Ammortizzatori adattivi controllati da una rete neurale artificiale
Gli scienziati della South Ural State University hanno proposto un efficace controller di basso livello basato su una rete neurale artificiale per il controllo attivo di ammortizzatori adattativi.
Sempre più gli automobilisti scelgono una sospensione regolabile che si adatta a qualsiasi tipo di superficie stradale.
Alcuni ricercatori hanno cercato di migliorare la qualità degli ammortizzatori adattivi in una sospensione per auto regolabile utilizzando una rete neurale artificiale.
Tali ammortizzatori adattivi possono aumentare significativamente la scorrevolezza, il comfort, la maneggevolezza, la stabilità e contribuire a migliorare la sicurezza. Questo tipo di ammortizzatori hanno una fonte di energia, che consente di eliminare completamente i movimenti verticali indesiderati quando il veicolo è in movimento.
Un ammortizzatore attivo è un sistema tecnico complesso con caratteristiche di prestazione sostanzialmente non lineari che hanno la proprietà di isteresi, ossia una risposta tardiva alle mutevoli condizioni. La difficoltà nel controllo degli ammortizzatori attivi risiede nel fatto che gli stessi valori richiesti delle forze può essere realizzato da attuatori di varia natura.
Il nuovo ammortizzatore ha valvole elettromagnetiche e una pompa idraulica, caratterizzata da lunghi tempi di risposta. Ma con errori di controllo della pompa idraulica, l’errore di sistema risultante può essere significativamente inferiore rispetto alle elettrovalvole
afferma Yuri Rozhdestvensky.
Gli attuali progetti di sistemi di controllo degli ammortizzatori adattivi utilizzano algoritmi di controllo semplificati basati su modelli matematici idealizzati.
Gli scienziati hanno proposto un algoritmo di controllo attivo dell’ammortizzatore basato su una rete neurale artificiale. Le reti neurali possono approssimare con precisione qualsiasi funzione continua di molte variabili a seconda della scelta della struttura della rete e della sua formazione, che consente di utilizzarle in un’ampia varietà di campi, compresi i sistemi di controllo.
L’addestramento della rete neurale è stato effettuato utilizzando una grande quantità di dati sperimentali, riguardanti varie modalità di funzionamento dell’ammortizzatore. È stata scelta la struttura della rete neurale con ritardo, che le ha permesso di ricordare la sequenza dei segnali di ingresso, e quindi prendere in considerazione la proprietà di isteresi. Nell’algoritmo proposto, la rete neurale è combinata con regolatori proporzionali-integrali-differenziali, che sono sintonizzati da moderni algoritmi evolutivi.
I risultati dell’algoritmo dimostrano l’elevata efficienza della soluzione proposta in tutte le circostanze testate
ha affermato l’ingegnere Alexander Alyukov, membro del gruppo di ricerca.
Gli ammortizzatori attivi hanno un elevato consumo di energia, quindi i ricercatori ritengono che il loro uso nelle sospensioni di auto elettriche e ibride sia il più promettente.
- Control Based on Time-Delay Neural Network (mdpi.com)
