Strategia Avanzata per la Ricarica Energetica nei Veicoli Elettrici
Nel panorama in rapida evoluzione della mobilità elettrica, ogni singolo chilowattora conta. Mentre i costruttori si impegnano per estendere l’autonomia e migliorare l’efficienza, una delle frontiere più promettenti risiede nella gestione intelligente dell’energia durante la decelerazione. Uno studio pionieristico dell’Università del Jiangsu ha introdotto una sofisticata strategia di controllo del freno rigenerativo che potrebbe ridefinire il modo in cui i veicoli elettrici (VE) recuperano energia in movimento. Integrando l’identificazione in tempo reale della superficie stradale con una comprensione dettagliata della dinamica dei motori duali, il team di ricerca ha raggiunto un tasso di recupero energetico del 65,55% in condizioni standard, stabilendo un nuovo punto di riferimento per l’efficienza nei veicoli elettrici a trazione integrale.
Lo studio, guidato dal professor Pan Gongyu e dal ricercatore Xu Shen della Scuola di Ingegneria Automobilistica e del Traffico dell’Università del Jiangsu, è stato pubblicato nel gennaio 2024 sul Journal of Jiangsu University (Natural Science Edition). Il loro lavoro affronta una sfida fondamentale nella progettazione dei VE: come massimizzare il recupero energetico senza compromettere la sicurezza o la stabilità. Sebbene il freno rigenerativo sia una caratteristica standard nei moderni VE, la sua efficacia è spesso limitata da strategie di controllo conservative che non sfruttano appieno la trazione disponibile tra pneumatici e strada. I sistemi tradizionali assumono solitamente una condizione di strada fissa, portando a prestazioni subottimali, specialmente su superfici variabili o a bassa aderenza.
L’approccio di Pan e Xu rompe con la convenzione trattando la strada non come uno sfondo statico, ma come una variabile dinamica che deve essere continuamente valutata. Al centro della loro strategia vi è un nuovo identificatore di strada che stima il coefficiente di aderenza di picco, ovvero la massima trazione disponibile, tra ogni pneumatico e la superficie stradale. Questa non è una misurazione uniforme; è un calcolo per ruota che tiene conto delle differenze di carico, usura e condizioni locali della strada. Il sistema confronta i dati in tempo reale sullo slittamento della ruota e sull’aderenza della strada con una libreria di otto tipi di strada standard, dal bitume asciutto al ghiaccio. Utilizzando la logica fuzzy, determina la somiglianza tra le condizioni attuali e ogni superficie di riferimento, quindi calcola una media ponderata per arrivare a una stima precisa del coefficiente di aderenza di picco.
Questo livello di dettaglio è cruciale. Nei sistemi convenzionali, una stima imprecisa dell’aderenza stradale può portare a due risultati ugualmente indesiderabili: troppo poco freno rigenerativo, sprecando energia recuperabile, o troppo, rischiando il bloccaggio della ruota e la perdita di controllo. Adattandosi dinamicamente alle condizioni reali della strada, la strategia del team dell’Università del Jiangsu garantisce che il veicolo operi il più vicino possibile al rapporto di slittamento ottimale, il punto in cui attrito e aderenza sono bilanciati per un massimo recupero energetico senza sacrificare la stabilità.
Ma rilevare la strada è solo metà del problema. L’altra metà riguarda come il veicolo ripartisce la forza frenante tra i suoi motori elettrici e i freni a frizione idraulici. I ricercatori si sono concentrati su veicoli elettrici a trazione integrale con motori duali, dove entrambi gli assi, anteriore e posteriore, sono motorizzati e in grado di rigenerare energia. In queste architetture, il potenziale di recupero energetico è significativamente più elevato rispetto alle configurazioni a trazione anteriore o posteriore, ma così è anche la complessità di gestire l’interazione tra le due trasmissioni.
La strategia di controllo di Pan e Xu sfrutta le caratteristiche esterne dei motori duali, essenzialmente i loro profili coppia-velocità, per determinare il modo più efficiente di ripartire lo sforzo frenante. Quando il guidatore aziona il freno, il sistema valuta innanzitutto la velocità del veicolo, lo stato di carica (SOC) della batteria e l’intensità della frenata. Se la velocità è superiore a 5 km/h, il SOC è inferiore al 90% e la richiesta di frenata non è urgente (meno di 0,8 g), il sistema attiva il freno rigenerativo. L’innovazione chiave risiede nel modo in cui ripartisce poi il carico tra i motori anteriore e posteriore.
La strategia è progettata per prioritizzare il recupero energetico nel rispetto dei vincoli di sicurezza. Utilizza le stime dei coefficienti di aderenza di picco per le ruote anteriori e posteriori per definire limiti superiori e inferiori per la forza frenante ammissibile su ciascun asse. Se le ruote anteriori hanno una maggiore aderenza rispetto a quelle posteriori, uno scenario comune a causa del trasferimento di carico durante la frenata, il sistema può assegnare più coppia di frenata rigenerativa all’asse anteriore, dove può essere utilizzata in modo più efficace. Al contrario, se l’aderenza è distribuita in modo più uniforme, il sistema bilancia il carico per mantenere la stabilità del veicolo.
Quello che distingue questo approccio è la sua capacità di adattarsi a condizioni in continua evoluzione in tempo reale. Ad esempio, durante una manovra di frenata su una superficie che passa da asfalto bagnato ad asfalto asciutto, il sistema aggiorna continuamente le sue stime di aderenza e regola di conseguenza la ripartizione della coppia. Ciò garantisce che il veicolo non superi mai l’aderenza disponibile, anche mentre le condizioni della strada cambiano durante la decelerazione. Il risultato è un’esperienza di frenata più fluida e prevedibile che massimizza il recupero energetico senza richiedere l’intervento del guidatore.
Per validare la loro strategia, i ricercatori hanno condotto estese simulazioni utilizzando CarSim e Simulink, modellando un compatto veicolo elettrico a trazione integrale con un peso a vuoto di 940 kg, un passo di 2,26 metri e batterie al litio-ionico. In uno scenario di prova, il veicolo ha rallentato da 40 km/h fino a fermarsi con un’intensità di frenata di 0,3 g su una superficie con un coefficiente di aderenza noto di 0,6. In queste condizioni, il sistema ha raggiunto un tasso di recupero energetico del 65,55%, un valore che rappresenta un miglioramento significativo rispetto a molti sistemi esistenti, che spesso faticano a superare il 50% in condizioni simili.
La simulazione ha anche rivelato le fonti di perdita di energia, fornendo preziose informazioni per futuri miglioramenti. Circa il 20% dell’energia recuperabile è stata dissipata dai freni meccanici, principalmente nella fase finale della decelerazione quando la velocità del veicolo scendeva sotto i 5 km/h e il freno rigenerativo era disattivato. Un altro 10% è stato perso a causa di inefficienze nel motore, nella batteria e nel sistema di trasmissione, perdite intrinseche a qualsiasi processo di conversione dell’energia ma che potrebbero essere ridotte con progressi nella progettazione dei componenti. Il restante 5% è stato attribuito a imperfezioni del sistema di controllo, suggerendo che ulteriori perfezionamenti dell’algoritmo potrebbero spingere ancora più in alto i tassi di recupero.
In uno scenario più complesso, il veicolo è stato sottoposto a una condizione stradale variabile, passando da una superficie a bassa aderenza (coefficiente di aderenza di 0,2) a una ad alta aderenza (0,8) e viceversa, mentre rallentava da 80 km/h. Questo scenario è particolarmente impegnativo per i sistemi convenzionali, che potrebbero sottoutilizzare l’aderenza disponibile sul tratto ad alta aderenza o rischiare instabilità al ritorno sulla superficie a bassa aderenza. La strategia dell’Università del Jiangsu, tuttavia, ha dimostrato prestazioni robuste, con i coefficienti di aderenza previsti che seguivano da vicino i valori reali per tutta la manovra. Sebbene il tasso di recupero energetico complessivo in questo test fosse inferiore, al 28,90%, questo era principalmente dovuto all’aderenza intrinsecamente limitata sulle superfici a bassa aderenza, dove il freno meccanico era necessario per garantire la sicurezza. Il fatto che il sistema potesse identificare e rispondere accuratamente a questi rapidi cambiamenti sottolinea il suo potenziale per applicazioni nel mondo reale.
Le implicazioni di questa ricerca vanno oltre il laboratorio. Mentre i veicoli elettrici diventano sempre più diffusi, la capacità di recuperare energia in modo efficiente giocherà un ruolo sempre più importante nella riduzione della frequenza di ricarica, nell’allungamento della vita della batteria e nella riduzione del costo totale di proprietà. Per i costruttori, l’adozione di una strategia di controllo come quella proposta da Pan e Xu potrebbe offrire un vantaggio competitivo, offrendo ai guidatori un’esperienza di frenata più efficiente e reattiva. Inoltre, l’integrazione dell’identificazione della superficie stradale potrebbe migliorare le prestazioni di altri sistemi del veicolo, come il controllo elettronico della stabilità e il cruise control adattivo, creando un ambiente di guida più coeso e intelligente.
Da un punto di vista tecnico, il successo di questa strategia dipende dall’integrazione perfetta di più discipline: dinamica del pneumatico, controllo del motore, logica fuzzy e elaborazione dei dati in tempo reale. L’uso della logica fuzzy è particolarmente degno di nota, poiché consente al sistema di gestire l’incertezza e la non linearità intrinseche nelle interazioni pneumatico-strada. A differenza della logica binaria tradizionale, che opera su condizioni rigide di vero/falso, la logica fuzzy può gestire verità parziali, rendendola ideale per applicazioni in cui gli input sono imprecisi o in continua evoluzione. Mappando i dati di slittamento e aderenza a variabili linguistiche come “piccolo”, “medio” e “grande”, il sistema può prendere decisioni sfumate che imitano l’intuizione umana.
Un’altra caratteristica chiave del design è l’enfasi sulla sicurezza. I ricercatori hanno implementato un principio di “selezione minima” per il coefficiente di aderenza, il che significa che il sistema utilizza sempre il valore più basso dei due stimati per le ruote sinistra e destra dello stesso asse. Questo approccio conservativo garantisce che il veicolo non assuma mai più aderenza di quanta ne sia effettivamente disponibile, riducendo il rischio di instabilità laterale o sbandata. Inoltre, il sistema disattiva il freno rigenerativo in condizioni di frenata ad alta intensità, prioritizzando la potenza di arresto immediata rispetto al recupero energetico, una decisione che si allinea con le migliori pratiche nell’ingegneria automobilistica della sicurezza.
Lo studio evidenzia anche l’importanza del pensiero a livello di sistema nella progettazione dei veicoli elettrici. Mentre gran parte del dibattito pubblico sui veicoli elettrici si concentra sulla capacità della batteria e sulla velocità di ricarica, la realtà è che i guadagni di efficienza possono essere trovati in tutta l’architettura del veicolo. Il freno rigenerativo è uno dei leve più efficaci per migliorare l’efficienza, ma i suoi benefici sono pienamente realizzati solo quando la strategia di controllo è ottimizzata per le caratteristiche specifiche della trasmissione e dell’ambiente di guida. Il lavoro di Pan e Xu esemplifica questo approccio olistico, dimostrando come una profonda comprensione di hardware e software possa portare a miglioramenti tangibili nelle prestazioni.
Guardando al futuro, i principi delineati in questa ricerca potrebbero essere applicati a una vasta gamma di tipi di veicoli, da auto di serie a camion commerciali. Mentre la tecnologia dei sensori continua ad avanzare, future iterazioni del sistema potrebbero incorporare dati da fonti aggiuntive, come telecamere, radar o persino comunicazione veicolo-infrastruttura, per affinare ulteriormente le stime di aderenza. Gli algoritmi di apprendimento automatico potrebbero anche essere utilizzati per personalizzare la strategia di controllo in base alle abitudini di guida individuali e alle condizioni stradali regionali.
In un settore in cui i miglioramenti incrementali sono spesso celebrati come progressi, il tasso di recupero energetico del 65,55% raggiunto dalla strategia di Pan e Xu si distingue come un salto significativo in avanti. È una testimonianza del potere della ricerca accademica nel guidare l’innovazione e risolvere problemi del mondo reale. Mentre la transizione globale verso la mobilità elettrica si accelera, studi come questo svolgeranno un ruolo cruciale nel plasmare la prossima generazione di trasporto sostenibile.
Il lavoro di Pan Gongyu e Xu Shen all’Università del Jiangsu non solo avanza lo stato dell’arte nel freno rigenerativo, ma serve anche da modello su come la ricerca ingegneristica possa avere un impatto diretto sulle prestazioni e sull’efficienza delle tecnologie quotidiane. La loro strategia è un promemoria che il futuro della mobilità non riguarda solo batterie più grandi o ricariche più veloci, ma sistemi più intelligenti e adattabili che sfruttano al massimo ogni joule di energia.
Pubblicato da Pan Gongyu e Xu Shen, Scuola di Ingegneria Automobilistica e del Traffico, Università del Jiangsu, su Journal of Jiangsu University (Natural Science Edition), DOI: 10.3969/j.issn.1671-7775.2024.01.001