Luận văn thạc sĩ Kỹ thuật cơ khí động lực: Bộ điều khiển lực cản dùng mạng neuron nhân tạo ứng dụng trong giả lập quán tính và lực cản đường ở bệ thử động lực học ô tô và xe máy

Trang 1

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Trang 2

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM

Cán bộ hướng dẫn khoa học: TS Trần Đăng Long

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1 Chủ tịch hội đồng: TS Trần Hữu Nhân

2 Thư ký hội đồng: TS Hồng Đức Thông 3 Phản biện 1: PGS.TS Lê Tất Hiển 4 Phản biện 2: TS Võ Tấn Châu 5 Ủy viên: TS Nguyễn Văn Trạng

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

Trang 3

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Hồ Nam Hoa MSHV: 2070440 Ngày, tháng, năm sinh: 14-10-1994 Nơi sinh: Nghệ An Chuyên ngành: Kỹ Thuật Cơ Khí Động Lực Mã số : 8520116

I TÊN ĐỀ TÀI: Bộ điều khiển lực cản dùng mạng neuron nhân tạo ứng dụng trong

giả lập quán tính và lực cản đường ở bệ thử động lực học ô tô và xe máy (An artificial neuron network based-load controller for simulating inertia and road load in vehicle dynamic testing with active dynamometer)

II NHIỆM VỤ VÀ NỘI DUNG: Ứng dụng mạng neuron nhân tạo để xấp xỉ luật

điều khiển phi tuyến trong bệ thử xe máy có chức năng mô phỏng khối lượng quán tính xe và lực cản đường Đánh giá đáp ứng của bộ điều khiển mô phỏng quán tính và lực cản đường dùng mạng neuron nhân tạo đã thiết kế

III NGÀY GIAO NHIỆM VỤ: 09/2022

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 07/2023 V CÁN BỘ HƯỚNG DẪN : TS Trần Đăng Long

Trang 4

Tôi xin chân thành cảm ơn các thầy trong bộ môn Ô tô – Máy động lực đã truyền dạy những kiến thức quý giá cho tôi, đó cũng là những kiến thức không thể thiếu trên con đường nghiên cứu khoa học và sự nghiệp của tôi sau này

Tôi cũng muốn gửi lời cảm ơn đến tất cả các thành viên trong gia đình, bạn bè và những người thân yêu đã luôn đứng bên cạnh và động viên tôi trong quá trình làm luận văn Sự ủng hộ và khích lệ của họ là động lực lớn để tôi không bao giờ từ bỏ và luôn cố gắng hoàn thành tốt nhất

Xin trân trọng cảm ơn!

Trang 5

TÓM TẮT

Bệ thử động lực học là một công cụ quan trọng để đánh giá công suất và hiệu suất của xe khi vận hành Bệ thử sử dụng một động cơ điện được dẫn động bởi con lăn ma sát để tạo ra lực cản mô phỏng quán tính và các thành phần lực cản tương tự như khi xe vận hành trên đường thực tế; khi đó, các kết quả thu thập được như tốc độ tối đa, gia tốc tối đa, suất tiêu hao nhiên liệu và phát thải của xe vận hành trên bệ thử sẽ giống hệt với kết quả khi xe vận hành trên đường thật Việc thực nghiệm với xe trên đường thật bị giới hạn bởi nhiều vấn đề như thiết bị phức tạp, cồng kềnh; điều kiện thực nghiệm bị thay đổi một cách khách quan do đó chi phí cho thực nghiệm vừa cao mà kết quả cũng có phần không đáng tin cậy

Việc thiết kế một bệ thử cố định có thể giả lập quán tính và lực cản đường của một xe bất kỳ sẽ giúp giảm chi phí cũng như tăng tính linh hoạt trong hoạt động thực nghiệm đánh giá vận hành của ô tô và xe gắn máy

Nghiên cứu này gồm hai phần: phần thứ nhất xây dựng nguyên lý mô phỏng quán tính xe và lực cản đường, từ đó xây dựng mô hình bệ thử động lực học xe gắn máy có chức năng mô phỏng quán tính và lực cản đường; phần thứ thiết kế mạng neuron nhân tạo ứng điều khiển giả lập quán tính và lực cản đường cho bệ thử trên Môi trường mô phỏng SIMULINK của phần mềm MATLAB được sử dụng cho các mô phỏng trong nghiên cứu này

Kết quả phần thứ nhất cho thấy một bộ điều khiển vòng kín thông thường như bộ điều khiển PID không cho phép bệ thử có thể tạo ra lực cản mô phỏng tổng các lực cản trên đường với nhiều mẫu xe và chu trình thử nghiệm khác nhau; tuy nhiên, bộ điều khiển sử dụng mạng neuron nhân tạo ở phần thứ hai có thể làm được điều đó Kết quả này là cơ sở để thiết kế một bệ thử động lực học cho xe gắn máy thực tế phục vụ linh hoạt trong công tác nghiên cứu và giảng dạy

Trang 6

ABSTRACT

The dynamometer platform is a crucial tool for empirically evaluating vehicle performance The objective of the test platform is to create simulated inertial drag and resistance components similar to those of the vehicle operating on the real road To absorb tractive power of the motorcycle under test, the dynamometer has a braking machine driven by a heavy roller that is frictionally rotated by the motorcycle’s driving wheel It is expected that motorcycle’s top speed, acceleration behavior, fuel consumption and exhaust gas emissions recorded on the dynamometer are identical to those achieved on real roads under similar driving circumstances Experimenting with vehicles on real roads is limited by many problems such as complicated and cumbersome equipment; experimental conditions are changed objectively it increase cost of the experiment and the results are also unreliable

Designing a dynamometer that can simulate the inertia and road resistance of any vehicle help to reduce costs as well as increase flexibility in experimental activities to evaluate the performance of cars and motorbikes

This reseach consists of two parts: the first part builds the algorithm of simulating vehicle inertia and road resistance, builds a model of a motorcycle dynamometer with the function of simulating inertia and road resistance; The second part designs an artificial neural network base-load controller for simulating inertia and road resistance for the dynamometer SIMULINK is a MATLAB-based graphical programming environment for multidomain simulation dynamical systems was used for the simulations in this study

The results of the first part show that a conventional closed-loop controller such as a PID controller does not allow the dynamometer to generate resistance that simulates the total resistance on the road with many different vehicle models and test cycles However, the controller using artificial neural networks in the second part can do that This result is the basis for designing the motorcycles dynamic testing with active

dynamometer to serve flexibly in research and teaching

Trang 7

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi thực hiện dưới sự hướng dẫn của TS Trần Đăng Long, kết quả nghiên cứu là hoàn toàn trung thực và chưa từng được công bố trong công trình nào khác

Tôi xin chịu hoàn toàn trách nhiệm về các kết quả nghiên cứu trong luận văn tốt nghiệp của mình

Trang 8

1.2 Tình hình nghiên cứu trong và ngoài nước 2

1.3 Mục tiêu nghiên cứu 4

1.4 Phương pháp nghiên cứu 5

1.5 Các nội dung nghiên cứu 5

2.3 Mạng neuron nhân tạo 14

BỆ THỬ XE HAI BÁNH MÔ PHỎNG QUÁN TÍNH VÀ LỰC CẢN ĐƯỜNG 17

3.1 Sơ đồ bố trí chung 17

3.2 Phương trình động lực học của xe trên đường 18

3.3 Nguyên lý mô phỏng quán tính xe và lực cản đường 19

3.4 Mô hình mô phỏng bệ thử dùng MATLAB 20

3.5 Đáp ứng của bệ thử với bộ điều khiển PID 22

THIẾT KẾ BỘ ĐIỀU KHIỂN DÙNG MẠNG NEURON 26

4.1 Cấu trúc mạng dùng làm bộ xấp xỉ 26

4.2 Xây dựng tập dữ liệu huấn luyện mạng 27

4.3 Huấn luyện mạng 32

KẾT QUẢ VÀ THẢO LUẬN 39

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 43

Trang 9

6.2 Hướng phát triển 43

TÀI LIỆU THAM KHẢO 45

PHỤ LỤC A: ĐIỀU KIỆN THỬ NGHIỆM 46

PHỤ LỤC B: KẾT QUẢ MÔ PHỎNG VỚI CÁC TRƯỜNG HỢP MỞ RỘNG 50

LÝ LỊCH TRÍCH NGANG 83

QUÁ TRÌNH ĐÀO TẠO 83

QUÁ TRÌNH CÔNG TÁC 83

Trang 10

DANH MỤC HÌNH

Hình 1.1: Sơ đồ hệ thống bệ thử CD 48” 2

Hình 1.2: Bệ thử MUSTANG 48” Chassis Dynamometer Systems 3

Hình 1.3: Mô hình động lực học xe hai bánh khi di chuyển trên đường (trái) và khi vận hành trên bệ thử (phải) 5

Hình 2.7: Cấu trúc toán học của một neuron nhân tạo [7] 15

Hình 2.8: Phương pháp huấn luyện mạng không có giám sát 16

Hình 3.1: Bố trí chung bệ thử xe gắn máy có tính năng mô phỏng quán tính xe và lực cản đường 17

Hình 3.2: Động lực học xe hai bánh trên đường 19

Hình 4.1: Cấu trúc mạng neuron dùng làm bộ xấp xỉ 26

Hình 4.2: Phương pháp phân chia dữ liệu cho quá trình huấn luyện mạng 27

Hình 4.3: Đồ thị 7 biến trạng thái và lực cản mà bệ thử cần tạo khi vận hành trong trường hợp khối lượng xe thử nghiệm là 157kg theo chu trình WMTC part 2 28

Hình 4.5: Đồ thị 7 biến trạng thái và lực cản mà bệ thử cần tạo khi vận hành trong trường hợp khối lượng xe thử nghiệm là 275kg theo chu trình WMTC part 2 29Hình 4.6: Đồ thị 7 biến trạng thái và lực cản mà bệ thử cần tạo khi vận hành trong trường

Trang 11

Hình 4.7: Đồ thị 7 biến trạng thái và lực cản mà bệ thử cần tạo khi vận hành trong trường

hợp khối lượng xe thử nghiệm là 524kg theo chu trình WMTC part 2 30

Hình 4.11: Giao diện công cụ Neural Network Training của MATLAB 33

Hình 4.12: Mô hình toán của giải thuật lan truyền ngược Levenberg-Marquardt trong hiệu chỉnh bộ trọng số và độ lệch chuẩn của các neuron trong mạng 34

Hình 4.13: Đồ thị ngõ ra mong muốn và ngõ ra mạng neuron khi bắt đầu huấn luyện 35Hình 4.14: Đồ thị ngõ ra mong muốn và ngõ ra mạng neuron khi huấn luyện thành công 36

Hình 4.15: Đáp ứng của bệ thử dùng bộ điều khiển PID gia tốc với xe có khối lượng 810kg vận hành theo chu trình WMTC part 2 37

Hình 4.16: Đáp ứng của bệ thử dùng bộ điều khiển mạng neuron sau khi huấn luyện thành công với xe có khối lượng 810kg vận hành theo chu trình WMTC part 2 38

Hình 5.1: Đồ thị tốc độ, momen kéo của xe và momen cản do bệ thử tạo ra trong trường hợp thử nghiệm với xe có khối lượng 730kg theo chu trình thử NEDC 39

Hình 5.2: Đồ thị tốc độ, momen kéo của xe và momen cản do bệ thử tạo ra trong trường hợp thử nghiệm với xe có khối lượng 215kg theo chu trình thử WMTC part 3 40

Hình A.1: 4 mẫu xe 2 bánh sử dụng trong nghiên cứu 46

Hình A.2: Chu trình thử WMTC part 1 47

Hình A.5: Chu trình thử NEDC 48

Hình A.6: Chu trình thử Japan 10-15 mode 49

Hình B.1: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 1 51

Trang 12

Hình B.4: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 4 54Hình B.5: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 5 55Hình B.6: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 6 56Hình B.7: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 7 57Hình B.8: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 8 58Hình B.9: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 9 59Hình B.10: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 10 60Hình B.11: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 11 61Hình B.12: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 12 62Hình B.13: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 13 63Hình B.14: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 14 64Hình B.15: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 15 65Hình B.16: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 16 66

Trang 13

Hình B.17: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 17 67Hình B.18: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 18 68Hình B.19: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 19 69Hình B.20: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 20 70Hình B.21: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 21 71Hình B.22: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 22 72Hình B.23: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 23 73Hình B.24: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 24 74Hình B.25: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 25 75Hình B.26: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 26 76Hình B.27: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 27 77Hình B.28: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 28 78Hình B.29: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 29 79

Trang 14

Hình B.30: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 30 80Hình B.31: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 31 81Hình B.32: Đồ thị vận tốc và momen kéo do xe sinh ra khi vận hành trên đường thật và vận hành trên mô hình bệ thử, momen cản mô phỏng quán tính và lực cản đường do bệ thử tạo ra trong trường hợp thử nghiệm mở rộng số 32 82

Trang 15

DANH MỤC BẢNG

Bảng 5.1: Sai số của năng lượng kéo giữa mô hình xe khi vận hành trên bệ và mô hình xe vận hành trên đường 41Bảng 5.2: Sai số của năng lượng phanh giữa mô hình xe khi vận hành trên bệ và mô hình xe vận hành trên đường 41Bảng A.1: Bảng thông số xe thử nghiệm 46Bảng A.2: Bảng thông số chính của các chu trình thử nghiệm 49Bảng B.1: Danh sách 32 trường hợp thử nghiệm mở rộng với mô hình bệ thử sử dụng bộ điều khiển mạng neuron nhân tạo giả lập quán tính và lực cản đường 50

Trang 16

GIỚI THIỆU 1.1 Đặt vấn đề

Bệ thử động lực học xe hay còn gọi là băng thử xe, chassis dynamometer là một công cụ quan trọng để đánh giá công suất và hiệu suất của xe khi vận hành Mục tiêu của bệ thử này là tạo ra lực cản mô phỏng quán tính và các thành phần lực cản tương tự như khi xe vận hành trên đường thực tế; khi đó, các kết quả thu thập được như tốc độ tối đa, gia tốc tối đa, suất tiêu hao nhiên liệu và phát thải của xe vận hành trên bệ thử sẽ giống hệt với kết quả khi xe vận hành trên đường thật Việc thực nghiệm với xe trên đường thật bị giới hạn bởi nhiều vấn đề như thiết bị phức tạp, cồng kềnh; điều kiện thực nghiệm bị thay đổi một cách khách quan do đó chi phí cho thực nghiệm vừa cao mà kết quả cũng có phần không đáng tin cậy; trong khi đó, bệ thử động lực học cho phép lặp lại điều kiện thử nghiệm để đánh giá tính năng động lực học, tiêu hao nhiên liệu cũng như phát thải ô nhiễm của xe theo chu trình thử

Bộ điều khiển lực cản của bệ thử cần có tính phi tuyến cao để tạo ra giá trị lực cản là tổng hợp của nhiều thành phần lực cản tương đương khi xe vận hành trên đường:

- Lực cản lăn, lực cản quán tính tỉ lệ với khối lượng xe, trong khi khối lượng xe vận hành trên bệ thử cần thay đổi trong một dải rộng

- Lực cản khí động học phụ thuộc bậc hai vào tốc độ xe và một số thông số khác của xe, các thông số này khác nhau cho từng xe và tốc độ xe phụ thuộc vào chu trình thử

Mạng neuron nhân tạo mà một mô hình toán học được xây dựng trên cơ sở não người Trong thực tế sử dụng, nhiều mạng neuron là các công cụ mô hình hóa dữ liệu thống kê phi tuyến (như dự đoán tài chính, dự đoán nhu cầu năng lượng ) Chúng có thể được dùng để mô hình hóa các mối quan hệ phức tạp giữa dữ liệu vào và kết quả hoặc để tìm kiếm các mẫu trong dữ liệu

Với khả năng có thể thích ứng với mọi thay đổi của đầu vào, mạng có thể được huấn luyện làm bộ xấp xỉ tổng quát, dùng để xấp xỉ luật điều khiển phi tuyến, có tính năng động cao mà bệ thử động lực học xe yêu cầu

Trang 17

1.2 Tình hình nghiên cứu trong và ngoài nước

Trên thị trường đã có nhiều bệ thử động lực học cho xe với tính năng mô phỏng lực cản tác dụng lên xe Tuy nhiên, các hệ thống này hầu hết rất phức tạp và giá thành cao, chỉ được trang bị trong một số phòng thí nghiệm hiện đại với mục đích nghiên cứu Ví dụ như bệ thử CD 48” được trang bị tại phòng thí nghiệm động cơ đốt trong trọng điểm ĐHQG-TPHCM với chức năng phân tích động lực học, phân tích khí thải khi ô tô chạy trên điều kiện thực, đo tiêu hao nhiên liệu khi ô tô hoạt động

Hình 1.1: Sơ đồ hệ thống bệ thử CD 48”

Hay bệ thử 48” Chassis Dynamometer Systems được hãng Mustang Advanced Engineering cung cấp trên toàn cầu, phục vụ trong lĩnh vực chứng nhận công nhận phát thải Hệ thống cho phép thực hiện các chu trình đo theo tiêu chuẩn FTP75, SFTP (US06), EUDC

Trang 18

Hình 1.2: Bệ thử MUSTANG 48” Chassis Dynamometer Systems

Một số nghiên cứu đã được thực hiện để chế tạo các bệ thử trong lĩnh vực cơ khí động lực ở nước ta như nghiên cứu chế tạo bệ thử dòng công suất hở để kiểm tra bền trục các đăng trong hệ thống truyền lực ô tô tải nhẹ của Trần Hữu Danh và các cộng sự, hay nghiên cứu chế tạo băng thử động cơ xe máy của Đoàn Phước Thọ và Nguyễn Thanh Tuấn [1] Tuy nhiên, bệ thử công suất dòng hở chỉ là một hệ thống gồm động cơ điện kết nối với cơ cấu gây tải thông qua chi tiết cần kiểm tra bền, momen tải đặt lên chi tiết cần kiểm bền không đòi hỏi thay đổi theo điều kiện vận hành thực tế mà chỉ cần phù hợp xác định giới hạn bền của chi tiết đó Bệ thử xe gắn máy của Đoàn Phước Thọ [2] cũng tương tự như các bệ thử xe gắn máy đã được phân phối trên thị trường như Dynojet 250i chỉ trang bị hệ thống tạo tải cho xe, qua đó giúp xây dựng các đường đặc tính momen, công suất của động cơ cũng như tiêu hao nhiên liệu ở các mức tải khác nhau mà chưa tính đến điều kiện vận hành thực tế trên đường của xe

Từ những năm 80 của thế kỷ trước, Severino D'Angelo và các cộng sự [3] đã nhận thấy tính thiết yếu của bệ thử động lực học trong ngành ô tô máy động lực, kèm theo đó là việc vi điều khiển ngày càng được sử dụng phổ biến trong các bộ điều khiển của bệ thử, nhóm tác giả đã tiến hành nghiên cứu thiết kế bộ điều khiển mô phỏng quán tính cho bệ thử để khắc phục những giới hạn về điều kiện thử nghiệm bởi kết cấu cơ khí, đặt nền móng cho việc chế tạo loại bệ thử có tính năng mô phỏng quán tính và lực cản

Trang 19

đường Bệ thử ô tô có chức năng mô phỏng lực cản của Christian Matthews và các cộng sự nghiên cứu năm 2009 [4] sử dụng phương pháp xây dựng phương trình vi phân trạng thái Riccati mô tả bệ thử và bộ điều khiển lực cản, và bộ lọc Kalman dự đoán các biến trạng thái ngõ vào hệ phương trình

Song song với đó là sự phát triển của lĩnh vực trí tuệ nhân tạo, học máy Năm 1992, K.J.Hunt và các cộng sự đã thực hiện một nghiên cứu khảo sát [5] việc ứng dụng mạng neuron nhân tạo để mô hình hóa, nhận dạng và điều khiển hệ thống phi tuyến Khảo sát cho thấy việc điều khiển hệ thống bởi mạng neuron nhân tạo thay thế cho các bộ điều khiển thích nghi truyền thống đang được nghiên cứu và thử nghiệm trong nhiều lĩnh vực, từ lý thuyết đến thực nghiệm

Từ đó, tác giả đưa ra ý tưởng về việc xây dựng bộ điều khiển mạng neuron nhân tạo cho một đối tượng phi tuyến mạnh như bệ thử động lực học có tính năng mô phỏng quán tính và lực cản đường

1.3 Mục tiêu nghiên cứu

Khi xe vận hành trên đường, tổng hợp lực tác động lên xe bao gồm lực kéo 𝐹𝑘 do động cơ của xe sinh ra, tỏng hợp các thành phần lực cản 𝐹𝑐: lực cản lăn, lực cản gió, lực cản leo dốc cân bằng với lực quán tính của xe Khi xe vận hành trên bệ thử, các thành phần lực cản cũng như quán tính của xe không còn cùng độ lớn như trường hợp xe vận hành trên đường thật Cụ thể, tổng hợp lực cản khi xe vận hành trên bệ thử 𝐹𝑑 bao gồm lực cản lăn của cụm con lăn ma sát, quán tính của cụm con lăn ma sát và lực cản do máy điện của bệ thử tạo ra; và lực kéo của xe sinh ra trên bệ thử lúc này là 𝐹𝑤

Trang 20

Hình 1.3: Mô hình động lực học xe hai bánh khi di chuyển trên đường (trái) và khi vận hành trên bệ thử (phải)

Mục đích của mô phỏng khối lượng quán tính xe và lực cản đường là lực kéo xe sinh ra trên bệ thử bằng lực kéo xe sinh ra trên đường tại cùng vận tốc:

Khi 𝑣𝑑 = 𝑣𝑣 thì 𝐹𝑤 = 𝐹𝑘

1.4 Phương pháp nghiên cứu

Nghiên cứu sử dụng môi trường mô phỏng SIMULINK của phần mềm MATLAB làm công cụ mô phỏng số để thực hiện các nội dung nghiên cứu, bao gồm:

- Mô hình hóa bệ thử xe gắn máy có tính năng giả lập quán tính xe và lực cản đường - Xây dựng luật điều khiển giả lập quán tính và lực cản đường

- Xây dựng tập dữ liệu huấn luyện cho bộ điều khiển mô phỏng quán tính và lực cản đường

Ngoài ra, nghiên cứu còn sử dụng Neural Network Toolbox của phần mềm MATLAB trong việc huấn luyện mạng neuron của bộ điều khiển

1.5 Các nội dung nghiên cứu

Các nội dung nghiên cứu được tác giả thực hiện trong đề tài gồm:

- Xây dựng mô hình bệ thử xe gắn máy có chức năng mô phỏng quán tính và lực cản đường

Trang 21

- Xây dựng mạng neuron để xấp xỉ bộ điều khiển mô phỏng lực cản cho bệ thử xe gắn máy

- Đánh giá chất lượng bộ điều khiển

1.6 Phạm vi nghiên cứu

Nghiên cứu được thực hiện cho mô hình bệ thử xe gắn máy với một số thông số như:

- Khối lượng xe: từ 160kg đến 800kg

- Sử dụng cụm thiết bị tạo lực cản là con lăn hình trụ có khối lượng 250kg, bán kính 0.3m, máy điện ba pha không đồng bộ công suất 44kW được điều khiển thông qua biến tần Momen cản ma sát theo phương trình:

𝐹𝑓 = 8 10−7 𝜔𝑑2 + 9 10−4𝜔𝑑+ 7.6105 (Nm) - Tốc độ tối đa cho phép thử nghiệm là 125km/h

Thử nghiệm được thực hiện trên đường phẳng nằm ngang với 4 mẫu xe và 2 mức tải trọng cho mỗi xe, tổng tải trọng từ 157kg đến 810kg, vận hành theo 5 chu trình tiêu chuẩn: WMTC part 1, WMTC part 2, WMTC part 3, NEDC và Japan 10-15 mode

1.7 Ý nghĩa khoa học – thực tiễn

Đề tài góp phần chứng minh khả năng xấp xỉ phi tuyến năng động cao của mạng neuron nhân tạo

Kết quả của đề tài có thể được sử dụng làm công nghệ lõi để phát triển các bệ thử động lực học cho ô tô, xe gắn máy có chức năng mô phỏng lực cản khi xe vận hành trên đường thật Sản phẩm phục vụ cho đào tạo và nghiên cứu khoa học trong lĩnh vực phương tiện giao thông vận tải, hỗ trợ công tác đăng kiểm công nhận phát thải cho phương tiện sử dụng động cơ đốt trong cũng như hỗ trợ thiết kế dung lượng pin phù hợp cho xe điện

Trang 22

CƠ SỞ LÝ THUYẾT 2.1 Bệ thử ô tô CD 48”

Bệ thử ô tô CD 48” được trang bị tại phòng thí nghiệm động cơ đốt trong trọng điểm ĐHQG-TPHCM có khả năng mô phỏng lực cản đường, qua đó cho phép phân tích động lực học, phân tích khí thải và đo tiêu hao nhiên liệu khi ô tô chạy trên điều kiện thực Bệ thử được thiết kế để thử các xe có một cầu chủ động, với một số thông số như:

- Khối lượng toàn bộ của xe: từ 454kg đến 5400kg - Khối lượng cầu chủ động đè lên bệ thử tối đa: 4500kg - Tốc độ cực đại cho phép: 200km/h

- Công suất tối đa ở chế độ động cơ: 150kW từ 92km/h đến 189km/h - Công suất tối đa ở chế độ máy phát: 153kW từ 92km/h đến 200km/h

Hình 2.1: Hình ảnh thực tế bệ thử CD 48” trong phòng thí nghiệm

Trang 23

Hình 2.2: Sơ đồ bố trí chung bệ thử CD 48”

Khi chuyển động trên đường phẳng nằm ngang, gia tốc của xe sinh ra do tổng hợp các lực tác dụng lên xe và làm cho vận tốc của xe thay đổi theo Xét tại vị trí tiếp xúc giữa bánh xe và mặt đường, xe chịu tác động của các lực theo phương chuyển động bao gồm:

- Lực kéo do động cơ sinh ra truyền đến điểm tiếp xúc bánh xe và mặt đường - Các lực cản tác động lên xe quy về điểm tiếp xúc bánh xe và mặt đường bao gồm:

+ Lực cản lăn + Lực cản khí động

+ Lực cản quán tính của xe

Phương trình cân bằng lực tại điểm tiếp xúc bánh xe và mặt đường có dạng: 𝐹𝑡𝑟𝑎𝑐 = 𝐹𝑟𝑒𝑠 = 𝐹𝑟𝑜𝑙𝑙 + 𝐹𝑎𝑒𝑟𝑜+ 𝐹𝑖𝑛𝑒𝑟

Trong đó, các thành phần lực cản được tính theo công thức 𝐹𝑟𝑜𝑙𝑙 = 𝑓 𝑚 𝑔

𝐹𝑎𝑒𝑟𝑜 =1

2 𝜌 𝐶𝑑 𝐴 𝑣

𝐹𝑖𝑛𝑒𝑟 = 𝑚 𝑎

Trang 24

Bệ thử CD 48” có 3 chế độ vận hành:

- V = Const: bộ điều khiển của bệ thử luôn điều khiển FCẢN DYNO sao cho tốc độ của xe luôn là hằng số (bằng với giá trị đã đặt) không phụ thuộc lực kéo của xe - F = Const: bộ điều khiển của bệ thử giữ FCẢN DYNO là hằng số không phụ thuộc tốc

độ của xe

Trang 25

- Road Load Simulation: bộ điều khiển của bệ thử luôn điều khiển FCẢN DYNO sao cho lực kéo, tốc độ, gia tốc của xe đạt được tương tự như đang chạy trên đường thực:

Ngoài ra, bộ điều khiển của bệ thử còn cho phép thực hiện các chức năng để hiệu chuẩn kết quả thử nghiệm như:

- Warm-up: Chức năng làm nóng ổ bi rotor để đưa nhiệt độ ổ bi đến nhiệt độ làm việc Khi ở nhiệt độ làm việc, tổn hao ma sát của ổ bi sẽ không đổi Lúc đó, tổn hao của bệ thử là do ma sát giữa bề mặt rotor và 2 con lăn với không khí

- Loss Compensation: chức năng tìm tổn hao của bệ thử do ma sát ổ bi rotor, ma sát giữa bề mặt rotor, bề mặt 2 con lăn với không khí khi bệ thử vận hành - Road Load Data: chức năng tìm các hệ số F0, F1, F2 thực từ các giá trị đo được khi

cho xe chạy CoastDown trên đường thực

- CoastDown WITHOUT Vehicle: Dynamometer Check Up - chức năng kiểm tra độ chính xác của dyno khi dyno mô phỏng lực cản đường ở chế độ Road Load Simulation

- CoastDown WITH Vehicle: Automatic Adaptation with Vehicle

- Centering: dyno tự quay với tốc độ chậm (khoảng 2km/h) để kiểm tra độ trượt ngang của xe Nếu xe bị trượt ngang nghĩa là xe không thẳng góc với bệ thử, cần đưa xe vào bệ thử lại

Trang 26

2.2 Động lực học mô hình bệ thử xe gắn máy

Hình 2.3: Bố trí chung bệ thử xe gắn máy

Một bệ thử động lực học xe gắn máy thông thường được chế tạo với mục đích xác định đặc tính kỹ thuật (momen, công suất, khả năng tăng tốc ) và đặc tính kinh tế (suất tiêu hao nhiên liệu) của xe trong các điều kiện khác nhau hoặc trong các tình huống cụ thể Ngoài ra, bệ thử còn xác định rằng một chiếc xe có đáp ứng các tiêu chuẩn an toàn, khả năng vận hành, tiêu thụ nhiên liệu và yêu cầu khác được xác định trước đó Kết quả thực nghiệm trên bệ thử động lực học được sử dụng để cải thiện thiết kế và phát triển của các mẫu xe, đảm bảo an toàn và hiệu suất tối ưu cho người sử dụng

Kết cấu chính của bệ thử động lực học bao gồm: cụm thiết bị tạo tải là bộ con lăn ma sát dẫn động động cơ điện, hệ thống các cảm biến thu thập các dữ liệu vận hành của xe như cảm biến đo tốc độ, cảm biến đo lưu lượng nhiên liệu, bộ điều khiển tạo tải cho bệ thử và thu thập dữ liệu từ các cảm biến, hệ thống hiển thị các kết quả đo và hỗ trợ người dùng trong vận hành bệ thử

Trang 27

𝐹𝑘 = 𝐹𝑐 + 𝑚𝑣 𝑣𝑣̇ 𝐹𝑐 = 𝐹𝑟 + 𝐹𝑎 = 𝑓 𝑚𝑣 𝑔 +1

2 𝜌 𝐶𝑑 𝐴 𝑣𝑣2

Hình 2.4: Động lực học xe khi vận hành trên đường

Xe vận hành trên đường phẳng nằm ngang chịu lực cản 𝐹𝑐 tổng hợp từ lực cản lăn 𝐹𝑟 và lực cản gió 𝐹𝑎 Tổng lực cản này với lực cản quán tính của xe (tích khối lượng xe 𝑚𝑣 và gia tốc xe 𝑣𝑣̇ ) cân bằng với lực kéo do xe sinh ra 𝐹𝑘

Trang 28

Do lực cản và khối lượng bệ thử khác lực cản và khối lượng trên đường, nên để mô phỏng điều kiện làm việc của xe trên đường thật tức là lực kéo của xe trên bệ bằng lực kéo của xe trên đường tại cùng một tốc độ thì cần điều khiển Fe, tức là điều khiển bù quán tính và lực cản đường

Do { 𝐹𝑐 ≠ 𝐹𝑓

𝑚𝑣 ≠ 𝑚𝑑 nên để {

𝐹𝑘 = 𝐹𝑤𝑣𝑣 = 𝑣𝑑 thì {

𝐹𝑒 = (𝑚𝑣− 𝑚𝑑) 𝑣𝑣̇ + (𝐹𝑐− 𝐹𝑓) 𝑣𝑣̇ = 𝐹𝑓+𝐹𝑒+𝑚𝑑.𝑣𝑑̇ −𝐹𝑐

𝑚𝑣

Trang 29

2.3 Mạng neuron nhân tạo

Bộ não con người là hệ thống xử lý thông tin phức hợp, phi tuyến và song song có khả năng học, ghi nhớ, tổng quát hóa và xử lý lỗi Não người có khoảng 1011 tế bào thần kinh (neuron), trong đó mỗi neuron liên kết với khoảng 100 nghìn neuron tạo thành mạng

Mạng neuron nhân tạo (Artificial Neural Network – ANN) là một mô hình toán được xây dựng dựa trên mạng neuron sinh học trong não người Nó gồm một nhóm các neuron (nút) nối với nhau, thông tin được truyền bằng cách tính các giá trị mới tại các nút có liên kết với nút trước đó Trong một số trường hợp, mạng neuron được xây dựng thành một hệ thống thích ứng, có khả năng tự thay đổi cấu trúc trong quá trình huấn luyện (học) của mạng dựa vào sai lầm của chính nó hoặc các thông tin mới tác động vào mạng

Hình 2.6: Cấu trúc mạng neuron truyền thẳng hai lớp với 4 ngõ vào, 4 ngõ ra và 5 neuron mỗi lớp ẩn

Neuron sinh học có kết cấu gồm thân tế bào (soma), các đầu dây thần kinh vào (dendrite), khớp nối (synapse), sợi trục (axon) và đầu dâu thần kinh ra Mỗi neuron trong mạng neuron nhân tạo mô phỏng lại một neuron sinh học này với một hoặc nhiều đầu

Trang 30

vào và một đầu ra duy nhất Giá trị đầu ra được tính toán từ vector các giá trị đầu vào, vector trọng số neuron (weight), giá trị bias, hàm tích hợp ngõ vào và hàm kích hoạt (activation function) của neuron

Hình 2.7: Cấu trúc toán học của một neuron nhân tạo [7]

Với hàm tích hợp ngõ vào là hàm tuyến tính và hàm tác động là hàm nấc, giá trị đầu ra neuron được tính theo trình tự:

Mạng thần kinh được huấn luyện bằng việc xử lý các ví dụ mẫu, là các ví dụ có đầu vào và đầu ra đã biết Sự khác biệt giữa đầu ra của mạng và đầu ra mục tiêu được gọi là lỗi Lỗi là cơ sở để điều chỉnh các thông số mạng (bộ giá trị weight và bias) theo một quy tắc học nhất định Các lần điều chỉnh liên tiếp (epoch) sẽ làm cho đầu ra của mạng neuron ngày càng giống với đầu ra mục tiêu đã biết Sau một lượng đủ lớn epoch, việc huấn luyện mạng sẽ được dừng lại theo một số tiêu chí nhất định

Trang 31

Hình 2.8: Phương pháp huấn luyện mạng không có giám sát

Nhờ khả năng có thể huấn luyện mà mạng neuron nhân tạo có thể học hỏi và dựng mô hình các mối quan hệ giữa dữ liệu đầu vào và đầu ra phi tuyến tính, phức tạp Mạng neuron nhân tạo được ứng dụng trong nhiều linh vực như:

- Thị giác máy tính: chẩn đoán y tế bằng cách phân loại hình ảnh y khoa, hệ thống nhận diện hình ảnh trên ô tô tự lái, nhận diện khuôn mặt

- Nhận dạng giọng nói: hỗ trợ các nhân viên trực tổng đài và tự động phân loại cuộc gọi, tạo phụ đề chính xác cho video và bản ghi âm cuộc họp để mở rộng phạm vi tiếp cận nội dung

- Kỹ thuật xử lý ngôn ngữ tự nhiên: tổng đài viên ảo và chatbot tự động, tóm tắt tài liệu và tạo bài viết về một chủ đề cho trước

Trang 32

BỆ THỬ XE HAI BÁNH MÔ PHỎNG QUÁN TÍNH VÀ LỰC CẢN ĐƯỜNG

3.1 Sơ đồ bố trí chung

Bệ thử dùng cho xe hai bánh với bánh sau chủ động, cụm cơ cấu tạo lực cản là một con lăn được kết nối với một máy điện 3 pha không đồng bộ, máy điện được điều khiển bởi biến tần có thể hoạt động ở 2 chế độ: máy phát và động cơ điện

Hình 3.1: Bố trí chung bệ thử xe gắn máy có tính năng mô phỏng quán tính xe và lực cản đường

Bệ thử được thiết kế với một số thông số như: - Khối lượng xe: từ 160kg đến 810kg

- Sử dụng cụm thiết bị tạo lực cản là con lăn hình trụ có khối lượng 250kg, bán kính 0.3m, máy điện ba pha không đồng bộ công suất 44kW được điều khiển thông qua biến tần Momen cản ma sát theo phương trình:

𝐹𝑓 = 8 10−7 𝜔𝑑2 + 9 10−4𝜔𝑑+ 7.6105 (Nm) - Tốc độ tối đa cho phép thử nghiệm là 125km/h

Thử nghiệm được thực hiện trên đường phẳng nằm ngang với 4 mẫu xe và 2 mức tải trọng cho mỗi xe, tổng tải trọng từ 157kg đến 810kg, vận hành theo 5 chu trình tiêu chuẩn: WMTC part 1, WMTC part 2, WMTC part 3, NEDC và Japan 10-15 mode

Trang 33

3.2 Phương trình động lực học của xe trên đường

Chuyển động của xe theo phương nằm ngang tuân thủ theo định luật Newton, gia tốc của xe theo phương ngang tỉ lệ thuận với độ lớn tổng hợp lực tác dụng lên xe và tỉ lệ nghịch với khối lượng xe Xét điểm cân bằng là vị trí tiếp xúc của bánh xe với mặt đường Tổng hợp lực cản tác dụng lên xe là:

𝑣𝑣̇ : gia tốc xe

Trang 34

Hình 3.2: Động lực học xe hai bánh trên đường

3.3 Nguyên lý mô phỏng quán tính xe và lực cản đường

Xe vận hành trên bệ thử chịu lực cản 𝐹𝑑 tổng hợp từ lực cản ma sát của bệ thử 𝐹𝑓và lực cản điện từ do bẹ thử tạo ra 𝐹𝑒 Tổng lực cản này với lực cản quán tính của bệ thử (tích khối lượng con lăn 𝑚𝑑 và gia tốc con lăn 𝑣𝑑̇ ) cân bằng với lực kéo do xe sinh ra trên bệ 𝐹𝑤

𝐹𝑤 = 𝐹𝑑+ 𝑚𝑑 𝑣𝑑̇

𝐹𝑑 = 𝐹𝑓+ 𝐹𝑒 = (𝑎𝑣𝑑2+ 𝑏𝑣𝑑+ 𝑐) + 𝐹𝑒

Do lực cản và khối lượng bệ thử khác lực cản và khối lượng trên đường, nên để mô phỏng điều kiện làm việc của xe trên đường thật tức là lực kéo của xe trên bệ bằng lực kéo của xe trên đường tại cùng một tốc độ thì cần điều khiển Fe, tức là điều khiển bù quán tính và lực cản đường

Do { 𝐹𝑐 ≠ 𝐹𝑓

𝑚𝑣 ≠ 𝑚𝑑 nên để {

𝐹𝑘 = 𝐹𝑤𝑣𝑣 = 𝑣𝑑 thì {

𝐹𝑒 = (𝑚𝑣− 𝑚𝑑) 𝑣𝑣̇ + (𝐹𝑐− 𝐹𝑓) 𝑣𝑣̇ = 𝐹𝑓+𝐹𝑒+𝑚𝑑.𝑣𝑑̇ −𝐹𝑐

𝑚𝑣

Trang 35

Hình 3.3: Động lực học xe trên bệ thử

3.4 Mô hình mô phỏng bệ thử dùng MATLAB

Mô hình mô phỏng bệ thử trên phần mềm MATLAB được chia thành năm khối chính bao gồm:

- Khối Drive_cycle: mảng dữ liệu hai chiều của chu trình thử bao gồm thời điểm của chu trình và giá trị vận tốc tại từng thời điểm đó Đầu ra khối Drive_cycle là giá trị tốc độ mong muốn mà xe vận hành tại từng thời điểm

- Khối Vehicle: mô hình bộ điều khiển tốc độ xe mô phỏng cho thao tác điều khiển tốc độ xe của người lái Đầu ra khối Vehicle là giá trị momen kéo mà xe sinh ra trên bệ thử

- Khối Roller: mô hình con lăn của bệ thử Đầu vào khối Roller là tổng hợp momen do xe và do máy điện sinh ra, là momen trực tiếp tác động lên chuyển động quay của con lăn Trong khối Roller còn có thành phần cản lăn của cụm con lăn, là hàm

Trang 36

gia tốc góc, tích phân theo miền thời gian cho ra giá trị tốc độ góc con lăn Giá trị này là đầu ra của khối Roller và phản hồi về khối Vehicle để điều khiển tốc độ xe bám theo chu trình cũng như phản hồi về biến tần điều khiển máy điện trong khối Dynamometer

- Khối Simulator_controller: bộ điều khiển mô phỏng quán tính và lực cản đường tác động lên xe vận hành trên bệ thử Đầu vào khối là vận tốc tức thời của xe, qua đó tính toán gia tốc thực tế và gia tốc mong muốn nếu xe vận hành với lực cản tương tự như khi vận hành trên đường Đầu ra khối bộ điều khiển là tín hiệu điều khiển cho biến tần điều khiển máy điện của bệ thử

- Khối Dynamometer: là một máy điện xoay chiều 3 pha không đồng bộ , được điều khiển bằng biến tần, có thể vận hành trong hai trường hợp:

+ Động cơ điện dẫn động con lăn

+ Máy phát điện hấp thụ công suất của xe thông qua con lăn

Qua đó tạo ra lực mô phỏng quán tính và lực cản đường tác động lên xe như khi vận hành trên đường

Trang 37

Hình 3.4: Mô hình mô phỏng bệ thử động lực học xe hai bánh có chức năng giả lập quán tính xe và lực cản đường

3.5 Đáp ứng của bệ thử với bộ điều khiển PID

Sau khi xây dựng giải thuật mô phỏng quán tính xe và lực cản đường, cũng như mô hình bệ thử trên SIMULINK, tác giả sử dụng bộ điều khiển vòng kín PID để thực hiện điều khiển lực cản mô phỏng đảm bảo gia tốc mô hình xe khi vận hành trên bệ thử bám theo gia tốc mô hình xe khi vận hành trên đường thật

Trang 38

Hình 3.5: Sơ đồ tuyến điều khiển của bộ điều khiển vòng kín gia tốc xe khi vận hành trên bệ thử

Từ đó tiến hành thử nghiệm thu thập các bộ hệ số của bộ điều khiển PID để giá trị lực kéo do xe sinh ra trên bệ thử bám theo giá trị lực kéo do xe sinh ra khi vận hành trên đường thật

Trang 39

Hình 3.6: Đáp ứng của bệ thử dùng bộ điều khiển PID gia tốc với xe có khối lượng 810kg theo chu trình WMTC part 2

Trang 40

Hình 3.7: Đáp ứng của bệ thử với xe có khối lượng 215kg theo chu trình WMTC part 2 sử dụng cùng thông số bộ PID trong trường hợp xe có khối lượng 810kg theo chu trình

WMTC part 2

Kết quả cho thấy, với cùng một bộ hệ số của bộ điều khiển vòng kín thông thường, khả năng mô phỏng quán tính và lực cản đường của bệ thử không tốt như nhau, thậm chí là sai lệch nhiều Do đó, việc xây dựng mạng neuron nhân tạo có thể được huấn luyện làm bộ xấp xỉ tổng quát, dùng để xấp xỉ luật điều khiển phi tuyến, có tính năng động cao mà bệ thử động lực học xe là nhu cầu tất yếu