İleri sürüş destek sistemlerinin dinamik taşıt modeli için geliştirilmesi
Development of advanced driving assistance systems for dynamic vehicle models
- Tez No: 891946
- Danışmanlar: PROF. DR. MUSTAFA BAHATTİN ÇELİK, DR. ÖĞR. ÜYESİ MEHMET ALİ BİBERCİ
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Otomotiv Mühendisliği, Mechanical Engineering, Automotive Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
Dünya çapında, 2016 yılında yaklaşık 1,4 milyon kişi, Dünya Sağlık Örgütü'ne (WHO) göre 8. en ölümcül ölüm nedeni olan ulaşım ile ilgili yaralanmalar ya da kazalar nedeniyle ölmüştür. Araçlar ile ulaşım, modern bir dünyada yaşayan çoğu insan için bir zorunluluk olmaya devam edecek, bu nedenle araçla ilgili yaralanmalar öngörülebilir gelecekte de devam edecektir. Ulusal Karayolu Trafik Güvenliği İdaresi'ne (NHTSA) göre, kritik kaza öncesi olayların %94'ü sürücü hatalarından kaynaklanmaktadır. Geniş anlamda; NHTSA sürücüyle ilgili kazaları tanıma hataları, karar hataları, performans hataları ve performans dışı hatalar olarak sınıflandırmaktadır. Bu sürücüyle ilgili hataların çoğu önlenebilir düzeydedir. Dünya çapındaki düzenleyici kurumlar ve otomobil üreticileri, araçla ilgili yaralanmaları ve ölümleri azaltmakla görevlendirilmiştir. Yaralanmaları ve ölümleri ortadan kaldırmak için elimizde olan araçlardan bazıları çarpışma dayanıklılığı, güvenlik destek özellikleri, tüketici eğitimi ve daha güvenli yollardır. Bu araçların hiçbiri tek başına yaralanmaları ve ölümleri ortadan kaldıramayacaktır. Bu mekanizmalardan İleri Sürüş Destek Sistemleri (ADAS), bu amaca yardımcı olmak için umut verici bir alan oluşturmaktadır. ADAS işlevleri, sürücünün ihtiyaç duyduğu dikkat talebini azaltır ve diğer kritik koşullara müdahale eder. Kameralar ve sensörler, sürücünün etrafındaki dünyayı görmesine ve kazaları önlemesine yardımcı olur. Örneğin; bu özellikler sürücülerin güvenli takip mesafelerini korumasına, işaretli şeritlerde kalmasına ve ileri çarpışmaları sınırlamasına yardımcı olur. Bu tür sistemler, güvenlik risklerini yöneten Otomatik Sürüş Sistemleri (ADS) için temel oluşturur. Çalışma kapsamında; MATLAB-Simulink ortamında elektrikli bir taşıt modellemesi ile ADAS modellemeleri yapılarak standart sürüş çevrimleri ve Avrupa Yeni Otomobil Değerlendirme Programı (Euro NCAP) standartlarındaki sürüş senaryoları da modellemelere dahil edilerek analizler yapılmıştır. İlk etapta elektrikli araç modellemesi Yeni Avrupa Sürüş Çevrimi (NEDC) ve Hafif Taşıtlar için Dünya Genelinde Uyumlu Test Prosedürü (WLTP) olmak üzere iki farklı sürüş çevriminde simüle edilmiştir. NEDC sürüş çevrimini tamamlamak için gereken enerji 2,8 kW iken, tüketilen enerjinin 2,64 kW olduğu bulunmuştur. 0,16 kW'lık fark rejeneratif frenleme ile sağlanmaktadır. Bu modelde enerjinin %5,71'i geri kazanılmaktadır. WLTP sürüş çevrimini tamamlamak için ise gereken enerji 5,62 kW iken, tüketilen enerjinin 5,22 kW olduğu bulunmuştur. 0,4 kW'lık fark rejeneratif frenleme ile sağlanmaktadır. Bu modelde enerjinin %7,04'ü geri kazanılmaktadır. Bu çalışmada ayrıca ADAS modellemeleri de yapılmış, farklı sürüş senaryolarında 4 farklı sistem bir arada değerlendirilerek analizler yapılmıştır. Adaptif Hız Sabitleyici (ACC), Şerit Takip Asistanı (LKA), Otonom Acil Fren (AEB) ve Şerit Değiştirme Asistanı (LCA) farklı sürüş senaryolarındaki durumları incelenmiştir. Sürüş senaryosu olarak Euro NCAP satandartlarındaki senaryolar modellemeye dail edilmiştir. Öncü araç hızı olarak 80 km/h, 90 km/h, 100 km/h, 110 km/h ve 120 km/h durumları değerlendirilmiş ve güvenli durum, kritik durum, tehlikeli durumlar analiz edilmiştir. Yapılan ADAS modellemesi ile, nesnelerin tespitine dair süreler kısalmış ve başarılı durumların başarısız durumlardan daha fazla olduğu tespit edilmiştir. Modellemelerden 2. konfigürasyon daha güvenilir sonuçlar vermiş ve tezde test edilen her hız için araçlar arası mesafenin 30 metreden büyük olduğu durumlarda modelleme başarılı bir şekilde çarpışmayı önlemektedir
Özet (Çeviri)
Worldwide, in 2016, approximately 1.4 million people died due to road-related injuries or crashes, which are the 8th leading cause of death according to the World Health Organization. Transportation by vehicle will continue to be a necessity for most people living in a modern world, so vehicle-related injuries will continue for the foreseeable future. According to the National Highway Traffic Safety Administration (NHTSA), 94% of critical pre-crash events are caused by driver errors. Broadly speaking, NHTSA classifies driver-related crashes as recognition errors, judgment errors, performance errors, and non-performance errors. Most of these driver-related errors could have been prevented. Regulatory agencies and automakers worldwide are tasked with reducing vehicle-related injuries and deaths. Some of the tools we have at our disposal to eliminate injuries and deaths are crashworthiness, safety assist features, consumer education, and safer roads. None of these tools alone will eliminate injuries and deaths. Of these mechanisms, Advanced Driver Assistance Systems (ADAS) are a promising avenue to help achieve this goal. ADAS systems reduce the driver's attention demand and intervene in other critical conditions. Cameras and sensors help drivers see the world around them and prevent accidents. For example, these features help drivers maintain safe following distances, stay in marked lanes, and limit forward collisions. Such systems form the basis for Automated Driving Systems (ADS) that manage safety risks. Within the scope of the study, ADAS models were made with an electric vehicle model in the MATLAB-Simulink environment, and analyses were made by including standard driving cycles and driving scenarios in Euro NCAP standards in the modeling. In the first stage, the electric vehicle model was simulated in two different driving cycles, NEDC and WLTP. While the energy required to complete the NEDC driving cycle was 2.8 kW, the energy consumed was found to be 2.64 kW. The 0.16 kW difference is provided by regenerative braking. 5.71% of the energy is recovered in this model. The energy required to complete the WLTP driving cycle was found to be 5.62 kW, while the energy consumed was found to be 5.22 kW. The difference of 0.4 kW is provided by regenerative braking. 7.04% of the energy is recovered in this model. In this study, ADAS modeling was also performed, and 4 different systems were evaluated together in different driving scenarios and analyses were performed. The situations of ACC, LKA, AEB and LCA in different driving scenarios were examined. The scenarios in Euro NCAP standards were included in the modeling as driving scenarios. The leading vehicle speeds of 80 km/h, 90 km/h, 100 km/h, 110 km/h and 120 km/h were evaluated, and safe situations, critical situations and dangerous situations were analyzed. With the ADAS modeling, the times for detecting objects were shortened and it was determined that successful situations were more than unsuccessful situations. The second configuration from the modeling gave more reliable results and the modeling successfully prevented the collision when the distance between the vehicles was greater than 30 meter for each speed tested in the thesis.
Benzer Tezler
- Semi-active and active suspension control with road preview
Yarı ve tam aktif süspansiyonun yol bilgisi öngörüsü ile kontrolü
MERT BÜYÜKKÖPRÜ
Doktora
İngilizce
2023
Makine MühendisliğiBursa Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDEM UZUNSOY
- Development of a learning based trajectory tracking controller for autonomous vehicles
Otonom araçlar için öğrenme tabanlı yörünge takip kontrolörünün geliştirilmesi
HASAN ŞENER
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR TÜMERDEM
DR. İSMAİL HAKKI SAVCI
- Design and evaluation of energy management systems for connected hybrid and electric vehicles
Bağlantılı hibrit ve elektrikli araçlar için enerji yönetim sistemleri geliştirilmesi ve değerlendirilmesi
ABDULEHAD ÖZDEMİR
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKER MURAT KOÇ
- Model reference adaptive controller design with augmented error method for lane tracking
Serit takibi kontrolü için artıtılmış hata yöntemi ile model referans uyarlanabilir kontrolör tasarımı
MEHMET NURİ DİYİCİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- Applications of deep reinforcement learning for advanced driving assistance systems
İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları
MUHARREM UĞUR YAVAŞ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR