.

Nega NN-MPC zarur deb hisoblangan?

Beshta boshqaruv o‘zgaruvchisiga ega MPC har 10 ms da bir kvadratik dasturlash muammosini yechishi kerak. Bu holat haqiqiy transport vositasi boshqaruv blokida hisoblash yukini oshirishi mumkin. Tadqiqotchilar “onlayn optimallashtirish o‘rniga o‘rganilgan yaqin boshqaruv qonuni” yondashuvini qabul qilgan.

O‘qitish ma’lumotlari 25 km/soatdan 95 km/soatgacha 5 km/soat qadam bilan yaratilgan. Har bir tezlikda 15 soniyalik ikki marta yo‘lak almashtirish 100 Hz namunalash bilan bajarilgan va jami 22.500 ta namuna yig‘ilgan.

Ma’lumotlar to‘plami o‘qitish va tasdiqlash uchun 9:1 nisbatda ajratilgan. Adam optimallashtirishi, 0,005 boshlang‘ich o‘rganish tezligi, 1024 batch o‘lchami, ko‘pi bilan 80 epoch va erta to‘xtatish ishlatilgan.

Manba, shuningdek, dastlabki o‘qitish qamramagan chekka holatlarni aniqlash uchun iterativ inkremental o‘rganishni qo‘llaydi. NN-MPC muvaffaqiyatsiz bo‘lgan simulyatsiya holatlari qayta MPC bilan yechiladi; MPC chiqishlari “o‘qituvchi signali” sifatida o‘qitish ma’lumotlariga qo‘shiladi va tarmoq qayta o‘qitiladi.

Nega tarmoq parametrlar soni bo‘yicha izoh kerak?

Manba 4–64–64–32–5 to‘liq bog‘langan tarmoq uchun 6568 parametrni hisobot qiladi. Standart to‘liq bog‘langan qatlam arifmetikasida faqat og‘irlik matritsalari 6560 element, bias hadlari qo‘shilganda esa jami 6725 parametr hosil bo‘ladi. Manba 6568 qiymati qaysi hisoblash qoidasi bilan olinganini tushuntirmagani sabab Verianla bu qiymatni o‘zgartirmaydi, biroq qayta ishlab chiqish nuqtai nazaridan farqni ko‘rinadigan qoldiradi.

Yuqori tezlikdagi sinov qanday sharoitda o‘tkazilgan?

Eng muhim taqqoslash haqiqiy transport vositasida emas, TruckSim/Simulink ko-simulyatsiyasida o‘tkazilgan:

• transport vositasi tezligi: 80 km/soat,
• yo‘l ilashish koeffitsienti: μ = 0,8,
• manevr: ikki marta yo‘lak almashtirish,
• boshqaruv davri: 0,01 s,
• boshqaruv chastotasi: 100 Hz,
• MPC prediction/control horizon: 15 qadam.

Uch holat taqqoslangan: boshqaruvsiz transport vositasi; 4. va 5. o‘qlar faol boshqariladigan ARS/DYC; 2.–5. o‘qlar muvofiqlashtirilgan holda boshqariladigan AWS/DYC.

Yaw rate va sideslip qanchalik o‘zgardi?

AWS/DYC ostida yakuniy rulni qaytarish paytidagi yaw rate cho‘qqi qiymati 0,122 rad/s ichida ushlab turilgan. Manba buni boshqaruvsiz holatga nisbatan %41,04 va ARS/DYCga nisbatan %21,62 cho‘qqi bostirish deb hisobot qiladi.

Massa markazi sideslip burchagi AWS/DYC ostida ko‘pi bilan 0,0023 rad darajasida qolgan. Bu qiymat boshqaruvsiz holatga nisbatan %92,31, ARS/DYCga nisbatan %90,98 kamayishdir.

β–\(\dot{\beta}\) faza tekisligi qoplama maydoni boshqaruvsiz holatga nisbatan %99,69 va ARS/DYCga nisbatan %99,45 kichraygani bildirilgan.

Motor moment talabi haqiqatan kamayganmi?

Ha; yuqori tezlikli simulyatsiyada AWS/DYC ostida maksimal bitta g‘ildirak motor moment talabi 66,12 N·m deb topilgan. Bu qiymat ARS/DYC strategiyasidan %30,78 past va manbada sinov platformasidagi in-wheel motorning 70,0 N·m nominal chiqish qobiliyatidan past ekanligi ko‘rsatilgan.

Biroq boshqaruvchi dizaynida qo‘shimcha yaw momenti uchun \([-\infty,+\infty]\) oralig‘i ishlatilgan va motor momentiga to‘g‘ridan-to‘g‘ri chekli yuqori chegara qo‘yilmagan. Tadqiqotchilar buni kelajakda 50 tonna sinfidagi og‘ir maxsus transport vositalariga asos yaratish maqsadi bilan izohlaydi. Shuning uchun 66,12 N·m natijasi muayyan simulyatsiya sharoitida hosil bo‘lgan yechim qiymatidir; optimallashtirish boshidan 70 N·m bilan cheklangan natija emas.

Nega shina slip burchaklari muhim?

Verianla Live: Uch strategiyaning maksimal slip burchaklari manba tadqiqotining 20-rasm tahlilidan olingan.

ARS/DYC faqat oxirgi ikki o‘qdan foydalanganda orqa g‘ildiraklarda 11,9° gacha slip burchagi yuzaga keladi. Bu qiymat tadqiqotchilar taxminan 5° deb belgilagan chiziqli ish hududidan ancha yuqori.

AWS/DYC faol rul vazifasini to‘rtta o‘qqa taqsimlab, maksimal qiymatni 4,7° darajasida ushlab turadi. Tadqiqotchilar bu natijani shina kuch imkoniyatidan yanada muvozanatli foydalanish sifatida sharhlaydi.

Faol rul burchaklari qanchalik katta?

AWS/DYC uchun maksimal rul burchagi 0,079 rad, ya’ni taxminan 4,53°. Bu qiymat an’anaviy Ackermann geometriyasiga nisbatan kattaroq bo‘lsa-da, belgilangan ±10° aktuator chegarasi ichida.

ARS/DYCda to‘rtinchi va beshinchi o‘qlarning faol rul harakati bevosita 10° chegarasiga yetgan. Tadqiqotchilar cheklangan miqdordagi o‘qlarga jamlangan boshqaruv shina to‘yinishi va yeyilishi nuqtai nazaridan salbiyroq bo‘lishi mumkinligini ta’kidlaydi.

NN-MPC hisoblash vaqtini qanchalik kamaytiradi?

Verianla Live: Ishlash vaqtlar manba 3-jadvalidan olingan; PC ko-simulyatsiya vaqti bilan haqiqiy VCU ishlash vaqti teng deb qabul qilinmasligi kerak.

AWS/DYC/NN-MPC ko-simulyatsiyasi 8,42 s davom etgan, ARS/DYC/MPC esa 19,38 s davom etgan. Manba jami simulyatsiya vaqtida %56,55 kamayish, TruckSimning asosiy 6,97 s vaqti chiqarilganda esa faqat boshqaruv hisoblashlari nuqtai nazaridan %88,32 hisoblash samaradorligi oshishini hisobot qiladi.

Bu natija NN-MPCning onlayn hisoblash afzalligini qo‘llab-quvvatlaydi; biroq ikki taqqoslash tarmog‘ida boshqaruv arxitekturasi ham bir xil emas. ARS/DYC an’anaviy MPC, AWS/DYC esa NN-MPC ishlatadi.

Haqiqiy avtomobilda nima bo‘ldi?

Haqiqiy transport vositasi sinovi yopiq sinov maydonida, quruq beton ustida, taxminan μ = 0,8 yo‘l ilashish koeffitsientida va 35 km/soat tezlikda o‘tkazilgan. Manevr yana ikki marta yo‘lak almashtirishdir.

Uch strategiya ham maqsad yo‘lni qabul qilinadigan og‘ish bilan kuzata olgan. Bu past tezlikda yaw rate cho‘qqi qiymatlari orasidagi farqlar yuqori tezlikli simulyatsiyadagidek aniq bo‘lmagani manbada ochiq aytiladi.

AWS/DYCning eng kuchli haqiqiy avtomobil ta’siri sideslip burchagida kuzatilgan. Cho‘qqi sideslip burchagi boshqaruvsiz avtomobilga nisbatan %96,47, ARS/DYCga nisbatan %66,19 kamaytirilgan.

Motor momenti cho‘qqi qiymati ARS/DYCga nisbatan 8,64 N·m, ya’ni %33,59 past; faol rul cho‘qqi qiymati esa 0,048 rad, ya’ni %44,91 past bo‘lgan.

35 km/soat haqiqiy sinov 80 km/soat natijasini tasdiqlaydimi?

Faqat qisman. Haqiqiy sinov boshqaruv dasturining fizik transport vositasida qo‘llanilishi va past tezlikdagi yonlama harakatni yaxshilashi mumkinligini ko‘rsatadi. Biroq bu yuqori tezlikdagi 80 km/soat chetlab o‘tish manevrining fizik tasdig‘i emas.

Tadqiqotchilar ham xavfsizlik sabab haqiqiy avtomobil tajribalari past tezlikdagi barqaror sharoitlar bilan cheklanganini va kelajakda sinov tezliklarini oshirish zarurligini ochiq ta’kidlaydi.

Tadqiqot qo‘llab-quvvatlaydigan va qo‘llab-quvvatlamaydigan xulosalar

Tadqiqot qo‘llab-quvvatlaydigan xulosa: O‘rganilgan besh o‘qli sinov avtomobili va ishlatilgan TruckSim modeli doirasida faol rul vazifasini to‘rtta o‘qqa taqsimlaydigan AWS/DYC arxitekturasi yuqori tezlikli simulyatsiyada ARS/DYCga nisbatan pastroq avtomobil sideslip burchagi, pastroq motor moment talabi va yanada muvozanatli shina slip burchagi taqsimotini ta’minlagan. Past tezlikdagi haqiqiy avtomobil sinovi ham AWS/DYCning fizik platformada qo‘llanilishi mumkinligini va sideslip xatti-harakatini yaxshilaganini ko‘rsatadi.

Tadqiqot qo‘llab-quvvatlamaydigan xulosa: Tizim 50 tonna sinfidagi og‘ir transport vositasida tasdiqlanmagan; 80 km/soat yuqori tezlikli manevr haqiqiy avtomobilda sinovdan o‘tkazilmagan; fizik shina sinov stendidan aniqlangan LPV parametrlari ishlatilmagan; motor yoki rul aktuatori nosozliklarida xatoga chidamlilik tasdiqlanmagan; NN-MPCning barcha ko‘rilmagan yo‘l va avtomobil parametrlarida barqaror ishlashi isbotlanmagan.

Tadqiqot usuli va natijalari

Tadqiqot dizayni

Tadqiqot bir-biriga bog‘langan to‘rtta tasdiqlash qatlamidan iborat: haqiqiy transport vositasi ma’lumotlari bilan yuqori aniqlikdagi TruckSim modelini yaratish; boshqaruv uchun soddalashtirilgan 3-DOF + LPV shina modelini ishlab chiqish; ierarxik AWS/DYC + NN-MPC boshqaruv algoritmini loyihalash; yuqori tezlikli ko-simulyatsiya va past tezlikli haqiqiy avtomobil sinovi.

Modelni tasdiqlash natijalari

LPV shina modeli natijasi

Bu taqqoslashning referensi TruckSim shina ma’lumotlar bazasidir; mustaqil laboratoriya shina kuchi o‘lchovi emas.

Yuqori tezlikli simulyatsiya natijalari

Past tezlikli haqiqiy avtomobil natijalari

NN-MPCni o‘qitish usuli

Ma’lumotlar Z-score standartlashtirish bilan:

\[ x_{norm}= \frac{x-\mu_x}{\sigma_x} \]

ko‘rinishida normallashtirilgan.

Yo‘qotish funksiyasida tarmoq chiqish xatosiga qo‘shimcha ravishda boshqaruv cheklovlari buzilishini jazolovchi had ishlatilgan:

\[ L= \frac{1}{N} \sum_{i=1}^{N} \|y_i-\hat y_i\|_2^2 + \lambda \sum_j \max(0,g_j(\hat y_i)) \]

Manba birinchi NN-MPC versiyasi muvaffaqiyatsiz bo‘lgan chekka holatlarni MPC bilan qayta belgilab, ma’lumotlar to‘plamiga qo‘shadigan iterativ inkremental o‘qitish yondashuvidan foydalanadi. Biroq natijalar bo‘limida bu iteratsiyalar necha tur davom etgani, har bir turda nechta yangi namuna qo‘shilgani yoki mustaqil test to‘plamidagi yakuniy xato taqsimoti batafsil berilmagan.

Muhim uslubiy cheklovlar

• Yuqori tezlikdagi 80 km/soat ishlash faqat ko-simulyatsiyada tasdiqlangan.
• Haqiqiy transport vositasi boshqaruv sinovi 35 km/soat bilan cheklangan.
• LPV shina parametrlari fizik shina stendidan emas, TruckSimning virtual shina modelidan aniqlangan.
• LPV model parametrlari onlayn yangilanmaydi; shina harorati va yeyilish o‘zgarishlari kiritilmagan.
• NN-MPC o‘qitish ma’lumotlarining asosiy manbai simulyatsiya.
• Aktuator nosozliklarida fault-tolerant boshqaruv o‘rganilmagan.
• Yuqori tezlikli taqqoslashda ARS/DYC an’anaviy MPC, AWS/DYC esa NN-MPC ishlatgani uchun taqqoslash faqat faol o‘qlar sonini izolyatsiya qilmaydi.
• Boshqaruv modeli osma dinamikasi va havo qarshiligini soddalashtiradi.
• Haqiqiy transport vositasida ichki g‘ildirak kamber burchagidagi o‘zgarishlar kuzatilgan, biroq asosiy 3-DOF modeliga kiritilmagan.

Manba va usul eslatmasi

Asl tadqiqotning to‘liq nomi: Handling Stability Control for Multi-Axle Distributed Drive Vehicles Based on Model Predictive Control

Mualliflar va asl tartib: Hongjie Cheng; Zhenwei Hou; Zhihao Liu; Jianhua Li; Jiashuo Zhang; Yuan Zhao; Xiuyu Liu.

Mas’ul muallif: Zhenwei Hou.

Teng hissa/teng birinchi muallif: Manbada bunday bayonot yo‘q.

Muassasa: The National Key Discipline Laboratory of Armament Launch Theory & Technology, PLA Rocket Force University of Engineering, Xi’an 710025, China.

Jurnal: Vehicles.

Nashriyot: MDPI, Basel, Switzerland.

Jild / son / maqola: 8 / 2 / 26.

DOI: 10.3390/vehicles8020026.

Nashr jarayoni: 14 Noyabr 2025 da qabul qilingan, 20 Yanvar 2026 da qayta ko‘rib chiqilgan, 26 Yanvar 2026 da qabul qilingan va 1 Fevral 2026 da nashr etilgan.

Manba turi va hakamlik holati: Hakamlikdan o‘tgan tadqiqot maqolasidir. Yuqori aniqlikdagi transport vositasi simulyatsiyasi, model asosidagi va sun’iy neyron tarmoq asosidagi boshqaruv dizayni hamda past tezlikli haqiqiy transport vositasi tajribalarini birgalikda o‘z ichiga oladi.

Rasmiy havola:https://doi.org/10.3390/vehicles8020026

Litsenziya: Creative Commons Attribution (CC BY) ochiq kirish litsenziyasi.

Moliyalashtirish: Tadqiqot National Natural Science Foundation of China doirasidagi “Load-bearing and Stability Enhancement Control Technology for Multi-axle Distributed Drive Special Vehicles” loyihasi, 52472464-sonli grant; Young Star of Science and Technology in Shaanxi Province, 2025ZC-KJXX-84; va Sanqin Talent Special Support Program of Shaanxi Province tomonidan qo‘llab-quvvatlangan.

Ma’lumotlarning mavjudligi: Manba ma’lumotlar maqola ichida ekanini bildiradi.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvini bildirmagan.

Muallif hissalari: Konseptualizatsiya Z.H.; usul H.C.; dasturiy ta’minot Z.H.; tasdiqlash J.L. va J.Z.; dastlabki qoralama Y.Z.; ko‘rib chiqish va tahrirlash X.L.; loyiha boshqaruvi va moliyalashtirishni olish Z.L. tomonidan amalga oshirilgan.

Haqiqiy transport vositasi / simulyatsiya farqi: Eng kuchli yuqori tezlikli natijalar 80 km/soat TruckSim/Simulink ko-simulyatsiyasiga tegishli. Haqiqiy transport vositasi tasdiqlashi 35 km/soat bilan cheklangan. Shu sababli yuqori tezlikdagi foizli yaxshilanishlar fizik 80 km/soat sinovi sifatida taqdim etilmasligi kerak.

LPV shina modeli tasdiqlash chegarasi: LPV parametrlarini aniqlash va tasdiqlashda referens sifatida TruckSimning o‘rnatilgan 175/65 R14 shina modeli ishlatilgan. Tadqiqot mustaqil fizik shina sinov stendidan kuch–slip egri chizig‘ini hisobot qilmaydi.

Tarmoq parametrlar soni eslatmasi: Manba 4–64–64–32–5 to‘liq bog‘langan tarmoq uchun 6568 parametrni bildiradi. Standart matritsa hisobida faqat og‘irliklar 6560, bias hadlari bilan jami 6725 parametr hosil bo‘ladi. Manba 6568 sonining hisoblash usulini tushuntirmaydi.

Holat fazosi notatsiyasi eslatmasi: 23-tenglamada LPV shina modeliga bog‘liq ζ_i koeffitsientlari ishlatilgan, 24-tenglamaning matritsa ko‘rinishida esa tushuntirishsiz yagona C koeffitsientiga o‘tilgan. Bundan tashqari holatlar tartibi bir joyda [β, ω_z]^T, 39-tenglama oldidan esa [ω_z, β]^T tarzida berilgan. Bu farqlar yashirincha birlashtirilmagan.

Kvadratik dasturlash cheklovi eslatmasi: Manba 40-tenglamada [I; −I]U tengsizlikning o‘ng tomonini [U_max; U_min] ko‘rinishida yozadi. Pastki chegaraning ishora o‘zgarishi alohida tushuntirilmagan. Verianla manba tenglamasini qayta chiqarib o‘zgartirmagan.

Motor moment chegarasi eslatmasi: MPC dizaynida qo‘shimcha yaw momenti uchun chekli chegara belgilanmagan. Yuqori tezlikli simulyatsiyada hosil bo‘lgan 66,12 N·m cho‘qqi qiymatining 70 N·m nominal motor imkoniyatidan past qolishi natijadan keyin bajarilgan muhandislik tekshiruvidir; motor imkoniyati optimallashtirishning bevosita cheklovi emas.

Massa ta’rifi eslatmasi: 1-jadval transport vositasi massasini 1450 kg deb beradi va keyingi bo‘lim 500 kg nominal yukni tilga oladi; boshqa bo‘lim tadqiqot obyektini 1,7 t transport vositasi deb ta’riflaydi. Manba bu uch massa ifodasining o‘zaro munosabatini batafsil tushuntirmaydi.

Boshqaruv taqqoslash chegarasi: Yuqori tezlikli taqqoslashda ARS/DYC an’anaviy MPC, AWS/DYC esa NN-MPC bilan amalga oshiriladi. Shu sababli ishlash farqi faqat orqa g‘ildirak boshqaruvi bilan barcha g‘ildirak boshqaruvi o‘rtasidagi geometrik farqning sof ablyatsiyasi emas.

Real vaqt cheklovi: 6,97 s, 19,38 s va 8,42 s vaqtlar Intel Ultra 7 protsessori va 32 GB RAM ishlatilgan PC asosidagi 10 soniyalik ko-simulyatsiya o‘lchovlaridir. Tadqiqot haqiqiy transport vositasi VCU apparatining batafsil protsessor modeli va barcha sikllarning vaqt taqsimotini hisobot qilmaydi.

Kelajak ishlarining chegaralari: Tadqiqotchilar shina yeyilishi va haroratiga bog‘liq onlayn LPV parametr yangilashni, NN-MPCning haqiqiy ekspluatatsiya sharoitlaridagi umumlashuvini hamda yakka/ko‘p motor yoki rul aktuatori nosozliklarida faol xatoga chidamli boshqaruvni kelajakda ko‘rib chiqilishi kerak bo‘lgan asosiy mavzular sifatida ko‘rsatadi.

Ushbu Verianla izohidagi texnik topilmalar, sonli natijalar, matematik modellar va cheklovlar faqat ko‘rib chiqilgan tadqiqotga asoslanadi. Tashqi tekshiruv faqat bibliografik identifikatsiya va jurnalning hakamlikdan o‘tgan nashr holatini tekshirish maqsadida ishlatilgan; tadqiqotga tashqi manbalardan yangi transport vositasi ishlashi yoki boshqaruv natijasi qo‘shilmagan.