Nova estratégia melhora controle de tração em veículos elétricos com tração distribuída
A evolução dos veículos elétricos tem impulsionado uma revolução não apenas na forma como nos locomovemos, mas também em como os carros interagem com o mundo ao seu redor. A entrega instantânea de torque dos motores elétricos, embora seja uma vantagem clara em termos de desempenho, apresenta um desafio crítico: a manutenção da tração em superfícies com baixo coeficiente de aderência. Em estradas molhadas, cobertas de neve ou gelo, a potência disponível pode facilmente superar a fricção entre o pneu e o solo, levando ao fenômeno conhecido como “patinagem em aceleração”. Este patinagem não apenas compromete a estabilidade e a segurança do veículo, mas também desperdiça energia e aumenta o desgaste dos pneus. Para veículos com tração distribuída, onde cada roda é impulsionada por um motor elétrico independente, este desafio é ainda mais complexo. Uma equipe de pesquisadores da Universidade de Tecnologia de Hefei, liderada por Jiujian Chang, Jiahao Wu e Jianping Fang, desenvolveu uma nova estratégia de controle de tração que promete transformar a forma como os carros elétricos lidam com estas condições adversas.
O trabalho, publicado na revista Journal of Chongqing University of Technology (Natural Science), aborda uma deficiência fundamental em muitos sistemas de controle de tração atuais. Esses sistemas, frequentemente baseados em controladores PI (Proporcional-Integral), podem ser lentos para reagir ou propensos a oscilações, resultando em uma resposta subótima. A abordagem da equipe de Hefei é mais sofisticada e proativa. Em vez de simplesmente reagir ao patinagem, o sistema primeiro busca entender o ambiente em que o veículo está operando. Ele faz isso estimando em tempo real dois parâmetros cruciais que são frequentemente negligenciados: a massa total do veículo e a inclinação da estrada.
Estes dois fatores têm um impacto direto e significativo na carga vertical sobre cada roda, que por sua vez determina a quantidade máxima de força de tração que aquela roda pode gerar. Um carro carregado pesa mais, alterando a distribuição do peso. Da mesma forma, acelerar em uma subida ou descida altera as forças que atuam sobre os eixos. O sistema desenvolvido pelos pesquisadores utiliza um algoritmo conhecido como “mínimos quadrados recursivos” para estimar a massa do veículo com alta precisão e velocidade, usando dados do torque do motor, sensores de velocidade da roda e acelerômetro longitudinal. Para a inclinação da estrada, eles empregam uma técnica de “fusão de sensores”, combinando dados do modelo dinâmico do veículo com medições diretas de um acelerômetro. Ao aplicar filtros inteligentes a essas duas fontes de dados, eles conseguem uma estimativa de inclinação muito mais precisa e robusta do que qualquer método isolado poderia fornecer. Esta compreensão precisa do estado do veículo é o alicerce para o próximo passo: a identificação da superfície da estrada.
O coração da nova estratégia é um algoritmo de reconhecimento da pista que evita os modelos de pneus complexos e difíceis de calibrar. Em vez disso, ele se baseia em uma observação fundamental da física do pneu. O algoritmo monitora continuamente a relação entre a taxa de patinagem (ou “slip ratio”) de uma roda e a força de tração longitudinal que ela gera. Para cada tipo de superfície, esta relação forma uma curva característica que atinge um pico em um ponto específico, que corresponde à taxa de patinagem ideal. O insight chave é que, no exato momento em que a curva atinge seu pico, a taxa de variação da força de tração em relação à patinagem é zero. O sistema da equipe de Hefei detecta continuamente esta derivada. Quando ela se aproxima de zero, o sistema sabe que está operando perto do pico da curva de aderência e, portanto, pode identificar com alta confiança o coeficiente de atrito da estrada naquele momento. Uma vez identificado o coeficiente de atrito, o sistema pode determinar imediatamente a taxa de patinagem ótima, pois existe uma relação linear conhecida entre esses dois valores. Por exemplo, uma estrada seca de asfalto tem um coeficiente de atrito alto e, portanto, uma taxa de patinagem ótima mais alta, enquanto uma estrada de gelo tem um coeficiente baixo e requer uma taxa de patinagem muito menor.
Com um alvo de controle bem definido, o sistema passa para a fase de atuação. Aqui, os pesquisadores fizeram uma escolha ousada: abandonar o controlador PI tradicional em favor de um algoritmo muito mais avançado chamado “controle por modo deslizante” (Sliding Mode Control, SMC). Este tipo de controle é famoso por sua extrema robustez e resposta rápida, sendo capaz de manter o sistema no caminho desejado mesmo diante de perturbações como mudanças súbitas na aderência. O algoritmo define uma “superfície de deslizamento” que representa o erro entre a taxa de patinagem real e a desejada. Ele então aplica uma força de controle que empurra o sistema para esta superfície e o mantém nela, garantindo que a patinagem seja corrigida rapidamente. Para suavizar a resposta e evitar as vibrações (“chattering”) comuns neste tipo de controle, os pesquisadores utilizaram uma função de saturação. O resultado é um comando de torque ao motor que é simultaneamente rápido e suave, proporcionando uma sensação de condução mais natural e confortável.
Para validar sua teoria, a equipe conduziu uma série abrangente de testes. Eles começaram com uma plataforma de simulação avançada, conectando o software de dinâmica veicular CarSim com o ambiente de modelagem Simulink. Isso permitiu a criação de cenários de condução altamente realistas. Eles testaram o sistema em três condições particularmente desafiadoras: aceleração em linha reta em uma superfície de baixa aderência, um veículo que parte de uma superfície de alta aderência e entra abruptamente em uma de baixa aderência (uma condição “split-μ”), e um veículo que parte em uma subida com um lado em uma superfície de alta aderência e o outro em uma de baixa aderência (uma condição “split-μ em inclinação”).
Os resultados das simulações foram impressionantes. Em todos os cenários, a nova estratégia de controle por modo deslizante superou significativamente o controle PI tradicional. A métrica principal foi o Erro Quadrático Médio (RMSE) da taxa de patinagem, que mede o desvio médio do valor ideal. Em média, o RMSE foi reduzido em 75,1%. Isso significa que o sistema conseguiu manter as rodas muito mais próximas do ponto de tração máxima, resultando em uma aceleração mais potente e consistente. A velocidade de resposta foi outro ponto forte. No teste “split-μ”, o novo controlador estabilizou a patinagem em apenas 0,05 segundos, um tempo minúsculo comparado ao do controlador PI. Essa rapidez é crucial para prevenir a perda de controle direcional que pode ocorrer com um patinagem prolongado.
As simulações são uma ferramenta poderosa, mas a verdadeira prova acontece na estrada. A equipe construiu um veículo de teste, um carro elétrico com tração dianteira distribuída, equipado com sensores de alta precisão, incluindo um sistema OxTS RT3000 para medir aceleração, velocidade de guinada e velocidade do veículo. Para simular uma estrada de gelo, eles criaram uma pista de baixa aderência cobrindo o piso com vinil e aplicando um lubrificante.
Os testes no mundo real confirmaram os resultados das simulações. Quando o veículo passou do concreto normal para a superfície de vinil lubrificada, o sistema de controle respondeu quase instantaneamente. O controlador por modo deslizante demonstrou uma reação muito mais rápida e uma sobreoscilação muito menor em comparação com o PI. O patinagem das rodas foi contido mais rapidamente, e o veículo acelerou com maior estabilidade. Os pesquisadores notaram, no entanto, uma pequena diferença entre a simulação e a realidade. O desempenho no mundo real, embora superior, não alcançou a perfeição das simulações. A taxa de patinagem real exibiu algumas pequenas oscilações em torno do valor alvo, e a saída do torque do motor não foi tão suave. Este é um desafio comum na engenharia de controle, causado por fatores como ruído nos sensores, atrasos na comunicação da rede do veículo e a precisão com que um motor real pode executar um comando de torque.
Apesar dessas pequenas discrepâncias, a conclusão é clara. A nova estratégia de controle representa um avanço significativo. Ela integra com sucesso uma compreensão sofisticada e em tempo real do estado do veículo — sua massa, a inclinação da estrada e o coeficiente de atrito da superfície — com um algoritmo de controle potente e rápido. Esta abordagem holística permite que o veículo se adapte ao seu ambiente em tempo real, extrair o máximo de desempenho possível da tração disponível.
As implicações desta pesquisa são vastas. Para os motoristas, significa uma experiência de condução mais segura, confiante e confortável, especialmente em condições climáticas adversas. Para os fabricantes de automóveis, oferece um caminho para veículos elétricos mais eficientes e com melhor desempenho. Ao minimizar o patinagem das rodas, o sistema reduz o desperdício de energia, o que potencialmente pode aumentar a autonomia do veículo. Também reduz o desgaste dos pneus, um custo operacional significativo. Além disso, os métodos utilizados — mínimos quadrados recursivos e fusão de sensores para estimativa de estado, e controle por modo deslizante para atuação — são bem estabelecidos na teoria de controle, tornando-os relativamente fáceis de implementar em veículos de produção.
O trabalho também destaca uma tendência crucial na engenharia automotiva: a transição de sistemas isolados para sistemas integrados e inteligentes. Os veículos modernos não são mais apenas uma coleção de peças mecânicas, mas sim sistemas ciberfísicos complexos. O futuro da segurança e do desempenho automotivo reside na integração perfeita da sensoriamento, estimativa e controle. Esta pesquisa da Universidade de Tecnologia de Hefei é um excelente exemplo dessa filosofia em ação, demonstrando como uma profunda compreensão da dinâmica veicular, combinada com uma teoria de controle avançada, pode resolver problemas do mundo real e expandir os limites do que os veículos elétricos podem fazer.
O estudo também aponta para áreas de desenvolvimento futuro. As oscilações de torque observadas nos testes no mundo real sugerem a necessidade de refinamento adicional, possivelmente através do uso de técnicas de filtragem mais avançadas ou incorporando um modelo mais detalhado da dinâmica do motor e da transmissão no controlador. O sistema também poderia ser expandido para incluir o controle de estabilidade lateral, utilizando a mesma informação em tempo real sobre a superfície da estrada para melhorar o desempenho em curvas. À medida que a tecnologia de sensores continua a melhorar e o poder computacional se torna mais barato, sistemas de controle inteligentes e adaptativos como este se tornarão o padrão, tornando nossas estradas mais seguras e nossa experiência de condução mais agradável.
Em resumo, o trabalho de Jiujian Chang, Jiahao Wu e Jianping Fang apresenta uma solução completa e altamente eficaz para o problema centenário do patinagem das rodas. Ao abordar os desafios fundamentais da estimativa do estado do veículo e da resposta do controle, eles desenvolveram uma estratégia que não é apenas teoricamente sólida, mas também comprovada na prática. É um testemunho do poder da inovação em engenharia para melhorar a segurança, a eficiência e o desempenho dos veículos dos quais todos nós dependemos todos os dias.
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