Ewolucyjne metody optymalizacji w sterowaniu ruchem samochodu osobowego

• Autorzy: Warwas, K.

Warianty tytułu

EN

An evolutionary methods to control a motion of a passenger vehicle

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono optymalizację ruchu samochodu osobowego podczas jazdy po nawierzchni o zmiennej przyczepności. Model matematyczny pojazdu sformułowano, korzystając w zapisie z transformacji jednorodnych i współrzędnych złączowych. W procesie optymalizacji dobierano przebieg momentów hamujących działających na poszczególne koła pojazdu tak, aby zapewnić utrzymanie się pojazdu w szerokości jezdni. Do rozwiązania zadania optymalizacji zastosowano metody ewolucyjne takie jak: Genetic Algorithm (GA), Particle Swarm Optimisation (PSO) oraz Particle Swarm Evolver (PSE). Metody te, w odróżnieniu od klasycznych metod optymalizacji, umożliwiają znajdowanie rozwiązań globalnie optymalnych. W pracy przedstawiono wnioski z uzyskanych wyników oraz zastosowanych metod optymalizacji.

EN

The paper presents a method of passenger car motion optimisation while driving on the road surface with variable friction. A mathematical model of the vehicle has been formulated using homogenous transformation and joint coordinates. During optimisation braking torques values applied to each wheel of the car have been determined. In order to maintain position of the vehicle in the width of the road, optimisation problem has been formulated and solved. Evolutionary methods such as Genetic Algorithm (GA), Particle Swarm Optimisation (PSO) and Particle Swarm Evolver (PSE) has been applied. Those methods, in contrast to the classical optimisation methods, allow to find global optimal solution. In this paper results obtained during numerical simulations have been presented and discussed.

Słowa kluczowe

PL

metody ewolucyjne; optymalizacja dynamiczna; samochód osobowy; modelowanie komputerowe

EN

evolutionary methods; dynamic optimisation; passenger car; numerical simulation

• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2018
• Tom: T. 37, nr 68
• Strony: 132--141
• Opis fizyczny: Bibliogr. 37 poz.

Twórcy

autor

Warwas, K.

• Katedra Informatyki i Automatyki, Akademia Techniczno-Humanistyczna w Bielsku-Białej,

Bibliografia

• 1. Adamiec-Wójcik I.: Modelling dynamics of multibody systems using homogenous transformations. Bielsko-Biała, Wyd. ATH, 2003.
• 2. Augustynek K., Warwas K.: Zastosowanie metody PSO w optymalizacji ruchu samochodu osobowego. „Modelowanie Inżynierskie” 2016, nr 42, s. 5-12.
• 3. Bauchau O. A.: Flexible multibody dynamics, solid mechanics and its applications. Springer Netherlands, 2011.
• 4. Bhattacharyya S., Dutta P.: Handbook of research on swarm intelligence in engineering. IGI Global, 2015.
• 5. Chodnicki P., Guzek M., Lozia Z., Mackiewicz W., Stegienka I.: autoPW – wirtualne środowisko badań kierowców. „Czasopismo Techniczne”, Mechanika, 2008, zeszyt 10 (105), z. 6-M/2008, s. 29-38.
• 6. Clerc M.: From theory to practice in particle swarm optimization. Handbook on Swarm Intelligence, 2010, Vol. 8, p. 3-36.
• 7. Clerc M.: Particle swarm optimization. John Wiley & Sons, 2013.
• 8. Fernández F., Perez J., Lanchares J.: Parallel architectures and bioinspired algorithms. Springer-Verlag, 2012.
• 9. Gajek A., Walczak S.: Analiza możliwości oceny współczynnika przyczepności między kołem a jezdnią podczas hamowania prostoliniowego, „Archiwum Motoryzacji”, 2006, 2, s. 103-115.
• 10. García de Jalón J., Bayo E.: Kinematic and dynamic simulation of multibody systems: the real-time challenge. Springer-Verlag, New-York, 1994.
• 11. Głuch M.: Dziennik Ustaw Rzeczypospolitej Polskiej, Poz. 124, Obwieszczenie Ministra Infrastruktury I Budownictwa, 2016.
• 12. Gniłka J., Mężyk A.: Experimental identification and selection of dynamic properties of a high-speed tracked vehicle suspension system. “Eksploatacja i Niezawodność - Maintenance and Reliability” 2017, s. 108-113.
• 13. Grzegożek W., Adamiec-Wójcik I., Wojciech S.: Komputerowe modelowanie dynamiki pojazdów samochodowych. Kraków: Wyd. Pol. Krak., 2003.
• 14. Hassan R., Cohanim B., De Weck O.: Venter G.: Comparison of particle swarm optimization and the genetic algorithm. In: 46th AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference”, Texas, 2005.
• 15. Hunaini F., Robandi I., Sutantra N.: Lateral and yaw motion control of the vehicle using fuzzy logic and PID being optimized by firefly algorithm. “Journal of Theoretical and Applied Information Technology” Vol. 87m 2916, s. 16-24.
• 16. Kachitvichyanukul K.: Comparison of three evolutionary algorithms: GA, PSO, and DE, Industrial Engineering & Management Systems, 2012, Vol 11, No 3, p. 2015-223.
• 17. Li A., Zhao W., Li S., Qiu X., Wang X.: Research on the motion trajectory optimization method based on the improved genetic algorithm for an intelligent vehicle. In: Proceedings of the Institution of Mechanical Engineers, 2016, p. 1729-1740.
• 18. Lozia Z.: Modele symulacyjne ruchu i dynamiki dwóch pojazdów uprzywilejowanych. „Czasopismo Techniczne”, zeszyt 8, Mechanika, zeszyt 3-M/2012, s. 19-34.
• 19. Lozia Z.: Szacowanie wystąpienia zagrożenia wypadkiem w postaci przewrócenia się pojazdu kołowego na bok. „Autobusy: Technika, Eksploatacja, Systemy Transportowe” 2015, nr 6, s. 142-147.
• 20. Lundahl K.: Modeling and optimization for critical vehicle maneuvers. Linköping studies in science and technology Thesis. No. 1608, 2013.
• 21. Michalski R.: Modelowanie bezpieczeństwa pojazdów samochodowych, „Logistyka”, 2010, 4, CD.
• 22. Parczewski K., Wnęk H.: Wykorzystanie przyczepności podczas hamowania pojazdu. „Eksploatacja i Niezawodność: Maintenance and Reliability”, 2012, nr 2, Vol. 14, s. 176-180.
• 23. Parsopoulos K., Vrahatis M.: Particle swarm optimization and intelligence: advances and applications, IGI Global, 2010.
• 24. Pedregal P.: Introduction to optimization. Springer-Verlag Inc., 2004.
• 25. Press W., Teukolsky W., Vetterling S., Flannery W. B.: Numerical recipes.3rd ed.: The Art of Scientific Computing, Cambridge University Press, Cambridge, 2007.
• 26. Rajendran P., Yit K.: Aerial path planning for terrain surveying using evolutionary algorithms, advanced engineering: Current Perspective, 2016, p. 129-154.
• 27. Sahnehsaraei M., Mahmoodabadi M., Taherkhorsandi M., Castillo K., Yazdi S.: A hybrid global optimization algorithm: particle swarm optimization in association with a genetic algorithm. Complex System Modelling and Control Through Intelligent Soft Computations, Springer, 2015, p. 45-86.
• 28. Sayin A., Ozer H.: Controlling of the full vehicle model using sliding mode control optimized by genetic algorithm. In: International Conference on Engineering Vibration, 2015, p. 886-896.
• 29. Sivanandam S.N., Deepa S. N.: Introduction to genetic algorithms. Springer-Verlag Berlin Heidelberg, Berlin, 2008.
• 30. Szczotka M., Tengler S., Wojciech S.: Numerical effectiveness of models and methods of integration of the equations of motion of a car. „Differential Equations and Nonlinear Mechanics”, Hindawi, 2007, Article ID 49157, 13 pp.
• 31. Szczotka M., Wojciech S.: Application of joint coordinates and homogeneous transformations to modeling of vehicle dynamics. „Nonlinear Dynamics” 2008, Vol. 52, Iss. 4, p. 377-393.
• 32. Szumska E., Młodzińska D., Jurecki R.: Wpływ stanu nawierzchni drogi na skuteczność hamowania pojazdu. „Logistyka”, 2014, 6, s. 10430-10439.
• 33. Vanneschi L., Codecasa D., Mauri G.: An empirical comparison of parallel and distributed particle swarm optimization methods. In: Proceedings of the 12th annual conference on Genetic and evolutionary computation, 2010, p. 15-22.
• 34. Warwas K.: Analiza i sterowanie ruchem pojazdów wieloczłonowych z uwzględnieniem podatności elementów. Praca doktorska. Bielsko-Biała: ATH, 2009.
• 35. Warwas K., Augustynek K.: Dynamic optimisation of articulated vehicle motion for control of stability in critical situation. “IDAACS 2015: 8th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications:”, 2015, Vol. 1, p. 232-237.
• 36. Wittbrodt E., Adamiec-Wójcik I., Wojciech S.: Dynamics of flexible multibody systems, rigid finite element method. Springer, 2006.
• 37. Zhuang Y., Sharma S., Subudhi B., Huang H., Wan, J.: Efficient collision-free path planning for autonomous underwater vehicles in dynamic environments with a hybrid optimization algorithm. “Ocean Engineering” 2016, Vol. 127, 2016, p. 190-199.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW
przeznaczonych na działalność upowszechniającą naukę (2019).