Aktif süspansiyon sistemlerinin yapay sinir ağları ile kontrolü

Abstract

ÖZET Bu çalışmada, pasif ve aktif süspansiyon sistemleri incelenmiştir. Hesaplamalarda, iki serbestlik dereceli taşıt 1/4 gövde modeli kullanılmıştır. Sinüzoidal yol fonksiyonlarında, taşıtın aksında ve gövdesinde meydana gelen titreşimler, her yol frekans değeri için ayrı ayrı hesaplanmıştır. Standartlarda en çok kullanılan sayısal değerler (yay, sönüm ve ağırlıklar için) alınarak bu işlemler yürütülmüştür. Önce pasif sistem olarak inceleme yapılmış ve titreşimler grafik halinde ifade edilmiştir. Yolcu konforu esas alınarak, bu titreşimlerden yalnız gövdenin titreşimi üzerinde durulmuş ve bu titreşimi ortadan kaldıracak bir aktif süspansiyon dizaynı tasarlanmıştır. Titreşimleri sıfır yapacak kontrol kuvvetleri, teorik olarak hesaplanmıştır. Son kısımda, belli genlik ve frekanslara göre elde edilen veriler, yapay sinir ağı uygulamalarıyla bilgisayara öğretilmiş ve başka genlik durumlarında gereken kontrol kuvveti değerlerini çabuk bir biçimde hesaplayan program geliştirilmiştir.

ABSTRACT The increase of driving speed and comfort demand have resulted in extensive research on vibration control of vehicle systems. In this work, passive and active suspension systems have been examined. A quarter body model and sinusoidal road function were used in defining the system and deriving the required equations. First, a conventional passive system was studied by using specific vehicle parameters (a standard passenger car). The deflections of axes and vehicle body were calculated as a function of road frequency and road deflection. In this work, only passenger comfort was considered, and so, a solution was searched to eliminate the body deflection of the car. An active suspension design was developed to interfere the vibration and damping of the system by a force applicator device called actuator. The control force values were calculated for the above conditions. In the last part, the input (road frequency and deflection) values and the output (control force) values were taught to an Artificial Neural Network computer program. The program gives answers for different input values in a very short execution time.