مدل پيشگوي برخط حداقل مربعات متحرك براي سيستم تعليق دو درجه آزادي خودرو با استفاده از كنترل‌كننده فازي تطبيقي بهينه

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

در اين مقاله، روش درون‌ يابي حداقل مربعات متحرك براي تقريب پارامترهاي كنترل‌كننده فازي تطبيقي در يك سيستم تعليق دو درجه آزادي با پارامتر متغير جرم بدنه پيشنهاد شده است. در طراحي روش كنترلي پيشنهادي، دو سيستم فازي كه هر كدام دو ورودي و يك خروجي به همراه بيست و پنج قانون اگر-آنگاه فازي مي‌باشد، در نظر گرفته شده است. با استفاده از پنج تابع عضويت گاووسي براي هر ورودي، فازي‌ساز منفرد، موتور استنتاج حاصلضرب و غير‌فازي‌ساز ميانگين مراكز، سيستم‌هاي فازي طراحي شده‌اند. سيستم‌هاي فازي ساخته شده با قوانين انطباق تركيب مي‌شوند. براي اين منظور، تئوري لياپانوف براي پايداري قوانين انطباق اعمال شده است. براي بدست آوردن پارامترهاي بهينه‌ي كنترل‌كننده، الگوريتم بهينه‌سازي جستجوي گرانشي بكار برده شده است. در اين الگوريتم مجموع وزن‌دار دو هدف جابجايي نسبي بين جرم فنر‌بندي شده و تاير و همچنين شتاب بدنه به عنوان تابع هدف مورد استفاده قرار گرفته است. از آنجا كه انتخاب ضرايب مناسب كنترل‌كننده حائز اهميت است و همچنين هنگامي كه پارامتر سيستم تغيير پيدا كند، ضرايب بهينه كنترل‌كننده نيز تغيير مي يابند. براي حل اين مشكل، مدل پيشگوي حداقل مربعات متحرك پيشنهاد شده است كه نوعي روش درون‌يابي بر اساس شعاع همسايگي، تابع پايه و تابع وزن براي نقاط مورد نظر مسأله است. در نهايت مدل برخط حاصل، بر سيستم تعليق دو درجه آزادي اعمال شده و نتايج با سيستم‌هاي بهينه بدون تقريبگر مقايسه شده است.

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 twenty-five linguistic fuzzy IF-THEN 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.