CC BY
5УДК 517.4
Марчук Е.А.
магистрант, кафедра технической эксплуатации и ремонта автомобилей Волгоградский государственный технический университет
(Россия, г. Волгоград)
Ишанкулов В.Т.
магистрант, кафедра технической эксплуатации и ремонта автомобилей Волгоградский государственный технический университет
(Россия, г. Волгоград)
Кочетов М.С.
магистрант, кафедра технической эксплуатации и ремонта автомобилей Волгоградский государственный технический университет
(Россия, г. Волгоград)
ПЕРСПЕКТИВНЫЕ СПОСОБЫ МОДЕЛИРОВАНИЯ ДИНАМИЧЕСКИХ ПРОЦЕССОВ НА ПРИМЕРЕ МОДЕЛИ ABS АВТОМОБИЛЯ
Аннотация: Моделирование динамических систем в реальном времени является сложной инженерной задачей. Такое моделирование подразумевает описание процесса с нелинейными характеристиками и использование некоторого количества изменяющихся с течением времени параметров. Создание адекватной модели динамической системы в реальном времени предполагает решение ряда проблем.
Ключевые слова: динамическая система, модель, ABS, GPGPU, FUZZY Введение
Ввиду увеличения нагруженности городского трафика, а также в условиях повышения сложности дорожной обстановки, актуальной задачей видится совершенствование тормозной системы автомобиля, как части системы активной
безопасности автомобиля, в том числе, и через усовершенствование модели антиблокировочной системы торможения, используемой ЭБУ ABS. В качестве примера обозначим схему информационной модели (рисунок 1).
Рисунок 1 - Реальная информационная модель системы [3]
1 Проблемы обработки данных в реальном времени
Заметим, что модели, предполагающие решение дифференциальных уравнений и их систем, требуют значительных затрат машинного времени, необходимого для расчета моделируемого процесса, что в свою очередь является критически важным при расчетах в режиме реального времени. К примеру, численное решение системы нелинейных дифференциальных уравнений, описывающей движение колеса в режиме экстренного торможения, приводимой в [1] является устойчивым в смысле Ляпунова. Однако, при этом в решении данной системы уравнений может возникать неустойчивость, являющаяся следствием используемых методов численного решения, в частности с выбором шага интегрирования. С уменьшением шага интегрирования повышается точность вычислений, но при этом возрастает время счета. На практике использование численных методов с задаваемой степенью точности вычислений, например Рунге-Кутты 1У-го порядка, лишь отчасти решает проблему недостатка вычислительных мощностей [2], [4]. Проблема повышения скорости счета при сохранении заданной точности вычислений может быть решена за счет использования вычислительного элемента ЭБУ большей производительности, например высокопроизводительных графических процессоров общего назначения [5]. Одним из возможных альтернативных методов представления модели процесса торможения
колеса в реальном времени с учетом прилагаемых тормозных усилий и позволяющий исключить системы дифференциальных уравнений, как промежуточный этап вычислений, является метод нечеткой логики с использованием лингвистических переменных. Использование лингвистических переменных, применяемых в нечеткой логике, потребует значительно меньшей мощности вычислительного элемента ЭБУ
2 GPGPU и FUZZY-SYSTEMS
Математическое и численное моделирование является одним из основных инструментов анализа технологических процессов, протекающих в сложных технических устройствах и системах. Результаты численных экспериментов играют важную роль как на стадии проектирования устройств, так и при оптимизации режимов их работы. Математические модели указанных процессов в отдельных устройствах технической системы часто базируются на системах обыкновенных дифференциальных уравнений (ОДУ), которые могут быть решены только численно. Несмотря на быстрый рост возможностей вычислительной техники, при моделировании процессов, протекающих в сложных системах, имеет место дефицит вычислительной мощности. Одним из способов повышения вычислительной мощности является передача части вычислений на специализированные вычислительные устройства, способные решать некоторые задачи существенно эффективнее вычислительных устройств общего назначения. Современным примером таких специализированных вычислительных устройств являются графические процессоры общего назначения (GPGPU). Также нужно отметить, что использование данных вычислительных устройств - довольно молодое направление в науке. Следовательно, реализация высокопроизводительных средств моделирования на графических процессорах общего назначения является актуальной задачей [5]. Альтернативным возможным методом представления в случае рассмотрения модели процесса торможения колеса в реальном времени с учетом прилагаемых тормозных усилий, и при этом позволяющим исключить системы дифференциальных уравнений, как промежуточный этап вычислений, является метод нечеткой логики с использованием лингвистических переменных. При этом использование лингвистических переменных, применяемых в нечеткой логике
(FUZZY-SYSTEM), потребует значительно меньшей мощности вычислительного элемента ЭБУ.
3 Достоинства и недостатки GPGPU и FUZZY-SYSTEMS
GPGPU
Достоинства:
1. Может осуществляться быстрее физического течения моделируемого процесса, что позволяет прогнозировать наступление различных опасных ситуаций, а также рассчитывать эффект тех или иных управляющих воздействий.
2. Моделирование на графических процессорах позволяет исследовать системы со множеством различных значений параметров и выбирать оптимальные на основании полученных результатов.
Недостатки: Высокая стоимость графического процессора.
FUZZY-SYSTEMS
Достоинства:
1. Возможность использования недорогого вычислительного элемента ЭБУ с относительно невысокой производительностью.
2. Обработка нескольких различных асинхронных процессов одновременно (в т.ч. планирование в соответствии с приоритетами).
3. Позволяет исключить решение сложных систем ДУ как промежуточный этап вычислений
Недостатки: Отсутствие стандартной методики конструирования нечетких систем.
4 Нечеткие модели ABS
Подтверждением эффективности рассматриваемых методов, основанных на принципах нечеткой логики, могут послужить результаты создания нечетких моделей под управлением fuzzy-контроллера в MATLAB группы исследователей [7]. Реализации методов нечеткой логики в моделировании могут быть различными. В значительной мере адекватность нечеткой модели зависит от полноты представлений о сущности реального процесса. На основании проанализированного материала следует вывод, что использование нечеткой логики в моделировании антиблокировочной системы
торможения автомобиля может являться действенным способом повышения адекватности модели реальному процессу. Заключение
Использование методов нечеткой логики в моделировании позволяет приблизить построение модели к человеческому восприятию. Модель становится в значительной степени «интуитивно понятной», что облегчает процесс моделирования разработчику. В то же время, нечеткое моделирование позволяет избежать необходимости затрат значительных вычислительных мощностей на промежуточные вычисления, связанные с динамическими параметрами. Это позволяет производить обработку входных данных с требуемым уровнем точности в динамических процессах в реальном времени. При этом выходные данные оператора нечеткой логики после обработки обладают достаточной точностью соответствия характеристикам реальных процессов. Уместно также привести замечание основателя нечеткой логики Лотфи Заде, который говорил, что «почти всегда можно сделать такой же самый продукт без нечеткой логики, но с нечеткой будет быстрее и дешевле» [6]. На основании перечисленных факторов можно судить о повышении адекватности в моделях динамических процессов в реальном времени посредством нечеткого моделирования и экономической обоснованности разработки нечетких моделей.
Список литературы:
1. Балакина Е.В., Зотов Н.М., Платонов, Федин А.П. Проблемы моделирования динамических процессов в реальном времени. Волгоград, 2013
2. Кириллова С.Ю. Вычислительная математика: учебное пособие. Владимир, 2009
3. Слепова С.В. Основы теории точности измерительных приборов: учебное пособие. Челябинск: Изд-во ЮурГУ, 2008
4. Федин А.П. Обеспечение адекватности моделирования рабочих процессов элементов автомобиля при испытаниях на виртуально-физических стендах-тренажерах. - Диссертация на соискание степени канд. техн. наук / А.П. Федин. - Волгоград, 2006
5. Чадов С.Н. Разработка и исследование высокопроизводительного программного комплекса для решения жестких систем ОДУ на графических процессорах общего назначения. - Диссертация на соискание степени канд. техн. наук / С.Н. Чадов. -Иваново, 2014
6. Штовба С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба. - М.: Горячая линия - Телеком. - 2007. - 288 с., ил.
7. Kant Abhinav. Enhanced Antilock Braking System using Fuzzy Logic Road Detector // IJREEE. - 2013. - Vol. 1. - №2. - p. 47-54
