Ağır Vasıtalarda Otomatikleştirilmiş Manuel Şanzımana Ait Parametrelerin K-Means Algoritması Kullanılarak Optimizasyonu ve Yakıt Tüketimine Etkilerinin İncelenmesi

Abstract

Şanzıman, motordan aldığı torku aracın tekerleklerine ileten güç aktarım organlarından kritik öneme sahip olan bir mekanizmadır. Araçlarda ise şanzıman tipine göre yakıt tüketimi farklılık göstermektedir. Yakıt ekonomisini iyileştirmek, emisyonu azaltmak ve sürüş performansını artırmak için son yıllarda şanzıman alanında birçok çalışmalar yapılmış olup araçlar üzerinde uygulanmıştır. Günümüzde birçok şanzıman çeşidi olmasına rağmen yaygın olarak kullanılan manuel ve otomatik şanzımanlardır. Bu şanzıman tiplerinin birbirine göre avantaj ve dezavantajları bulunmakta olup farklılıklar göz önünde bulundurularak yeni bir şanzıman arayışı ortaya çıkmıştır. Çalışmada manuel ve otomatik şanzımanın özellikleri birleştirilerek vites değiştirme bileşenleri ile robotize(otomatikleştirilmiş manuel) şanzıman geliştirilmiştir. Manuel şanzıman sistemine entegre edilen vites değiştirme bileşenleri şanzımanın otomatikleştirilmesinde kullanılmıştır. Robotize hale getirilen otomatikleştirilmiş manuel şanzıman için kontrolü sağlanacak vites değişim parametreleri belirlenmiştir. Vites değiştirme parametrelerine ait optimum değerlerin bulunması için araç üzeri test çalışmaları yapılarak dinamik test sürüşleri gerçekleştirilmiştir. Bilindiği üzere manuel şanzımanlar otomatik şanzımanlardan daha verimli olmasına rağmen otomatik şanzımanda vites değişimi sürücüye bırakılmaksızın vites değişim parametrelerine göre otomatik olarak değişmektedir. Yapılan çalışmada ise vites değişimi sürücüden bağımsız halde bir vites değiştirme algoritmasına bağlı olarak kontrol edilmiştir. Sürücü ve vites değiştirme algoritması kontrolüne bağlı olarak yakıt tüketimleri dinamik test sürüşü ile ölçülmüştür. K-means algoritması kullanılarak optimum vites değiştirme parametrelerine ait değer aralıkları belirlenmiştir. Optimum vites değiştirme parametrelerine göre araç ortalama 6,79 L/100km yakıt tüketmiştir. Sürücü algoritmadan bağımsız şekilde aracı kullanması sonucu ortalama 8,62 L/100km yakıt tükettiği gözlemlenmiştir. Vites değiştirme parametrelerinin optimize edilmesi ile %27 oranında yakıt tasarrufu sağlanmıştır.

Keywords

• Araç üzeri test
• güç aktarım organı
• k-means algoritması
• manuel şanzıman
• otomatik şanzıman
• robotize şanzıman
• vites değişim parametresi
• yakıt ekonomisi

Optimization of Parameters of Automated Manual Transmission in Heavy Vehicles Using K-Means Algorithm and Researching of Their Effects on Fuel Consumption

Abstract

Abstract The gearbox is a critical component that transfers torque from the engine to the vehicle's wheels. Fuel usage varies depending on the type of transmission. Different types of gearbox have been tested and used on vehicles in recent years to improve fuel efficiency, decrease emissions and, improve driving performance. Although there are different types of transmissions available today, manual and automatic transmissions are the most often used. These transmission types have advantages and disadvantages when compared to one another, and a search for a better one has evolved that considers these differences. The features of manual and automatic transmissions, as well as shifting components and robotized transmission (automated manual), were developed in the study. Gear shift components integrated into the manual transmission system are used to automate the transmission. Gear shift parameters are determined to provide control for the automated manual transmission that has been robotized. On-vehicle test studies and dynamic test drives were performed to determine the best values for the gear shift settings. Although manual transmissions are more economical than automatic transmissions, gear changing in automatic transmissions is changed automatically based on the gear shift parameters, rather than leaving it up to the driver. The study used a gear shifting algorithm to regulate gear changing independently of the driver. Fuel consumption is determined using a dynamic test drive, with the driver and gear shifting algorithm under control. The value ranges of optimum shifting parameters were calculated using the K-means method. The vehicle spent an average of 6.79 L/100 km of fuel according to the optimal shifting settings. As a consequence of using the vehicle independently of the algorithm, the driver spends an average of 8.62 L/100 km of fuel. Fuel savings improved 27% with gear shift characteristics.

Keywords

• On-vehicle testing
• transfers torque
• k-means method
• manual transmission
• automatic transmission
• robotized gearbox
• gear shift parameter
• fuel economy

References

1. [1] Kumbhar, Makarand S., Dhananjay R. Panchagade, and Kapil Baidya. 2014. “Development of Actuator Control Strategy for DC Motor Controlled Automated Manual Transmission ( AMT ).” 14(1):124–29.
2. [2] Song, X. Y., Z. X. Sun, X. J. Yang, and G. M. Zhu. 2010. “Modelling, Control, and Hardware-in-the-Loop Simulation of an Automated Manual Transmission.” Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering 224(2):143–60. doi: 10.1243/09544070JAUTO1284.
3. [3] Gong, Jian, Junzhu Shang, Lei Li, Changjian Zhang, Jie He, and Jinhang Ma. 2021. “A Comparative Study on Fuel Consumption Prediction Methods of Heavy-Duty Diesel Trucks Considering 21 Influencing Factors.” Energies 14(23). doi: 10.3390/en14238106.
4. [4] Mane, Ajinkya, Boban Djordjevic, and Bidisha Ghosh. 2021. “A Data-Driven Framework for Incentivising Fuel-Efficient Driving Behaviour in Heavy-Duty Vehicles.” Transportation Research Part D: Transport and Environment 95(April):102845. doi: 10.1016/j.trd.2021.102845.
5. [5] Katreddi, Sasanka, and Arvind Thiruvengadam. 2021. “Trip Based Modeling of Fuel Consumption in Modern Heavy-Duty Vehicles Using Artificial Intelligence.” Energies 14(24). doi: 10.3390/en14248592.
6. [6] Adamidis, Filippos K., Eleni G. Mantouka, and Eleni I. Vlahogianni. 2020. “Effects of Controlling Aggressive Driving Behavior on Network-Wide Traffic Flow and Emissions.” International Journal of Transportation Science and Technology 9(3):263–76. doi: 10.1016/j.ijtst.2020.05.003.
7. [7] Bhoraskar, Akshay. 2019. “Prediction of Fuel Consumption of Long Haul Heavy Duty Trucks Using Machine Learning and Comparison of the Performance of Various Learning Techniques ”, Delft University of Technology, Master's thesis, 78s.
8. [8] Roos, Fredrik, and Jan Wikander. 2006. The Influence of Gear Ratio on Performance of Electromechanical Servo Systems. Vol. 4. IFAC.

9. [9] Mehmet Fatih AYCAN. 2010. “Yaşlandirma Isil İşleminin Sic Ve Al2o3 Parçacik Takviyeli Alüminyum Alaşimi Esasli Kompozit Malzemelerin Mekanik Özelliklerine Etkisi.” Tobb Ekonomi Ve Teknoloji Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 120s, Ankara
10. [10] Fridlyander, I. N., V. G. Sister, O. E. Grushko, V. V. Berstenev, L. M. Sheveleva, and L. A. Ivanova. 2002. “Aluminum Alloys: Promising Materials in the Automotive Industry.” Metal Science and Heat Treatment 44(9–10):365–70. doi: 10.1023/A:1021901715578.
11. [11] Delikanli Kamil, Durak Ertuğrul, Bedir Fevzi. 2006. “Alüminyum Alaşimlarinin Otomotiv Endüstrisinde Uygulanilabilirliği Ve Mekanik Özellikleri.”, Mühendis ve Makina, 47(555), 37 - 49.
12. [12] Jiawei Han, Micheline Kamber. 2006. Data Mining Concepts and Techniques. 2nd ed. San Fransisco: Morgan Kauffman. [13] Kalıkov, Anarbek. 2006. “Veri Madenciliği ve Bir E-Ticaret Uygulaması.” Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 108s, Ankara [14] Saraç, Ömer Faruk. 2014. “Yapay Sinir Ağları ve K-MEANS Kullanarak Sınır Değerlerine Göre Yazılım Efor Tahmini.” Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 113s, Kocaeli
13. [15] Miao, Chengsheng, Haiou Liu, and Guoming G. Zhu. 2018. “Three-Parameter Transmission Gear-Shifting Schedule for Improved Fuel Economy.” Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering 232(4):521–33. doi: 10.1177/0954407017703234.
14. [16] Hongjie Ma, Hui Xie, Denggao Huang, Shuo Xiong. 2015. “Effects of Driving Style on the Fuel Consumption of City Buses under Different Road Conditions and Vehicle Masses.” Transportation Research Part D: Transport and Environment. 41. 205-216. 10.1016/j.Trd.2015.10.003.
15. [17] Gonder, Jeffrey, Matthew Earleywine, and Witt Sparks. 2012. “Analyzing Vehicle Fuel Saving Opportunities through Intelligent Driver Feedback.” SAE International Journal of Passenger Cars - Electronic and Electrical Systems 5(2):450–61. doi: 10.4271/2012-01-0494.
16. [18] Wang, Jinghui. 2017. “Fuel Consumption Model for Heavy Duty Diesel Trucks.” Model Development and Testing. Transportation Research Part D: Transport and Environment. 55. 127-141. 10.1016/j.Trd.2017.06.011.
17. [19] Jinghui Wang. 2016. “Fuel Consumption Model for Conventional Diesel Buses.” Applied Energy. 170. 394-402. 10.1016/j.Apenergy.2016.02.124.
18. [20] Zhang, Heng, Xinxin Zhao, Jue Yang, and Weiwei Yang. 2021. "Shift Strategy Optimization for Automatic Transmission of Heavy Trucks Based on Dynamic Programming Algorithm" Applied Sciences 11,no.12:5555. https://doi.org/10.3390/app11125555