Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kenyamanan dan keamanan berkendara dapat dipengaruhi oleh kemajuan teknologi kendali. Anti-Lock Breaking System (ABS) merupakan salah satu sistem keamanan yang menjaga kestabilan slip roda untuk menghindari terjadinya kecelakaan saat pengereman yang darurat. Dalam merancang sistem ABS yang baik, simulasi Hardware in the Loop (HILS) sangat diperlukan untuk mencegah resiko pengujian. Akan tetapi,untuk memastikan algoritma pengendalian, proses Processor in the Loop Simulation (PILS) perlu dilakukan terlebih dahulu. Penelitian ini akan berfokus pada pengujian pengendali prediktif pada sistem ABS menggunakan metode PILS dan komunikasi CAN.

---

Vehicle comfortability and driving security could be effected by the upturn of control system technology. Anti Lock Breaking System (ABS) is one of security system whose purpose is to keep wheel slip stable, concerning any accident from a sudden breaking. In furtherance, Hardware in The Loop Simulation (HILS) would give the best result and refain any risk on ABS design process. However, to ensure the control algorithm, Processor in The Loop Simulation (PILS) is needed to conduct first. The research was focused on implementation of predictive control in ABS with PILS approach using CAN communication."

"Teknologi keselamatan dan keamanan dalam berkendara telah berkembang pesat dalam beberapa dekade terakhir. Kemampuan ABS dalam menjaga roda agar tidak tergelincir, mengurangi jarak pengereman, serta menjaga agar kendaraan masih dapat dikendalikan menjadikan ABS sebagai salah satu sistem keselamatan yang paling penting untuk alat transportasi darat saat ini. Perkembangan teknologi terbaru dari sisi aktuator juga telah memungkinkan modulasi secara kontinu terhadap torsi pengereman, sehingga sistem pengereman aktif seperti ABS dapat diformulasikan menggunakan pengendalian klasik. Pada penelitian ini diajukan sebuah pengendali untuk ABS dengan pendekatan Model Predictive Control (MPC) agar mampu memberikan nilai torsi pengereman yang sesuai dengan nilai slip roda yang diinginkan. Model dinamik nonlinier setengah bagian mobil digunakan sebagai plant yang dikendalikan karena memberikan gambaran yang cukup lengkap mengenai dinamika pengereman, termasuk fenomena transfer beban dari roda belakang ke roda depan. Respons diskrit dari model ini kemudian dimodelkan dalam bentuk ruang keadaan dengan menggunakan metode Least Square. Model ruang keadaan ini kemudian digunakan dalam perancangan MPC. Nilai konstanta gesek ban terhadap jalan dihitung berdasarkan model Burckhardt yang merepresentasikan berbagai tipe jalan yang berbeda hanya dengan menggunakan tiga parameter. Slip roda dipilih sebagai variabel yang dikendalikan karena secara dinamik lebih robust jika dibandingkan dengan pengendalian perlambatan roda. Pengendali MPC yang dirancang mampu memberikan pengereman yang optimal di kondisi jalan aspal kering, aspal basah dan es.

---

Over the past half-century, vehicle safety technology has evolved considerably. Antilock braking system (ABS) is now one of the most important active safety system for road vehicles since it prevents the wheels from locking up and reduces the total braking distance while retaining drivability during braking. Recent technological advances in actuators have enabled a continuous modulation of the braking torque, thereby allowing us to formulate active braking control as a classical regulation problem.

The main objective of this research is to develop a controller for ABS based on Model Predictive Control (MPC) strategy, which allows the desired wheel slip to be reached and improves the vehicle?s braking distance in any road condition. A double-corner vehicle is employed as the controlled plant since it provides a sufficiently rich description of the braking dynamics, including the load transfer phenomena.

Discrete responses of this model are identified using Least Square method to reproduce the model in a state-space form as the main component of MPC design. As for the tyre-road friction model in this research, the Burckhardt friction model will be employed, as it only has three parameters to model many different tyre-road friction conditions. Wheel slip is chosen as the controlled variable since its dynamics is more robust than speed deceleration control. The designed MPC is able to perform optimal braking in dry asphalt, wet asphalt, and icy road condition"

"Teknologi yang sedang digunakan untuk mengoptimalkan pengereman ini merupakan Anti Lock Braking System (ABS). Teknologi ini menggunakan referensi rasio slip secara longitudinal pada roda dimana variabel ini mempunyai pengaruh terhadap koefisen gesek yang menyebabkan gaya gesek antara ban dan jalan menjadi maksimal. Rasio slip merupakan fungsi perbandingan kecepatan kendaraan dengan kecepatan roda dikalikan dengan jar-jari roda. Pengukuran kecepatan longitudinal kendaraan secara konvensional menggunakan perkalian radius roda dengan kecepatan angular roda yang dapat secara mudah diukur dengan sensor encoder. Akan tetapi metode ini mempunyai kelemahan yaitu tidak validnya kecepatan longitudinal yang didapat ketika kendaraan tetap melaju tetapi roda mengalami keadaan terkunci saat pengereman terjadi. Maka dari itu diperlukan adanya estimasi terhadap variabel kecepatan longitudinal kendaraan agar perhitungan rasio slip dapat dilakukan. Estimasi dilakukan menggunakan observer Adaptive Kalman Filter (AKF). Pada algoritma adaptif yang diusulkan adalah dengan memodifikasi gain pada algoritma Kalman filter konvensional. Gain dimodifikasi berdasarkan keadaan dari roda kendaraan saat terjadinya rasio slip berlebih atau ban yang terkunci dimana data dari akselerometer digunakan sepenuhnya. Desain observer ini menggunakan persamaan pengukuran dari kecepatan kendaraan yang diukur dari roda kendaraan dan masukan yang merupakan data dari akselerometer. Dengan adanya kombinasi dari dua pengukuran ini dapat diperoleh hasil yang optimal dimana terdapat kelebihan dari masing-masing sensor yang mengkompensasi kelemahan dari masing-masing sensor tersebut. Simulasi percobaan dilakukan menggunakan model half car dengan pengendali Proportional Integral (PI) dan Model Predictive Control (MPC) pada kondisi jalan aspal basah dan kering. Hasil estimasi terbaik didapatkan pada percobaan pengereman pada aspal basah dengan nilai cost function 0.002015.

---

The technology that being used to optimize the braking is an Anti-Lock Braking System (ABS). The technology uses a reference of longitudinal slip ratio on wheels in which these variables have an influence on the coefficient of friction that causes frictional forces between the tire and the road becomes maximum. This is because that slip ratio is a function of the longitudinal vehicle velocity that can not be measured directly. Measurement of longitudinal velocity of the vehicle using a conventional radius multiplication wheels with wheel angular velocity that can be easily measured by the encoder sensor. However, this method has the disadvantage that the invalidity of the longitudinal speed obtained when the vehicle may have run but the wheels are over slip or the current state of the wheels are locked due to braking occurs. Thus it is necessary to estimate the variable speed of the vehicle that the longitudinal slip ratio calculation can be done. Estimation was performed using Adaptive Kalman Filter (AKF) observer.

In the proposed adaptive algorithm is to modify the gain on conventional Kalman Filter algorithm. Gain is modified based on the state of the vehicle when the wheels are over slip locked then data from the accelerometer is fully used. The observer design using equation measurements of measured vehicle speed from the wheels of the vehicle and input observer is the data from the accelerometer. With the combination of these two measurements can be obtained optimal results where the advantages of each of the sensors can compensate for the weaknesses of each of these sensors. The simulation of system use the half car model with Proportional Integral (PI) and Model Predictive Control (MPC) controller on dry and wet asphalt for road condition. The best result of estimation achieved by simulation on wet asphalt with cost function value 0.02105."