Estratégia Avançada de Controlo para Veículos Elétricos
Num cenário onde a mobilidade elétrica está a transformar rapidamente o setor automóvel, garantir a estabilidade do veículo – especialmente sob condições de condução extremas – tornou-se uma prioridade de engenharia crítica. Um estudo revolucionário publicado no Journal of Chongqing University of Technology (Natural Science) introduz uma nova arquitetura de controlo hierárquico que melhora significativamente a estabilidade lateral de veículos elétricos de tração distribuída (VETD) ao coordenar de forma inteligente o controlo do binário de guinada direto (CGD) e a direção integral (DI). A investigação, liderada pelo Professor Changgao Xia e pelo estudante de mestrado Yazhou Li da Escola de Engenharia Automóvel e de Transportes da Universidade de Jiangsu, apresenta uma estratégia robusta e capaz de operar em tempo real que aproveita a análise do plano de fases, o controlo por modos deslizantes duplo e a alocação ótima de força dos pneus para manter a estabilidade do veículo, mesmo em superfícies com baixo atrito.
Os veículos elétricos de tração distribuída – equipados com motores individuais em cada roda – oferecem uma flexibilidade de controlo incomparável em comparação com os grupos motopropulsores convencionais. No entanto, esta vantagem arquitetónica também introduz dinâmicas complexas que exigem uma coordenação sofisticada entre os sistemas de direção e distribuição de binário. As abordagens tradicionais frequentemente tratam a estabilidade de guinada e o controlo de direção como funções separadas, levando a um desempenho abaixo do ideal quando ambos os sistemas operam simultaneamente sem uma sinergia adequada. A nova estratégia proposta por Xia e Li colmata esta lacuna ao integrar a DI e o CGD num quadro unificado que se adapta dinamicamente com base no estado do veículo e nas condições da estrada em tempo real.
No cerne desta inovação encontra-se uma arquitetura de controlo de duas camadas. A camada superior emprega um controlador por modos deslizantes duplo que rastreia dois sinais de referência-chave derivados de um modelo linear de bicicleta com dois graus de liberdade: a velocidade lateral ideal e a taxa de guinada ideal. Estas referências representam o comportamento desejado do veículo sob condições de condução estáveis. O controlador compara continuamente os valores reais medidos pelos sensores com estes ideais e gera duas saídas primárias: uma correção angular de direção adicional e uma demanda de binário de guinada adicional. O controlo por modos deslizantes foi escolhido devido à sua robustez inerente contra incertezas de parâmetros e perturbações externas – uma característica crítica para cenários de condução do mundo real que envolvem ventos laterais, superfícies rodoviárias irregulares ou manobras bruscas.
O que distingue esta abordagem é a forma como a camada inferior de controlo interpreta e executa estes comandos de alto nível. Em vez de aplicar correções cegamente, o sistema utiliza o plano de fases ω–β – que traça a taxa de guinada contra o ângulo de derrapagem – para avaliar a proximidade da instabilidade do veículo. Este método do plano de fases, há muito usado na dinâmica teórica de veículos, é aqui operacionalizado como uma ferramenta de tomada de decisão em tempo real. Dentro de um limite de estabilidade definido matematicamente (expresso como ω + B₁β ≤ B₂), o sistema depende principalmente de ajustes de direção. Mas assim que o estado do veículo cruza este limiar – indicando sobesterço ou subesterço incipiente – o controlador ativa seamlessmente o CGD para suplementar a direção com uma distribuição diferencial de binário entre as rodas.
Esta transição não é abrupta, mas cuidadosamente coordenada. À medida que o veículo se aproxima do limite de estabilidade, o sistema de DI comanda os ângulos de direção máximos viáveis com base nas cargas atuais dos pneus e no atrito da estrada. Qualquer demanda de estabilidade residual além daquilo que a direção sozinha pode fornecer é então cumprida pelo CGD através da manipulação precisa da força longitudinal em cada roda. Esta sinergia garante que ambos os sistemas operam dentro dos seus domínios ótimos: a direção para correções finas e de alta largura de banda na região linear do pneu, e a vetorização de binário para intervenções grosseiras e de alta magnitude no regime não linear.
Uma conquista técnica fundamental do estudo é a formulação do problema de alocação de força dos pneus como uma tarefa de optimização com restrições. O controlador inferior minimiza uma função de custo que representa a utilização dos pneus – especificamente, a soma das forças longitudinais normalizadas ao quadrado em todas as quatro rodas – sujeita a restrições físicas impostas pela elipse de atrito. Isto garante que nenhum pneu excede o seu limite de adesão enquanto gera coletivamente a força longitudinal exata e o binário de guinada exigidos pela camada superior. A solução respeita tanto as restrições de igualdade (equilíbrio total de força e momento) quanto as restrições de desigualdade (limites de força dos pneus ditados pela carga vertical e coeficiente de atrito da estrada). Os comandos de binário resultantes são então mapeados para os motores individuais das rodas através de um modelo de motor de cubo simplificado, mas preciso.
Para validar a sua estratégia, Xia e Li conduziram co-simulações de alta fidelidade usando CarSim e MATLAB/Simulink. Eles selecionaram a manobra de dupla mudança de via – um teste padrão para avaliar a capacidade de evasão de emergência – a uma velocidade constante de 54 km/h em várias condições da estrada (μ = 0,3, 0,6 e 0,9). Três configurações de controlo foram comparadas: apenas DI, apenas CGD e a estratégia coordenada proposta DI+CGD. Os resultados foram inequívocos. Sob todas as condições testadas, a abordagem coordenada produziu o rastreamento mais próximo da resposta ideal do veículo em termos de velocidade lateral, taxa de guinada e deslocamento lateral. Note-se que, na superfície de baixo atrito (μ = 0,3) – simulando estradas molhadas ou geladas – o controlador coordenado manteve a precisão da trajetória com overshoot ou oscilação mínimos, enquanto o sistema apenas com DI exibiu um desvio significativo devido à autoridade corretiva insuficiente, e o sistema apenas com CGD, embora estabilizador, produziu erros de estado estacionário maiores.
A vantagem de desempenho foi particularmente evidente durante as fases de alta dinâmica da manobra. No caso de apenas DI, uma vez que os ângulos de derrapagem dos pneus excederam a faixa linear, mais inputs de direção produziram retornos decrescentes e até efeitos desestabilizadores. Em contraste, o sistema coordenado ativou o CGD precisamente quando necessário, usando o binário diferencial para gerar binário de guinada adicional sem aumentar a carga lateral do pneu. Isto não só restaurou a estabilidade, mas também preservou a intenção do condutor ao minimizar o desvio involuntário do percurso. Os ângulos de direção das quatro rodas, calculados em tempo real com base na transferência de carga e no comportamento desejado de curva, demonstraram trajetórias suaves e fisicamente plausíveis que respeitavam os limites mecânicos.
Para além dos benefícios imediatos de estabilidade, a arquitetura proposta oferece várias vantagens práticas para implementação no mundo real. Primeiro, depende apenas de dados de sensores comummente disponíveis – velocidade do veículo, taxa de guinada, aceleração lateral e ângulo de direção – tornando-a compatível com o hardware existente de controlo eletrónico de estabilidade (ESC). Segundo, a lógica de decisão do plano de fases é computacionalmente leve, permitindo a execução em microcontroladores automotivos padrão sem exigir unidades de processamento high-end. Terceiro, o design modular permite uma integração incremental: os fabricantes poderiam inicialmente implementar o componente DI e posteriormente adicionar o CGD à medida que as capacidades de controlo do motor amadurecem.
De uma perspetiva de segurança, as implicações são profundas. A perda de controlo do veículo durante as curvas continua a ser uma das principais causas de acidentes de via única, especialmente em estradas rurais com mudanças de superfície inesperadas. Ao gerir proactivamente a transição entre regimes de manuseamento lineares e não lineares, esta estratégia de controlo poderá prevenir muitos desses incidentes. Além disso, à medida que os sistemas de condução autónoma se tornam mais prevalentes, estes controladores de estabilidade robustos serão essenciais para garantir uma operação segura sob condições degradadas – seja devido a falhas de sensores, condições meteorológicas adversas ou obstáculos inesperados.
A investigação também contribui para o discurso académico mais amplo sobre o controlo integrado da dinâmica do veículo. Embora estudos anteriores tenham explorado a coordenação DDA/CGD (Direção Dianteira Ativa/Controlo de Guinada Direto) ou a alocação hierárquica de força dos pneus, poucos combinaram a avaliação de estabilidade do plano de fases com o controlo por modos deslizantes duplo e a alocação ótima em tempo real num quadro unificado adaptado para VETD. O trabalho de Xia e Li faz a ponte entre o rigor teórico e a viabilidade prática, oferecendo um modelo que pode ser adaptado para várias arquiteturas de veículos – incluindo plataformas de direção e tração independente nas quatro rodas (DDIT4R).
Olhando em frente, os autores sugerem várias vias para trabalhos futuros. Estas incluem estender a estratégia para lidar com manobras combinadas longitudinais e laterais (por exemplo, travar enquanto se curva), incorporar elementos preditivos usando dados de pré-visualização da estrada e validar o controlador em veículos de teste físicos. Adicionalmente, integrar a monitorização do estado do condutor poderia permitir intervenções de estabilidade personalizadas – mais agressivas para condutores de performance, mais conservadoras para utilizadores idosos ou novatos.
Em resumo, este estudo representa um passo significativo em frente na busca por veículos elétricos mais seguros e controláveis. Ao harmonizar a direção e a vetorização de binário através de uma tomada de decisão inteligente e baseada na física, a estratégia de controlo proposta não só melhora a estabilidade, mas também maximiza as capacidades únicas das arquiteturas de tração distribuída. À medida que a indústria automóvel acelera em direção à eletrificação e automação, tais inovações serão cruciais para construir a confiança do público e concretizar todo o potencial da mobilidade de próxima geração.
Autores: Changgao Xia, Yazhou Li Afiliação: Escola de Engenharia Automóvel e de Transportes, Universidade de Jiangsu, Zhenjiang 212013, China Publicado em: Journal of Chongqing University of Technology (Natural Science), 2024, Vol. 38, No. 4, pp. 31–38 DOI: 10.3969/j.issn.1674-8425(z).2024.04.005