Multi-objective optimization of regenerative active suspension systems using data-driven reinforcement learning
Veri tabanlı pekiştirmeli öğrenme ile rejeneratif aktif süspansiyon sistemlerinin çok amaçlı optimizasyonu
- Tez No: 992803
- Danışmanlar: PROF. DR. VOLKAN SEZER, DOÇ. DR. BİLAL EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Aktif süspansiyon, Araç dinamiği kontrolü, Taşıt süspansiyonu, Active suspension, Vehicle dynamic control, Vehicle suspension
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektrikli ve Hibrit Elektrikli Araçların Rejeneratif Aktif Süspansiyon Sistemlerinin (RASS) Çok Amaçlı Optimizasyonu, sürüş konforu ve enerji geri kazanımı bağlamında, veriye dayalı pekiştirmeli öğrenme (reinforcement learning) aracılığıyla incelenmiştir. Çalışmada, dört bölgede çalışabilen, dolayısıyla enerji tüketebildiği gibi enerjiyi geri de kazanabilen bir elektromanyetik eyleyici içeren 2 serbestlik dereceli (2-DOF) çeyrek araç modeli kullanılmıştır. Metodolojiye önemli bir katkı, Lopez'in politika dışı Q-öğrenme algoritmasının, kontrolcünün enerji tüketen ve enerji geri kazanan eylemler arasında ayrım yapabilmesini sağlamak amacıyla, LQR maliyet fonksiyonuna çapraz bağlaşım (cross-coupling) terimleri eklenecek şekilde genişletilmesidir. Çapraz bağlaşım matrisi N, mekanik gücü (eyleyici kuvveti çarpı bağıl hız) kontrol amaçlarıyla ilişkilendirerek kontrolcünün konfor ve enerji geri kazanımını eşzamanlı olarak optimize etmesine olanak tanır. Veriye dayalı yaklaşım, sürekli uyarıcı (persistently exciting) giriş-çıkış veri yörüngelerinin, açık bir sistem tanımlaması yapmaya gerek kalmaksızın tüm sistem davranışını tanımlamak için yeterli olduğunu belirten Willems'in Temel Lemması'na dayanmaktadır. Bu modelsiz yaklaşım, araç parametrelerinin (örneğin yaylanan kütle) değişken yükleme koşullarına tabi olması nedeniyle özellikle otomotiv uygulamaları için yararlıdır. Üç çok amaçlı optimizasyon yaklaşımı kullanılmış ve karşılaştırılmıştır: Ağırlık uzayının kapsamlı deterministik haritalaması için Izgara Arama (Grid Search - 225 değerlendirme), LQR ağırlıklarının evrimsel optimizasyonu için Dolaylı NSGA-II ve LQR yapısının çözüm uzayını yapay olarak sınırlamadığından emin olmak amacıyla teorik bir üst sınır olarak geri besleme kazançlarının doğrudan optimizasyonu için Doğrudan NSGA-II. Hem deterministik tümsek-çukur profillerine hem de stokastik yol profillerine dayanan simülasyon sonuçları, önerilen çerçevenin etkili olduğunu göstermiştir. Sürüş konforu odaklı kontrolcüler, pasif süspansiyona kıyasla RMS yaylanan kütle ivmesinde yaklaşık %75 oranında azalma sağlamıştır; ancak bu konfor odaklı kontrolcüler net enerji tüketimi gerektirmiştir. Enerji geri kazanımı odaklı kontrolcüler 257 Joule'e kadar enerji geri kazanmıştır; ancak pasif süspansiyonla neredeyse aynı seviyede sürüş konforu sağlamıştır. Bu nedenle, pasif süspansiyona kıyasla sürüş konforunu %50 oranında iyileştirirken aynı zamanda 135 ila 156 Joule arasında net enerji geri kazandıkları için dengeli kontrolcüler bu problem için en pratik çözümler olarak değerlendirilmiştir. Doğrulama sonuçları, RL ajanı tarafından öğrenilen kazançların analitik DARE türevli LQR çözümleriyle neredeyse farksız bir şekilde eşleştiğini göstermektedir; bu nedenle RL ajanı küresel optimal çözüm(ler)e yakınsamıştır. Her üç optimizasyon yönteminden elde edilen Pareto cephelerinin eşleşmesi, önerilen veriye dayalı RL ajanının optimal doğrusal kontrol politikalarını tanımladığını göstermektedir.
Özet (Çeviri)
Multi-Objective Optimization of Regenerative Active Suspension Systems (RASS) of Electric and Hybrid Electric Vehicles is examined, within the context of ride comfort and energy regeneration, by means of data-driven reinforcement learning. The study uses a 2-DOF quarter car model that includes an electromagnetic actuator, so it can operate in four quadrants; therefore, it can regenerate energy as well as consume it. An important contribution to methodology was to extend Lopez's off-policy Q-learning algorithm to include cross-coupling terms in the LQR cost function, such that the controller could recognize between energy consuming and energy regenerating actions. The cross-coupling matrix N relates the mechanical power (actuator force times relative velocity) to the control objectives, so that the controller can optimize comfort and energy recovery simultaneously. The data-driven approach is based on Willems' Fundamental Lemma that states that persistently exciting input-output data trajectories are sufficient to describe all system behavior without having to perform explicit system identification. This model-free approach is especially useful for automotive applications because the vehicle parameters (e.g., sprung mass) are subject to varying loading conditions. Three multi-objective optimization approaches were used and compared: Grid Search for exhaustive deterministic mapping of the weight space (225 evaluations), Indirect NSGA-II for evolutionary optimization of LQR weights, and Direct NSGA-II for direct optimization of feedback gains as a theoretical roofline to ensure that the LQR structure did not artificially limit the solution space. Simulation results, based on both deterministic bump-and-dip profiles and stochastic road profiles, demonstrated that the proposed framework is effective. Ride-comfort oriented controllers had about 75% of the reduction in RMS sprung mass acceleration compared to passive suspension; however, these ride-comfort oriented controllers required net energy consumption. Energy-regeneration oriented controllers regenerated as much as 257 Joules; however, they provided ride comfort at nearly the same level as passive suspension. Therefore, balanced controllers are considered the most practical solutions to this problem since they regenerated between 135 and 156 Joules of net energy, while improving ride comfort by 50% compared to passive suspension. Results from the validation show that the RL gains learned by the RL agent matched the analytical DARE-derived LQR solutions, with virtually no difference; therefore, the RL agent converged to the global optimal solution(s). The fact that the Pareto fronts obtained from all three optimization methods match indicates that the proposed data-driven RL agent identified optimal linear control policies.
Benzer Tezler
- Kaskat aktif manyetik rejenerasyonlu (AMR) soğutma sistemlerinin uygulama potansiyelinin araştırılması ve sayısal modellenmesi
Feasibility study and numerical analysis of cascade active magnetic regenerative refrigeration systems
HADİ GANJEHSARABİ
Doktora
Türkçe
2014
Makine MühendisliğiEge ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNGÖR
PROF. DR. İBRAHİM DİNÇER
- Gemilerde organik rankine çevrimine dayalı atık ısı geri kazanım sistemlerinin ileri termal analizleri ve termo-ekonomik optimizasyonu
Advanced thermal analyses and thermo-economic optimization of waste heat recovery systems based on organic rankine cycle onboard ships
MEHMET AKMAN
Doktora
Türkçe
2021
Enerjiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA ERGİN
- Energy, exergy, economic and environmental-based design, analysis and multi objective optimization of novel solar tower-based gas turbine cycle multi-generation systems with new performance criteria
Özgün güneş kuleli gaz türbini çevrimli çoklu-üretim sistemlerinin yeni performans kriterleri ile enerji, ekserji, ekonomik ve çevresel tasarımı, performans analizi ve çok amaçlı optimizasyonu
MERT ÇOLAKOĞLU
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. AHMET DURMAYAZ
- Optimization and fabrication of dissolvable microneedle arrays for glucosamine, chondroitin, and hyaluronic acid for osteoarthritis treatment
Osteoartrit tedavisi için glukozamin, kondroitin ve hyaluronik asit için çözünebilir mikroiğne dizilerinin optimizasyonu ve üretimi
ANDISHEH CHOUPANI
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEKİR BEDİZ
- Düşük kapasiteli değişik ısı kaynaklı, akışkanlı ve konfigürasyonlu organik rankine çevrimlerinin tasarımı ve termodinamik optimizasyonu
Design and thermodynamic optimization of low-capacity organic rankine cycles with different heat sources, fluids and configurations
SADIK ATA
Doktora
Türkçe
2020
Makine MühendisliğiNecmettin Erbakan ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KAHRAMAN