Nova tecnologia detecta objetos metálicos em carregamento sem fio de veículos elétricos
O carregamento sem fio de veículos elétricos (VEs) representa um dos avanços mais promissores na jornada rumo a uma mobilidade mais conveniente e integrada. A ideia de simplesmente estacionar sobre uma plataforma e permitir que a energia flua, sem cabos, conectores ou manuseio, é uma visão atraente para consumidores e fabricantes. No entanto, essa comodidade esconde um risco silencioso: a presença de objetos metálicos estranhos na área de carregamento. Um clipe de papel, uma moeda, uma chave ou até mesmo uma lata de refrigerante esquecida podem se tornar perigosos quando expostos ao intenso campo eletromagnético gerado durante a transferência de energia. Esses objetos, ao induzir correntes parasitas, aquecem rapidamente, criando um risco de queimaduras, danos ao veículo e até incêndios. A detecção confiável desses objetos tem sido um obstáculo significativo para a adoção em larga escala da tecnologia. Agora, uma equipe de pesquisadores da China desenvolveu uma nova abordagem que não apenas detecta a presença desses objetos, mas também revela sua localização, forma e quantidade com uma precisão sem precedentes.
O estudo, conduzido por Sun Dong, da State Grid Tonghua Power Supply Company, e Gao Zichen, Han Xiaojuan e Zhang Wenbiao, da School of Control and Computer Engineering da North China Electric Power University, apresenta um método inovador baseado na tomografia eletromagnética (EMT) utilizando uma matriz de bobinas planas. Em vez de depender de métodos indiretos que monitoram mudanças nos parâmetros do sistema, como frequência de ressonância ou impedância, o novo sistema cria uma imagem direta da distribuição de condutividade elétrica na superfície de carregamento. Isso transforma a plataforma de carregamento de um simples transmissor de energia em um sensor ativo e inteligente, capaz de “ver” dentro do campo eletromagnético.
A tecnologia funciona da seguinte maneira: uma matriz 4×4 de pequenas bobinas planas é instalada logo acima da bobina transmissora principal do sistema de carregamento. Cada uma dessas 16 bobinas tem uma função dupla. O sistema as excita sequencialmente, uma de cada vez, e mede como o campo eletromagnético gerado é distorcido pela presença de qualquer material condutivo. Essas distorções alteram a indutância mútua entre as bobinas. Ao coletar milhares de medições de indutância mútua, o sistema constrói um conjunto de dados extremamente rico sobre o estado eletromagnético da área.
Esses dados são então processados por um sofisticado algoritmo de reconstrução de imagens, conhecido como o método de iteração de Landweber. O algoritmo utiliza um modelo matemático pré-calculado, chamado de matriz de sensibilidade, que define como cada ponto minúsculo da área de carregamento afeta as medições entre cada par de bobinas. O resultado final é uma imagem bidimensional normalizada da condutividade, onde áreas claras indicam a presença de materiais metálicos, enquanto áreas escuras representam materiais não condutivos, como plástico ou concreto. Essa capacidade de visualização é a grande inovação. Não é apenas um sinal de alerta binário de “objeto presente”; é um mapa detalhado que permite ao sistema não apenas detectar um objeto, mas também determinar com precisão onde ele está, seu tamanho aproximado e até mesmo seu contorno.
Este avanço é crucial porque os métodos de detecção atuais possuem limitações significativas. Sistemas baseados em parâmetros do sistema podem ser enganados pelo próprio veículo, pois a entrada de um carro no campo altera naturalmente a carga, tornando difícil distinguir entre uma condição normal e a presença de um objeto perigoso. Outras abordagens, como o uso de bobinas de detecção auxiliares, podem identificar uma assimetria no campo, mas não fornecem informações sobre a localização exata do objeto. Soluções que empregam sensores magnetorresistivos oferecem alta resolução, mas exigem um grande número de sensores, aumentando drasticamente o custo e a complexidade do sistema. Métodos baseados em visão computacional ou câmeras térmicas são vulneráveis a condições ambientais adversas. A chuva, a neve, a poeira ou a luz solar direta podem obscurecer uma câmera. Além disso, uma câmera térmica só pode detectar um objeto metálico depois que ele já se aqueceu a uma temperatura perigosa, o que significa que a detecção ocorre após o risco ter se materializado. A solução proposta pelos pesquisadores é proativa, funcionando independentemente das condições climáticas e detectando o objeto antes que ele comece a aquecer.
Para validar sua abordagem, a equipe realizou um rigoroso programa de testes que combinou simulações por elementos finitos com experimentos físicos. Na fase de simulação, eles criaram um modelo preciso da matriz de bobinas e da área de carregamento. Introduziram virtualmente vários objetos metálicos comuns, como uma moeda de um yuan, um parafuso, uma chave e folhas de alumínio amassadas, em diferentes posições. As imagens reconstruídas demonstraram uma detecção eficaz de todos os objetos. Para quantificar a precisão, os pesquisadores utilizaram uma métrica padrão da indústria de visão computacional chamada IoU (Intersection over Union). O IoU mede a sobreposição entre a área do objeto detectado e a área do objeto real. Um valor de IoU acima de 0,5 é geralmente considerado bom. Nas simulações, o valor médio de IoU foi de 0,56. O erro de localização médio, definido como a distância entre o centro do objeto detectado e sua posição real, foi de apenas 2,52 milímetros, um nível de precisão impressionante para uma matriz de apenas 16 bobinas.
Animados por esses resultados promissores, os pesquisadores construíram um protótipo físico. Eles enrolaram manualmente 16 bobinas com fio de cobre esmaltado, cada uma com um diâmetro externo de 24 mm e 500 espiras, montadas em uma placa de plástico personalizada. Utilizando um analisador de impedância de alta precisão, aplicaram um sinal senoidal de 100 kHz e mediram a indutância mútua entre todos os pares de bobinas. Os objetos testados foram itens do mundo real: uma moeda de aço com revestimento de níquel, um parafuso de liga metálica, um pedaço de folha de cobre amassada e um fragmento de lata de alumínio.
Os resultados experimentais confirmaram e, em alguns aspectos, superaram as simulações. O valor médio de IoU aumentou para 0,61, e o erro de localização médio caiu para 2,33 mm. As imagens reconstruídas mostraram claramente a presença de cada objeto. A moeda, devido à sua forma simples e simétrica, foi detectada com a maior precisão, alcançando um valor de IoU de 0,77. O sistema também demonstrou sua robustez ao detectar com sucesso dois objetos simultaneamente, como duas moedas colocadas em posições diferentes. Mesmo objetos com formas complexas e irregulares, como a folha de cobre amassada e o fragmento de lata de alumínio, foram identificados com confiança. Embora a forma exata não tenha sido perfeitamente reproduzida devido à resolução limitada da matriz 4×4, o sistema capturou com sucesso a posição e a extensão geral dos objetos, provando sua eficácia em condições do mundo real.
A integração desta tecnologia em sistemas de carregamento futuro é altamente viável. A matriz de bobinas é fina e pode ser facilmente incorporada na própria plataforma de carregamento durante a fabricação, sem aumentar significativamente sua espessura. A eletrônica necessária para controlar a excitação, adquirir os dados e executar o algoritmo de reconstrução pode ser integrada ao controlador do carregador. Como o sistema de detecção opera na mesma frequência (100 kHz) do sistema de carregamento sem fio, componentes como osciladores e amplificadores podem ser compartilhados, reduzindo os custos adicionais.
A importância desta inovação vai muito além da segurança imediata. Para os veículos autônomos do futuro, que se estacionarão e carregarão sem qualquer intervenção humana, um sistema que possa diagnosticar autonomamente o ambiente de carregamento é essencial. Em vez de confiar em um código de erro genérico, o veículo poderia receber um relatório visual detalhado da área de carregamento, permitindo que seus algoritmos de controle tomem decisões informadas. Por exemplo, o sistema poderia decidir não interromper o carregamento se um pequeno objeto, como uma moeda, for detectado em um canto da plataforma, onde seu impacto é mínimo. Em contrapartida, um objeto grande no centro, onde o acoplamento entre as bobinas do veículo e do solo é mais forte, desencadearia uma interrupção imediata do fornecimento de energia. Esse nível de inteligência diferenciada melhora a eficiência do sistema e a experiência do usuário.
Do ponto de vista do mercado, um sistema de detecção que não apenas atenda, mas supere, os padrões de segurança internacionais como o SAE J2954, será um poderoso diferencial para os fabricantes de automóveis. Um indicador visual no painel do carro ou em um aplicativo móvel que confirme que a área de carregamento está livre de objetos metálicos poderia aumentar significativamente a confiança do consumidor. Isso transformaria a tecnologia de carregamento sem fio de uma curiosidade de nicho em uma característica de conveniência amplamente aceita.
Em conclusão, o método de detecção de objetos metálicos baseado em uma matriz de bobinas planas representa um avanço fundamental na jornada para tornar o carregamento sem fio de veículos elétricos uma realidade segura e confiável. Ele aborda uma das principais barreiras para a adoção em massa, substituindo métodos de detecção reativos e indiretos por uma solução proativa e visual. Ao fornecer uma imagem clara e precisa do ambiente de carregamento, esta tecnologia não apenas protege o veículo e seus ocupantes, mas também fortalece a confiança na promessa de uma mobilidade elétrica mais simples e segura.
Os resultados foram publicados na revista Electrical Measurement & Instrumentation por Sun Dong, Gao Zichen, Han Xiaojuan e Zhang Wenbiao da State Grid Tonghua Power Supply Company e da North China Electric Power University. DOI: 10.19753/j.issn1001-1390.2024.10.025