Nuova strategia ottimizza la trazione nei veicoli elettrici a trazione distribuita
La corsa verso l’automazione e l’elettrificazione del settore automotive ha portato a un cambiamento radicale nel modo in cui i veicoli interagiscono con la strada. La potenza quasi istantanea dei motori elettrici, se da un lato rappresenta un enorme vantaggio in termini di prestazioni, dall’altro pone sfide significative per la gestione della trazione, specialmente in condizioni di aderenza ridotta. Le strade bagnate, ghiacciate o innevate possono trasformare la potenza disponibile in un fattore di rischio, con le ruote che perdono aderenza e iniziano a pattinare, compromettendo stabilità, sicurezza ed efficienza. Questo fenomeno, noto come “slittamento in accelerazione”, è particolarmente critico nei veicoli con trazione distribuita, dove ogni ruota è spinta da un motore elettrico indipendente. Un team di ricercatori dell’Università di Tecnologia di Hefei ha affrontato questa complessa sfida con un approccio innovativo, sviluppando una strategia di controllo della trazione che promette di rendere la guida su fondi scivolosi non solo più sicura, ma anche più efficiente e prevedibile.
La ricerca, guidata dal dottor Jiujian Chang, insieme allo studente laureato Jiahao Wu e Jianping Fang, si distingue per la sua profondità e completezza. A differenza dei sistemi di controllo tradizionali, spesso basati su algoritmi PI (Proporzionale-Integrale) che possono risultare lenti o instabili, il nuovo approccio adotta una strategia in due fasi. La prima fase si concentra sulla comprensione del contesto: il sistema non si limita a reagire allo slittamento, ma anticipa e predispone le condizioni ottimali per massimizzare la trazione. Questo richiede una conoscenza precisa dello stato del veicolo e dell’ambiente circostante, un’informazione che il team di Hefei ha ottenuto attraverso una sofisticata stima in tempo reale di due parametri fondamentali: la massa totale del veicolo e l’inclinazione della strada.
Questi due fattori, spesso trascurati nei sistemi convenzionali, hanno un impatto diretto e significativo sulla forza di aderenza disponibile per ogni pneumatico. Un veicolo completamente carico esercita una pressione maggiore sulle sospensioni, alterando la distribuzione del carico tra le ruote. Allo stesso modo, accelerare in salita o in discesa modifica la forza verticale che agisce sulle ruote motrici. Il team ha sviluppato un algoritmo basato sul metodo dei “minimi quadrati ricorsivi” per stimare la massa del veicolo con un’elevata precisione e rapidità. Questo algoritmo elabora dati provenienti dal momento motore, dai sensori di velocità delle ruote e dall’accelerometro longitudinale, adattandosi continuamente alle variazioni di carico. Per quanto riguarda l’inclinazione della strada, hanno implementato una “fusione di sensori”, combinando i dati provenienti dal modello dinamico del veicolo con le misurazioni dirette di un accelerometro. Questa combinazione intelligente, filtrata per eliminare il rumore e le frequenze indesiderate, fornisce una stima dell’inclinazione molto più affidabile e stabile di quanto potrebbero offrire i singoli metodi presi isolatamente. Questa comprensione accurata del carico verticale su ciascuna ruota è il fondamento per il passo successivo: l’identificazione della strada.
Il cuore del sistema è un algoritmo di riconoscimento del fondo stradale che non si basa su modelli di pneumatico complessi e difficili da calibrare, ma su una semplice e potente osservazione della fisica. Il team ha sfruttato il fatto che, per ogni superficie, esiste una relazione specifica tra il tasso di slittamento di una ruota e la forza di trazione che può generare. Questa relazione raggiunge un massimo in un punto preciso, corrispondente al tasso di slittamento ottimale. Il genio della soluzione risiede nel modo in cui il sistema individua questo punto. Monitorando continuamente il tasso di variazione della forza di trazione rispetto allo slittamento, il sistema sa che quando questa derivata si avvicina a zero, il veicolo si trova vicino al picco della curva di aderenza. In quel momento, può dedurre con grande precisione il coefficiente di attrito della strada. Una volta identificato il coefficiente di attrito, il sistema può determinare immediatamente il tasso di slittamento ottimale, che varia da superficie a superficie: un fondo asciutto lo permette più alto, mentre un fondo ghiacciato richiede un controllo molto più stringente.
Con un obiettivo preciso definito, il sistema passa alla fase di controllo attivo. Qui, il team ha scelto un algoritmo molto più avanzato del tradizionale PI: il “controllo in modo di scorrimento” (Sliding Mode Control, SMC). Questo tipo di controllo è noto per la sua estrema robustezza e velocità di risposta. Funziona definendo una “superficie di scorrimento” che rappresenta la traiettoria ideale per raggiungere l’obiettivo di slittamento. L’algoritmo applica una forza di controllo che spinge il sistema verso questa superficie e lo mantiene su di essa, anche in presenza di perturbazioni come cambiamenti improvvisi di aderenza o variazioni di carico. Per evitare le vibrazioni fastidiose (“chattering”) tipiche di questo tipo di controllo, i ricercatori hanno utilizzato una funzione di saturazione per rendere la transizione più morbida. Il risultato è un comando di coppia al motore che è al contempo rapido e fluido, minimizzando i colpi e le oscillazioni che potrebbero compromettere il comfort di guida.
Per validare la loro teoria, i ricercatori hanno condotto un’ampia serie di test, iniziando con una piattaforma di simulazione avanzata che collegava CarSim, un software di dinamica veicolare di alto livello, con Simulink, un ambiente per la modellazione e la simulazione di sistemi di controllo. Questo approccio ha permesso di creare scenari di guida estremamente realistici. Hanno testato il sistema in tre condizioni particolarmente impegnative: un’accelerazione in linea retta su una superficie a bassa aderenza, un veicolo che parte da un fondo ad alto attrito e poi passa a uno a basso attrito (condizione “split-μ”), e un veicolo che parte in salita con un lato su un fondo ad alto attrito e l’altro su un fondo a basso attrito (condizione “split-μ in salita”).
I risultati delle simulazioni sono stati straordinariamente positivi. In tutti e tre gli scenari, la nuova strategia di controllo in modo di scorrimento ha nettamente superato il controllo PI tradizionale. Il parametro chiave di valutazione è stato l’Errore Quadratico Medio (RMSE) del tasso di slittamento, che misura la deviazione media dal valore ottimale. In media, l’RMSE è stato ridotto del 75,1%. Questo significa che il sistema ha mantenuto le ruote molto più vicine al punto di massima trazione, consentendo un’accelerazione più potente e coerente. La velocità di risposta è stata un’altra grande vittoria. Nel test “split-μ”, il controllo in modo di scorrimento ha stabilizzato lo slittamento in appena 0,05 secondi, un tempo irrisorio rispetto al controllo PI. Questa rapidità è fondamentale per prevenire la perdita di controllo direzionale che può derivare da uno slittamento prolungato.
Le simulazioni, per quanto accurate, sono solo il primo passo. La vera prova del nove avviene sulla strada. Il team ha allestito un veicolo di prova, un’auto elettrica a trazione anteriore con motori distribuiti, dotata di una serie di sensori di alta precisione, tra cui un sistema OxTS RT3000 per la misurazione di accelerazione, velocità di imbardata e velocità del veicolo. Per simulare un fondo ghiacciato, hanno creato una pista di prova in vinile trattato con un lubrificante, riducendo drasticamente il coefficiente di attrito.
I test sul campo hanno confermato i risultati delle simulazioni. Quando il veicolo è passato dal normale fondo in cemento alla superficie in vinile lubrificato, il sistema di controllo è entrato in funzione quasi istantaneamente. Il controllo in modo di scorrimento ha dimostrato una reazione significativamente più rapida e una sovraelongazione (overshoot) molto inferiore rispetto al controllo PI. Lo slittamento delle ruote è stato contenuto più rapidamente e il veicolo ha accelerato con una stabilità superiore. I ricercatori hanno tuttavia osservato una differenza tra il mondo virtuale e quello reale. La performance sul campo, sebbene superiore, non ha raggiunto la perfezione delle simulazioni. Il tasso di slittamento reale ha mostrato alcune piccole oscillazioni attorno al valore obiettivo, e l’uscita della coppia motore non è stata altrettanto fluida. Questo è un fenomeno comune in ingegneria del controllo, attribuibile a fattori come il rumore dei sensori, i ritardi di comunicazione nella rete del veicolo e la precisione intrinseca con cui un motore reale può eseguire un comando di coppia.
Nonostante queste piccole discrepanze, la conclusione è inequivocabile. La nuova strategia di controllo rappresenta un balzo in avanti significativo. Integra con successo una comprensione sofisticata e in tempo reale dello stato del veicolo e dell’ambiente – la sua massa, l’inclinazione della strada e il coefficiente di attrito del fondo – con un algoritmo di controllo potente e rapido. Questo approccio olistico permette al veicolo di adattare il suo comportamento al volo, estraendo la massima prestazione possibile dalla trazione disponibile.
Le implicazioni di questa ricerca sono ampie e profonde. Per gli automobilisti, significa un’esperienza di guida più sicura, più sicura e più confortevole, soprattutto in condizioni meteorologiche avverse. Per i costruttori, offre una strada per veicoli elettrici più efficienti e performanti. Minimizzando lo slittamento delle ruote, il sistema riduce lo spreco di energia, potenzialmente aumentando l’autonomia del veicolo. Riduce anche l’usura dei pneumatici, un costo operativo significativo. Inoltre, i metodi utilizzati – minimi quadrati ricorsivi e fusione di sensori per la stima dello stato, e controllo in modo di scorrimento per l’attuazione – sono ben consolidati nella teoria del controllo, rendendoli relativamente facili da implementare nei veicoli di serie.
Il lavoro sottolinea anche una tendenza cruciale nell’ingegneria automobilistica: il passaggio da sistemi isolati a sistemi integrati e intelligenti. I veicoli moderni non sono più semplici collezioni di parti meccaniche, ma complessi sistemi cibernetici. Il futuro della sicurezza e delle prestazioni automobilistiche risiede nell’integrazione perfetta tra sensori, stima e controllo. Questa ricerca dell’Università di Tecnologia di Hefei è un esempio eccellente di questa filosofia in azione, dimostrando come una profonda comprensione della dinamica veicolare, unita a una teoria del controllo avanzata, possa risolvere problemi del mondo reale e spingere i confini di ciò che i veicoli elettrici possono fare.
Lo studio indica anche aree per lo sviluppo futuro. Le oscillazioni della coppia osservate nei test sul campo suggeriscono la necessità di ulteriori perfezionamenti, forse attraverso l’uso di tecniche di filtraggio più avanzate o incorporando un modello più dettagliato della dinamica del motore e del gruppo propulsivo nel controllore. Il sistema potrebbe anche essere espanso per includere il controllo della stabilità laterale, utilizzando la stessa informazione in tempo reale sul fondo stradale per migliorare le prestazioni in curva. Con il continuo miglioramento della tecnologia dei sensori e con la potenza di calcolo che diventa sempre più economica, sistemi di controllo intelligenti e adattivi come questo diventeranno lo standard, rendendo le nostre strade più sicure e la nostra esperienza di guida più piacevole.
In sintesi, il lavoro di Jiujian Chang, Jiahao Wu e Jianping Fang presenta una soluzione completa ed estremamente efficace al problema secolare dello slittamento delle ruote. Affrontando le sfide fondamentali della stima dello stato del veicolo e della risposta del controllo, hanno sviluppato una strategia che non è solo teoricamente solida, ma anche dimostrata nella pratica. È una testimonianza del potere dell’innovazione ingegneristica nel migliorare la sicurezza, l’efficienza e le prestazioni dei veicoli di cui tutti noi dipendiamo ogni giorno.
Jiujian Chang, Jiahao Wu, Jianping Fang, Journal of Chongqing University of Technology (Natural Science), doi:10.3969/j.issn.1674-8425(z).2024.02.007