Parâmetros Otimizados Elevam Eficiência e Desempenho de VE
Um avanço significativo no desenvolvimento de veículos elétricos foi alcançado por pesquisadores da Universidade do Norte da China, que demonstraram como a otimização inteligente dos parâmetros do sistema de propulsão pode aumentar tanto a autonomia quanto a eficiência energética sem comprometer o desempenho dinâmico. Utilizando o algoritmo de otimização por enxame de partículas (PSO), a equipe liderada pela pesquisadora Tiyuyu conseguiu melhorar substancialmente as características de consumo e aceleração de um veículo elétrico puro, consolidando-se como um marco na busca por soluções mais eficientes e acessíveis na mobilidade elétrica moderna.
Enquanto a demanda global por transporte sustentável continua a crescer, os principais desafios enfrentados pelos veículos elétricos — como a ansiedade por autonomia, longos tempos de recarga e custos elevados de baterias — ainda limitam sua adoção em larga escala. Embora a evolução das baterias seja frequentemente o foco central da inovação, a integração do sistema de propulsão e o acoplamento adequado entre motor, transmissão e fonte de energia desempenham um papel igualmente decisivo no desempenho geral do veículo. O estudo, publicado na revista Ship Electronic Engineering, desloca o foco do hardware isolado para uma abordagem sistemática e computacional, demonstrando que ajustes estratégicos nos parâmetros de projeto podem gerar ganhos mensuráveis mesmo sem mudanças físicas nos componentes.
O trabalho foi conduzido por Tiyuyu, mestra em engenharia automotiva no Laboratório Nacional de Tecnologia de Testes Eletrônicos e no Laboratório-Chave de Dispositivos e Sistemas Micro/Nano da Universidade do Norte da China. Em colaboração com o doutor Hong Yingping, o professor Zhang Huixin e o colega de pesquisa Zhang Ruihao, a equipe desenvolveu um modelo de otimização multiobjetivo com o objetivo de equilibrar desempenho e eficiência em condições de condução realistas.
O cerne da metodologia baseia-se na compreensão de que o desempenho de um veículo elétrico não é determinado apenas pela potência do motor ou pela capacidade da bateria, mas pela sinergia entre todos os componentes do sistema de propulsão. “Mesmo com motores de alto desempenho e baterias de grande capacidade, uma integração inadequada do sistema pode resultar em perdas energéticas e resposta dinâmica subótima”, explicou Tiyuyu. “Nosso objetivo foi encontrar o equilíbrio ideal entre entrega de potência e conservação de energia por meio de um ajuste sistemático e inteligente dos parâmetros.”
A pesquisa começou com um projeto detalhado de compatibilidade entre os principais componentes do sistema de propulsão: motor elétrico, pacote de bateria e relação de redução final. Foi escolhido um motor síncrono de ímãs permanentes (PMSM) devido à sua alta eficiência, densidade de potência e leveza — características que o tornam a tecnologia dominante no mercado de veículos elétricos. A potência de pico, o torque e a velocidade do motor foram calculados com base em três critérios de desempenho essenciais: velocidade máxima, capacidade de subida em aclive e aceleração de 0 a 100 km/h. Esses cálculos garantiram que o motor pudesse atender às demandas dinâmicas do veículo em diferentes cenários de condução.
A seleção da bateria seguiu uma abordagem similar. Optou-se por baterias de íons de lítio devido à sua confiabilidade comprovada, longa vida útil e baixo impacto ambiental. Para modelar com precisão o comportamento da bateria sob carga, os pesquisadores utilizaram uma versão aprimorada do modelo de circuito equivalente de Thevenin, com uma rede RC de segunda ordem. Essa melhoria permitiu uma representação mais fiel das características de polarização da bateria e sua resposta de tensão durante ciclos de carga e descarga, fatores críticos para prever o consumo energético em condições reais.
Com os parâmetros iniciais definidos, o próximo passo foi a otimização. Em vez de depender de métodos tradicionais baseados em tentativa e erro ou em ajustes unidimensionais, a equipe empregou o algoritmo PSO — um método computacional inspirado no comportamento coletivo de bandos de aves ou cardumes de peixes. O PSO é especialmente eficaz para problemas de engenharia complexos com múltiplas variáveis, pois explora eficientemente grandes espaços de solução e converge rapidamente para resultados próximos do ótimo, sem necessidade de informações sobre gradientes.
As variáveis de otimização selecionadas foram a relação de transmissão final (i₀), a potência de pico do motor (Pₘ) e a velocidade máxima do motor (Nₘ). Esses parâmetros foram escolhidos porque influenciam diretamente tanto a dinâmica do veículo quanto sua eficiência energética. Uma relação de transmissão mais alta, por exemplo, aumenta o torque nas rodas, melhorando a aceleração e a capacidade de subida, mas pode reduzir a velocidade máxima e aumentar o consumo de corrente do motor, resultando em maiores perdas de energia. Da mesma forma, aumentar a potência do motor melhora o desempenho, mas também eleva o consumo energético e o custo do sistema.
Para equilibrar essas demandas conflitantes, os pesquisadores formularam uma função objetivo multiobjetivo que combinava o tempo de aceleração (indicador de desempenho dinâmico) e o consumo específico de energia (indicador de eficiência). Reconhecendo que a maioria dos usuários de veículos elétricos urbanos prioriza a autonomia em vez de desempenho esportivo, foi atribuído um peso maior à eficiência energética — 70% para economia e 30% para dinâmica. Essa ponderação reflete as preferências reais dos consumidores e está alinhada aos objetivos de design de veículos elétricos compactos voltados para o uso urbano.
O processo de otimização foi sujeito a seis restrições principais para garantir viabilidade prática. Essas incluíam velocidade máxima mínima (140 km/h), capacidade de subida máxima (30% de inclinação a 30 km/h), desempenho de aceleração (0–100 km/h em menos de 14 segundos) e autonomia mínima (pelo menos 240 km com carga completa). Além disso, a solução precisava respeitar limites mecânicos, como a aderência dos pneus, para evitar derrapagens sob alto torque.
Após a execução do algoritmo PSO no ambiente MATLAB/Simulink, os parâmetros otimizados foram definidos: relação de transmissão final de 7,8, potência de pico do motor de 35 kW e velocidade máxima de 3.200 rpm. Esses valores representaram uma mudança estratégica em relação ao projeto inicial, que tinha uma relação de transmissão mais baixa (6,9), menor potência (32 kW) e maior velocidade do motor (3.900 rpm).
A validação final ocorreu por meio de simulações no ciclo de condução NEDC (Novo Ciclo Europeu de Condução), um procedimento padronizado para avaliar desempenho e consumo de energia. O NEDC simula uma combinação de tráfego urbano e extraurbano, incluindo fases de marcha lenta, aceleração, cruzeiro e desaceleração, tornando-o um indicador confiável de condições reais de condução.
Os resultados da simulação confirmaram a eficácia da otimização. O destaque foi o aumento da autonomia do veículo, que passou de 221,28 km para 233,3 km — uma melhoria de 5,43%. Esse ganho foi alcançado mesmo com uma leve redução na velocidade máxima, que caiu de 146,6 km/h para 145,2 km/h. O compromisso foi intencional: ao reduzir ligeiramente a velocidade máxima, o sistema pode operar de forma mais eficiente na faixa de potência ideal do motor, minimizando perdas energéticas.
A melhoria na aceleração também foi impressionante. O tempo para atingir 100 km/h caiu de 12,2 segundos para 11,6 segundos — uma redução de 5,35%. Esse ganho foi principalmente devido ao aumento da potência do motor e à nova relação de transmissão, que entregou mais torque às rodas durante a partida e em baixas velocidades. A capacidade máxima de subida também aumentou, passando de 30,65% para 31,12% — um ganho de 1,53%, o que se traduz em melhor desempenho em aclives acentuados.
A análise do estado de carga (SOC) da bateria reforçou ainda mais os ganhos de eficiência. Nas mesmas condições do ciclo NEDC, o veículo otimizado consumiu 6,31% da capacidade da bateria, comparado a 7,32% na configuração inicial. Essa redução de 1,01 ponto percentual no consumo energético contribuiu diretamente para o aumento da autonomia, demonstrando que a otimização conseguiu minimizar perdas em todo o sistema de propulsão.
Um dos aspectos mais relevantes do estudo é sua aplicabilidade prática. Diferentemente de muitos trabalhos acadêmicos que dependem de modelos teóricos ou hardware especializado, esta pesquisa utiliza componentes comercialmente disponíveis e ferramentas de simulação amplamente adotadas na indústria automotiva. O algoritmo PSO, embora sofisticado, é acessível a engenheiros e pode ser integrado em fluxos de desenvolvimento existentes. Todo o processo — do modelagem à simulação — foi conduzido no MATLAB/Simulink, software amplamente utilizado para o design de sistemas de controle e análise de dinâmica veicular.
As implicações deste trabalho vão além de um único modelo de veículo. À medida que os fabricantes enfrentam pressão para cumprir regulamentações rigorosas de emissões e atender às expectativas dos consumidores por maior autonomia, a otimização em nível de sistema se tornará um pilar fundamental no desenvolvimento de veículos elétricos. “Essa abordagem permite que os fabricantes extraiam mais desempenho dos componentes existentes”, destacou o professor Zhang Huixin. “Não se trata de criar uma bateria melhor ou um motor mais potente, mas de usar o que já temos de forma mais inteligente.”
Além disso, o estudo ressalta a importância de uma mentalidade de engenharia sistêmica no design de veículos elétricos. No passado, o desenvolvimento automotivo tratava os componentes de forma isolada — engenheiros de motores focavam em densidade de potência, equipes de baterias em armazenamento de energia e especialistas em transmissão em eficiência mecânica. Hoje, os maiores ganhos vêm da colaboração interdisciplinar e da otimização holística.
O doutor Hong Yingping enfatizou que o método PSO oferece um framework flexível, adaptável a diferentes tipos de veículos e padrões de uso. “Para um carro urbano, você pode priorizar eficiência. Para um veículo voltado ao desempenho, pode-se ajustar o peso para favorecer aceleração e velocidade máxima. O mesmo algoritmo pode ser calibrado para diferentes necessidades de mercado.”
A pesquisa também abre caminho para trabalhos futuros em otimização adaptativa. Embora este estudo tenha usado parâmetros fixos, a próxima geração de veículos elétricos poderá empregar otimização em tempo real com base em condições de condução, topografia da rota e comportamento do motorista. Imagine um veículo que ajusta automaticamente sua relação de transmissão virtual ou perfil de entrega de potência para maximizar eficiência em estradas ou melhorar a resposta em terrenos montanhosos. Essas capacidades estão ao alcance, construindo sobre os alicerces estabelecidos por esta pesquisa.
Do ponto de vista da sustentabilidade, até mesmo pequenas melhorias na eficiência têm impacto significativo. Um aumento de 5,43% na autonomia significa menos ciclos de recarga ao longo da vida útil do veículo, reduzindo o desgaste da bateria e a demanda na rede elétrica. Isso também reduz a necessidade de matérias-primas para produção de baterias, contribuindo para um ciclo de vida mais sustentável.
A indústria automotiva está passando por uma transformação sem precedentes. À medida que motores de combustão interna dão lugar a sistemas elétricos, as regras do design veicular estão sendo reescritas. Nesta nova era, software e algoritmos estão se tornando tão importantes quanto aço e borracha. Este estudo exemplifica essa mudança, mostrando que o caminho para veículos elétricos melhores não passa apenas por baterias maiores, mas por uma engenharia mais inteligente.
Para os consumidores, os benefícios são claros: maior autonomia, aceleração mais rápida e custos operacionais mais baixos. Para os fabricantes, a mensagem é igualmente convincente: a otimização é uma forma econômica de aumentar a competitividade sem grandes investimentos em hardware. E para os pesquisadores, o trabalho serve como modelo de como a inteligência computacional pode resolver desafios de engenharia do mundo real.
À medida que cidades em todo o mundo impulsionam a eletrificação do transporte, estudos como este fornecem um roteiro para soluções práticas e escaláveis. O caminho para um futuro sustentável não é pavimentado por um único avanço, mas por inúmeras melhorias incrementais — cada uma nos aproximando um pouco mais de uma mobilidade mais limpa e eficiente.
O sucesso deste projeto também destaca o papel crescente de instituições chinesas no avanço da tecnologia de veículos elétricos. Com forte apoio governamental e um mercado doméstico em rápida expansão, a China tornou-se líder global em produção e inovação de veículos elétricos. Pesquisas de universidades como a Universidade do Norte da China estão contribuindo com conhecimento valioso para a comunidade automotiva internacional, acelerando a transição global para a mobilidade elétrica.
Em conclusão, o trabalho de Tiyuyu e seus colegas demonstra que a otimização inteligente de parâmetros pode melhorar significativamente o desempenho de veículos elétricos. Ao ajustar finamente a relação entre motor, transmissão e bateria, alcançaram melhorias tangíveis em eficiência e dinâmica. Seus resultados oferecem uma abordagem prática e escalável, aplicável a toda a indústria de veículos elétricos, apoiando o desenvolvimento de veículos de nova geração que não apenas sejam mais limpos, mas também mais inteligentes e capazes.
Tiyuyu, Hong Yingping, Zhang Huixin, Zhang Ruihao, North University of China, Ship Electronic Engineering, DOI: 10.3969/j.issn.1672-9730.2024.11.025