ارائه یک الگوریتم نوین برخط برای تشخیص نوع سطح در سامانه ترمز ضدقفل

در دهه ‌های اخیر، تکامل و توسعه فناوری خودروها در جهت افزایش ایمنی و امنیت برای راننده و سرنشینان خودرو نقش مهمی داشته است، یکی از فناوری ‌های برجسته ای که به افزایش ایمنی در خودروها کمک به سزایی می کند، ترمز ضد قفل  می باشد که این سامانه تاثیر قابل توجه ای در افزایش امنیت در زمان ترمز گیری، کاهش مسافت خط ترمز و کنترل بهتر خودرو در شرایط سطوح مختلف ترمز گیری دارد. در این مقاله، یک الگوریتم برخط نوین برای بهبود عملکرد سامانه‌های ترمز ضد قفل (abs) معرفی می‌شود که از داده‌های عملی به جای مدل‌سازی ریاضی پیچیده بهره می‌برد، به عبارتی برخلاف مدل‌سازی‌های سنتی که به مدل‌های نیمه‌خودرو و شبیه‌سازی‌های دینامیکی لاستیک متکی هستند، این پژوهش از داده‌های واقعی چرخ‌ها برای توسعه و بهینه‌سازی الگوریتم‌ها استفاده می‌کند که این رویکرد باعث افزایش حساسیت و تطبیق‌پذیری الگوریتم نسبت به تغییرات واقعی جاده و شرایط مختلف عملیاتی می‌شود. از طرفی به‌طور موثر به شناسایی و تحلیل پدیده‌های jump و split پرداخته شده‌است که در سایر مقالات به‌طور اختصاصی پرداخته نشده‌است. این روش، که با استفاده از مدل‌های تحلیلی و تجربی آزمایش و اعتبارسنجی شده است و در شرایطی که حسگرهای شتاب در دسترس نیستند، دقت بالایی را در تخمین شتاب ارائه می‌دهد و می‌تواند پاسخ‌هایی با دقت مناسب در شرایط متغیر ترمزگیری ارائه دهد. نتایج شبیه‌ سازی الگوریتم بر روی داده‌ های تست عملی نشان از آن دارد که این الگوریتم باتوجه به کاهش تقریباً 49.1 درصدی در زمان تشخیص با سرعتی بیشتر نسبت به سایر الگوریتم ‌ها عمل می‌کند و مزیت‌های قابل توجهی از جمله کاهش خط ترمزگیری، کاهش هزینه‌های محاساباتی سامانه را فراهم می‌آورد.

introducing a new online algorithm to detect the type of surface in the anti-lock braking system

in recent decades, the evolution and advancement of automotive technology have played a crucial role in enhancing the safety and security of drivers and passengers. one prominent technology that significantly contributes to vehicle safety is the anti-lock braking system (abs), which notably improves safety during braking, reduces braking distances, and enhances vehicle control across various road surface conditions. this paper introduces an innovative real-time algorithm aimed at improving the performance of abs systems, leveraging practical data instead of complex mathematical modeling. unlike traditional modeling approaches that rely on half car model and dynamic tire simulations, this study utilizes actual wheel data to develop and optimize the algorithms. this approach enhances the sensitivity and adaptability of the algorithm to real-world road changes and varying operational conditions. furthermore, the method effectively addresses and analyzes the phenomena of jump and split, which have not been specifically tackled in other studies. validated through both analytical and empirical models, this approach provides high accuracy in estimating acceleration in scenarios where accelerometer sensors are unavailable. it offers precise responses under varying braking conditions. simulation results of the algorithm using practical test data indicate that it achieves approximately 49.1% faster detection times compared to other algorithms, offering significant advantages such as reduced braking distances and lower computational costs.