Questa pagina è stata tradotta automaticamente.
Completa un sondaggio di 1 minuto sulla qualità di questa traduzione.
Simulazioni di guida automatizzata con un gemello digitale 3D
Determinazione delle prestazioni effettive del veicolo ibrido in classe
Circa 200 studenti del secondo anno si sono riuniti in un'aula luminosa della Waseda University. Gli studenti hanno preparato i loro laptop per la serie di lezioni "Project-Based Learning Advanced", un corso obbligatorio del Dipartimento di Ingegneria Meccanica che insegna competenze specialistiche di problem solving attraverso progetti assegnati, con l’obiettivo di potenziare le loro capacità.
La sezione ambiente e mobilità del professor Jin Kusaka ha presentato un modello di driver creato utilizzando Simulink® e RoadRunner per un veicolo elettrico ibrido in serie (SHEV), un veicolo elettrico con un motore a combustione interna e un motore elettrico alimentato a batteria, che compie un giro nei pressi dell'università. Gli studenti hanno imparato a utilizzare il modello integrato e a eseguire simulazioni per ottenere una valutazione del risparmio di carburante. Hanno poi discusso con i compagni di classe su come migliorare l'efficienza del carburante.
"La maggior parte degli studenti non riesce a immaginare cosa significhi guidare un’auto quando i numeri generati da una simulazione del veicolo vengono semplicemente rappresentati in un grafico," afferma Kusaka. “Abbiamo cercato di stimolare la loro immaginazione.”
Kusaka, un noto professore di ingegneria meccanica che dirige la Research Organization for Next Generation Vehicles alla Waseda University, è influente nell'industria automotive giapponese. I suoi ruoli nella Society of Automotive Engineers of Japan includono quello di direttore della tecnologia e vicepresidente. Durante i suoi studi universitari alla Waseda University, ha condotto ricerche sui motori a metanolo con Koji Sato, presidente della Toyota Motor Corporation.
Durante le lezioni, Kusaka ha sfidato gli studenti a pensare come se fossero ingegneri automotive, concentrandosi sull'ottimizzazione del risparmio di carburante e dei costi dell'elettricità. L'obiettivo è preparare gli studenti a carriere nel settore automotive, con il quale la Waseda University mantiene forti legami. Nelle vicinanze si trovano le sedi centrali di diverse importanti case automobilistiche giapponesi e tra i suoi ex dipendenti figurano dirigenti di aziende globali come Toyota, Nissan e Isuzu.
Conduciamo progetti di ricerca con aziende automobilistiche, aziende correlate al settore automotive, industrie pesanti, agenzie governative e l'Automotive Internal Combustion Engine Technology Research Association (AICE),” afferma Kusaka. Il suo laboratorio ha un progetto congiunto di innovazione verde che sta sviluppando un catalizzatore per veicoli ibridi che utilizzano e-fuel con AICE. Questa organizzazione nazionale promuove la collaborazione tra il mondo accademico, il governo e l'industria. Fornisce inoltre consulenza ai comitati governativi locali e nazionali in materia di emissioni e risparmio di carburante.
“A livello globale, le normative sulle emissioni e sul risparmio di carburante stanno diventando sempre più severe dal punto di vista della tutela ambientale,” afferma Kusaka. “Le aziende automotive devono creare veicoli che rispettino queste normative.”
Con questo in mente, Kusaka e Soraki Harada, uno studente del secondo anno di master nel laboratorio di Kusaka che conduce ricerche sui gruppi propulsori per autoveicoli, hanno utilizzato Accesso Campus-Wide di MathWorks, disponbile alla Waseda University, per la serie di lezioni, scegliendo Simulink e RoadRunner per le loro funzionalità avanzate e la facilità d'uso.
Il team di laboratorio ha iniziato guidando una Nissan ® Nota e-POWER del 2016 lungo un percorso pianificato nei pressi dell'università. Harada ha inserito i dati dei segnali stradali e delle mappe derivanti da questi test su strada in un modello di conducente Simulink, insieme ad altre informazioni pubbliche essenziali, come l'altitudine della strada e i limiti di velocità. Ha utilizzato RoadRunner per riprodurre le scene di strada. Harada, gli assistenti didattici e lo staff MathWorks hanno insegnato agli studenti come utilizzare il modello integrato e come eseguire simulazioni. Gli studenti potrebbero riprodurre in modo efficace situazioni di traffico e strade reali per determinare i valori di risparmio di carburante.
Guida simulata in RoadRunner. (Credito video: Waseda University)
“Gli studenti hanno raggiunto molteplici obiettivi in classe,” ha riflettuto Kusaka. “Le loro idee sono state rese possibili dal fatto che potevano visualizzare il veicolo in movimento tramite le animazioni RoadRunner.”
Rigorosi test nel mondo reale
Al di fuori dell’aula, tali simulazioni hanno un enorme potenziale per valutare l’efficienza dei consumi dei nuovi veicoli passeggeri e i costi dell’elettricità, con la possibilità di far risparmiare ai produttori automobilistici tempo e costi significativi in ricerca e sviluppo. Gli ingegneri automotive prendono in considerazione le condizioni stradali reali quando calcolano il risparmio di carburante. Tra i fattori significativi rientrano il peso del veicolo, l'accelerazione, la decelerazione, la resistenza in pendenza e la resistenza al rotolamento. All'aumentare della velocità del veicolo, anche la resistenza dell'aria gioca un ruolo più importante.
Le simulazioni che utilizzano Simulink e RoadRunner possono prevedere le prestazioni in anticipo, evitando la necessità di acquistare costose apparecchiature di misurazione specializzate e di condurre test su veicoli reali.
La ricerca di Kusaka ha confrontato i nuovi test sulle emissioni reali di guida (RDE) con la procedura convenzionale di prova armonizzata a livello mondiale per veicoli leggeri (WLTP) su un dinamometro a telaio. Pensati per integrare i test di laboratorio, i test RDE misurano monossido di carbonio, idrocarburi incombusti, ossidi di azoto e particolato tramite apparecchiature di monitoraggio portatili in tempo reale installate su un'autovettura guidata su strade pubbliche. I test vengono effettuati in contesti diversi, con temperature, limiti di velocità, livelli di traffico e altitudini variabili.
“C'è una discrepanza tra l'efficienza dei gas di scarico e del carburante nei test dinamo del telaio convenzionali e la guida effettiva,” osserva Kusaka. “L’RDE, che può essere misurato con maggiore accuratezza, sta diventando sempre più importante.”
Nei paesi come il Giappone, che impongono l'RDE per i nuovi veicoli, il fattore di conformità (CF) indica di quanto il valore dei gas di scarico durante la guida su strada effettiva differisce da quello misurato durante la prova al banco. Gli enti regolatori stabiliscono il limite CF e le case automotive devono dimostrare che il valore dei gas di scarico su strade reali non lo supera.
“Durante i 90-120 minuti di guida effettiva su strada, il veicolo deve essere guidato su una determinata percentuale di strade urbane, strade rurali e autostrade. Ci sono altri vincoli, come i limiti massimi di temperatura, altitudine e velocità massima,” ha spiegato Kusaka. “Non è raro che vengano eseguiti nuovi test costosi.”
Le simulazioni che utilizzano Simulink e RoadRunner possono prevedere le prestazioni in anticipo, evitando la necessità di acquistare costose apparecchiature di misurazione specializzate e di condurre test su veicoli reali, ha continuato Kusaka. Inoltre, è impossibile trovare luoghi con le stesse strade, temperature e altitudini che vengono prese in considerazione nei test RDE.
“La simulazione RDE con la progettazione Model-Based è facilmente realizzabile,” afferma, e la sua classe stava per dimostrarlo.
Gemello digitale 3D
Kusaka ha scelto una Nissan Note e-POWER del 2016 perché era già stato sviluppato un modello estremamente accurato e riteneva che gli studenti avrebbero potuto comprendere la struttura semplice dello SHEV. Il percorso di prova nel quartiere di Shinjuku, vicino all'università, era un anello di circa 2,7 chilometri (1,7 miglia) e presentava pendenze e discese variabili.
I test di guida sono stati effettuati all'1 di notte per ridurre al minimo la presenza di altri veicoli e pedoni, che il team di laboratorio ha intenzionalmente omesso nello RoadRunner Scenario e nella co-simulazione Simulink. Lo stato di carica iniziale è stato impostato al 60,0%. Ogni conducente ha riscaldato il veicolo per 20 minuti prima di effettuare il test, assicurandosi che il motore fosse caldo. Una GoPro di bordo acquisiva informazioni GPS, mentre uno strumento diagnostico raccoglieva i dati di base del veicolo.
“Ho ottenuto i dati cartografici per l'area da OpenStreetMap e i dati sulle pendenze dalla Geospatial Information Authority del Giappone. Dopo aver caricato il tutto su RoadRunner, ho creato un gemello digitale 3D estraendo solo le strade. Lavorare nell'interfaccia visiva è stato molto intuitivo.”
Harada ha creato un modello di conducente in Simulink, utilizzando un algoritmo di guida autonoma per imitare il modo in cui un essere umano accelererebbe e decelererebbe lungo il percorso.
Ha ottenuto le informazioni SHEV da un modello creato e pubblicato attraverso un progetto guidato dal Ministero dell'Economia, del Commercio e dell'Industria. Ha poi caricato dati reali sull'efficienza e sul workflow dei componenti della Nissan Note.
Ha aggiunto i dati di tutti i 16 semafori a Simulink partendo dai video dei percorsi di prova con timestamp. I calcoli determinavano automaticamente quale semaforo si trovasse davanti al veicolo virtuale e quale fosse il più vicino, in modo simile a come un conducente umano guarda il semaforo più prossimo. Ha ipotizzato due possibili scenari per il controllo dei freni: una decelerazione costante o un arresto brusco.
Nella simulazione i semafori potevano essere solo rossi o verdi. I tempi di semaforo giallo dei video sono stati divisi, con una metà assegnata al verde e l'altra metà al rosso. Harada ha progettato scene di strada 3D realistiche in RoadRunner.
“Ho ottenuto i dati della mappa per l'area da OpenStreetMap® e dati sulle pendenze provenienti dalla Geospatial Information Authority del Giappone,” afferma. “Dopo averlo caricato tutto su RoadRunner, ho creato un gemello digitale 3D estraendo solo le strade. Lavorare nell'interfaccia visiva è stato molto intuitivo.”
Gli studenti hanno scaricato il modello di driver combinato dal cloud dell'università. Tornati in classe, Harada, gli assistenti e il team MathWorks hanno risposto alle domande sul gemello digitale 3D. Poi è stato il turno degli studenti: Il loro compito era creare un video dell’intera simulazione di guida utilizzando l’inquadratura dall’alto, basandosi sulle ultime tre cifre del proprio ID studentesco. Ad esempio, 123 significava che la telecamera si sarebbe trovata a 12 metri di distanza, a un'altezza di 3 metri.
In precedenza, gli studenti di Kusaka si basavano su grafici calcolati sullo stato di carica e alcuni avevano difficoltà a collegare i calcoli con la guida effettiva del veicolo, racconta. Questa volta potevano visualizzare i risultati.
Migliore efficienza
Attraverso le simulazioni del gemello digitale 3D, gli studenti hanno imparato a gestire il controllo del powertrain in relazione al livello di carica della batteria ad alta tensione di un veicolo ibrido (SHEV), variando la carica iniziale. Dopodiché, hanno potuto confrontare i costi e le emissioni di CO2 dei veicoli elettrici ibridi plug-in e di quelli a serie.
“A differenza dei test sui veicoli reali, la progettazione Model-Based può facilmente testare le differenze dei veicoli. Gli studenti che hanno seguito il corso hanno visto in prima persona come il consumo di carburante può essere migliorato utilizzando veicoli ibridi plug-in,” afferma Kusaka. “La possibilità di assegnare questo esercizio a una classe di studenti universitari del secondo anno è stata fantastica.”
“A differenza dei test sui veicoli reali, la progettazione Model-Based può facilmente testare le differenze dei veicoli. Gli studenti che hanno seguito il corso hanno potuto constatare in prima persona come il consumo di carburante può essere ridotto utilizzando veicoli ibridi plug-in.
Kusaka ha notato che le capacità di analisi e interpretazione dei dati degli studenti sono migliorate con Simulink e RoadRunner rispetto agli anni precedenti. Hanno identificato la variazione della resistenza al rotolamento, la modifica della resistenza aerodinamica e l’aumento dell’efficienza termica del motore come fattori che influenzano l’efficienza di conversione dell’energia termica. Alcuni hanno anche suggerito idee avanzate per il controllo del motore.
“Utilizzando la progettazione Model-Based e Simulink, gli studenti hanno esplorato l’impatto sull’efficienza del carburante se l’efficienza termica fosse aumentata al 50% o se venisse implementato un sistema ibrido plug-in," afferma Harada.
Il gruppo ha scoperto che aumentando l’efficienza termica dell'area di funzionamento del motore a circa il 50% si potrebbe ridurre il consumo di carburante a 21,52 megajoule, con una riduzione del 37% rispetto al valore di base. Gli studenti hanno acquisito conoscenze in ambito automotive che hanno potuto applicare nel mondo reale.
"Gli ingegneri laureati che sanno come utilizzare la progettazione Model-Based per la ricerca e sviluppo automotive saranno pronti a iniziare a lavorare subito," afferma Kusaka. Dopo la laurea, Harada entrerà a far parte della Toyota Motor Corporation, dove non vede l'ora di utilizzare la progettazione Model-Based e i test delle attrezzature per sviluppare auto, attingendo direttamente dalle sue esperienze in laboratorio.
Di recente, il Kusaka Lab ha avviato una ricerca volta a migliorare l'efficienza termica e le emissioni di gas di scarico dei veicoli elettrici ibridi plug-in con riscaldamento anticipato del motore durante gli avviamenti a freddo. I test RDE supportano un intervallo di temperatura più ampio rispetto ai test WLTP, quindi l'avvio in inverno potrebbe avere effetti a catena. Il team prevede inoltre di ampliare il modello di guida per la serie di lezioni, in modo da incorporare l'impatto dell'accelerazione e della decelerazione sull'efficienza del carburante. I fattori presi in considerazione per l'accelerazione e la decelerazione includono pedoni, altri veicoli e curve.
I ricercatori prevedono che i loro partner industriali trarranno grandi vantaggi da Simulink e RoadRunner. "Se tutto ciò che riguarda l'auto è rappresentato in un modello comune gestito dal produttore automobilistico e dal fornitore, diventa più facile prevedere le prestazioni quando una parte cambia," ha detto Kusaka. "Crediamo che la progettazione Model-Based e la sua simulazione dello sviluppo dei veicoli e dei test RDE contribuiranno in modo significativo a ridurre i costi per le aziende automotive."
Altri casi
ROBOTICA / GUIDA AUTOMATIZZATA
Progettazione di WATonoBus, il bus navetta autonomo nel campus
La navetta a guida autonoma è una piattaforma ideale per lo sviluppo della tecnologia ADAS
GUIDA AUTOMATIZZATA / ROBOTICA
Applicazione di tecniche di robotica comprovate per i processi di sviluppo delle automobili
Renault fa progredire la prototipazione ADAS con ROS Toolbox e l'integrazione Simulink
GUIDA AUTONOMA
Aptiv implementa scenari virtuali per la validazione ADAS
Il workflow aiuta a valutare le prestazioni del modello, riducendo i costi e migliorando l'efficienza