بخشی از مقاله
چکیده
در این تحقیق اثر جرم مخزن گاز طبیعی و محل نصب آن بر روی سرعت و شتاب جانبی و همچنین زاویه رول خودروی دوگانه سوز مورد بررسی قرار گرفته است. با تغییر این پارامترها و مدل سازی که توسط نرم افزار Matlab بر روی یک مدل هفت درجه آزادی خودروی دوگانه سوز انجام شده است، شتاب و سرعت جانبی و همچنین زاویه رول محاسبه شده اند.
از این نتایج در جهت آموزش و ایجاد یک شبکه عصبی انتشار برگشتی استفاده می شود. مشاهده شد که مدل شبکه عصبی با دقت بالای می تواند این پارامترها را تخمین بزند. برای آموزش این شبکه عصبی از الگوریتم آموزش نظارت شده استفاده شد.
همچنین از توابعی مختلفی مانند newelm، newff و newcf استفاده گردید و این نتیجه حاصل گردید که تابع newff نسبت به دو تابع دیگر از دقت بالاتری برخوردار است. بهترین معماری شبکه عصبی انتشار برگشتی که با تابع newff بدست آمد یک شبکه عصبی با دو لایه مخفی بصورت 2-5-5-3 است. نتایج نشان می دهد که محل نصب مخزن در پارامترهای ذکر شده تاثیر بیشتری نسبت به جرم مخزن CNG دارد. با آموزش این شبکه می توان سرعت و شتاب جانبی و همچنین زاویه رول را بدون محاسبه با دقت قابل قبول تخمین زد.
مقدمه
خودور بنزینی پایه با افزودن مجموعه ای از قطعات و تجهیزات به خودرو دو گانه سوز تبدیل می شود که امکان استفاده از هر دو نوع سوخت را به صورت جداگانه فراهم می کند. از نظر عملکرد موتوری، خودروی دو گانه سوز به علت تفاوتهای دو نوع سوخت از نظر حالت فیزیکی ترکیب شیمیایی و خواص احتراق دچار ده درصد الی بیست درصد افت توان می گرددکه بطور مستقیم باعث افت شاخص های رفتار دینامیکی طولی خودرو مثل شتاب گیری و قابلیت شیب پیمایی می گردد.
از آنجا که در تجهیزات دوگانه سوز اضافه شده جرم همه قطعات نسبت به جرم مخزن و جرم خودرو ناچیز است لذا از نظر دینامیکی می توان افزودن این تجهیزات را بصورت اضافه نمودن جرمی به اندازه جرم مخزن گاز طبیعی به خودرو پایه در نظر گرفت که باعث افزایش جرم، تغییر مرکز جرم و تغییر در توزیع نیروی عمودی چرخهای خودرو می شود. تغییر در توزیع نیروی عمودی چرخهای خودرو نیز باعث تغییر در ماکزیمم نیروی طولی و عرضی قابل حصول در چرخ های خودرو شده و منجر به تغییر در مقدار ماکزیمم شتاب جانبی می شود که در اثر انتقال بار جانبی و نیز رول خودرو باعث صفر شدن نیروی عمودی در چرخهای داخل پیچ خودرو می گردد.[1] از کارهای مرتبط دیگر بررسی تغییر طولی مرکز جرم خودرو بر رفتار دینامیکی خودرو می باشد که توسط کاسانوا انجام شده است.
در این تحقیق اثر جرم مخزن گاز طبیعی و محل نصب آن بر روی سرعت و شتاب جانبی و همچنین زاویه رول خودرو مورد بررسی قرار گرفته است. با تغییر این پارامترها و مدل سازی که توسط نرم افزار Matlab بر روی یک مدل هفت درجه آزادی خودروی دوگانه سوز انجام شده است شتاب و سرعت جانبی و همچنین زاویه رول محاسبه شده اند. از این نتایج در جهت آموزش و ایجاد یک شبکه عصبی انتشار برگشتی استفاده می شود. مشاهده شد که مدل شبکه عصبی با دقت بالای می تواند این پارامترها را تخمین بزند.
مدل سازی
در این تحقیق از نتایج مدل سازی مشهدی و رستمی استفاده شده است.[1] آنها از یک مدل هفت درجه آزادی استفاده گردند. درجات آزادی مدل خودروی چهار چرخ شامل سرعت جانبی، سرعت طولی، زاویه رول، زاویه فرمان چرخهای جلو، سرعت زاویه ای گردشی و سرعت زاویه ای چرخهای محرک می باشد. همچنین آنها به منظور شبیه سازی این مدل از نرم افزار Matlab/Simulink استفاده کردند. مشهدی و رستمی رفتار یک خودروی دوگانه سوز را در شرایط ماکزیمم شتاب جانبی و در شرایط پایدار مورد مطالعه قرار دادند. آنها تاثیر محل نصب مخزن و جرم مخزن CNG را در رفتار پایدار خودرو دوگانه سوز را در شرایط کاری سرعت طولی 20 متر بر ثانیه و زاویه فرمان 80 درجه مورد مطالعه قرار دادند و نتایج خود را ارائه نمود.
شبکه عصبی مصنوعی
ایده استفاده از شبکه عصبی مصنوعی از عملکرد مغز انسان و سلول های عصبی بیولوژیکی نشات گرفته است. این موضوع باعث تمایز شبکه عصبی از دیگر تکنیک های محاسباتی شده است .[3] توانایی شبکه عصبی در مدل کردن سیستم های غیر خطی و پیچیده موجب گردیده تا استفاده از این تکنیک در شاخه های مختلف علوم مهندسی مورد استفاده قرار گیرد. در این تحقیق از یک شبکه عصبی انتشار برگشتی چند لایه که در آن تمام نرون ها هر لایه با نرون های لایه مجاور ارتباط دارند استفاده شده است. همان طور که در شکل 1 دیده می شود شبکه عصبی دارای لایه ورودی مخفی و خروجی می باشد.
شکل -1 شبکه عصبی مصنوعی
در هرلایه تعدادی نرون وجود دارد که با نسبت وزنی مشخصی به نرون های مجاور در لایه های دیگر ارتباط داده می شود. شبکه، بردارهای ورودی را در لایه ورودی دریافت می کند و با استفاده از توابع وزن و همچنین تابع عملگر هر لایه، بردار خروجی را ایجاد می کند. بردار ورودی این تحقیق در جدول 1 آمده است.
جدول -1 وروی ها و خروجی شبکه عصبی
آموزش شبکه با استفاده از روش تکرار شونده انجام می شود. بطوریکه ابتدا داده های ورودی و خروجی به منظور آموزش شبکه به شبکه داده می شود. سپس شبکه با استفاده از داده های ورودی و توابع وزنی اولیه یک سری خروجی بدست می آورد. این نتایج با داده های خروجی مقایسه می شود و با توجه به خطای بدست آمده، نسبت های وزنی برای رسیدن به خطای کمتر تغییر می کند. این روند تا بدست آمدن خطای مینیمم تکرار می شود. با مینیمم شدن این خطا، شبکه آموزش دیده و نسبت های وزنی را با استفاده از داده های ورودی و خروجی داده شده بدست آورده است.
با رسیدن به این مرحله، دیگر نسبت های وزنی تغییر نمی کنند و شبکه برای تست کردن آماده است. در این مرحله داده های ورودی و خروجی جدیدی که برای آموزش به شبکه داده نشده بود به شبکه داده می شوند.
