Trepidação em veículos equipados com embreagens a seco:uma abordagem multivariada do sinal de torque no comportamento do atrito dos materiais de fricção

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Tese
Data
2016
Autores
Gregori, I. R. S.
Orientador
Thomaz, C. E.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
GREGORI, I. R. S. Trepidação em veículos equipados com embreagens a seco: uma abordagem multivariada do sinal de torque no comportamento do atrito dos materiais de fricção. 2016. 114 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2016 Disponível em: . Acesso em: 28 set. 2018.
Texto completo (DOI)
Palavras-chave
Automóveis-Embreagens,Análise multivariada,Trepidação (embreagem)
Resumo
Nos últimos anos, a indústria automobilística tem promovido, e testemunhado, uma série de avanços tecnológicos e científicos em sistemas veiculares de embreagem com o intuito de proporcionar melhor conforto aos motoristas e automóveis cada vez mais eficientes energeticamente. Entretanto, um dos problemas mais básicos e conhecidos ainda inerente aos sistemas de embreagem dos veículos atuais, tais como carros de passageiros e caminhões, é um fenômeno natural e complexo chamado de trepidação. A trepidação é o termo usado na indústria automobilística para descrever a oscilação longitudinal em um veículo durante a sua fase de acoplamento da embreagem. Pesquisas anteriores mostram que a trepidação pode ser explicada pelo torque transmitido pela embreagem, em função da velocidade e da temperatura de deslizamento. Neste contexto, esta tese propõe e implementa um sistema de aprendizagem de dados, baseado na análise estatística multivariada do sinal do torque como um todo, para melhor caracterização do fenômeno de trepidação. Os experimentos foram realizados utilizando os seguintes recursos principais: sistema de embreagem a seco, automóvel de passageiros, bancada de testes e seis materiais de fricção orgânicos. A abordagem proposta permitiu o desenvolvimento de um modelo de reconhecimento de padrões computacionalmente eficiente e altamente preciso para classificar os sinais de torque em relação aos diferentes materiais de fricção investigados, utilizando as informações mais expressivas dos dados e uma versão regularizada de um classificador linear. Correlacionando os padrões aprendidos com um material de fricção de referência (padrão ouro), foi possível também prever em laboratório o problema de trepidação no veículo. Acredita-se que os resultados alcançados desta tese, possam permitir uma redução considerável no tempo e nos custos de desenvolvimento de novos materiais de fricção para fabricação de sistemas veiculares de embreagem isentos de trepidação.
In the last years, the automotive industry has promoted and witnessed a number of technological and scientific advances regarding clutch system engagement with the aim to provide better comfort to drivers and vehicles that are more fuel-efficient than ever. However, one of its most basic and well-known problems still inherent to vehicles nowadays, like passenger cars and trucks, is a natural and complex phenomenon called judder. Judder is the term used in the automotive industry to describe the longitudinal oscillation in a vehicle during its clutch system engagement. Past research has shown that judder can be explained using a behavior of slip speed and temperature captured by the clutch torque. This thesis proposes and implements a data-driven learning system for better characterization of the judder phenomenon. It is based on a multivariate statistical analysis from whole torque signals. The experimental results have been carried out using the following main resources: dry clutch system, passenger car, test bench and six different organic facing materials. The multivariate statistical analysis implemented has allowed the development of a computationally efficient and highly accurate learning model to discriminate the torque signals from different facings, using most expressive features and a regularized version of a standard linear classifier. Given this multivariate framework and calculating the correlation pair-wisely to a known gold material, it has been also possible to predict judder problem in the vehicle based on a standard test bench in laboratory. We believe that the findings of this thesis might reduce significantly the time of development and the cost of testing new friction materials for allowing judder-free performance on vehicles.