Skip to main content
SUPERVISOR
Saeed Behbahani,Mohsen Esfahanian
سعید بهبهانی (استاد مشاور) محسن اصفهانیان (استاد راهنما)
 
STUDENT
Mohammad Saadat
محمد سعادت

FACULTY - DEPARTMENT

دانشکده مهندسی مکانیک
DEGREE
Doctor of Philosophy (PhD)
YEAR
1389

TITLE

Fuel Consumption Reduction of Hybrid Diesel-electric Train and Hybrid Bus using Fuzzy Look-ahead Control
Due to increasing energy consumption and its associated costs, all industries try to reduce energy consumption and increase the efficiency. One of the main industries in this field is the traortation industry. Therefore, the subjects that aimed to reduce fuel consumption in the traortation industry and on the other hand lead to a reduction in air pollution, are the challenging subjects in the research. Hybrid electric vehicles are an important solution to reduce fuel consumption and emissions. The performance of the power management strategy in a hybrid electric vehicle depends on powertrain structure (e.g., parallel or series), the degree of hybridization (or the relative capacities of internal combustion engine and the energy storage system) and the amount of available preview information of the ahead path. The focus of this dissertation is to design an appropriate control strategy aimed to reduce fuel consumption in rail and road traortation. A new and effective method in this field is “look-ahead” control approach. The main logic of this approach is to use ahead path information (such as road gradients, curves of the road, traffic information, weather information, etc.) in the control decisions. In the look-ahead control, a part of the ahead road is considered as the look-ahead window and the ahead path information will be the average information of the points within this window. Based on this calculated information, the desired speed will be modified which is the input command for cruise control system. Travel time increment is considered as a constraint in the problem. In this thesis, the look-ahead algorithm is upgraded so that the speed limits of the path are considered other than the gradient data. Fine tuning of the look-ahead controller parameters requires to check the profiles of ahead road slope and speed limit. The working conditions of the look-ahead controller can be justify; TEXT-INDENT: 18pt; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" On the other hand, the concept of hybrid vehicle is extended to any conventional vehicle that uses the look-ahead control approach. In the proposed concept, a kinetic energy storage (KES) has been considered for each vehicle. The kinetic energy storage has no physical existence but also exist in the background of any vehicle movement. The identification and use of the KES depends to control system ability. The most important feature of the KES is the efficiency of 100% and no investment cost. In the first half of this thesis, the implementation of the look-ahead controller in the rail traortation is followed. Considering the weakness of the existing models for simulation of diesel electric train and their inability to calculate fuel consumption directly, a new model is proposed. The main components of the locomotive are considered in this model including diesel generator and the electric motors and also the energy flow between them. In this model, the diesel engine parameters are tuned based on the experimental tests conducted in Raja Company. Therefore, the amount of fuel consumption can be calculated more precisely. The fuel consumption in this model is consistent with the experimental fuel consumption and the locomotive’s catalog information. The simulation results of the diesel-electric train motion using the look-ahead control is presented that shows the reduction in fuel consumption and on the other hand travel time increment (within permissible limits). The effectiveness of look-ahead control is compared with the dynamic programming algorithm. The series structure for hybrid diesel-electric powertrain is designed (by adding a Li-Ion battery pack) and the look-ahead control approach has been implemented. In the second half of this thesis, the proposed upgraded look-ahead control is implemented for the conventional and hybrid intercity buses as a fuzzy algorithm with the ability of fuzzy gain scheduling based on road pattern recognition. The simulation results indicate a significant reduction in fuel consumption. Keywords: Diesel-electric hybrid train, Hybrid bus, Fuel consumption, Look-ahead control, Fuzzy control, Genetic algorithm.
با توجه به افزایش روزافزون مصرف انرژی و هزینه‌های ناشی از آن، تمامی صنایع در جهت کاهش مصرف انرژی و افزایش بازده تلاش می‌کنند. در زمینه مصرف انرژی، صنعت حمل و نقل یکی از پرمصرف ترین صنایع محسوب می‌شود. لذا موضوعاتی که مصرف سوخت را در صنعت حمل و نقل کاهش دهد و از سوی دیگر به کاهش آلودگی هوا منجر شود، از زمینه های فعال در پژوهش و تحقیق می باشد. خودروهای هیبرید الکتریک با توجه به نقش آنها در کاهش مصرف سوخت و آلایندگی، در دهه اخیر مورد توجه ویژه بوده اند. عملکرد استراتژی مدیریت توان در یک خودروی هیبرید، به چینش اجزاء(موازی و یا سری)، درجه هیبریداسیون (ظرفیت های نسبی موتور احتراقی و سیستم ذخیره‌ساز انرژی) و میزان اطلاعات در دسترس از مسیرپیش‌رو بستگی دارد. کانون تمرکز این پایان نامه، طراحی یک استراتژی کنترلی مناسب برای کاهش مصرف سوخت درحمل و نقل ریلی و جاده‌ای است. یک روش جدید و موثر در این زمینه، رویکرد کنترل آینده نگر [1] می باشد. منطق اصلی این روش، استفاده از اطلاعات مسیر پیش رو (از قبیل شیب جاده، پیچ و قوس جاده، اطلاعات ترافیکی، اطلاعات آب و هوا و ...) در تصمیم گیری های کنترلی می باشد. در روش کنترل آینده‌نگر، بخشی از مسیر پیش‌رو به عنوان پنجره آینده‌نگری در نظر گرفته می‌شود و میانگین اطلاعات نقاط داخل این پنجره بیانگر اطلاعات مسیر پیش‌رو خواهد بود. بر اساس این اطلاعات محاسبه‌شده، سرعت مطلوب که به عنوان دستور ورودی سیستم کروز کنترل اصلاح می‌گردد. افزایش مدت زمان سفر به عنوان یک قید در مساله لحاظ می‌گردد. در این پایان نامه، روش کنترل فازی آینده‌نگر توسعه داده شده است به نحوی که علاوه بر اطلاعات شیب مسیر از اطلاعات قوس و محدودیت سرعت نیز استفاده شده است. تنظیم پارامترهای کنترل‌کننده آینده‌نگر، مستلزم بررسی پروفایل شیب و حد سرعت پیش‌رو و دسته‌بندی شرایط جاده در نواحی کاری متعددی است که در هر ناحیه کاری، بهینه‌سازی ضرایب امکان‌پذیر باشد. مفهوم پیشنهادی در این پایان‌نامه که می‌تواند این دسته‌بندی را انجام دهد، شاخصی به نام "الگوی جاده" است. در رویکرد پیشنهادی، پروفایل شیب و حدسرعت پیش‌رو به صورت جداگانه بررسی می‌شوند و در ابتدا، الگوی جاده بر اساس شیب و حد سرعت پیش‌رو به صورت جداگانه تعیین می‌شود و سپس به صورت فازی تلفیق می‌گردند. سپس با توجه به اینکه شرایط کاری جاده در چند ناحیه مجزا تعریف شده است، ضرایب بهینه کنترل‌کننده در هر ناحیه با استفاده از الگوریتم ژنتیک محاسبه و سپس به صورت فازی این ضرایب تلفیق می‌گردند که در واقع همان استفاده از رویکرد تنظیم فازی ضرایب است. از طرف دیگر، مفهوم خودروی هیبرید به خودروی معمولی که از رویکرد کنترل آینده‌نگر استفاده می‌کند، توسعه داده شده است بدین صورت که می‌توان برای هر خودرو، یک منبع ذخیره‌سازی انرژی جنبشی در نظر گرفت. منبع ذخیره‌سازی انرژی جنبشی وجود فیزیکی ندارد بلکه مفهومی است که در پس‌زمینه حرکت هر وسیله نقلیه نهفته است و در صورت توانمندی سیستم کنترل، این منبع ذخیره‌سازی انرژی قابل‌شناسایی و استفاده است. مهمترین ویژگی منبع ذخیره‌سازی انرژی جنبشی، بازده صد درصد و عدم نیاز به هزینه است. در نیمه اول پایان‌نامه، پیاده‌سازی کنترل آینده‌نگر در حمل و نقل ریلی دنبال شده است. با توجه به ضعف مدل‌های موجود برای شبیه‌سازی حرکت قطار دیزل الکتریک و ناتوانی آنها در محاسبه مستقیم مصرف سوخت، مدل جدیدی برای این منظور در این پایان‌نامه پیشنهاد شده است که در آن اجزای اصلی لکومتیو شامل دیزل- ژنراتور و موتور الکتریکی و جریان انرژی بین آنها در نظر گرفته شده است. در این مدل، پارامترهای موتور دیزل بر اساس تست‌های تجربی انجام شده در شرکت رجا تنظیم شده است و می‌توان میزان مصرف سوخت را به صورت دقیق‌تری محاسبه نمود. میزان مصرف سوخت محاسبه شده در مدل پیشنهادی با میزان مصرف سوخت تجربی و اطلاعات کاتالوگ لکومتیو همخوانی دارد. نتایج شبیه‌سازی حرکت قطار دیزل الکتریک با کنترل فازی آینده‌نگر که بیانگر کاهش مصرف سوخت و از طرف دیگر افزایش مدت زمان سفر(در محدوده مجاز) است، ارائه شده است. کارایی روش کنترل آینده‌نگر با روش برنامه‌ریزی پویا نیز مقایسه شده است. سیستم انتقال قدرت هیبرید سری برای لکومتیو دیزل-الکتریک با اضافه نمودن یک مجموعه باتری لیتیوم‌یون طراحی و رویکرد کنترل آینده‌نگر در مورد آن پیاده‌سازی گردیده است. در نیمه دوم پایان‌نامه، کنترل آینده‌نگر توسعه‌یافته و پیشنهادی برای اتوبوس بین‌شهری معمولی و هیبرید به صورت الگوریتم فازی دارای قابلیت تنظیم فازی ضرایب بر اساس الگوی جاده پیاده‌سازی شده است که نتایج شبیه‌سازی بیانگر کاهش قابل‌توجه مصرف سوخت است. کلمات کلیدی: قطار هیبرید دیزل-الکتریک، اتوبوس بین‌شهری هیبرید، مصرف سوخت، کنترل آینده‌نگر، کنترل فازی، الگوریتم ژنتیک 1 Look-ahead control

ارتقاء امنیت وب با وف بومی