การออกแบบตัวควบคุมพีไอดีสำหรับระบบเบรกแบบกันล้อล็อกด้วย วิธีการหาค่าที่เหมาะสมที่สุดโดยกลุ่มอนุภาค
Article Sidebar
Main Article Content
บทคัดย่อ
ในปัจจุบันได้มีการนำเอาเทคนิคความฉลาดเชิงการคำนวณ (Computational intelligence techniques) เช่นขั้นตอนวิธีเชิงพันธุกรรม การค้นหาคำตอบแบบอาณานิคมมด และการหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาคมาประยุกต์ใช้ในการควบคุมขบวนการในอุตสาหกรรมขั้นสูง งานวิจัยนี้จึงมีจุดประสงค์หลักในการนำเสนอการนำเทคนิคในลำดับที่สามซึ่งมีความง่ายต่อการนำไปประยุกต์ใช้ รวมทั้งมีเสถียรภาพและมีคุณสมบัติที่ดีในการลู่เข้าหาคำตอบ ตลอดจนการคำนวณที่มีประสิทธิภาพ โดยจะนำเอาข้อดีของวิธีนี้มาใช้ในการปรับแต่งค่าพารามิเตอร์ของตัวควบคุมแบบพีไอดี ซึ่งประกอบไปด้วย ค่าคงที่ในการควบคุมแบบสัดส่วน แบบปริพันธ์ และแบบอนุพันธ์ ซึ่งออกแบบบนพื้นฐานของผลตอบสนองการควบคุมแบบวงปิดที่ต้องการ เพื่อนำมาใช้ควบคุมการลื่นไถลของล้อรถยนต์ในระบบเบรกแบบกันล้อล็อก โดยจำลองการควบคุมกับรถโมเดลขนาด ¼ ด้วยโปรแกรมสำเร็จรูป เพื่อทำการทดสอบสมรรถนะของตัวควบคุมที่ออกแบบโดยใช้เทคนิคการหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค เมื่อทำการเปรียบเทียบกับตัวควบคุมแบบพีไอดีที่ออกแบบโดยใช้การปรับแต่งค่าพารามิเตอร์ด้วยเทคนิคของ Ziegler-Nichols และตัวควบคุมแบบ Bang-Bang พบว่า ตัวควบคุมที่นำเสนอสามารถลดแรงต้านที่แป้นเบรกตลอดจนลดระยะทางในการเบรกได้อย่างชัดเจน รวมทั้งสามารถควบคุมให้ตลอดระยะเวลาที่เบรก มีสัมประสิทธิ์แรงเสียดทานระหว่างล้อรถยนต์และพื้นถนนมีค่าสูงสุด ซึ่งเป็นการยืนยันว่าระบบที่เลือกใช้นี้สามารถนำมาใช้ในการควบคุมระบบเบรกแบบกันล้อล็อกได้อย่างมีประสิทธิภาพ
Article Details
- เนื้อหาและข้อมูลในบทความที่ตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง กองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
- บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศถือเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ก่อนเท่านั้น
เอกสารอ้างอิง
[2] P.E. Wellstead and N. Pettit. Analysis and Redesign of an Antilock Brake System Controller. IEE Proceedings Control Theory Applications, 144(5): 413-426, 1997.
[3] A.G. Ulsoy and H. Peng. Vehicle Control Systems. Lecture Notes, ME 568, 1997.
[4] T. Fu. Modeling and Performance Analysis of ABS System with Nonlinear Control. Master’s thesis, Concordia University, Montreal, Quebec, Canada, 2000.
[5] A.A. Aly et al. An Antilock-Braking Systems (ABS) Control: A Technical Review. Intelligent Control and Automation, 2: 186-195, 2011.
[6] Q. Ming. Sliding Mode Controller Design for ABS System. MSc Thesis, Virginia Polytechnic Institute and State University, 1997.
[7] J. Song, H. Kim and K. Boo. A study on an Anti-Lock Braking System Controller and Rear-Wheel Controller to Enhance Vehicle Lateral Stability. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 221(7): 777- 787, 2007.
[8] A. Mirzaei, M. Moallem, B. Mirzaeian Dehkordi and B. Fahimi. Design of an Optimal Fuzzy Controller for Antilock Braking Systems. IEEE Transactions on Vehicular Technology, 55(6): 1725-1730, 2006.
[9] D.K. Yadav. Modeling an intelligent Controller for Antilock Braking System. International Journal of Technical Research and Applications, 3(4): 122-126, 2015.
[10] C.M. Lin and C.F. Hsu. Self-Learning Fuzzy Sliding-Mode Control for Antilock Braking Systems. IEEE Transaction on Control Systems Technology, 11(2): 273-278, 2003.
[11] D. Xue et al., Linear Feedback Control. Society for Industrial and Applied Mathematics. 1st Ed, February 2008.
[12] S.S. Rao. Engineering Optimization Theory and Practice. 4th Ed., John Wiley and Sons, 2009.
[13] S.J. Bassi et al. Automatic Tuning PID Controller Using Particle Swarm Optimization (PSO) Algorithm. International Journal of Artificial Intelligence and Applications, 2(4), 2011.
[14] J.Kennedy and R.C. Eberhart. Particle swarm optimization. In Proceedings of IEEE International Conference on Neural Networks: 1942-1948, 1995.
[15] Y.H. Shi and R.C. Eberhart. A modified particle swarm optimizer. In Proceedings of IEEE International Conference on Evolutionary Computation: 69-73, 1998.
