Intelligent control of the 3D autonomous cars: From theory to application
[ X ]
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Dünya nüfusunun hızla artması ve mevcut ulaşım sisteminin yetersizliği, bilim insanlarını ve araştırmacıları başka bir seçenek geliştirmeye itmiştir. Bunun sonucu olarak, mevcut ulaşım sistemini bozmayacak, aksine geliştirecek, enerji verimliliği odaklı ve akıllı bir teknoloji olan otonom araçlar (AV'ler) üzerinde gelişme başlamıştır. Bu tezin temel amaçlarından biri, AV'lerin bileşenlerini incelemektir. Bunlar arasında aracın aküsü, Akü Yönetim Sistemi (BMS), aracın matematiksel modeli ve aracın kontrolörü bulunmaktadır. Elektrikli Araç (EV) için ana simülasyonu belirlemek amacıyla bu bileşenlerin tek tek incelenmesi gerekmektedir. EV'yi simüle etmek için MATLAB/Simulink ve MapleSim kullanılmıştır. Sürüş mesafesi (DR) tahmini, araç hızı, motor açısal hızı, motor voltajı, Şarj Durumu (SoC) ve EV modelinin konumu gibi fiziksel parametrelere dayanır. DR tahmini, Geri Yayılımlı Çok Katmanlı Algılayıcı (MLP-BP) tekniği kullanılarak yapılmıştır. Son kısımda tez, AV'nin akıllı kontrolüne odaklanmaktadır. Şerit çizgisi ve araç tespit-takip algoritmaları oluşturulurken Python ve OpenCV kullanılmıştır. Yol görüntülerinde veya videolarında şerit çizgisini tanıma yöntemi, Canny fonksiyonunu ve Hough Dönüşümünü kullanır. Yolda hareket eden araçları tanıma ve takip etme yöntemi, özellik çıkarma, Destek Vektör Makineleri (SVM'ler) ve sürgülü pencereleri kullanır.
The rapid increase in the world population and the inadequacy of the existing transportation system have pushed scientists and researchers to develop another option. Consequently, development of the autonomous vehicles (AVs) has begun, which is an energy-efficient and intelligent technology that will not disrupt the existing transportation system, but rather enhance it. One of the essential purposes of this dissertation is to examine the components of the AVs. Among these are the vehicle's battery, Battery Management System (BMS), the mathematical model of the vehicle, and the controller of the vehicle. In order to construct the simulation for the Electrical Vehicle (EV), these components must be examined step by step. MATLAB/Simulink and MapleSim have been used to simulate the EV. The driving range (DR) estimate is based on physical parameters such as vehicle speed, motor angular speed, motor voltage, State of Charge (SoC), and the position of the constructed EV model. The DR estimate has been performed using the Multi-Layer Perceptron with Back-Propagation (MLP-BP) technique. Finally, the dissertation focuses on intelligent control of AV. Python and OpenCV have been used while constructing the lane line/vehicle detection and tracking algorithms. The method for recognizing lane lines in road images or videos utilizes the Canny Function and the Hough Transform. Feature extraction, Support Vector Machines (SVMs), and sliding windows techniques have been used to detect and track moving vehicles on the road.
The rapid increase in the world population and the inadequacy of the existing transportation system have pushed scientists and researchers to develop another option. Consequently, development of the autonomous vehicles (AVs) has begun, which is an energy-efficient and intelligent technology that will not disrupt the existing transportation system, but rather enhance it. One of the essential purposes of this dissertation is to examine the components of the AVs. Among these are the vehicle's battery, Battery Management System (BMS), the mathematical model of the vehicle, and the controller of the vehicle. In order to construct the simulation for the Electrical Vehicle (EV), these components must be examined step by step. MATLAB/Simulink and MapleSim have been used to simulate the EV. The driving range (DR) estimate is based on physical parameters such as vehicle speed, motor angular speed, motor voltage, State of Charge (SoC), and the position of the constructed EV model. The DR estimate has been performed using the Multi-Layer Perceptron with Back-Propagation (MLP-BP) technique. Finally, the dissertation focuses on intelligent control of AV. Python and OpenCV have been used while constructing the lane line/vehicle detection and tracking algorithms. The method for recognizing lane lines in road images or videos utilizes the Canny Function and the Hough Transform. Feature extraction, Support Vector Machines (SVMs), and sliding windows techniques have been used to detect and track moving vehicles on the road.
Açıklama
Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
