Filtrelenmiş üçüncü mertebeden genelleştirilmiş integratör gözlemcili bir PMSM tahrikli otonom EV için uyarlanabilir lineer MPC

Kendi Kendine Giden Elektrikli Arabalar İçin Daha Zeki Beyinler

Otonom elektrikli arabalar yaygınlaştıkça, şeritlerinde sağlam kalmaları, virajlarda pürüzsüz bir şekilde yönlenmeleri ve pil enerjisinden en iyi şekilde yararlanmaları beklenir. Ancak motorların davranışı özellikle yüksek hızlarda karmaşık ve zaman zaman öngörülemez olabilir. Bu makale, bir elektrikli aracın motoru ve hareketinin değişimlerini anlık olarak öğrenmesini sağlayan yeni bir kontrol stratejisi sunuyor; böylece zorlayıcı sürüş koşullarında bile sürüşü stabil, verimli ve güvenli tutabiliyor.

Elektrikli Bir Aracı Kontrol Etmeyi Bu Kadar Zor Yapan Nedir?

Otonom bir elektrikli araçta iki görev her an koordine edilmelidir: tekerleklere doğru tahrik kuvvetini üretmek ve yol üzerindeki istenen izi takip etmek. Modern EV’lerin kalbinde yer alan kalıcı mıknatıslı senkron motor (PMSM) basit, sabit bir makine gibi davranmaz. İçsel özellikleri hız ve yük ile değişir; özellikle mühendislerin donanımı korumak için manyetik alanı zayıflattığı yüksek hız bölgesinde. Geleneksel kontrol yöntemleri genellikle motoru olduğundan daha basit kabul eder ya da onu kusursuz bir tork kaynağı gibi görüp iç işleyişini görmezden gelir. Bu, aracın hızlanması, yavaşlaması veya yol yükündeki ani değişimler gibi dış etkilerle karşılaştığında yönlendirme hatalarına, şeritte sallantıya ve enerji israfına yol açabilir.

Motor ve Hareket İçin Tek Bir Kontrol Sistemi

Araştırmacılar, motor davranışını ve araç hareketini ayrı katmanlar halinde ele almak yerine birlikte ele alan uyarlanabilir lineer model öngörülü kontrol (AL-MPC) şeması öneriyor. Bunun merkezinde dokuz temel büyüklüğü tek bir çerçevede birleştiren matematiksel bir model var: motor akımları, tekerlek hızı, aracın yanal konumu ve dönüş sırasında oluşan yaw (yönelme) açısı. Bu modeli tek bir çalışma noktasında sabitlemek yerine kontrolör her örnekleme anında modeli güncelliyor. Bu sayede araç, bugünün hız, direksiyon ve motor durumunun önümüzdeki birkaç kırık saniye içinde nasıl evrileceğini öngörebiliyor ve planlanan trajeye yakın kalırken akım, gerilim ve hareket üzerindeki güvenlik sınırlarına uyarak en iyi direksiyon açısı ve motor gerilimlerini seçebiliyor.

Motoru Gerçek Zamanlı Dinlemek

Anahtar bileşenlerden biri, motorun elektriksel sinyallerini dinleyen ve içeride neler olduğunu yeniden yapılandıran özel bir gözlemci—bir sinyal işleme modülüdür. Filtrelenmiş bir "genelleştirilmiş integratör" kullanarak manyetik akıyı, üretilen gerçek torku ve motorun iç reaktansının zamanla nasıl değiştiğini tahmin eder. Hareketli ortalama filtresi, inverterin hızlı anahtarlama yaptığı durumlarda bile tahminlerin stabil kalmasını sağlamak için güç elektroniğinden gelen yüksek frekanslı gürültüyü yatıştırır. Bu büyüklükler fiziksel anlam taşıdığı için kontrolör, büyük arama tablolarına veya çevrimdışı kalibrasyona ihtiyaç duymadan bunları doğrudan öngörü modeline dahil edebilir. Bu da sistemi sıcaklık, yaşlanma ve farklı sürüş koşullarına bağlı değişimlerle daha iyi başa çıkabilir hale getirir.

Sınırlar Altında En İyi Hareketi Seçmek

Gözlemci ve öngörücü model tahminlerini ürettikten sonra bir optimizasyon rutini bir sonraki adımı belirler. Yazarlar, izleme hatalarını en aza indirirken tüm kısıtlamaları sağlayan direksiyon ve motor gerilimi komutları kombinasyonunu verimli şekilde arayan bir "aktif-küme" kuadratik programlama algoritması kullanıyor. Bu kısıtlamalar arasında maksimum tekerlek hızı, direksiyon açısı sınırları ve motor akımı ile gerilimi için güvenli aralıklar yer alır. Algoritma önceki çözümden sıcak başlangıç (warm-start) yaptığından genellikle sadece birkaç iterasyon gerektirir; bu da onun otomotiv sınıfı bir mikrodenetleyicide çalışacak kadar hızlı olmasını sağlar. Donanım-döngü içi (hardware-in-the-loop) testler, gözlemleme, tahmin ve optimizasyon döngüsünün her kontrol çevrimi başına yüzüncül saniyenin altında tamamlanabildiğini doğruluyor.

Araç Davranışı Ne Kadar İyileşiyor?

Ekip yaklaşımlarını iki yerleşik stratejiyle karşılaştırıyor: sabit motor parametrelerine sahip daha basit bir lineer kontrolör ve daha karmaşık bir doğrusal olmayan kontrolör. Aracın hızını geniş bir aralıkta, zorlayıcı akı-zayıflatma bölgesini de dahil ederek tarayan bilgisayar simülasyonlarında, yeni yöntem yaw açısı hatasını neredeyse üç mertebe küçültüyor ve yanal konum hatasını temel lineer tasarıma kıyasla yarıdan fazla azaltırken direksiyon çabasını büyük ölçüde düzleştiriyor. Doğrusal olmayan kontrolöre karşı da yine belirgin şekilde daha küçük yol sapmaları sağlıyor, hız ve gerilim dalgalanmasını dramatik şekilde azaltıyor ve tahrik hattına stres verebilecek veya yolcuları huzursuz edebilecek ani tork sıçramalarından kaçınıyor—üstelik biraz daha az hesaplama süresi kullanarak.

Günlük Sürüş İçin Ne Anlama Geliyor?

Uzman olmayan bir okuyucu için sonuç şu: bu çalışma, otonom elektrikli arabalara yerleşik bilgisayarlarını aşırı yüklemeden daha yetenekli ve verimli bir "beyin" kazandırmanın yolunu gösteriyor. Motor içinde gerçekten neler olduğunu sürekli tahmin ederek ve bu bilgiyi aracın hareketinin tekil bir görüntüsüne dahil ederek, önerilen kontrolör aracı istenen patikaya daha yakın tutuyor, enerjiyi daha akıllıca kullanıyor ve ani değişiklikleri daha zarifçe yönetiyor. Çok düşük hızlara ve daha ayrıntılı lastik-yol etkileşimlerine genişletmek için daha fazla çalışmaya ihtiyaç olsa da, bu uyarlanabilir kontrol stratejisi elektrikli araçların sadece daha temiz değil, aynı zamanda yolcular için daha yumuşak, daha güvenli ve daha konforlu olacağına işaret ediyor.

Atıf: Ismail, M.M., Al-Dhaifallah, M., Rezk, H. et al. Adaptive linear MPC for a PMSM-driven autonomous EV with a filtered third-order generalized integrator observer. Sci Rep 16, 9349 (2026). https://doi.org/10.1038/s41598-026-39158-3

Anahtar kelimeler: otonom elektrikli araç kontrolü, model öngörülü kontrol, kalıcı mıknatıslı senkron motor, tork ve direksiyon koordinasyonu, gerçek zamanlı uyarlanabilir kontrol