بررسی پارامترهای تأثیرگذار بر پایداری خودرو و بهینه‌سازی چندهدفه شاخص‌های دینامیکی آن

نوع مقاله : گرایش ساخت و تولید

نویسندگان

1 استادیار، گروه مکانیک، دانشگاه آزاد اسلامی، واحد مشهد، مشهد، ایران

2 نویسنده مسئول: استادیار، گروه مکانیک، دانشگاه آزاد اسلامی، واحد مشهد، مشهد، ایران

چکیده

واژگونی یکی از چالش‌های اساسی درزمینهٔ ایمنی خودرو است که باعث درصد زیادی از خسارات جانی و مالی در تصادفات جاده‌ای می‌گردد. در بعضی از موارد می‌توان میزان احتمال وقوع واژگونی را کاهش داد ولی شاخص‌های دیگر مانند پایداری خودرو تحت‌الشعاع قرار می‌گیرند. به همین جهت در این پژوهش برای اینکه شاخص پایداری و واژگونی به‌صورت هم‌زمان بهبود یابد، از روش ترکیبی تاپسیس و تاگوچی و وزن دهی آنتروپی استفاده گردیده است. ابتدا مدل دینامیکی خودرو انتخاب‌شده است. 13 پارامتر در 3 سطح شامل پارامترهای ذاتی و هندسی خودرو و سیستم تعلیق شناسایی شد. 27 سری آزمون به روش تاگوچی در نرم‌افزار مینی تب آماده شد این پارامترها در نرم‌افزار کارسیم ارزیابی و شناسایی شدند. درنهایت با توجه به زاویه‌های نرخ چرخش حول محور Z و زاویه غلت بدنه، 6 پارامتر مهم به دست آمد. سپس 6 پارامتری که در مرحله قبل حائز اهمیت بودند را مشخص و مجدداً با روش تاگوچی، تعداد 25 آزمون در 5 سطح در نرم‌افزار کارسیم و بهینه‌سازی چندهدفه تاپسیس با وزن دهی آنتروپی انجام شد. نتایج نشان داد روش ترکیبی پیشنهادی در سرعت km/h 80 باعث کاهش شاخص واژگونی به میزان %29.2 ، زاویه غلت بدنه به میزان%27.4 ، شتاب جانبی به میزان %1 و نرخ زاویه چرخش حول محورZ به‌اندازه %1.9 شده است . مجدداً آزمون‌ها در سرعت‌های مختلف انجام گردید. مشخص شد با افزایش سرعت درصد بهبود کلیه شاخص‌ها کاهش می‌یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the Effective Parameters on Vehicle Stability and Multi-objective Optimization of its Dynamic Indices

نویسندگان [English]

  • Saeid Erfanian Zorofi 1
  • Yadollah Farzaneh 2
  • Mansour Bagaeian 1
1 Assistant Professor, Department of Mechanical Engineering, Mashhad Branch, Islamic Azad University, Mashhad, Iran
2 Corresponding author: Assistant Professor, Department of Mechanical Engineering, Mashhad Branch, Islamic Azad University, Mashhad, Iran
چکیده [English]

Rollover which causes a large number of deaths and pecuniary damages is one of the basic challenges in vehicle safety. If we can decrease the possibility of rollover in some conditions, probably other important indices are decreased like vehicle stability. It means that some indices are improved through the change of parameters but some of them are not. For this reason, to improve rollover and stability indices simultaneously, combined Topsis-Taguchi and Shannon Entropy methods were used in this paper. First, a whole vehicle as a dynamic model was chosen and to verify the most important parameters, 13 parameters in 3 levels including geometric and volumetric parameters were verified. 27 series of tests through the Taguchi method in Minitab software were prepared and evaluated in Carsim software for obtaining rolling angles and yaw rate around the Z axle. The six most important parameters in the previous level were distinguished and again 25 tests were conducted through the Taguchi method in 5 stages in Carsim Software and multi-objective optimization was conducted. Results showed the suggested method in 80km/h made rollover index, rolling angle, lateral acceleration, and yaw rate around Z axle be decreased as %28.9, %26.2, %0.3, %0.2, respectively. Again, the tests were conducted at different speeds and it was found that with increasing speed, the improvement percentage of all indicators decreases.

کلیدواژه‌ها [English]

  • Roll over
  • Stability
  • Combined optimization
  • TOPSIS
  • Taguchi
  • Shanon Entropy
  • Roll over index

Smiley face

[1]https://www.who.int/violence_injury_prevention/key_facts/VIP_key_fact_3.pdf
[2] Mashadi B, Mostaghimi H. Vehicle lift-off modelling and a new rollover detection criterion. Vehicle system dynamics. 2017;55(5):704-24.##
[3] Jin Z, Li J, Huang Y, Khajepour A. Study on rollover index and stability for a triaxle bus. Chinese Journal of Mechanical Engineering. 2019;32(1):1-15.##
[4] Kazemian AH, Fooladi M, Darijani H. Rollover index for the diagnosis of tripped and untripped rollovers. Latin American Journal of Solids and Structures. 2017;14:1979-99.##
[5] Zhu B, Piao Q, Zhao J, Guo L. Integrated chassis control for vehicle rollover prevention with neural network time-to-rollover warning metrics. Advances in Mechanical Engineering. 2016;8(2):1687814016632679.##
[6] Li H, Zhao Y, Wang H, Lin F. Design of an improved predictive LTR for rollover warning systems. Journal of the Brazilian Society of Mechanical Sciences and Engineering. 2017;39(10):3779-91.##
[7] Badiru IA. The three suspension roll centers and their application to vehicle dynamics. SAE Technical Paper; 2014. Report No.: 0148-7191.##
[8] Parida NC, Raha S, Ramani A. Rollover-preventive force synthesis at active suspensions in a vehicle performing a severe maneuver with wheels lifted off. IEEE Transactions on Intelligent Transportation Systems. 2014;15(6):2583-94.##
[9] Ataei M, Khajepour A, Jeon S. Model predictive rollover prevention for steer-by-wire vehicles with a new rollover index. International Journal of Control. 2020;93(1):140-55.##
[10] Saeedi MA. An active non-linear steering control system to increase vehicle lateral stability. Journal of Aerospace Mechanics. 2019;15(3),47-60 (in Persian).##
[11] Elhami MR, Eldar M. Analyzing and Optimizing the Suspension of a Sandy Vehicle: Responding to Standard Inputs. Journal of Aerospace Mechanics. 2005;1(3) (in Persian).##
[12] Jiang R, Wang D. Optimization of suspension system of self-dumping truck using TOPSIS-based Taguchi method coupled with entropy measurement. SAE Technical Paper; 2016. Report No.: 0148-7191.##
[13] Jiang R, Ci S, Liu D, Cheng X, Pan Z. A hybrid multi-objective optimization method based on NSGA-II algorithm and entropy weighted TOPSIS for lightweight design of dump truck carriage. Machines. 2021;9(8):156.##
[14] Gray RM. Entropy and information theory: Springer Science & Business Media; 2011.##
[15] Rath JJ, Defoort M, Veluvolu KC. Rollover index estimation in the presence of sensor faults, unknown inputs, and uncertainties. IEEE transactions on intelligent transportation systems. 2016;17(10):2949-59.##
[16] Huang W, Wong PK, Wong KI, Vong CM, Zhao J. Adaptive neural control of vehicle yaw stability with active front steering using an improved random projection neural network. Vehicle system dynamics. 2021;59(3):396-414.##
 
دوره 18، شماره 2 - شماره پیاپی 68
شماره پیاپی 68، فصلنامه تابستان
مرداد 1401
صفحه 37-50
  • تاریخ دریافت: 02 مهر 1400
  • تاریخ بازنگری: 27 آبان 1400
  • تاریخ پذیرش: 20 دی 1400
  • تاریخ انتشار: 01 مرداد 1401