Estratégia Inteligente para Frenagem Regenerativa em Veículos Elétricos
No dinâmico cenário da mobilidade elétrica, cada quilowatt-hora conta. Enquanto fabricantes competem para aumentar a autonomia e melhorar a eficiência, uma das fronteiras mais promissoras reside na gestão inteligente da energia durante a desaceleração. Um estudo inovador da Universidade de Jiangsu introduziu uma sofisticada estratégia de controle de frenagem regenerativa que pode redefinir como os veículos elétricos (VEs) recuperam energia em movimento. Ao integrar a identificação em tempo real do tipo de superfície com uma compreensão detalhada da dinâmica de motores duplos, a equipe de pesquisa alcançou uma taxa de recuperação de energia de frenagem de 65,55% em condições padrão, estabelecendo um novo marco de eficiência para veículos elétricos de tração integral.
O estudo, liderado pelo professor Pan Gongyu e pelo pesquisador Xu Shen da Escola de Engenharia Automotiva e de Tráfego da Universidade de Jiangsu, foi publicado em janeiro de 2024 no Journal of Jiangsu University (Natural Science Edition). Seu trabalho aborda um desafio fundamental no design de VEs: como maximizar a recuperação de energia sem comprometer a segurança ou a estabilidade. Embora a frenagem regenerativa seja um recurso padrão nos VEs modernos, sua eficácia é frequentemente limitada por estratégias de controle conservadoras que não aproveitam plenamente a tração disponível entre os pneus e a estrada. Os sistemas tradicionais geralmente assumem uma condição de estrada fixa, levando a um desempenho subótimo, especialmente em superfícies variáveis ou de baixa aderência.
A abordagem de Pan e Xu rompe com a convenção ao tratar a estrada não como um cenário estático, mas como uma variável dinâmica que deve ser continuamente avaliada. No centro de sua estratégia está um novo identificador de estrada que estima o coeficiente de aderência de pico — ou seja, a tração máxima disponível — entre cada pneu e a superfície da estrada. Esta não é uma medição única para todos; é um cálculo por roda que leva em conta as diferenças de carga, desgaste e condições locais da estrada. O sistema compara dados em tempo real sobre o deslizamento da roda e a aderência da estrada com uma biblioteca de oito tipos de estrada padrão, desde asfalto seco até gelo. Usando lógica difusa, determina a similaridade entre as condições atuais e cada superfície de referência, calculando em seguida uma média ponderada para chegar a uma estimativa precisa do coeficiente de aderência de pico.
Esse nível de detalhe é crucial. Em sistemas convencionais, uma estimativa imprecisa da aderência da estrada pode levar a dois resultados igualmente indesejáveis: muito pouca frenagem regenerativa, desperdiçando energia recuperável, ou muito, arriscando o travamento da roda e a perda de controle. Ao se adaptar dinamicamente às condições reais da estrada, a estratégia da equipe da Universidade de Jiangsu garante que o veículo opere o mais próximo possível da razão de deslizamento ideal — o ponto em que atrito e aderência estão equilibrados para uma máxima recuperação de energia sem sacrificar a estabilidade.
Mas detectar a estrada é apenas metade da equação. A outra metade reside em como o veículo aloca a força de frenagem entre seus motores elétricos e os freios de fricção hidráulicos. Os pesquisadores focaram em VEs de tração integral com motores duplos, onde tanto o eixo dianteiro quanto o traseiro são acionados e capazes de regeneração. Nessa arquitetura, o potencial de recuperação de energia é significativamente maior do que em configurações de tração dianteira ou traseira, mas também é maior a complexidade de gerenciar a interação entre as duas transmissões.
A estratégia de controle de Pan e Xu aproveita as características externas dos motores duplos — essencialmente seus perfis de torque-velocidade — para determinar a forma mais eficiente de distribuir o esforço de frenagem. Quando o motorista aciona o freio, o sistema primeiro avalia a velocidade do veículo, o estado de carga (SOC) da bateria e a intensidade da frenagem. Se a velocidade estiver acima de 5 km/h, o SOC estiver abaixo de 90% e a demanda de frenagem não for urgente (menos de 0,8 g), o sistema ativa a frenagem regenerativa. A inovação chave está em como ele então particiona a carga entre os motores dianteiro e traseiro.
A estratégia é projetada para priorizar a recuperação de energia enquanto respeita as restrições de segurança. Usa as estimativas dos coeficientes de aderência de pico para as rodas dianteiras e traseiras para definir limites superiores e inferiores para a força de frenagem permitida em cada eixo. Se as rodas dianteiras tiverem mais aderência do que as traseiras — um cenário comum devido à transferência de peso durante a frenagem — o sistema pode alocar mais torque de frenagem regenerativo ao eixo dianteiro, onde pode ser mais efetivamente utilizado. Em contrapartida, se a aderência for mais uniformemente distribuída, o sistema equilibra a carga para manter a estabilidade do veículo.
O que diferencia essa abordagem é sua capacidade de se adaptar a condições em constante mudança em tempo real. Por exemplo, durante uma manobra de frenagem em uma superfície que transita de asfalto molhado para asfalto seco, o sistema atualiza continuamente suas estimativas de aderência e ajusta a distribuição de torque de acordo. Isso garante que o veículo nunca exceda a aderência disponível, mesmo quando as condições da estrada evoluem durante a desaceleração. O resultado é uma experiência de frenagem mais suave e previsível que maximiza a recuperação de energia sem exigir intervenção do motorista.
Para validar sua estratégia, os pesquisadores realizaram extensas simulações usando CarSim e Simulink, modelando um compacto VE de tração integral com peso em ordem de marcha de 940 kg, entre-eixos de 2,26 metros e baterias de íons de lítio. Em um cenário de teste, o veículo desacelerou de 40 km/h até parar com uma intensidade de frenagem de 0,3 g em uma superfície com coeficiente de aderência conhecido de 0,6. Nessas condições, o sistema alcançou uma taxa de recuperação de energia de frenagem de 65,55% — um valor que representa uma melhoria significativa em relação a muitos sistemas existentes, que frequentemente têm dificuldade em ultrapassar 50% em condições semelhantes.
A simulação também revelou as fontes de perda de energia, fornecendo insights valiosos para futuras otimizações. Aproximadamente 20% da energia recuperável foi dissipada pelos freios mecânicos, principalmente na fase final da desaceleração, quando a velocidade do veículo caiu abaixo de 5 km/h e a frenagem regenerativa foi desativada. Outros 10% foram perdidos devido a ineficiências no motor, bateria e transmissão — perdas inerentes a qualquer processo de conversão de energia, mas que poderiam ser potencialmente reduzidas com avanços no design dos componentes. Os 5% restantes foram atribuídos a imperfeições no sistema de controle, sugerindo que refinamentos adicionais no algoritmo poderiam aumentar ainda mais as taxas de recuperação.
Em um teste mais complexo, o veículo foi submetido a uma condição de estrada variável, transitando de uma superfície de baixa aderência (coeficiente de aderência de 0,2) para uma de alta aderência (0,8) e vice-versa, enquanto desacelerava de 80 km/h. Esse cenário é particularmente desafiador para sistemas convencionais, que podem subutilizar a aderência disponível no segmento de alta aderência ou correr o risco de instabilidade ao retornar ao segmento de baixa aderência. A estratégia da Universidade de Jiangsu, no entanto, demonstrou desempenho robusto, com os coeficientes de aderência previstos acompanhando de perto os valores reais durante toda a manobra. Embora a taxa geral de recuperação de energia nesse teste tenha sido menor — 28,90% — isso se deve principalmente à aderência inerentemente limitada nas superfícies de baixa aderência, onde os freios mecânicos foram necessários para garantir a segurança. O fato de o sistema poder identificar e responder com precisão a essas mudanças rápidas sublinha seu potencial para aplicabilidade no mundo real.
As implicações dessa pesquisa vão além do laboratório. À medida que os veículos elétricos se tornam mais prevalentes, a capacidade de recuperar energia de forma eficiente desempenhará um papel cada vez mais importante na redução da frequência de recarga, prolongamento da vida útil da bateria e redução do custo total de propriedade. Para fabricantes de automóveis, adotar uma estratégia de controle como a proposta por Pan e Xu poderia oferecer uma vantagem competitiva, proporcionando aos motoristas uma experiência de frenagem mais eficiente e responsiva. Além disso, a integração da identificação do tipo de superfície da estrada poderia melhorar o desempenho de outros sistemas do veículo, como controle de estabilidade eletrônico e controle de cruzeiro adaptativo, criando um ambiente de condução mais coeso e inteligente.
Do ponto de vista técnico, o sucesso dessa estratégia depende da integração perfeita de múltiplas disciplinas: dinâmica de pneus, controle de motores, lógica difusa e processamento de dados em tempo real. O uso da lógica difusa é particularmente notável, pois permite que o sistema lide com a incerteza e a não linearidade inerentes às interações pneu-estrada. Diferente da lógica binária tradicional, que opera em condições estritas de verdadeiro/falso, a lógica difusa pode gerenciar verdades parciais, tornando-a ideal para aplicações onde as entradas são imprecisas ou continuamente variáveis. Ao mapear dados de deslizamento e aderência para variáveis linguísticas como “pequeno”, “médio” e “grande”, o sistema pode tomar decisões matizadas que imitam a intuição humana.
Outro recurso chave do design é sua ênfase na segurança. Os pesquisadores implementaram um princípio de “baixa seleção” para o coeficiente de aderência, o que significa que o sistema sempre usa o valor mais baixo dos dois estimados para as rodas esquerda e direita no mesmo eixo. Essa abordagem conservadora garante que o veículo nunca assuma mais aderência do que realmente está disponível, reduzindo o risco de instabilidade lateral ou derrapagem. Além disso, o sistema desativa a frenagem regenerativa em condições de frenagem de alta intensidade, priorizando o poder de parada imediato sobre a recuperação de energia — uma decisão que está alinhada com as melhores práticas em engenharia de segurança automotiva.
O estudo também destaca a importância do pensamento em nível de sistema no design de veículos elétricos. Enquanto muito do discurso público sobre veículos elétricos foca na capacidade da bateria e na velocidade de carregamento, a realidade é que ganhos de eficiência podem ser encontrados em toda a arquitetura do veículo. A frenagem regenerativa é uma das alavancas mais eficazes para melhorar a eficiência, mas seus benefícios são plenamente realizados apenas quando a estratégia de controle é otimizada para as características específicas da transmissão e do ambiente de condução. O trabalho de Pan e Xu exemplifica essa abordagem holística, demonstrando como uma compreensão profunda de hardware e software pode levar a melhorias tangíveis no desempenho.
Olhando para o futuro, os princípios delineados nesta pesquisa poderiam ser aplicados a uma ampla gama de tipos de veículos, desde carros de passeio até caminhões comerciais. À medida que a tecnologia de sensores continua a avançar, futuras iterações do sistema poderiam incorporar dados de fontes adicionais, como câmeras, radar ou até comunicação veículo-infraestrutura, para refinar ainda mais as estimativas de aderência. Algoritmos de aprendizado de máquina também poderiam ser usados para personalizar a estratégia de controle com base nos hábitos individuais de condução e nas condições regionais da estrada.
Em uma indústria onde melhorias incrementais são frequentemente celebradas como avanços, a taxa de recuperação de energia de 65,55% alcançada pela estratégia de Pan e Xu se destaca como um salto significativo. É um testemunho do poder da pesquisa acadêmica em impulsionar a inovação e resolver problemas do mundo real. À medida que a transição global para a mobilidade elétrica acelera, estudos como este desempenharão um papel crucial na moldagem da próxima geração de transporte sustentável.
O trabalho de Pan Gongyu e Xu Shen na Universidade de Jiangsu não apenas avança o estado da arte na frenagem regenerativa, mas também serve como modelo de como a pesquisa de engenharia pode impactar diretamente o desempenho e a eficiência das tecnologias do dia a dia. Sua estratégia é um lembrete de que o futuro da mobilidade não trata apenas de baterias maiores ou carregamentos mais rápidos, mas de sistemas mais inteligentes e adaptáveis que aproveitam ao máximo cada joule de energia.
Publicado por Pan Gongyu e Xu Shen, Escola de Engenharia Automotiva e de Tráfego, Universidade de Jiangsu, no Journal of Jiangsu University (Natural Science Edition), DOI: 10.3969/j.issn.1671-7775.2024.01.001