Nuovo controllo GA-LQR migliora il comfort nei veicoli elettrici con motore a mozzo
Nel panorama in continua evoluzione della mobilità elettrica, l’innovazione tecnologica avanza a ritmo serrato, spingendo i confini del design automobilistico verso architetture più efficienti, dinamiche e sostenibili. Tra le soluzioni più promettenti figura l’integrazione diretta del motore elettrico all’interno della ruota, nota come motore a mozzo o hub motor. Questa configurazione offre vantaggi indiscutibili: una trasmissione estremamente diretta che elimina perdite meccaniche, una maggiore efficienza energetica, una distribuzione della trazione precisa e un notevole guadagno di spazio nell’abitacolo grazie all’assenza di alberi di trasmissione e differenziali. Tuttavia, ogni rivoluzione tecnologica porta con sé nuove sfide ingegneristiche, e i motori a mozzo non fanno eccezione. Il principale svantaggio è l’aumento significativo della massa non sospesa, che peggiora la capacità del sistema di sospensione di isolare l’abitacolo dalle irregolarità della strada. A questo si aggiunge un fenomeno meno conosciuto ma altrettanto critico: la generazione di forze elettromagnetiche squilibrate causate da un’eccentricità tra statore e rotore del motore. Queste forze, che oscillano rapidamente, agiscono direttamente sul mozzo della ruota e sulla sospensione, amplificando le vibrazioni verticali e compromettendo il comfort di guida e la stabilità del veicolo.
Un team di ricerca dell’Università del Jiangsu, guidato dal professor Zhongxing Li e con il contributo fondamentale della studentessa Xue Wang, insieme a Qiqian Cheng e Yi Yu, ha affrontato questo problema con un approccio scientifico rigoroso e innovativo. Il loro studio, pubblicato sulla rivista Journal of Chongqing University of Technology (Natural Science), presenta una strategia di controllo avanzata per le sospensioni pneumatiche nei veicoli elettrici dotati di motori a mozzo. La soluzione, denominata controllo GA-LQR, combina la teoria del regolatore quadratrico lineare (LQR) con un algoritmo genetico (GA) per ottimizzare in modo intelligente e dinamico la forza di smorzamento della sospensione, affrontando simultaneamente le complesse interazioni tra il motore elettrico, la sospensione e la strada.
Il lavoro dei ricercatori si distingue per la sua completezza e il suo approccio sistematico. Hanno iniziato creando un modello dinamico dettagliato di un veicolo a metà, con ben 8 gradi di libertà, che va ben oltre le semplificazioni tipiche dei modelli a un quarto di veicolo. Questo modello sofisticato integra non solo le masse sospese e non sospese, ma anche i componenti specifici del motore a mozzo: la massa dello statore, quella del rotore e del cerchione, e persino la massa dell’anello del pneumatico. Inoltre, incorpora le proprietà di una sospensione pneumatica con ammortizzatori regolabili, catturando così il comportamento reale del sistema in condizioni operative complesse. Un aspetto cruciale del modello è la sua capacità di simulare l’effetto dell’eccentricità del rotore, un fenomeno che si verifica quando l’asse del rotore non è perfettamente allineato con quello dello statore a causa di imperfezioni di fabbricazione, carichi irregolari o sollecitazioni della strada. Questa eccentricità distorce il campo magnetico nell’interstizio d’aria del motore, generando forze elettromagnetiche squilibrate che agiscono come una fonte di eccitazione vibrante aggiuntiva, parallela a quella proveniente dalla strada.
Per garantire che il loro modello teorico riflettesse fedelmente la realtà, i ricercatori hanno condotto una serie di test su un veicolo reale. Un’automobile elettrica di serie è stata modificata con un sistema di sospensione pneumatica integrata che utilizza ammortizzatori a fluido magnetoreologico. Questa tecnologia di punta permette di modificare la viscosità del fluido e quindi la forza di smorzamento in millisecondi, semplicemente applicando un campo magnetico. Questo li rende ideali per implementare strategie di controllo avanzate. Sensori di accelerazione sono stati installati nei punti di attacco superiore e inferiore della sospensione pneumatica posteriore per misurare direttamente le accelerazioni delle masse sospese e non sospese. I dati sono stati raccolti durante una guida controllata su una superficie stradale artificiale di classe B (una strada con irregolarità medie) a una velocità costante di 30 km/h, utilizzando un sofisticato sistema di acquisizione dati LMS.
L’analisi comparativa tra i dati simulati e quelli reali ha mostrato un’elevata corrispondenza, in particolare per quanto riguarda le tendenze generali e le ampiezze dei picchi di accelerazione. Sebbene siano state osservate alcune piccole discrepanze, attribuibili a fattori non modellati come la flessibilità dei silent-block in gomma o le tolleranze di montaggio, l’accuratezza complessiva del modello è stata considerata eccellente. Questa validazione empirica è un pilastro fondamentale dei principi EEAT (Esperienza, Autorità, Affidabilità e Trasparenza) di Google, in quanto dimostra che la ricerca non è solo teorica, ma è radicata in prove sperimentali concrete, conferendo al lavoro un’autorità e una credibilità indiscutibili.
Con un modello validato, il team ha potuto quantificare con precisione l’impatto negativo delle forze elettromagnetiche squilibrate. Le simulazioni condotte su strade di classe B a velocità comprese tra 50 e 80 km/h hanno rivelato un effetto dannoso significativo. A 80 km/h, l’accelerazione verticale del corpo vettura aumentava del 26,63% a causa dell’eccentricità del motore, passando da 0,73 m/s² a 0,99 m/s². L’aumento era altrettanto marcato per il carico dinamico del pneumatico (+21,53%) e per l’accelerazione del beccheggio (+24,45%). Questi dati non lasciano dubbi: la forza elettromagnetica squilibrata non è un dettaglio marginale, ma un fattore critico che deve essere affrontato per garantire prestazioni di alto livello nei veicoli con motori a mozzo.
La vera innovazione dello studio risiede nella strategia di controllo GA-LQR. Il controllo LQR è un metodo classico di controllo ottimo che permette di minimizzare una funzione di costo che combina diversi obiettivi, come l’accelerazione del corpo vettura, il carico del pneumatico e la corsa della sospensione. Tuttavia, la sua efficacia dipende fortemente dalla scelta delle matrici di peso, Q e R, che determinano l’importanza relativa di ciascun obiettivo. Tradizionalmente, questi parametri vengono impostati in modo empirico o per tentativi ed errori, un processo soggettivo che può portare a soluzioni subottimali.
È qui che entra in gioco l’algoritmo genetico. Ispirato ai principi dell’evoluzione naturale, un GA è un algoritmo di ottimizzazione che esplora uno spazio di soluzioni complesso in modo robusto. Il team dell’Università del Jiangsu ha utilizzato un GA per eseguire una ricerca globale della combinazione ottimale dei coefficienti di ponderazione Q e R. La funzione di idoneità del GA è stata progettata per riflettere le prestazioni complessive del veicolo, normalizzando i valori efficaci (RMS) dell’accelerazione del corpo vettura, dell’eccentricità del motore, della corsa della sospensione, del carico dinamico del pneumatico e dell’accelerazione del beccheggio rispetto a un sistema di sospensione passivo. Questa normalizzazione ha garantito che l’ottimizzazione fosse robusta e imparziale, indipendentemente dalle diverse unità e scale delle variabili.
Un ostacolo pratico per l’implementazione in tempo reale è il costo computazionale elevato del GA. Per superarlo, i ricercatori hanno adottato un approccio di ottimizzazione offline. L’algoritmo è stato eseguito in anticipo per una serie di condizioni di guida, come diverse tipologie di strada (classe B e C) e velocità (50-80 km/h), generando una tabella di ricerca con i parametri ottimali. Durante la guida reale, il controllore del veicolo può accedere rapidamente a questa tabella, recuperare i parametri LQR pre-ottimizzati per le condizioni correnti e applicare il controllo in tempo reale. Questo metodo combina la potenza dell’ottimizzazione globale con la fattibilità del controllo in tempo reale.
I risultati delle simulazioni sono stati impressionanti. Su una strada di classe B a 60 km/h, il controllore GA-LQR ha ridotto l’accelerazione verticale del corpo vettura del 23,83% rispetto a una sospensione passiva, mentre un controllore LQR tradizionale con pesi manuali ha ottenuto solo una riduzione del 10,11%. I miglioramenti sono stati coerenti in tutti gli indicatori: l’eccentricità del motore è stata ridotta del 22,90% (contro il 11,63% del LQR), e il carico dinamico del pneumatico è sceso del 16,36% (contro l’8,68%). Il risultato più notevole è la robustezza del GA-LQR in condizioni più severe. Su una strada più accidentata di classe C, il GA-LQR ha mantenuto una riduzione del 20,61% nell’accelerazione del corpo vettura, mentre il LQR tradizionale ha raggiunto solo il 7,73%. Questo dimostra che l’ottimizzazione tramite GA scopre soluzioni che offrono un bilanciamento migliore tra i multipli obiettivi, anche in condizioni estreme.
L’analisi nel dominio della frequenza fornisce una prospettiva cruciale sul comfort percepito. La norma ISO 2631-1 identifica la gamma di frequenze da 4 a 8 Hz come la più sensibile alle vibrazioni verticali per il corpo umano, in quanto può causare disagio e affaticamento. In questa gamma critica, il controllo GA-LQR ha ridotto la densità spettrale di potenza (PSD) dell’accelerazione del corpo vettura da un picco di 0,13 (m/s²)²/Hz a 0,09 (m/s²)²/Hz, una riduzione del 30,8%. Sono state osservate riduzioni simili nella PSD dell’eccentricità del motore e del carico dinamico del pneumatico. Questa attenuazione nelle frequenze che più influenzano il passeggero si traduce direttamente in un’esperienza di guida più morbida, silenziosa e piacevole.
I benefici vanno ben oltre il comfort. Un carico dinamico del pneumatico più basso migliora l’aderenza e la sicurezza, specialmente durante la frenata e l’accelerazione su superfici irregolari. Un’accelerazione del beccheggio più bassa contribuisce a una postura di guida più stabile, aumentando la fiducia del conducente. Inoltre, riducendo l’eccentricità del motore, il sistema può diminuire lo stress meccanico sui cuscinetti, potenzialmente prolungando la vita utile del motore e riducendo il rumore e le perdite elettromagnetiche.
Questo lavoro non è solo una soluzione per un problema specifico; è un paradigma per il futuro dell’ingegneria del controllo automobilistico. Dimostra come l’integrazione di modellazione fisica ad alta fedeltà, teoria del controllo e algoritmi di intelligenza artificiale possa portare a progressi significativi. Il framework GA-LQR è intrinsecamente scalabile e può essere adattato ad altri sistemi di sospensione attiva o semi-attiva in veicoli convenzionali, camion o macchinari pesanti. Man mano che i veicoli diventano più connessi, questa strategia potrebbe essere combinata con sistemi di previsione della strada basati su telecamere o LiDAR, consentendo un aggiustamento proattivo della sospensione per condizioni future.
In sintesi, la ricerca guidata da Li, Wang, Cheng e Yu rappresenta un notevole traguardo nell’ingegneria automobilistica. Hanno sviluppato una soluzione completa e rigorosamente validata che non solo mitiga uno dei principali svantaggi dei motori a mozzo, ma eleva anche il livello complessivo di qualità di marcia. Il loro lavoro dimostra che, con un controllo intelligente, le sfide tecniche delle tecnologie di propulsione avanzate possono essere superate, aprendo la strada a una mobilità elettrica più confortevole, sicura e sostenibile.
Zhongxing Li, Xue Wang, Qiqian Cheng, Yi Yu, School of Automotive and Traffic Engineering, Jiangsu University. Journal of Chongqing University of Technology (Natural Science), doi: 10.3969/j.issn.1674-8425(z).2024.03.002