یک روش تخمین جدید ضریب اصطکاک جاده و نسبت لغزش بهینه چرخ در کنترل دینامیک طولی و عرضی خودرو با استفاده از سیستم‌های فرمان و ترمز فعال

در این مقاله، یک سیستم کنترل یکپارچه دینامیک طولی، عرضی و چرخشی خودرو با استفاده از سیستم‌های ترمز فعال و فرمان جلو‌ فعال ارائه می‌شود. سیستم ترمز فعال طراحی‌شده بر اساس کنترل مود لغزشی، دارای دو حالت کاری ترمز ضدقفل و کنترل پایداری الکترونیکی می‌باشد و از یک کنترل‌کننده فازی در سیستم فرمان جلو فعال استفاده شده است. همچنین، جهت تخمین متغیرهای دینامیکی خودرو، یک تخمین‌گر غیرخطی با استفاده از فیلتر کالمن آنسنتد به‌کار گرفته می‌شود. با توجه به مقادیر تخمین‌زده‌شده و مدل تایر داگوف، ضریب اصطکاک جاده محاسبه می‌شود. از آنجا که عملکرد سیستم ترمز ضدقفل در جهت کاهش مسافت توقف به مقدار نسبت لغزش بهینه چرخ وابسته است، یک سیستم فازی عصبی تطبیقی برای بدست آوردن این مقدار بهینه طراحی شده است. ضریب اصطکاک جاده، سرعت طولی و بار عمودی هر یک از چرخ‌ها، ورودی‌های سیستم فازی عصبی تطبیقی می‌باشند. در قسمت شبیه‌سازی ابتدا عمل ترمزگیری شدید روی جاده مستقیم با ضریب اصطکاک متغیر طی رانندگی مورد بررسی قرار می‌گیرد که نتایج آن، حاکی از عملکرد دقیق تخمین‌گر ضریب اصطکاک و نسبت لغزش بهینه چرخ دارد و باعث کاهش زیادی در فاصله و زمان توقف در مقایسه با خودرو بدون تخمین‌گر شده است. سپس، شبیه‌سازی جاده با ضریب اصطکاک متفاوت برای چرخ‌های طرفین خودرو انجام شده که نشان می‌دهد، کنترل یکپارچه سیستم‌های ترمز ضدقفل، کنترل پایداری الکترونیکی و فرمان جلو فعال به همراه تخمین‌گرهای مذکور، می‌تواند علاوه بر بهبود پایداری جانبی و چرخشی، سبب کاهش فاصله توقف نیز شود.

A new estimation approach of road friction coefficient and optimum wheel slip ratio for longitudinal and lateral vehicle dynamics control using active steering and braking

In this paper, an integrated control system of longitudinal, lateral and yaw vehicle dynamics is presented using active braking and active front steering (AFS) systems. The proposed active braking system based on sliding mode controller, includes two kinds of working modes of antilocked brake and (ABS) and an electronic stability control (ESC) and a fuzzy controller has been used in the AFS system. Also, a nonlinear estimator utilising unscented Kalman filter is applied to estimate the vehicle dynamics variables. According to the estimated values and Dugoff tire model, the tireroad friction coefficient is calculated. Since the ABS performance for shortening the stopping distance is dependent on the optimum wheel slip ratio, an adaptive neurofuzzy inference system (ANFIS) is proposed to obtain the optimum value. The tireroad friction coefficient, longitudinal velocity and the vertical load of each wheel are considered as the ANFIS inputs. In the simulation part, first, the hard braking action in straight line on the roads with various friction coefficients during driving is investigated, which results in high precision of the estimator for the friction coefficient and optimum wheel slip ratio, and greatly reduced the distance and stopping time in comparison to the vehicle without estimator. Then, simulation of splitμ roads has been carried out which demonstrates the integrated control of ABS, ESC and AFS systems associated with the mentioned estimators can, in addition to improving the lateral and yaw stability, also decrease the stopping distance.