[논문 리뷰] Hybrid control strategy for a semi active suspension system using fuzzy logic and bio-inspired chaotic fruit fly algorithm

Vikram Bhattacharjee, Debanjan Chatterjee외 1명|arXiv (Cornell University)|2017. 03. 23.

Leaf Properties and Growth Measurement참고 문헌 15인용 수 5

한 줄 요약

이 논문은 퍼지 논리와 생물학적으로 영감을 받은 혼돈적 과일 파리 최적화 알고리즘을 조합한 하이브리드 제어 전략을 제안한다. 이 전략은 PID 튜닝에 활용되며, 활성 승용차 현수장치 대비 피크 가속도를 83.3% 감소시키고 현수장치 변형을 28.57% 감소시킨다. 기존 최적화 기법인 GA, PSO, BFO보다 진동 억제 및 승차감에서 뛰어난 성능을 발휘한다.

ABSTRACT

This study proposes a control strategy for the efficient semi active suspension systems utilizing a novel hybrid PID-fuzzy logic control scheme .In the control architecture, we employ the Chaotic Fruit Fly Algorithm for PID tuning since it can avoid local minima by chaotic search. A novel linguistic rule based fuzzy logic controller is developed to aid the PID.A quarter car model with a non-linear spring system is used to test the performance of the proposed control approach. A road terrain is chosen where the comfort and handling parameters are tested specifically in the regions of abrupt changes. The results suggest that the suspension systems controlled by the hybrid strategy has the potential to offer more comfort and handling by reducing the peak acceleration and suspension distortion by 83.3 % and 28.57% respectively when compared to the active suspension systems. Also, compared to the performance of similar suspension control strategies optimized by stochastic algorithms such as Genetic Algorithms (GA), Particle Swarm Optimization (PSO) and Bacterial Foraging Optimization (BFO), reductions in peak acceleration and suspension distortion are found to be 25%, 32.3%, 54.6% and 23.35 %, 22.5%, 5.4 % respectively.The details of the solution methodology have been presented in the paper.

연구 동기 및 목표

• 반동 현수장치의 승차감과 주행 안정성을 향상시키는 하이브리드 제어 전략을 개발한다.
• 지역 최소값에 갇히는 문제를 피하기 위해 혼돈적 탐색 메커니즘을 활용해 전통적인 PID 튜닝 방법의 한계를 보완한다.
• 최적화된 PID 파rameter를 갖춘 신규 퍼지 논리 제어기와 통합하여 동적 응답을 향상시킨다.
• 비선형 1/4 자동차 모델을 사용해 급격한 도로 교란 조건에서의 시스템 성능을 평가한다.
• 기존의 확률적 최적화 기법인 GA, PSO, BFO와의 성능 비교를 수행한다.

제안 방법

• 퍼지 논리 제어기가 도로 및 차량 동역학을 기반으로 현수장치 힘을 조절하는 하이브리드 PID-퍼지 논리 제어 아키텍처를 설계한다.
• 혼돈적 과일 파리 최적화 알고리즘(CFFOA)을 사용해 PID 제어기 파라미터를 튜닝하며, 지역 최소값을 벗어나기 위해 혼돈적 국소 탐색을 활용한다.
• CFFOA는 표준 메타휴리스틱보다 더 효과적으로 파라미터 공간을 탐색하기 위해 혼돈적 수열을 사용한다.
• 비선형 스프링 시스템을 갖춘 비선형 1/4 자동차 모델을 사용해 실제 현수장치 동작을 시뮬레이션한다.
• 어려운 조건에서의 성능을 시험하기 위해 급격한 변화를 포함한 도로 입력을 선택한다.
• 피크 현수장치 가속도 및 현수장치 변형과 같은 지표를 사용해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 혼돈적 과일 파리 최적화 알고리즘이 지역 최소값을 피하면서 반동 현수장치의 PID 파라미터를 효과적으로 튜닝할 수 있는가?
• RQ2 제안된 하이브리드 퍼지-PID 제어 전략은 승차감과 주행 안정성 측면에서 활성 현수장치 시스템과 비교해 어떻게 성능을 발휘하는가?
• RQ3 이 하이브리드 전략은 GA, PSO, BFO와 같은 다른 확률적 최적화 방법보다 현수장치 진동 억제에 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 비선형 현수장치 환경에서 급격한 도로 교란에 대해 퍼지 논리 제어기가 얼마나 효과적으로 적응하는가?
• RQ5 제안된 하이브리드 제어 접근법을 사용할 경우 피크 가속도와 현수장치 변형은 각각 얼마나 향상되는가?

주요 결과

• 제안된 하이브리드 제어 전략은 활성 현수장치 시스템 대비 피크 현수장치 가속도를 83.3% 감소시켰다.
• 현수장치 변형은 활성 현수장치 시스템 대비 28.57% 감소하여 승차감 향상과 안정성 향상을 나타낸다.
• 유전 알고리즘 최적화 시스템과 비교해 피크 가속도는 25% 감소하고 현수장치 변형은 32.3% 감소했다.
• Particle Swarm Optimization(PSO)와 비교했을 때, 피크 가속도는 23.35%, 현수장치 변형은 22.5% 감소했다.
• 박테리아 영양소 탐색 최적화(BFO)보다 혼돈적 과일 파리 알고리즘이 우수했으며, 피크 가속도는 54.6% 감소하고 현수장치 변형은 5.4% 감소했다.
• 퍼지 논리 제어기와 CFFOA로 최적화된 PID를 통합함으로써 급격한 도로 입력 조건에서도 뛰어난 진동 억제 및 동적 응답 성능을 발휘했다.