Metoda DE Determinare A Gradului DE Uzura A Ambreiajului Utilizând Mulțimi Fuzzy

METODA DE DETERMINARE A GRADULUI DE UZURA A AMBREIAJULUI UTILIZÂND MULȚIMI FUZZY

1. Introducere

Analiza gradului de uzură a ambreiajelor la autovehiculele fara reglaj automat al jocului la pedala este facuta in atelierele service in mod empiric, analizand doar jocul la pedala. Acest sistem de analiza nu permite realizarea unei previziuni a perioadei de functionare ramasa. In multe cazuri, pentru determinarea starii ambreiajului si estimarea duratei de serviciu ramasa este necesara demontarea acestuia, cu un mare consum de manopera si timp. Desigur ca estimarea duratei de functionare ramasa a unui sistem tehnic asupra caruia actioneaza factori externi aleatori are un anumit grad de incertitudine, fiind inadecvata utilizarea modelelor matematice clasice. In schimb, nuantarea gradului de apartenenta la o multime al unui element, specifica sistemelor fuzzy, permite o abordare mai aproape de realitate a acestui tip de estimari, simultan cu o “automatizare” a controlului.

2. Algoritmul de modelare fuzzy

Abordarea fuzzy în domeniul controlului în general presupune parcurgerea unei metodologii dependente de context și aceasta începe cu modelul. Spre deosebire de modelele aritmomorfe, unde fenomenul fizic este “ajustat” prin diferite ipoteze pentru a putea fi încadrat într-un sistem finit de teoreme, modelul fuzzy permite extinderea fondului de cunoștințe la complexitatea procesului. În primul caz se realizează o simplificare a modelului, conducând la creșterea așa-numitei părți nemodelate a fenomenului, în timp ce situația a doua permite “acoperirea” procesului cu un model adaptabil la context, cu fidelitate teoretic oricât de bună.

Etapele metodei de sinteză a controlerului fuzzy pot fi structurate astfel:

identificarea relațiilor funcționale pe structura dată a unui sistem de control;

stabilirea variabilelor (parametrilor) de lucru;

completarea structurii cu elemente impuse de modelul fuzzy.

Prin urmare, se vor parcurge pașii metodei de sinteză propuse, pe baza unei analize funcționale detaliate a sistemului de control abordat. Schema bloc reprezintă în detaliu tabloul informațional al procesului, acesta devenind lizibil până la nivelul variabilelor elementare. Astfel se pot identifica atât relațiile funcționale, cât și blocurile funcționale specifice controlului fuzzy. Modelarea fuzzy este caracterizată de un algoritm specific de tratare a informației, ceea ce constituie baza sintezei automatului de tip fuzzy.

Deși până acum abordarea fuzzy a proceselor de control nu este pe deplin fundamentată ca teorie de sine stătătoare, numeroase aplicații constituie fie o alternativă de probleme de automatizare clasice, fie soluții practice inedite în diverse domenii.

3. Etapele algoritmului

Majoritatea lucrărilor în domeniu adoptă următoarele faze tipice ale algoritmului de modelare fuzzy:

descrierea bazei euristice a problemei;

alegerea variabilelor de intrare-ieșire;

stabilirea mulțimilor fuzzy și a valorilor lingvistice asociate acestora;

întocmirea bazelor de reguli pentru inferențe fuzzy;

stabilirea proceselor de fuzificare, realizare a inferențelor logice și defuzificare a ieșirilor;

adoptarea mecanismelor de defuzificare;

descrierea mecanismelor de adaptare și a schemelor de învățare;

în forma finală, sistemele fuzzy pot fi implementate sub formă cablată (hardware) în structuri dedicate sau programabile de uz general.

Pentru cazul care constituie obiectul prezentei lucrari, analiza ambreiajelor, etapele care trebuiesc parcurse pentru desfășurarea procesului decizional bazat pe mulțimi fuzzy sunt descrise în cele ce urmează.

3.1. Stabilirea criteriilor în raport cu care se va face determinarea distantei care mai poate fi parcursa

Criteriile în raport cu care se face determinarea distantei care mai poate fi parcursă formează mulțimea criteriilor de evaluare:

(1)

Particularitatea procedurii de determinare a distantei care mai poate fi parcursa bazată pe mulțimi fuzzy este aceea că pot fi luate în discuție, la un moment dat, mai multe criterii de evaluare. Aceste criterii vor fi definite ca fiind intrările în sistemul decizional.

Practic din categoria acestor criterii pot face parte factori cum ar fi: cursa pedalei, abaterile dimensionale ale unor piese care intra in componeta sistemului ambreiaj, tipul de automobil.

3.2. Definirea domeniului de valori pentru fiecare criteriu de evaluare

Fiecărui criteriu i se asociază un domeniu de variație, în interiorul căruia se pot regăsi valorile specifice criteriului. Aceste domenii de valori vor fi:

(2)

unde, sunt limita inferioară respectiv limita superioară a domeniului de valori asociat criteriului .

3.3. Definirea variabilei lingvistice asociate fiecărei criteriu de evaluare

Fiecărui criteriu de evaluare i se asociază o variabilă lingvistică. Astfel: criteriul va deveni variabila lingvistică .

3.4. Stabilirea gradelor lingvistice asociate fiecărei variabile lingvistice de intrare

Pentru fiecare variabilă lingvistică se definesc gradele lingvistice sau termeni lingvistici. Acestea vor servi la caracterizarea “vagă” a informațiilor ferme. Mulțimile gradelor lingvistice asociate fiecărei variabile lingvistice vor fi de forma:

(3)

3.5. Stabilirea funcțiilor de apartenență asociate fiecărui grad lingvistic; mărimile de intrare

Fiecărui grad lingvistic, corespunzător unei variabile lingvistice, i se asociază o funcție de apartenență:

(4)

3.6. Definirea mărimii de ieșire din procesul decizional

Mărimea de ieșire din procesul decizional este distanta care mai poate fi parcursa: DMP

3.7. Stabilirea domeniilor de valori ale mărimilor de ieșire

Domeniile de valori ale mărimilor de ieșire (parametrii regimului de lucru) sunt:

(5)

3.8. Definirea variabilei lingvistice corespunzătoare mărimilor de ieșire

Mărimii de ieșire distanta care mai poate fi parcursa se asociază o variabila lingvistică distanta care mai poate fi parcursa DMP.

3.9. Stabilirea gradelor lingvistice asociate variabilei lingvistice de ieșire

Pentru variabila lingvistică de ieșire se definesc gradele lingvistice sau termeni lingvistici. Acestea vor servi la caracterizarea “vagă” a informațiilor ferme. Mulțimea gradelor lingvistice asociate variabilei lingvistice de ieșire distanta care mai poate fi parcursa va fi de forma:

(6)

3.10. Stabilirea funcțiilor de apartenență asociate fiecărui grad lingvistic; mărimile de intrare

Fiecărui grad lingvistic, corespunzător unei variabile lingvistice, i se asociază o funcție de apartenență:

(7)

3.11. Stabilirea metodei de conectare a diverselor valori ale funcțiilor de apartenență

Mulțimea variabilelor lingvistice și a gradelor lingvistice, cărora li s-au asociat funcții de apartenență, caracterizează „vag”, valorile ferme ale mărimilor de intrare, respectiv ale mărimii de ieșire.

Mașina de inferență este formată dintr-un set de reguli de forma:

DACĂ (premiza) ATUNCI (concluzia) (8)

Premiza – este o proprietatea constatată rezultată în urma conectării, prin proceduri specifice teoriei mulțimilor fuzzy, a diverselor grade lingvistice asociate variabilelor lingvistice corespunzătoare mărimilor de intrare. În cazul procedurii de determinare a timpului de buna funcționare rămas s-a folosit conectorul ȘI .

Concluzia – este proprietatea afirmată si va fi exprimată prin grade lingvistice asociate variabilelor lingvistice corespunzătoare mărimilor de ieșire.

Baza de reguli (mașina de inferență) va fi de forma:

: DACĂ (C1 = ȘI … ȘI Cm =) ATUNCI () (9)

12. Stabilirea metodei de defuzzificare

Rezultatul inferenței fuzzy (vagi) este o informație fuzzy (vagă) sub forma funcției de apartenență “rezultat”.

Prin defuzzyficare se înțelege operația de obținere a unei valori ferme (“crisp”) a mărimii de ieșire, pe baza funcției de apartenență “rezultat” al inferențelor fuzzy.

Din multitudinea de metode de defuzzyficare existente, se va utiliza metoda centrului de greutate, metoda cea mai aplicată în practică.

Principiul metodei constă în determinarea valorii ferme a mărimii de ieșire luând în considerare – în mod ponderat- toate influențele rezultate în urma activării regulilor de inferență de către valorile ferme ale mărimilor de intrare, la un moment dat.

Valorile ferme ale mărimii de ieșire rezultate în urma procedurii de defuzzyficare vor constitui informațiile legate de timpul de buna funcționare rămas.

Procedura descrisă s-a aplicat in urmatoarea varianta:

marimea de intrare este cursa pedalei ambreiajului

mărimea de ieșire este distanta care mai poate fi parcursa

Metoda propusa are in vedere si marca automobilului.

4. Program de diagnoză a gradului de uzură a ambreiajelor autovehicolelor utilizând tehnici fuzzy

În mod clasic, verificarea cursei libere a pedalei ambreiajului se face cu ajutorul unei rigle al cărei capăt se sprijină pe podea alături de pedala ambreiajului. Rigla se reazemă cu suportul său pe podeaua caroseriei, cu ajutorul reperelor comparându-se cursa pedalei cu cursa liberă indicată pentru automobilul respectiv. În acest mod se determină aproximativ eficacitatea ambreiajului, neputându-se determina insa gradul de uzură al acestuia. Pentru a cunoaște la momentul fiecărui reglaj starea de uzură a discurilor ambreiajului este necesară cunoașterea următoarelor elemente:

caracteristicile discurilor de presiune (dimensionale și de material, respectiv cele legate de distanța pe care o poate parcurge autovehicolul cu un set de discuri)

domeniul de reglaj al cursei libere a pedalei ambreiajului (cursa liberă minimă respectiv maximă, între care ambreiajul funcționează eficient)

numărul de reglaje efectuate până la momentul verificării cursei ambreiajului

Pe baza acestor informații poate fi determinată distanța aproximativă pe care autovehicolul o are de parcurs până la înlocuirea discurilor ambreiajului, implicit gradul de uzură al discurilor. Notând cu x cursa liberă a pedalei ambreiajului la momentul efectuării verificării, cu X cursa liberă maximă a pedalei de ambreiaj, cu n numărul reglajului, D distanța maximă pe care autovehicolul o poate parcurge până la schimbarea discurilor și cu a distanța pe care o poate parcurge autovehicolul între două reglaje ale ambreiajului, distanța pe care autovehicolul o poate parcurge până la înlocuirea discurilor de ambreiaj d poate fi determinată cu relația:

(10)

Uzura discurilor poate fi determinată cu relația:

(11)

cu u fiind notată uzura discurilor de presiune.

Întrucât uzura depinde și de stilul de conducere al șoferului, de condițiile de deplasare (în localitate sau în afara localităților), de dispersia inerentă a calității discurilor (materiale, șarjă, dimensiuni, etc.), rezultatul obținut este unul aproximativ.

În cele ce urmează se va face o descriere de principiu al modelului decizional.

Cunoscând durata de viață a ambreiajului (exprimată în numărul de kilometri care pot fi parcurși cu un set de discuri), se determină numărul de reglaje ce trebuie executate pe durata de viață a ambreiajului. Acest lucru poate fi realizat determinând valoarea raportului , sau estimând durate de funcționare (exprimate în număr de kilometri parcurși) mai mici decât acest raport, însă care să poată fi suprapuse peste duratele prevăzute pentru efectuarea reviziilor autovehicolului, ultima variantă fiind de dorit din punctul de vedere al întreținerii autovehicolului. Pentru fiecare din intervalele obținute trebuie aleasă o funcție de apartenență, în cazul de față funcția de apartenență fiind cea de tip triunghiular.

Domeniile în care a fost împărțită funcția de apartenență sunt următoarele (fișierul DACIA.FIS):

[Input1]

Name='Cursa'

Range=[30 120]

NumMFs=5

MF1='Cfm':'trapmf',[9.75 27.75 32.25 50.25]

MF2='Cm':'trimf',[32.5 52.5 75]

MF3='Cmd':'trimf',[52.5 75 97.5]

MF4='CM':'trimf',[75 97.5 120]

MF5='CFM':'trapmf',[99.75 117.8 122.3 140.3]

Pot fi deosebite cinci domenii, două de formă trapezoidală (MF1 și MF5 situate la extremele domeniului de variație a cursei libere a pedalei ambreiajului) și trei triunghiulare, în paranteze fiind specificate valorile de definiție corespunzătoare fiecărui domeniu. S-a presupus că uzura ambreiajului este uniformă în timpul funcționării, astfel încât s-a căutat o distribuție uniformă a funcției de apartenență pentru intrări. Semnificațiile notațiilor sunt:

Cfm – cursă foarte mică

Cm – cursă mică

Cmd – cursă medie

CM – cursă mare

CFM – cursă foarte mare

Fig. 1 Funcția de apartenență pentru descrierea cursei libere a pedalei de ambreiaj

Spre exemplu o cursă a pedalei de 97,5 mm este echivalată ca având gradul de apartenență egal cu 1 corespunzător unei curse mari (CM).

În ceea ce privește ieșirile, funcțiile de apartenență sunt prezentate în fig.2. Delimitarea domeniilor este cea prezentată în fișierul (DACIA.FIS), secțiunea [Output]:

[Output1]

Name='Distanta'

Range=[0 15000]

NumMFs=5

MF1='Dfm':'trimf',[-3750 0 3750]

MF2='Dm':'trimf',[0 3750 7500]

MF3='Dmd':'trimf',[3750 7500 11250]

MF4='DM':'trimf',[7460 11000 14600]

MF5='DFM':'trapmf',[11630 14630 15380 18380]

Domeniul de reglaj a fost stabilit la 15000 km, valorile putând fi alese pe baza prescripțiilor producătorului discurilor de ambreiaj sau pe baza observațiiilor sistematice efectuate în service.

Fig. 2 Funcția de apartenență pentru descrierea distanței de parcurs până la realizarea reglajului pedalei de ambreiaj

Regulile de realizare a corespondenței dintre cursa liberă a pedalei și distanța pe care autovehicolul o poate parcurge până la realizarea unui nou reglaj a ambreiajului sunt prezentate în cadrul secțiunii [Rules] a fișierului amintit mai sus:

[Rules]

1, 5 (1) : 1

2, 4 (1) : 1

3, 3 (1) : 1

4, 2 (1) : 1

5, 1 (1) : 1

Ele au fost obținute cu ajutorul utilitarului de editare a regulilor din setul de unelte Fuzzy Logic al mediului de programare MATLAB, interfața de realizare a regulilor fiind prezentată în fig.3.

Fig.3 Editorul de reguli fuzzy din MATLAB

Figurile 4 și 5 prezintă rezultatele obținute prin aplicarea regulilor în două cazuri: fig.4 corespunzătoare unei curse libere a pedalei de ambreiaj de 75mm, iar fig.5 unei curse libere de 61,6mm.

Se poate observa în acest din urmă caz la ieșire obținerea unei geometrii compuse ca urmare a aplicării regulilor. Rezultatul în ambele cazuri se obține prin calcularea abscisei centrului de greutate al figurii rezultante corespunzător valorii de ieșire.

Fig.4 Rezultatul aplicării regulii de fuzificare. Cursa pedalei de 75mm

Fig.5 Rezultatul aplicării regulii de fuzificare. Cursa pedalei de 61,55mm

După cum se poate observa din cele prezentate metoda fuzzy este una corespunzătoare cazului cu o intrare, o ieșire și cinci reguli. Metoda de defuzificare este de tip „centru de greutate”.

Interfața programului de diagnoză a fost realizată în MATLAB și este prezentată în fig.6.

fig.6 Interfața programului de diagnoză

Pot fi identificate cinci zone ale interfeței, după cum urmează:

Introducerea cursei libere a pedalei de ambreiaj, în milimetri

Introducerea numărului ultimului reglaj efectuat

Zona de selecție a tipului de autovehicol, sub forma unei liste derulante

Zona de afișare a distanței aproximative care mai poate fi parcursă cu discurile de ambreiaj existente pe autovehicul [km]. Această zonă conține de asemenea butonul de calcul al distanței.

Butonul de ieșire din interfață.

5. Concluzii

6. Bibliografie

Introduction

The rate of wear analysis for automotive clutches without self-adjusting control of the clearance is made in an empirical way in the services only through pedal’s clearance. This type of analyze does not permit to estimate the remaining period of clutch functioning time. In many cases, the clutch disassembly is necessary to estimate its state, thus wasting a large amount of time. Of course, uncertainty influences the estimation of technical systems life subjected to aleatory external factors, so that the use of the classic mathematical methods is unsuitable. The use of fuzzy systems permits a better approach of this estimation because of the membership degree to a set of a specific element refinement. In addition, fuzzy sets allow control automation.

Fuzzy modeling algorithm

The fuzzy approach in the field of control systems assumes the use of a context-dependent methodology, beginning with the model. Unlike “arithmomorph” models, where the physical phenomenon is “fitted” to a finite theorem system, the fuzzy model allows the extension of the knowledge ground to fit the process complexity. While the first case simplifies the model, thus increasing the un-modeled part of the phenomena, the second case allows the “cover” of the process with a context-adaptable model having theoretically, an extremely good fidelity.

The fuzzy controller synthesis stages can be structured as follows:

functional relationships identification for a given control system structure

the working parameters selection

the completion of the structure with specific fuzzy elements

Consequently, the steps proposed for the controller synthesis are to be followed, based on a detailed functional analysis of the controlled system. Even though until now the fuzzy approach of the control processes in not fully developed as a self-state theory, lots of applications represents either an alternative to classic automation solution or practical innovations in different domains.

Algorithm stages

The majority of the papers in the field of fuzzy control modeling use the following typical stages:

description of the heuristic base of the problem

the input-output values

fuzzy sets and corresponding associated linguistic values selection

rules databases creation for fuzzy inferences

fuzzyfication, logical inferences and output de-fuzzyfication process assignation

de-fuzzyfication mechanisms adoption

description of the learning schemas and adapting mechanisms

in their final form, fuzzy system can be implemented as a hardware in case of dedicated structures or as generally programmable structures for general purposes.

For the analyzing process of the clutches wear degree, the authors established that the following steps are needed to be completed in order to assure the fuzzy sets based decisional process:

3.1 Criteria selection in respect to which the distance to be travelled is determined

These criteria selection is needed to create the evaluation criteria sets such as:

The specificity of this procedure consists in the fact that at a specific moment of time multiple evaluation criteria can be taken into account. These criteria shall be the input of the decisional system.

Practically these criteria represent factors such as the pedal clearance, dimensional deviation of clutch components, vehicle type and so on.

3.2 Definition of the range of values for each evaluation criterion

A variation range is associated to each criterion inside of which the criterion specific values can be found. These ranges of values are:

where are respectively the inerior and superior limits of the range of the values associated to criterion.

3.3 Linguistic value definition associated to each evaluation criterion

To each evaluation criterion, a linguistic value is associated. Thus, criteron becomes the linguistic variable

3.4 Linguistic degree associated to each input linguistic value definition

For each linguistic value, linguistic degree or linguistic terms are defined. These will be used to „vague” describe firm information. Linguistic degree sets associated to each linguistic value shall be:

3.5 Membership function associated to each linguistic degree; input values

A membership function is associated to each linguistic degree corresponding to a linguistic value:

3.6 Decisional system output value

The output value of the decisional system is the mileage to be trip: DMP

3.7 Output values range

The ranges of the output values are:

3.8 Output linguistic values

DMP (Mileage to be tripped) linguistic value is associated to DMP output value.

3.9 Linguistic degrees associated to output linguistic values

For the output linguistic value, linguistic degree or linguistic terms are defined. These terms will be used to “vague” describe firm information. Linguistic degree set associated to the output linguistic variable DMP is:

3.10 Membership function associated to each linguistic degree. Input values

To each linguistic degree corresponding to one linguistic variable, a membership function is associated, as follows:

3.11 Connection method definition for membership function values

Linguistic variable set and linguistic degree set to which membership function were associated describe in a „vague” manner firm input or firm output values.

The inference machine consists in a set of rules as follows:

IF (premise) THEN (conclusion)

where

Premise – represents an ascertained property resulted as a connection – through specific fuzzy procedures – between different linguistic degrees associated to the linguistic variables of the input value. For the case of the remaining functioning time determination, the AND connector was used.

Conclusion – represents the mentioned property expressed through linguistic degrees variables associated to the output values

The inference machine has the following form:

: IF (C1 = AND … AND Cm =) THEN ()

3.12 Defuzzyfication method

The result of the fuzzy inference (vague) is a fuzzy information (vague), in the form of the „result” membership function

Defuzzyfication means the operation in which a firm output value (crisp) is obtained using the membership function „result” of the fuzzy inferences.

The weigh center defuzzyfication method is used, because is widely used in practice.

The principle of the method consists in the calculus of a firm output value considering in a balanced manner all the influences resulted after the inference rule activation at a certain moment, by the firm values of the input.

Firm values resulted after the defuzzyfication process will be the information related to the remaining functioning time.

The above procedure was applied in the following manner:

the clutch pedal clearance consists the input value

the remaining functioning time is the output value

the method also takes into account the vehicle brand

4. Rate of wear diagnosis program for vehicle clutches, using fuzzy techniques

In a classic manner, the clutch pedal clearance measurement is done using a gauge, which leans nearby the pedal. Thus, a comparison is made between the measured pedal clearance and the gauge markers indicated for each vehicle brand. This way the clutch efficiency is estimated, but no information about its rate of wear can be made. The following information is needed on the moment of each measurement, in order to estimate the clutch rate of wear:

semi couple characteristics (material, dimensions, lifetime for the clutch)

adjustment range of the pedal clearance (minimum and maximum clearance) inside which the maximum clutch efficiency is attained.

the number of adjustments made up to the current adjustment.

Based on this information the approximation of the distance that can be travel with the clutch can be made. Let us assign x variable – to the clutch’s pedal clearance when the verifying is made, X – to the maximum pedal’s clearance, n – to the clutch’s adjustment number, D – the maximum distance that can be travelled with a clutch and a the distance travelled between two adjustments, the remaining distance that can be travelled with the analyzed clutch d can be computed with the relation:

Thus, the rate of wear of the clutch can be estimated with the relation:

where u represents the clutch wear.

Because the clutch rate of wear depends on the driving style, on driving conditions (inside or outside localities), on the dispersion of clutch’s discs quality (material, batch, dimensions), the result is an approximation.

The decisional model is presented in the following.

Knowing the clutch’s lifetime (expressed in the mileage tripped with a pair of discs), the number of the clutch adjustments can be computed, as the value of the ratio or estimating functioning times (expressed in mileage) less than the ratio mentioned above in such a manner that it can be superposed on the revision period of time. The least variant is desired for maintenance purposes. For each range a membership function must be chosen. For this case a triangular function is suitable.

The domains in which the membership function is divided are (DACIA.FIS file):

[Input1]

Name='Cursa'

Range=[30 120]

NumMFs=5

MF1='Cfm':'trapmf',[9.75 27.75 32.25 50.25]

MF2='Cm':'trimf',[32.5 52.5 75]

MF3='Cmd':'trimf',[52.5 75 97.5]

MF4='CM':'trimf',[75 97.5 120]

MF5='CFM':'trapmf',[99.75 117.8 122.3 140.3]

Five domains can be distinguished, two in trapezoidal shape (MF1 and MF5 located at the top and the bottom of the pedal’s clearance range) and three in triangular. In brackets, the definition values for each domain are specified. It was assumed that the clutch attrition is uniform during functioning time and thus an uniform distribution of the input values membership function. Notations are as follows:

Cfm – very small clearance

Cm – small clearance

Cmd – medium clearance

CM – high clearance

CFM – very high clearance

Figure 1 Membership function used to describe the clutch’s pedal clearance

For example, a clearance equal to 97.5 millimeters is equivalent to a membership degree of one, corresponding to a high clearance.

The output value of the membership functions are presented in figure 2. Ranges are specified in the [Output] section of the DACIA.FIS file:

[Output1]

Name='Distanta'

Range=[0 15000]

NumMFs=5

MF1='Dfm':'trimf',[-3750 0 3750]

MF2='Dm':'trimf',[0 3750 7500]

MF3='Dmd':'trimf',[3750 7500 11250]

MF4='DM':'trimf',[7460 11000 14600]

MF5='DFM':'trapmf',[11630 14630 15380 18380]

The adjustment range was set to 15000 km. This value can be set either based on clutch’s discs manufacturer indications or on systematic observations made in service.

Figure 2 Membership functions for “mileage to go until the next clutch adjustment”

Section [Rules] of the above-mentioned file contains the correspondence between the pedal clearance and the mileage that the vehicle is able to trip until the next clutch adjustment:

[Rules]

1, 5 (1) : 1

2, 4 (1) : 1

3, 3 (1) : 1

4, 2 (1) : 1

5, 1 (1) : 1

They were created using the rules editor of the MATLAB’s software Fuzzy Logic tools. Rules editor interface is presented in figure 3.

Figure 3 MATLAB’s fuzzy rules editor

Figures 4 and 5 present the results achieved after rules use in two cases: figure 4 corresponds to a clearance value of 75 mm and figure 5 to a clearance of 61.6 mm.

It can be noticed in the latter case that a composed geometry is achieved at the output. In both cases, result is attained computing the value of the weight-center abscissa for the output geometry.

Figure 4 Fuzzyfication result. Pedal clearance of 75 mm

Figure 4 Fuzzyfication result. Pedal clearance of 61.55 mm

As it can be noticed, fuzzy method corresponds to the case with one input, one output and five rules. Defuzzyfication method is a “weight center” type. Diagnosis program interface is presented in figure 6 and it was made in MATLAB.

Figure 6 Diagnosis program interface

Five areas can be identified, as follows:

Clearance input zone, in millimeters

Number of the last adjustment

Vehicle type selection

Value of the approximate mileage that can be tripped with the current discs [km] area. Also, the “compute” button lays in this area.

Exit button

Conclusions