تشخیص عیوب بر مبنای مدل و رفتار دینامیکی سیستم تعلیق خودرو

در این پژوهش بهمنظور افزایش ایمنی و قابلیت اعتماد خودرو، روشی نو و کارآمد بر مبنای مدل و رفتار دینامیکی آن باقابلیت کاربرد عملی برای تشخیص دقیق و سریع عیوب سیستم تعلیق معرفی شده است. تاکنون روشهای متنوعی برای شناسایی عیوب سیستم تعلیق ارائه شده است که اکثر آنها شامل الگوریتم های پیچیده و فاقد کاربری مناسب در عمل می باشند. در روش پیشنهادی نیازی به استفاده از تجهیزات و آزمون های خاص جهت تشخیص عیوب نبوده و در صورت بروز عیب، در حین عبور خودرو از موانعی با دارا بودن آستانه تحریک الزم همانند سرعت گیرهای جاده، امکان اعالم هشدار به کاربر فراهم و موقعیت و اندازه آن تعیین می شود. طراحی ساختار مناسب و به کارگیری شبکه های عصبی فازی برای شناسایی عیوب نقش مهمی در کاهش خطای ردیابی آنها نشان می دهند. کاهش تعداد و نوع حسگرهای مورداستفاده (فقط شتاب سنج) و عدم اتکا به نرخ داده برداری باال از مزیت های دیگر روش پیشنهادی به شمار رفته، موجب استفاده آسان و کم هزینه می شوند. پس از بررسی میزان اثرگذاری شرایط و عوامل مختلف و انتخاب پارامترهای مناسب در فرایند تشخیص عیوب سیستم تعلیق، صحه گذاری عملکرد و قابلیت پیاده سازی سیستم عیب یاب با طرح و انجام آزمایشات بررسی و نتایج تایید می شود.

Fault Diagnosis Based on Model and Dynamic Behavior of Vehicle Suspension System

This research, proposes a new effective and practical method, based on the model and dynamic behavior of vehicles for accurate and fast fault diagnoses of their suspension system. So far, a variety of complicated and impractical algorithms have been presented to identify the suspension system faults. In this method, there is no need to use special equipment and tests to diagnosis the fault, in the event of fault appearance, whenever the vehicle passes over obstacles with a necessary excitation threshold such as a speed bumper, the user is alerted, accordingly the position and size of the fault are determined. Designing a suitable structure and using neuralfuzzy networks to identify faults plays an important role in reducing the error of fault diagnosis. Reducing the number, type of sensors (using only the accelerometer sensor), not relying on high sample rates, lowcost and easy to use are other advantages of the proposed method. The fault diagnosis system performance and implementation ability is verified and confirmed by designing and conducting different experiments.