طراحي واحد شناسايي سيكل‌ رانندگي فازي جهت استفاده در استراتژي كنترل هوشمند خودروهاي هيبريد

Design of a fuzzy driving cycle identification unit for intelligent control strategy of hybrid Vehicles

طراحي يك استراتژي كنترل كه براي عملكرد يك سيستم قواي‌محركه هيبريد در انواع جاده‌ها و سيكل‌هاي حركتي مناسب باشد، يكي از زمينه‌هاي چالش‌برانگيز در حوزه خودروهاي هيبريد است. استراتژي‌هاي كنترلي هوشمند پاسخي به اين نياز هستند. در يك استراتژي كنترل هوشمند، سيگنال‌هاي كنترلي موردنياز با توجه به نوع سيكل رانندگي كه خودرو در آن حركت مي‌كند، تعيين مي‌شوند. اين مهم با كمك يك واحد شناسايي سيكل رانندگي انجام مي‌شود.‌ در اين مقاله، روند طراحي يك واحد شناسايي سيكل رانندگي كه عملكرد آن براساس منطق فازي مي‌باشد، ارايه شده‌ است. ايده‌ اصلي آن است كه هر سيكل رانندگي با يك درجه عضويت مشخص، شبيه به سيكل‌هاي رانندگي مرجع مي‌باشد. بر اين ‌اساس متناظر با درجات شباهت هريك از سيكل‌هاي رانندگي مرجع، استراتژي كنترل سيستم قواي محركه هيبريد متاثر از استراتژي بهينه طراحي‌ شده براي آن سيكل مرجع است. در اينجا، با تعيين مجموعه مشخصات رانندگي مناسب از طريق يك الگوريتم انتخاب ‌مشخصه، شناسايي سيكل رانندگي صورت گرفته ‌است. همچنين درجات عضويت فازي متناظر با سيكل‌هاي مرجع با استفاده از الگوريتم خوشه‌بندي فازي تعيين شده ‌است. در پايان، كيفيت عملكرد واحد شناسايي سيكل فازي طراحي‌شده بررسي شده ‌است.

Design of a suitable Control Strategy for operating a hybrid propulsion system in different types of roads and driving cycles is one of the most challenging subjects in hybrid vehicle research areas. Intelligent Control Strategies have been designed to meet the above requirement. The control signals in an intelligent control strategy of the hybrid vehicles are generated according to the driving cycle type. This is done by using a driving cycle identification unit. In this paper, design of a fuzzy based driving cycle identifier has been presented. The main idea in this unit is that any arbitrary driving cycle is similar to a group of standard driving cycles according to some degrees of similarity. As a result, the control strategy of the hybrid power train in the arbitrary driving cycle is affected by the optimized control strategy of the standard diving cycle based on the degree of similarity. Here, the subset of sufficient features is determined by using the floating search method as a useful feature selection algorithm. Also, the fuzzy clustering method is used to generate the values of similarity degrees to each standard driving cycle. Finally, the performance of the fuzzy driving cycle identification unit is assessed.