Elektrikli bir aracın PID ve model referans adaptif kontrol yöntemleri ile hız kontrolünün incelenmesi

Abstract

Bu çalışmada, bir elektrikli aracın hız kontrolü farklı sürüş çevrimleri ve çevresel koşullar altında incelenmiştir. Taşıtın doğrusal hareketi için dinamik denklemler oluşturulmuş ve Nissan Leaf modelinin yapısal özellikleri ile motorun devir-moment karakteristik eğrisi dikkate alınmıştır. Batarya modeli olarak yaygın kullanılan Rint modeli tercih edilmiştir WLTP, NEDC ve FTP-75 sürüş çevrimleri hız-zaman girdisi olarak sisteme uygulanmış, her bir çevrimle aracın tepkileri değerlendirilmiştir. Hız kontrolü için ilk önce klasik PID (Oransal–Türev–İntegral) kontrol algoritması kullanılmış, parametreler çevrim takibini en iyi şekilde sağlayacak biçimde optimize edilmiştir. Gerçek yol eğimi ve rüzgâr koşulları gibi çevresel etkiler modele dahil edilerek sistemin gerçekçi sürüş senaryolarında da değerlendirilmesi sağlanmıştır. Çevre şartlarının değişimine göre hız, güç tüketimi, batarya kapasitesi ve şarj durumu üzerindeki etkiler analiz edilmiştir. Elde edilen sonuçlardan PID denetleyicinin farklı çevre şartlarında sürüş çevrimlerini yüksek doğrulukla takip edebildiğini göstermektedir. İkinci olarak model referans adaptif kontrol (MRAC) algoritması kullanılarak sistem aynı şartlar altında çalıştırılmış ve özellikle hız takibi ve batarya şarj durumu açısından PID 'ye göre daha başarılı sonuçlar verdiği gözlemlenmiştir. Bu sayede, elektrikli araçlarda denetleyici seçimlerinin enerji verimliliği üzerindeki etkisi de ortaya konmuştur Benzetim çalışmaları MATLAB/Simulink ortamında gerçekleştirilmiştir.In this study, the speed control of an electric vehicle was examined under different driving cycles and environmental conditions. Dynamic equations for the vehicle’s linear motion were derived, considering the structural characteristics of the Nissan Leaf model and the motor's speed-torque characteristic curve. The widely used Rint model was chosen for the battery. WLTP, NEDC, and FTP-75 standard driving cycles were applied as speed-time inputs to the system, allowing the vehicle’s responses to each cycle to be evaluated. A PID (Proportional–Integral–Derivative) control algorithm was used for speed control, and its parameters were optimized to ensure accurate tracking of the driving cycles. Additionally, environmental factors such as road gradient and wind conditions were included in the model to assess the vehicle's behavior under realistic driving scenarios. The vehicle was simulated on roads with varying slopes and wind influences, and the effects on speed, power consumption, battery capacity, and state of charge (SOC) were analyzed. The results demonstrated that the PID controller could accurately follow the desired driving cycles under different environmental conditions. Furthermore, a Model Reference Adaptive Control (MRAC) algorithm was also implemented and showed better performance than the PID controller, particularly in terms of speed tracking and battery SOC. Thus, the study highlighted the impact of controller selection on energy efficiency in electric vehicles. Simulations were conducted in the MATLAB/Simulink environment.