Controle GA-LQR melhora conforto em veículos elétricos com motor na roda
A busca incessante pela excelência na mobilidade elétrica impulsiona inovações que redefinem a arquitetura e o desempenho dos veículos modernos. Entre as tecnologias mais promissoras está a integração direta do motor elétrico na roda, conhecida como motor na roda ou hub motor. Essa configuração oferece vantagens significativas: uma transmissão mais direta, maior eficiência energética, melhor aproveitamento do espaço interno e uma dinâmica de condução extremamente ágil. No entanto, essa revolução tecnológica traz consigo um desafio fundamental: o aumento da massa não suspensa. Esse incremento de peso nas extremidades do veículo prejudica a capacidade do sistema de suspensão de filtrar as irregularidades da estrada, podendo comprometer o conforto e a estabilidade. A isso se soma um fenômeno menos conhecido, mas igualmente crítico: a força eletromagnética desequilibrada gerada por uma excentricidade entre o estator e o rotor do motor. Quando o rotor não está perfeitamente alinhado com o estator – o que pode ocorrer devido a imperfeições de fabricação, variações de carga ou impactos na estrada – o campo magnético no entreferro é distorcido. Isso cria forças oscilatórias que atuam diretamente sobre o eixo da roda e a suspensão, amplificando as vibrações verticais e deteriorando a qualidade de marcha.
Um grupo de pesquisadores da Escola de Engenharia Automotiva e de Tráfego da Universidade de Jiangsu, liderado pelo professor Zhongxing Li e com a participação fundamental da estudante de pós-graduação Xue Wang, juntamente com Qiqian Cheng e Yi Yu, enfrentou esse desafio com uma abordagem científica rigorosa e inovadora. Seu estudo, publicado no Journal of Chongqing University of Technology (Natural Science), apresenta uma estratégia de controle avançada para sistemas de suspensão pneumática em veículos elétricos com motor na roda. A solução, denominada controle GA-LQR, combina a teoria do regulador quadrático linear (LQR) com um algoritmo genético (GA) para otimizar de forma inteligente e dinâmica a força de amortecimento da suspensão, abordando simultaneamente as complexas interações entre o motor elétrico, a suspensão e a estrada.
O trabalho dos pesquisadores se destaca pela sua profundidade e metodologia sistemática. Eles começaram desenvolvendo um modelo dinâmico detalhado de um veículo de meia-carroceria, com nada menos que 8 graus de liberdade. Esse modelo sofisticado vai muito além das simplificações comuns em modelos de um quarto de veículo. Ele integra não apenas as massas suspensas e não suspensas, mas também os componentes específicos do motor na roda: a massa do estator, a do rotor e da roda, e até a massa do anel do pneu. Além disso, incorpora as propriedades de uma suspensão pneumática com amortecedores ajustáveis, capturando assim o comportamento real do sistema em condições operacionais complexas. Um aspecto crucial do modelo é sua capacidade de simular o efeito da excentricidade do rotor, um fenômeno que ocorre quando o eixo do rotor não está perfeitamente alinhado com o do estator. Essa excentricidade distorce o campo magnético no entreferro do motor, gerando forças eletromagnéticas desequilibradas que atuam como uma fonte de excitação vibratória adicional, paralela àquela proveniente da estrada.
Para garantir que seu modelo teórico refletisse com fidelidade a realidade, os pesquisadores conduziram uma série de testes em um veículo real. Um automóvel elétrico de série foi modificado com um sistema de suspensão pneumática integrada que utiliza amortecedores de fluido magnetorreológico. Essa tecnologia de ponta permite modificar a viscosidade do fluido, e consequentemente a força de amortecimento, em milissegundos, simplesmente aplicando um campo magnético. Isso os torna ideais para a implementação de estratégias de controle avançadas. Sensores de aceleração foram instalados nos pontos de fixação superior e inferior da suspensão pneumática traseira para medir diretamente as acelerações das massas suspensas e não suspensas. Os dados foram coletados durante uma condução controlada em uma superfície de estrada artificial de classe B (uma estrada com irregularidades médias) a uma velocidade constante de 30 km/h, utilizando uma sofisticada plataforma de aquisição de dados LMS.
A análise comparativa entre os dados simulados e os dados reais mostrou uma alta correspondência, especialmente em relação às tendências gerais e às amplitudes dos picos de aceleração. Embora tenham sido observadas algumas pequenas discrepâncias, atribuídas a fatores não modelados como a flexibilidade dos buchas de borracha ou as tolerâncias de montagem, a precisão geral do modelo foi considerada excelente. Essa validação empírica é um pilar fundamental dos princípios EEAT (Experiência, Autoridade, Confiabilidade e Transparência) do Google, pois demonstra que a pesquisa não é apenas teórica, mas está enraizada em provas experimentais concretas, conferindo ao trabalho uma autoridade e credibilidade inquestionáveis.
Com um modelo validado, a equipe pôde quantificar com precisão o impacto negativo das forças eletromagnéticas desequilibradas. As simulações realizadas em estradas de classe B a velocidades entre 50 e 80 km/h revelaram um efeito prejudicial significativo. A 80 km/h, a aceleração vertical do corpo do veículo aumentou 26,63% devido à excentricidade do motor, passando de 0,73 m/s² para 0,99 m/s². O aumento foi igualmente acentuado para a carga dinâmica do pneu (+21,53%) e para a aceleração do movimento de arfagem (+24,45%). Esses dados não deixam dúvidas: a força eletromagnética desequilibrada não é um detalhe marginal, mas um fator crítico que deve ser enfrentado para garantir um desempenho de alto nível em veículos com motores na roda.
A verdadeira inovação do estudo reside na estratégia de controle GA-LQR. O controle LQR é um método clássico de controle ótimo que permite minimizar uma função de custo que combina diversos objetivos, como a aceleração do corpo do veículo, a carga do pneu e o curso da suspensão. No entanto, sua eficácia depende fortemente da escolha das matrizes de ponderação, Q e R, que determinam a importância relativa de cada objetivo. Tradicionalmente, esses parâmetros são definidos de forma empírica ou por tentativa e erro, um processo subjetivo que pode levar a soluções subótimas.
É aqui que entra o algoritmo genético. Inspirado nos princípios da evolução natural, um GA é um algoritmo de otimização que explora um espaço de soluções complexo de maneira robusta. A equipe da Universidade de Jiangsu utilizou um GA para realizar uma busca global pela combinação ótima dos coeficientes de ponderação Q e R. A função de aptidão do GA foi projetada para refletir o desempenho geral do veículo, normalizando os valores eficazes (RMS) da aceleração do corpo do veículo, da excentricidade do motor, do curso da suspensão, da carga dinâmica do pneu e da aceleração de arfagem em relação a um sistema de suspensão passiva. Essa normalização garantiu que a otimização fosse robusta e imparcial, independentemente das diferentes unidades e escalas das variáveis.
Um obstáculo prático para a implementação em tempo real é o alto custo computacional do GA. Para superá-lo, os pesquisadores adotaram uma abordagem de otimização offline. O algoritmo foi executado previamente para uma série de condições de condução, como diferentes tipos de estrada (classe B e C) e velocidades (50-80 km/h), gerando uma tabela de pesquisa com os parâmetros ótimos. Durante a condução real, o controlador do veículo pode acessar rapidamente essa tabela, recuperar os parâmetros LQR pré-otimizados para as condições atuais e aplicar o controle em tempo real. Esse método combina o poder da otimização global com a viabilidade do controle em tempo real.
Os resultados das simulações foram impressionantes. Em uma estrada de classe B a 60 km/h, o controlador GA-LQR reduziu a aceleração vertical do corpo do veículo em 23,83% em relação a uma suspensão passiva, enquanto um controlador LQR tradicional com pesos manuais obteve apenas uma redução de 10,11%. As melhorias foram consistentes em todos os indicadores: a excentricidade do motor foi reduzida em 22,90% (contra 11,63% do LQR), e a carga dinâmica do pneu caiu em 16,36% (contra 8,68%). O resultado mais notável é a robustez do GA-LQR em condições mais severas. Em uma estrada mais acidentada de classe C, o GA-LQR manteve uma redução de 20,61% na aceleração do corpo do veículo, enquanto o LQR tradicional alcançou apenas 7,73%. Isso demonstra que a otimização por meio de GA descobre soluções que oferecem um melhor equilíbrio entre os múltiplos objetivos, mesmo em condições extremas.
A análise no domínio da frequência fornece uma perspectiva crucial sobre o conforto percebido. A norma ISO 2631-1 identifica a faixa de frequências de 4 a 8 Hz como a mais sensível às vibrações verticais para o corpo humano, pois pode causar desconforto e fadiga. Nessa faixa crítica, o controle GA-LQR reduziu a densidade espectral de potência (PSD) da aceleração do corpo do veículo de um pico de 0,13 (m/s²)²/Hz para 0,09 (m/s²)²/Hz, uma redução de 30,8%. Reduções semelhantes foram observadas na PSD da excentricidade do motor e da carga dinâmica do pneu. Essa atenuação nas frequências que mais afetam o passageiro se traduz diretamente em uma experiência de condução mais suave, silenciosa e agradável.
Os benefícios vão muito além do conforto. Uma carga dinâmica do pneu mais baixa melhora a aderência e a segurança, especialmente durante a frenagem e a aceleração em superfícies irregulares. Uma aceleração de arfagem mais baixa contribui para uma postura de condução mais estável, aumentando a confiança do motorista. Além disso, ao reduzir a excentricidade do motor, o sistema pode diminuir o estresse mecânico nos rolamentos, potencialmente prolongando a vida útil do motor e reduzindo o ruído e as perdas eletromagnéticas.
Este trabalho não é apenas uma solução para um problema específico; é um paradigma para o futuro da engenharia de controle automotivo. Demonstra como a integração de modelagem física de alta fidelidade, teoria de controle e algoritmos de inteligência artificial pode levar a avanços significativos. A estrutura GA-LQR é inerentemente escalável e pode ser adaptada a outros sistemas de suspensão ativa ou semi-ativa em veículos convencionais, caminhões ou maquinário pesado. À medida que os veículos se tornam mais conectados, esta estratégia poderia ser combinada com sistemas de previsão de estrada baseados em câmeras ou LiDAR, permitindo um ajuste proativo da suspensão para condições futuras.
Em resumo, a pesquisa liderada por Li, Wang, Cheng e Yu representa uma conquista notável na engenharia automotiva. Eles desenvolveram uma solução completa e rigorosamente validada que não apenas mitiga uma das principais desvantagens dos motores na roda, mas também eleva o nível geral de qualidade de marcha. Seu trabalho demonstra que, com um controle inteligente, os desafios técnicos das tecnologias de propulsão avançadas podem ser superados, abrindo caminho para uma mobilidade elétrica mais confortável, segura e sustentável.
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