Geri Dön

Elektrikli araçlarda rejeneratif frenleme için derin öğrenme algoritması geliştirilmesi

Development of deep learning algorithm for regenerative braking in electric vehicles

PDF İndir

  1. Tez No: 952821
  2. Yazar: ÖMER ERGÜN
  3. Danışmanlar: DOÇ. DR. İLYAS İSTİF, DOÇ. DR. ERKİN DİNÇMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Konstrüksiyon Bilim Dalı
  13. Sayfa Sayısı: 90

Özet

Bu çalışma, çift motorlu (ön ve arka aksta bağımsız tahrikli) elektrikli araçlarda rejeneratif frenleme verimliliğini artırmak amacıyla hibrit bir kontrol stratejisi sunmaktadır. Geleneksel sabit oranlı tork paylaşımına ve Simulink araç modelinde bulunan mevcut kural tabanlı kontrole kıyasla, bu dinamik yaklaşım geri kazanılan enerjiyi en üst düzeye çıkarmayı hedefler. Öncelikle, Dinamik Programlama (DP) yöntemiyle, yedi farklı karakteristik değişkeni (yol eğimi, sürtünme katsayısı, araç yük dağılımı, hız, ivme/frenleme oranı, batarya şarj durumu ve toplam fren torku) dikkate alan çeşitli senaryolar için UN/ECE frenleme regülasyonlarıyla uyumlu optimal rejeneratif fren torku dağılımları belirlenmiştir. Bu optimal veriler, Yapay Sinir Ağı (YSA) ve Karar Ağacı (KA) tabanlı hibrit bir kontrol modelinin eğitimi için kullanılmış olup; model, anlık koşullara göre ön ve arka akslardaki rejeneratif fren torklarını belirler. Ayrıntılı (14 serbestlik dereceli) bir Simulink araç modeline entegre edilen sistemin performansı, farklı sürüş çevrimleri (UDDS, NYCC, WLTP) ve araç/çevre parametrelerini içeren eğitim, interpolasyon ve ekstrapolasyon test senaryolarında değerlendirilmiştir. Simülasyon sonuçları, geliştirilen hibrit modelin, referans yöntemlere kıyasla batarya şarj durumunu (SOC) korumada \%1.26 ila \%5.06 arasında değişen iyileşmeler sağladığını göstermiştir. Bu, sunulan kontrol sisteminin farklı ve zorlu koşullar altında dahi optimal tork dağılımı kararları alarak enerji verimliliğini artırma potansiyelini ortaya koymaktadır.

Özet (Çeviri)

This study presents a hybrid control strategy to enhance regenerative braking efficiency in dual-motor (front and rear independently driven axles) electric vehicles. Compared to conventional fixed-ratio torque distribution and a Simulink default controller, this dynamic approach aims to maximize regenerated energy. Initially, optimal regenerative braking torque distributions, compliant with UN/ECE braking regulations, were determined using Dynamic Programming (DP) for various scenarios, considering seven characteristic variables (road grade, friction coefficient, vehicle load distribution, velocity, acceleration/braking rate, battery state of charge, and total braking torque). These optimal data were used to train a hybrid control model based on Deep Neural Networks (DNN) and Decision Trees (DT); the model determines the regenerative braking torques for the front and rear axles based on instantaneous conditions. The performance of the system, integrated into a detailed (14 degrees of freedom - DOF) Simulink vehicle model, was evaluated under training, interpolation, and extrapolation test scenarios involving different driving cycles (UDDS, NYCC, WLTP) and vehicle/environmental parameters. Simulation results demonstrated that the developed hybrid model, compared to reference methods, achieved improvements in preserving battery State of Charge (SOC) ranging from 1.26\% to 5.06\%. This highlights the potential of the proposed control system to enhance energy efficiency by making optimal torque distribution decisions, even under varied and challenging conditions.

Benzer Tezler

  1. Tez No

    547918

    Rejeneratif frenlemenin elektrikli araçlarda etkileri ve güç analizi

    The effects of regenerative braking on electric vehicles and power analysis

    YASER ERDEM

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET SALİH TACİ

  2. Tez No

    810451

    Investigation of regenerative braking efficiency in different drive cycles

    Rejeneratif frenleme verimliliğin farklı sürüş çevrimlerinde incelenmesi

    BERKAY BARIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN TAHA ŞEN

  3. Tez No

    546460

    Elektrikli araçlarda enerji depolama ve geri kazanımlı frenleme sistemlerinin incelenmesi

    Analyzation of energy storage and regenerative braking systems in electric vehicles

    GÖKÇE VAROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EnerjiKocaeli Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN ÖZDEMİR

  4. Tez No

    495175

    Tekerlek içi elektrik makinesinin farklı sürüş çevrimleri için bulanık mantık denetleyici ile sürülmesi ve rejeneratif frenlenmesi

    In-wheel electric machine driving and regenerative braking with fuzzy logic controller for different driving cycles

    TUNCAY SOYLU

    Doktora

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RAİF BAYIR

  5. Tez No

    838547

    Elektrikli araçlarda adaptif sürüş kontrolü

    Adaptive driving control in electric vehicles

    YUSUF KARABACAK

    Doktora

    Türkçe

    Türkçe

    2023

    Mekatronik MühendisliğiSelçuk Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL SARITAŞ

    DR. ÖĞR. ÜYESİ ALİ YAŞAR

Geri Dön