پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 607 |
| تعداد مقالات | 8,987 |
| تعداد مشاهده مقاله | 66,993,360 |
| تعداد دریافت فایل اصل مقاله | 7,582,734 |
کنترل مد لغزشی فازی برای ردیابی پروفایل بهینه سرعت قطار با وجود نامعینی | ||
| مدل سازی در مهندسی | ||
| دوره 20، شماره 68، فروردین 1401، صفحه 139-152 اصل مقاله (1.25 M) | ||
| نوع مقاله: مقاله برق | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2021.23416.2095 | ||
| نویسندگان | ||
| مجتبی رادمهر* 1؛ حسن زرآبادی پور2 | ||
| 1دانشگاه دانش البرز | ||
| 2گروه مهندسی برق کنترل، دانشکده فنی مهندسی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران | ||
| تاریخ دریافت: 31 اردیبهشت 1400، تاریخ بازنگری: 22 شهریور 1400، تاریخ پذیرش: 29 شهریور 1400 | ||
| چکیده | ||
| با توجه به اینکه عامل اصلی مصرف انرژی در قطار، سیستم کششی است و مقدار نیروی مورد نیاز جهت حرکت قطار نیز رابطه مستقیم با سرعت آن دارد، بنابراین انتخاب پروفایل بهینه برای سرعت حرکت قطار در مسیر بین ایستگاه‌ها و طراحی کنترلر مناسب جهت ردیابی دقیق پروفایل بهینه سرعت قطار، می‌تواند تعیین‌کننده مقدار انرژی مصرفی باشد. کنترل یک قطار شامل ترم‌های غیرخطی، نامعینی و اغتشاش‌های خارجی می‌باشد که باید در طراحی قانون‌های کنترلی مدنظر قرار گیرند. در این مقاله به ارائه یک استراتژی کنترلی برای ردیابی پروفایل بهینه سرعت قطار بر اساس کنترل مد لغزشی فازی می‌پردازیم. انگیزه اصلی استفاده از کنترل مد لغزشی در سیستم‌های غیرخطی، مقاوم بودن آن در مقابل نامعینی‌های پارامتری، دینامیک‌های مدل نشده، اغتشاشات خارجی و همچنین سادگی طراحی آن می‌باشد. با این وجود، بروز پدیده چترینگ، مهمترین عامل محدود‌کننده برای استفاده از این روش کنترلی می‌باشد. در این مقاله برای حذف چترینگ، از کنترل فازی جهت تخمین سیگنال کنترل دسترسی استفاده شده است و پایداری کل سیستم نیز بر اساس قضیه پایداری لیاپانوف تضمین می‌گردد. شبیه‌سازی‌های عددی با استفاده از مدل غیرخطی دینامیک قطار با وجود نامعینی و اغتشاش و مقایسه آن با کنترل مد لغزشی مرسوم، مؤثر بودن روش کنترل مد لغزشی فازی را در ردیابی پروفایل بهینه سرعت قطار نشان می‌دهد. | ||
| کلیدواژه‌ها | ||
| کنترل مد لغزشی؛ کنترل فازی؛ کنترل مد لغزشی فازی؛ لرزش؛ پروفایل سرعت قطار | ||
| عنوان مقاله [English] | ||
| Fuzzy Sliding Mode Control for Tracking the Optimal profile of Train Speed in the Presence of Uncertainty | ||
| نویسندگان [English] | ||
| Mojtaba Radmehr1؛ hassan zarabadipour2 | ||
| 1Danesh Alborz University | ||
| 2Department of Electrical Control Engineering, Faculty of Engineering, Imam Khomeini International University, Qazvin, Iran | ||
| چکیده [English] | ||
| Considering that the traction system is main factor of energy consumption in the train, and amount of force required for moving the train is directly related to its speed, therefore, the optimal profile selection for the speed of the train movement, in the path between the stations and the design of the controller for accurate tracing The optimal profile of the train speed, can be a determinant of the amount of energy consumed. Control of a train includes the non-linear, uncertainty and external disturbances terms that should be considered in the design of control rules. In this thesis, we present a control strategy for tracking optimal profile of train speed, based on the fuzzy sliding mode control (FSMC). The main motive of use the Sliding Mode Control (SMC), in non-linear systems, its resistance to parametric uncertainties, unmodeled dynamics, external disturbances and as well as the simplicity of its design. However, the occurrence of chattering phenomenon is the most important limiting factors the use of this control method. In this thesis to remove the chattering, fuzzy control is used to estimate the reaching control signal and the stability of the entire system is also guaranteed on the basis of the Lyapunov stability theorem Numerical simulations using the nonlinear dynamics model of the train, despite the uncertainty and disturbance, and comparing it with the conventional SMC, show the effectiveness of the FSMC method in tracing the optimal train speed profile. | ||
| کلیدواژه‌ها [English] | ||
| Sliding Mode Control, Fuzzy Control Fuzzy Sliding Mode Control, Chattering, Speed Train Profile | ||
| مراجع | ||
|
[1] M. Miyatake, and H. Ko, "Optimization of train speed profile for minimum energy consumption", IEEJ Transactions on Electrical and Electronic Engineering, Vol. 5, No. 3, April 2010, pp. 263-269. [2] Z. Xiao, Z. Zhao, Q. Wang, P. Sun, and X. Feng, "Speed Trajectory Optimization [3] H. Yang, Y. Fu, and D. Wang, "Multi-ANFIS Model Based Synchronous Tracking Control of High-Speed Electric Multiple Unit", IEEE Transactions on Fuzzy Systems, Vol. 26, No. 3, June 2018, pp. 1472-1484. [4] Q. Pu, X. Zhu, J. Liu, D. Cai, G. Fu, D. Wei, J. Sun, and R. Zhang, "Integrated Optimal Design of Speed Profile and Fuzzy PID Controller for Train With Multifactor Consideration", IEEE Access, Vol. 8, August 2020, pp. 152146-152160. [5] P. Wang, and R. M. P. Goverde, "Multi-train trajectory optimization for energy-efficient timetabling", European Journal of Operational Research, Vol. 272, No. 2, January 2019, pp. 621-635. [6] سجاد صدر، داود عرب خابوری و مصطفی نمازی، "مدل سازی سیستم کنترل سرعت قطار الکتریکی با لحاظ لغزش چرخ بر روی ریل"، نشریه مدل‌سازی در مهندسی، دوره 14، شماره 47، زمستان 1395، صفحه 255- 266. [7] S. Su, T. Tang, and X. Li, "Driving strategy optimization for trains in subway systems", Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, Vol. 232, No. 2, February 2018, pp. 369-383. [8] H. Ye, and R. Liu, "A multiphase optimal control method for multi-train control and scheduling on railway lines", Transportation Research Part B: Methodological, Vol. 93, No. 1, November 2016, pp. 377-393. [9] M. Ganesan, D. Ezhilarasi, and J. Benni, "Second-order sliding mode controller with model reference adaptation for automatic train operation", Vehicle System Dynamics, Vol. 55, No. 11, June 2017, pp. 1764-1786. [10] T. Sun, and L. He, " Implicit Generalized Predictive Control Method For High-Speed Train", Journal of Physics: Conference Series, 2021, 1861(012111). [11] W. ShangGuan, J. Wang, Z. Sheng, X-X. Yu, B. G. Cai, and J.Wang, "Adaptive Fuzzy Planning of Optimal Speed Profiles for High-Speed Train Operation on the Basis of a Pareto Set", Transportation Research Record Vol. 2546, No. 1, January 2016, pp. 103-111. [12] C. Xiangxian, Z. Yue and H. Hai, "Train Speed Control Algorithm Based on PID Controller and Single-Neuron PID Controller," 2010 Second WRI Global Congress on Intelligent Systems, 2010, pp. 107-110. [13] روح اله مقصودی، یعقوب حیدری و بهزاد مشیری، "یک تحلیل مقایسهای از الگوریتمهای هوش جمعی کلونی زنبور مصنوعی و بهینهسازی گروهی ذرات در طراحی یک کنترلکننده PID فازی کسری و پیادهسازی آن بر روی موتورDC"، نشریه مدل‌سازی در مهندسی، دوره 11، شماره 35، زمستان 1392، صفحه 11- 23. [14] V. I. Utkin, "Sliding Modes and Their Application to Variable Structure Systems", MIR Publishing Inc, Moscow, 1978. [15] J. J. E. Slotine, and W. Li, "Applied Nonlinear Control ", New Jersey: Prentice Hall, 1991. [16] S. K. Spurgeon, "Choice of discontinuous control component for robust sliding mode performance", International Journal of Control, Vol. 53, No. 1, 1991, pp. 163-179. [17] S. Y. Wang, C. M. Hong, C. C. Liu, and W. T. Yang, "Design of a static reactive power compensator using fuzzy sliding mode control", International Journal of Control, Vol. 63, No. 2, 1996, pp. 393-412. [18] Y.S. Lu, and J.S. Chen, "A self-organizing fuzzy sliding-mode controller design for a class of nonlinear servo systems", IEEE Transactions on Industrial Electronics, Vol. 41, No. 5, October 1994, pp. 492-502. [19] L. A. Zadeh, " Fuzzy sets", Information and Control, Vol. 8, No. 3, 1965, pp. 338-353. [20] H. T. Yau, and C. L. Chen, "Chattering-free fuzzy sliding-mode control strategy for uncertain chaotic systems", Chaos, Solitons and Fractals, Vol. 30, No. 3, November 2006, pp. 709-718. [21] L. Guzzella, and A. Sciarretta, "Vehicle Propulsion Systems, Introduction to Modeling and Optimization", Springer Berlin Heidelberg, second edition, 2007. [22] H. Douglas, P. Weston, D. Kirkwood, S. Hillmansen, and C. Roberts, "Method for validating the train motion equations used for passenger rail vehicle simulation. Proceedings of the Institution of Mechanical Engineer", Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, Vol. 231, No. 4, 2017, pp. 455-469. [23] B. P. Rochard, and F. Schmid, "A review of methods to measure and calculate train resistances", Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, Vol. 214, No. 4, 2000, pp. 185-199. [24] C. J. Goodman, "Basic physics of traction and train performance calculations", MSc programme in railway systems engineering, University of Sheffield, 1995. [25] Q. Y. Wang, P. Wu, Z. C. Liang, and X. Y. Feng, "The hierarchical real-time control of high speed trains for automatic train operation", Computers in Railways, Vol. 135, No. 1, 2014, pp. 17-36. [26] W. Gao, and J. C. Hung, "Variable structure control of nonlinear system: A new approach", IEEE Transactions on Industrial Electronics, Vol. 40, No. 3, 1993, pp. 45-55. [27] M. Roopaei, and M. Zolghadri Jahromi, "Chattering-free fuzzy sliding mode control in MIMO uncertain systems", Nonlinear Analysis: Theory, Methods & Applications, Vol. 71, No. 10, 2009, pp. 4430-4437. [28] علی دهقانی فیل ابادی و غلامرضا حسامیان، "یک روش پیشنهادی برای رتبه بندی فازی در تصمیم گیری چند شاخصه چند دوره ای در محیط فازی نوع-2"، نشریه مدل‌سازی در مهندسی، دوره 17، شماره 59، زمستان 1398، صفحه 47- 65. [29] Y. R. Hwang and M. Tomizuka, "Fuzzy smoothing algorithms for variable structure systems", IEEE Transactions on Fuzzy Systems, Vol. 2, No. 4, Nov. 1994, pp. 277-284. [30] K. Erbatur, O. Kaynak, A. Sabanovic, and I. Rudas, "Fuzzy adaptive sliding mode control of a direct drive robot", Robotics and Autonomous Systems, Vol. 19, No. 2, 1996, pp. 215-227. [31] C. Y. Liang, and S. W. Tan, "A New Approach to Chattering Reduction in the Sliding Mode Controls", Second International Conference on Innovative Computing, Information and Control (ICICIC 2007), 2007, pp. 334-334. [32] J. S. R. Jang, C. T. Sun, and E. Mizutani, "Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence", Prentice Hall, 1997. [33] L. X. Wang, "A Course in Fuzzy Systems and Control", Prentice-Hall, Upper Saddle River, 1997. [34] P. Gkortzas, "Study on optimal train movement for minimum energy consumption", Master thesis work, malardalen University, Sweden, 2013. | ||
|
آمار تعداد مشاهده مقاله: 524 تعداد دریافت فایل اصل مقاله: 203 |
||