Elektrikli Araçlarda Adaptif Sürüş Kontrolü
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde alternatif enerjili araçlara ilgi giderek artmaktadır. Alternatif enerji kaynaklı araçların içerisinde ise elektrikli araçlara yönelim dikkate değer oranda katlanarak artmaktadır. Bu araçlarda kullanılan batarya sistemi, motor, motor sürücü ve araç kontrol sistemi gibi konular önem kazanmaya başlamıştır. Bir elektrikli araç sürüş esnasında birçok parametreden ve çevre şartlarından etkilenmektedir. Bu etkileri en aza indirebilmek için değişen koşullar altında aracın optimum şartlarda hareketini sağlayacak uygun kontrol sistemlerinin geliştirilmesi gerekmektedir. Bu tez çalışmasında, elektrikli araçlar için özgün yeni tip bir Sayısal Sinyal İşlemci (DSP) tabanlı, Tekerlek İçi Elektrik Motoru (TİEM) sürücü sistemi tasarımı ve bu sistemin adaptif kontrolü gerçekleştirilmiştir. Tez çalışmasında öncelikle bir Tüm Arazi Aracı (ATV) aracına 2 adet elektrik motorunun yerleştirilmesiyle bir deney aracı oluşturulmuştur. Motorların kontrolü için rejeneratif frenlemeye uygun özgün motor sürücü sistemi tasarlanmış ve pratik uygulaması gerçekleştirilmiştir. Üç fazlı altı anahtarlı tam kontrollü köprü dönüştürücüsünün anahtarlama elemanları için gerekli Darbe Genişlik Modülasyonu (PWM) sinyallerini ürettirmek amacıyla geliştirilen kontrol algoritması, MATLAB/Simulink programı tarafından derlenmiş ve gömülü sistem hale getirilmiştir. Bu yazılım, motor sürücü algoritmasını koşturmak için STM32F4 DSP kullanılarak başarıyla uygulanmıştır. Deneysel sonuçlar ile özgün tasarlanmış motor sürücü sisteminin etkinliği gösterilmiştir. Bu tez çalışmasında EA'nın kontrolünde ve rejeneratif frenlemenin gerçekleştirilmesi için zeki kontrol yöntemlerinden faydalanılmıştır. Bulanık Mantık Denetleyici (BMD), Oransal İntegral Türev (PID)), Kendinden Ayarlamalı Bulanık PID (KABPID) ve uyarlamalı nöro-bulanık çıkarım sistemi (ANFIS)) kontrol yöntemleri oluşturulmuştur Adaptif kontrol işleminde araç hızı, yol eğimi ve araç parametreleri gibi veriler kullanılarak en uygun sürüş elde edilmiştir. Aracın normal sürme deneylerinin gerçekleştirilmesi amacıyla referans hız profilleri oluşturulmuştur. Bu hız profilleri standart sürüş çevrim hız referansları olan kentsel sürüş çevrimi (UDC) ve ölçeklendirilmiş yeni Avrupa sürüş çevrimi (NEDC)'dir. Bu hız profilleri kullanılarak belirtilen kontrol algoritmaları ile normal sürme deneyleri yapılmıştır. Farklı sürüş çevrim hız referansları ile belirtilen kontrol algoritmaları kullanılarak elektrikli araçların hız kontrolünün sağlanabildiği görülmüştür. Uygulamada kullanılan yöntemler ile elde edilen sonuçlar karşılaştırılmıştır. Karşılaştırmada UDC sürüş profili için BMD'nin 0,0092 (km/sa) ortalama hata değeriyle daha iyi kontrol sağladığı görülmüştür. Yine bulunan sonuçlarda yapılan yol testlerinde NEDC sürüş profili için KABPID'nin 0,0074 (km/sa) ortalama hata değeriyle daha iyi kontrol sağladığı görülmüştür. Belirlenen sabit bir güzergâhta yapılan yol testlerinde zeki kontrol yöntemleriyle rejeneratif frenleme uygulaması test edilmiştir. Elde edilen sonuçlar karşılaştırılmış ve BMD'nin %30,93 oranında enerji kazanımı sağladığı, aracın menzilini önemli oranda arttırdığı görülmüştür.
Today, interest in alternative energy vehicles is gradually increasing. Among the alternative energy vehicles, the tendency towards electric vehicles is increasing exponentially at a remarkable rate. Issues such as battery systems, motors, motor driver and vehicle control systems used in these vehicles have started to gain importance. An electric vehicle is affected by many parameters and environmental conditions while driving. To minimize these effects, it is necessary to develop appropriate control systems that will ensure the optimum movement of the vehicle under changing conditions. In this thesis, a new type of Digital Signal Processor (DSP) based In-Wheel Electric Motor (IWEM) drive system and adaptive control of this system have been designed for electric vehicles. In this thesis, firstly, a test vehicle was built by placing 2 electric motors on an All-Terrain Vehicle (ATV). For the control of the motors, a unique motor drive system suitable for regenerative braking was designed and its practical application was realized. The control algorithm developed to generate the Pulse Width Modulation (PWM) signals required for the switching elements of the three-phase six-switch fully controlled bridge converter was compiled by MATLAB/Simulink software and turned into an embedded system. This software has been successfully implemented using STM32F4 DSP to run the motor drive algorithm. Experimental results demonstrate the effectiveness of the originally designed motor drive system. In this thesis, intelligent control methods are used to control the EV and to realize regenerative braking. Fuzzy Logic Controller (FLC), Proportional Integral Derivative (PID)), Self-tuning Fuzzy PID (STFPID) and adaptive neuro-fuzzy inference system (ANFIS)) control methods have been established. In the adaptive control process, optimal driving is obtained by using data such as vehicle speed, road slope and vehicle parameters. Reference speed profiles were created to perform normal driving experiments of the vehicle. These speed profiles are Urban Driving Cycle (UDC) and scaled New European Driving Cycle (NEDC), which are standard driving cycle speed references. Using these speed profiles, normal driving experiments were carried out with the specified control algorithms. It has been observed that the speed control of electric vehicles can be achieved by using the specified control algorithms with different driving cycle speed references. The results obtained with the methods used in the application are compared. In the comparison, it is seen that FLC provides better control with an average error value of 0.0092 (km/h) for the UDC driving profile. Again, in the results of the road tests, it was observed that STFPID provided better control with an average error value of 0.0074 (km/h) for the NEDC driving profile. Regenerative braking application was tested with intelligent control methods in road tests on a fixed route. The results obtained were compared and it was observed that FLC provided 30.93% energy gain and significantly increased the range of the vehicle.
Today, interest in alternative energy vehicles is gradually increasing. Among the alternative energy vehicles, the tendency towards electric vehicles is increasing exponentially at a remarkable rate. Issues such as battery systems, motors, motor driver and vehicle control systems used in these vehicles have started to gain importance. An electric vehicle is affected by many parameters and environmental conditions while driving. To minimize these effects, it is necessary to develop appropriate control systems that will ensure the optimum movement of the vehicle under changing conditions. In this thesis, a new type of Digital Signal Processor (DSP) based In-Wheel Electric Motor (IWEM) drive system and adaptive control of this system have been designed for electric vehicles. In this thesis, firstly, a test vehicle was built by placing 2 electric motors on an All-Terrain Vehicle (ATV). For the control of the motors, a unique motor drive system suitable for regenerative braking was designed and its practical application was realized. The control algorithm developed to generate the Pulse Width Modulation (PWM) signals required for the switching elements of the three-phase six-switch fully controlled bridge converter was compiled by MATLAB/Simulink software and turned into an embedded system. This software has been successfully implemented using STM32F4 DSP to run the motor drive algorithm. Experimental results demonstrate the effectiveness of the originally designed motor drive system. In this thesis, intelligent control methods are used to control the EV and to realize regenerative braking. Fuzzy Logic Controller (FLC), Proportional Integral Derivative (PID)), Self-tuning Fuzzy PID (STFPID) and adaptive neuro-fuzzy inference system (ANFIS)) control methods have been established. In the adaptive control process, optimal driving is obtained by using data such as vehicle speed, road slope and vehicle parameters. Reference speed profiles were created to perform normal driving experiments of the vehicle. These speed profiles are Urban Driving Cycle (UDC) and scaled New European Driving Cycle (NEDC), which are standard driving cycle speed references. Using these speed profiles, normal driving experiments were carried out with the specified control algorithms. It has been observed that the speed control of electric vehicles can be achieved by using the specified control algorithms with different driving cycle speed references. The results obtained with the methods used in the application are compared. In the comparison, it is seen that FLC provides better control with an average error value of 0.0092 (km/h) for the UDC driving profile. Again, in the results of the road tests, it was observed that STFPID provided better control with an average error value of 0.0074 (km/h) for the NEDC driving profile. Regenerative braking application was tested with intelligent control methods in road tests on a fixed route. The results obtained were compared and it was observed that FLC provided 30.93% energy gain and significantly increased the range of the vehicle.
Açıklama
Anahtar Kelimeler
Adaptif Kontrol, Bulanık Kontrol, Elektrikli Araç, Fırçasız Elektrik Motoru, Rejeneratif Frenleme, Tekerlek İçi Elektrik Motoru, Adaptive Control, Brushless Electric Motor, Electric Vehicle, Fuzzy Control, Inwheel Electric Motor, Regenerative Braking
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Karabacak, Y., (2023). Elektrikli Araçlarda Adaptif Sürüş Kontrolü. (Doktora Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
