Nuova strategia migliora la stabilità degli EV dopo una foratura
In un settore automobilistico sempre più focalizzato sulla sicurezza attiva e sulla guida autonoma, una ricerca pionieristica condotta da un team di ingegneri cinesi ha portato a un significativo balzo in avanti nella gestione delle emergenze dinamiche. Il loro obiettivo? Affrontare uno degli scenari più temuti e pericolosi per qualsiasi automobilista: la foratura improvvisa di un pneumatico, in particolare a velocità elevate. La soluzione proposta, un sofisticato sistema di controllo a doppio anello, è progettata specificamente per i veicoli elettrici a trazione distribuita e promette di rivoluzionare il modo in cui questi veicoli mantengono il controllo dopo un incidente così critico.
La foratura di un pneumatico non è un semplice inconveniente; è un evento dinamico catastrofico che si verifica in meno di un decimo di secondo. In quel brevissimo lasso di tempo, le proprietà meccaniche del pneumatico cambiano radicalmente: la rigidità longitudinale può crollare del 72%, quella laterale del 75%, mentre la resistenza al rotolamento può aumentare di trenta volte. Queste alterazioni drammatiche generano forze di instabilità che possono far sbandare il veicolo, causare un’oscillazione di imbardata (yaw) incontrollabile o persino un ribaltamento. I sistemi di controllo della stabilità elettronica (ESP) tradizionali, che si affidano alla frenata differenziale, spesso non riescono a reagire abbastanza rapidamente. La loro risposta è limitata dall’inerzia dei sistemi idraulici e meccanici, introducendo un ritardo critico che può essere fatale in una situazione già precaria.
È qui che entra in gioco l’innovazione del team di ricerca guidato da Pang Wenyu, Bei Shaoyi, Li Bo e Yin Guodong. I veicoli elettrici a trazione distribuita, dotati di motori elettrici nei mozzi di ciascuna ruota, offrono un vantaggio strutturale unico. A differenza dei veicoli convenzionali, non hanno bisogno di alberi di trasmissione, differenziali o complessi sistemi di frenatura idraulica per controllare il veicolo. Ogni ruota è una fonte di trazione o frenatura indipendente, controllabile elettronicamente con una velocità e una precisione che i sistemi meccanici non possono eguagliare. Questa architettura modulare è il fondamento su cui i ricercatori hanno costruito la loro strategia di controllo a doppio anello, un approccio che combina la correzione attiva della traiettoria con una gestione dinamica e ottimizzata del momento torcenti.
Il sistema è diviso in due componenti principali che lavorano in sinergia. Il primo, l’anello esterno, si occupa della correzione della traiettoria. Utilizza un algoritmo noto come “pure pursuit” (inseguimento puro), una tecnica ampiamente utilizzata nella robotica e nei veicoli autonomi. Questo algoritmo simula il comportamento di un conducente umano che guarda avanti sulla strada. Il sistema identifica un “punto di mira” (look-ahead point) a una certa distanza lungo il percorso desiderato. Confrontando continuamente la posizione e l’orientamento attuali del veicolo con questo punto di mira, calcola l’angolo di sterzo ideale per le ruote anteriori che guiderà il veicolo direttamente verso quel punto. Ripetendo questo processo in tempo reale, il veicolo viene guidato in modo fluido e preciso lungo la sua traiettoria prevista. Questo è particolarmente efficace dopo una foratura, poiché il veicolo tende naturalmente a deviare verso il lato della ruota danneggiata a causa della perdita di forza laterale. L’anello esterno agisce come un “pilota automatico” di emergenza, riportando attivamente il veicolo sulla strada.
L’innovazione più profonda, tuttavia, risiede nell’anello interno, dedicato alla stabilità dinamica. Questo anello adotta una struttura gerarchica. Il livello superiore è un controller basato su logica fuzzy PID (Proporzionale-Integrale-Derivativo). Questo sofisticato algoritmo monitora due parametri vitali per la stabilità: l’angolo di deriva (sideslip angle) al centro di massa del veicolo e la velocità di imbardata (yaw rate). Calcola la differenza tra i valori reali e quelli desiderati (di riferimento) e determina il momento di imbardata aggiuntivo necessario per stabilizzare il veicolo. La logica fuzzy aggiunge un livello di robustezza, permettendo al controller di adattarsi a condizioni non lineari e imprevedibili, come un coefficiente di aderenza variabile della strada o carichi sulle ruote in rapido cambiamento.
Tuttavia, calcolare il momento di imbardata richiesto è solo metà della battaglia. Il vero problema è generare fisicamente questo momento. Nei veicoli a trazione distribuita, ciò si ottiene applicando coppie motrici diverse alle ruote sinistra e destra. Per esempio, applicare più coppia alla ruota destra e meno (o addirittura una coppia di frenatura) alla ruota sinistra farà girare il veicolo a sinistra. Il dilemma è: come distribuire ottimamente questo momento tra le tre ruote rimanenti funzionanti?
Approcci precedenti spesso utilizzavano una semplice distribuzione della coppia, come assegnare lo stesso valore a ciascuna ruota. Questi metodi non sfruttano appieno l’aderenza disponibile di ogni pneumatico, portando a una correzione inefficiente. Per superare questo limite, i ricercatori hanno implementato un algoritmo di ottimizzazione bioispirato: l’Algoritmo di Ottimizzazione della Balena Bianca (White Whale Optimization, BWO).
Questo algoritmo, ispirato al comportamento sociale, di caccia e di migrazione delle balene bianche, è uno strumento potente per risolvere problemi di ottimizzazione complessi. Il BWO simula tre fasi del comportamento delle balene: esplorazione (ricerca di nuove aree), sfruttamento (concentrazione su aree con risorse) e il fenomeno del “cadavere di balena” (whale fall), che simboleggia la ricerca di soluzioni innovative in ambienti in evoluzione. Nel contesto del controllo del veicolo, l’algoritmo utilizza queste fasi per cercare attivamente la combinazione ottimale di coppie motrici per le tre ruote non forate.
Il processo di ottimizzazione è guidato da una funzione obiettivo che considera più aspetti della stabilità del veicolo. Questa funzione include metriche come l’errore integrale nel tempo dell’angolo di deriva, della velocità di imbardata, dello spostamento laterale e dell’accelerazione laterale. A ciascuna di queste metriche viene assegnato un peso in base alla sua importanza relativa. Per esempio, all’angolo di deriva viene attribuito il peso più alto perché è un indicatore diretto della controllabilità del veicolo. Minimizzando questa funzione obiettivo, il sistema garantisce che la soluzione trovata non stabilizzi semplicemente il veicolo rapidamente, ma lo faccia nel modo più morbido e controllato possibile, minimizzando le oscillazioni e il tempo di recupero.
Per convalidare la loro teoria, il team ha costruito una piattaforma di simulazione ad alta fedeltà, integrando il software CarSim, specializzato nella dinamica veicolare, con MATLAB/Simulink, uno strumento leader per la progettazione e la simulazione dei sistemi di controllo. Questo ambiente di simulazione ha permesso di modellare con precisione un veicolo elettrico a trazione distribuita realistico, con una massa di 1.350 kg, un passo di 3,05 metri e un modello di pneumatico UniTire specificamente adattato per simulare con realismo le proprietà dinamiche di un pneumatico durante e dopo una foratura.
Sono stati condotti due scenari di prova chiave. Il primo è stato un percorso rettilineo a 80 km/h, e il secondo, una curva stretta a 60 km/h con un raggio di 100 metri. In entrambi i casi, è stata simulata una foratura della ruota anteriore sinistra al secondo secondo della simulazione. Le prestazioni della strategia a doppio anello sono state confrontate rigorosamente con tre scenari di riferimento: nessun controllo, solo controllo del momento di imbardata diretto (utilizzando il controller fuzzy PID con una distribuzione della coppia uguale) e solo controllo di correzione della traiettoria (pure pursuit).
I risultati sono stati schiaccianti. Nello scenario rettilineo, la strategia a doppio anello ha dimostrato una superiorità schiacciante. L’angolo di deriva massimo, un indicatore chiave dell’instabilità del veicolo, è stato ridotto al solo 10,61% del valore raggiunto quando non veniva applicato alcun controllo. Questo rappresenta un miglioramento significativo dell’8,87% rispetto al sistema che utilizzava solo il controllo del momento di imbardata. Questa capacità di mantenere un angolo di deriva estremamente basso significa che il veicolo rimane molto più vicino alla sua traiettoria originale, minimizzando il rischio di uscire di strada o di collidere con altri veicoli.
Inoltre, i parametri di stabilità dinamica, come la velocità di imbardata, lo spostamento laterale e l’accelerazione laterale, hanno mostrato oscillazioni molto minori e una convergenza verso valori stabili molto più rapida. Ciò indica che il veicolo non solo rimane sulla sua corsia, ma recupera anche il suo stato di equilibrio in modo più morbido e controllato, un aspetto cruciale per il comfort e la sicurezza dei passeggeri.
Lo scenario in curva ha messo ancora più alla prova l’efficacia del sistema. Qui, il veicolo era già soggetto a forze laterali significative prima della foratura, rendendolo più vulnerabile a una perdita di controllo. I veicoli senza controllo o con solo un sistema di correzione della traiettoria hanno mostrato oscillazioni severe e una tendenza a deviare pericolosamente. Il sistema di controllo del momento di imbardata da solo è stato più efficace, ma mostrava ancora fluttuazioni notevoli.
Al contrario, la strategia a doppio anello ha mantenuto il veicolo su una traiettoria molto più stabile. L’angolo di deriva è stato ridotto al 55,6% del valore senza controllo, superando chiaramente gli altri metodi. La velocità di imbardata si è stabilizzata rapidamente e si è mantenuta vicina al valore di riferimento, dimostrando un’eccellente continuità di manovrabilità. L’accelerazione laterale, un indicatore importante del comfort del passeggero, ha mostrato anche una risposta più morbida e controllata.
Uno dei risultati più importanti è stata la sinergia perfetta tra i due anelli di controllo. L’anello esterno (correzione della traiettoria) e l’anello interno (stabilità dinamica) non operano in isolamento; si coordinano in tempo reale. Se l’algoritmo di pure pursuit determina che è necessario uno sterzo aggressivo a destra per correggere la traiettoria, l’algoritmo di ottimizzazione della coppia aggiusta istantaneamente le coppie sulle ruote per generare un momento di imbardata che sostenga quella manovra, invece di resistervi. Questa coordinazione evita conflitti tra le azioni di controllo e massimizza l’efficacia complessiva del sistema.
La scelta dell’algoritmo BWO è stata un fattore differenziante chiave. La sua capacità di trovare la distribuzione ottimale della coppia in tempo reale permette al sistema di sfruttare al massimo l’aderenza disponibile su ogni pneumatico, rendendo la correzione più efficiente ed efficace. L’algoritmo ha dimostrato una convergenza rapida, raggiungendo una soluzione ottimale in circa 20 iterazioni, rendendolo fattibile per l’implementazione in tempo reale nelle unità di controllo elettronico (ECU) moderne dei veicoli.
Da un punto di vista pratico, questa ricerca ha implicazioni profonde per l’industria automobilistica. Primo, migliora la sicurezza senza richiedere cambiamenti nell’hardware fisico del veicolo, il che la rende una soluzione software relativamente economica che potrebbe essere implementata tramite aggiornamenti del firmware. Secondo, il suo design modulare la rende compatibile con altri sistemi avanzati di assistenza alla guida (ADAS). Terzo, apre nuove strade per la guida autonoma, fornendo un quadro robusto affinché i veicoli autonomi gestiscano le emergenze critiche in modo sicuro. Infine, sottolinea il ruolo crescente delle istituzioni di ricerca cinesi all’avanguardia dell’ingegneria automobilistica, con collaborazioni tra la Jiangsu University of Technology, la Tsinghua University e la Southeast University che guidano l’innovazione globale.
Pang Wenyu, Bei Shaoyi, Li Bo, Yin Guodong, Journal of Chongqing University of Technology (Natural Science), doi:10.3969/j.issn.1674-8425(z).2024.11.009