مدل پیشگوی برخط حداقل مربعات متحرک برای سیستم تعلیق دو درجه آزادی خودرو با استفاده از کنترل‌کننده فازی تطبیقی بهینه

در این مقاله، روش درون‌یابی حداقل مربعات متحرک برای تقریب پارامترهای کنترل‌کننده فازی تطبیقی در یک سیستم تعلیق دو درجه آزادی با پارامتر متغیر جرم بدنه پیشنهاد شده است. در طراحی روش کنترلی پیشنهادی، دو سیستم فازی که هر کدام دو ورودی و یک خروجی به همراه بیست و پنج قانون اگرآنگاه فازی می‌باشد، در نظر گرفته شده است. با استفاده از پنج تابع عضویت گاووسی برای هر ورودی، فازی‌ساز منفرد، موتور استنتاج حاصلضرب و غیر‌فازی‌ساز میانگین مراکز، سیستم‌های فازی طراحی شده‌اند. سیستم‌های فازی ساخته شده با قوانین انطباق ترکیب می‌شوند. برای این منظور، تئوری لیاپانوف برای پایداری قوانین انطباق اعمال شده است. برای بدست آوردن پارامترهای بهینه‌ی کنترل‌کننده، الگوریتم بهینه‌سازی جستجوی گرانشی بکار برده شده است. در این الگوریتم مجموع وزن‌دار دو هدف جابجایی نسبی بین جرم فنر‌بندی شده و تایر و همچنین شتاب بدنه به عنوان تابع هدف مورد استفاده قرار گرفته است. از آنجا که انتخاب ضرایب مناسب کنترل‌کننده حائز اهمیت است و همچنین هنگامی که پارامتر سیستم تغییر پیدا کند، ضرایب بهینه کنترل‌کننده نیز تغییر میابند. برای حل این مشکل، مدل پیشگوی حداقل مربعات متحرک پیشنهاد شده است که نوعی روش درون‌یابی بر اساس شعاع همسایگی، تابع پایه و تابع وزن برای نقاط مورد نظر مساله است. در نهایت مدل برخط حاصل، بر سیستم تعلیق دو درجه آزادی اعمال شده و نتایج با سیستم‌های بهینه بدون تقریبگر مقایسه شده است.

Moving least square online predictive model for two degrees of freedom suspension system using optimal adaptive fuzzy controller

The Moving Least Square (MLS) interpolation method is proposed for approximation of adaptive fuzzy controller parameters for two degrees of freedom suspension system and each one has two inputs, one output with twentyfive linguistic fuzzy IFTHEN rules. Fuzzy systems are designed by using five Gaussian membership functions for each input, product inference engine, singleton fuzzifier and center average defuzzifier. The constructed fuzzy systems is composed with adaptation rules. For this purpose, Lyapunove approach is implemented for stability of the adaptation rules. The Gravity Search Algorithm (GSA) is implemented for achieve the optimum controller parameters. The relative displacement between sprung mass and tire and the body acceleration are two objective functions used in the optimization algorithm. Since, choose the suitable controller coefficients are important and when the parameter of the system change, Optimum coefficients of the controller will also change. In order to solve this obstacle, the MLS predictive model is purposed that is interpolation method based on a radius of the neighborhood, a basis function and a weight function for points of interest. Finally online model is implemented on the two degrees of freedom suspension system and results compared with the offline optimal systems.