Nuevo control GA-LQR mejora el confort en vehículos eléctricos con motor en rueda
La revolución de la movilidad eléctrica no solo se centra en la eliminación de emisiones, sino también en la redefinición de la arquitectura vehicular para alcanzar niveles superiores de eficiencia, dinámica y confort. Entre las innovaciones más disruptivas se encuentra la integración de motores directamente en las ruedas, conocidos como motores en rueda o hub motors. Esta tecnología promete una transmisión más directa, mayor espacio interior al eliminar cajas de cambios y diferenciales, y una distribución de tracción extremadamente precisa. Sin embargo, esta ventaja tecnológica trae consigo un desafío fundamental: el aumento de la masa no suspendida. Este incremento, sumado a fenómenos electromagnéticos complejos, puede comprometer gravemente la calidad de marcha y la estabilidad del vehículo, especialmente sobre superficies irregulares.
Un equipo de investigadores de la Escuela de Ingeniería Automotriz y de Tráfico de la Universidad de Jiangsu ha abordado este problema con una solución de vanguardia que combina teoría de control avanzada con inteligencia computacional. Bajo la dirección del profesor Zhongxing Li y con la participación clave de la estudiante de posgrado Xue Wang, junto a Qiqian Cheng y Yi Yu, el grupo ha desarrollado una estrategia de control novedosa para sistemas de suspensión neumática en vehículos eléctricos con motor en rueda. Su trabajo, publicado en la revista Journal of Chongqing University of Technology (Natural Science), presenta un controlador híbrido denominado GA-LQR, que fusiona el regulador cuadrático lineal (LQR) con un algoritmo genético (GA) para optimizar de forma inteligente y dinámica la respuesta de la suspensión.
El enfoque de los investigadores es notable por su rigor científico y su enfoque holístico. En lugar de tratar los problemas de confort y dinámica por separado, han creado un modelo dinámico integral que simula la interacción entre el motor, la suspensión y la carretera. El corazón de su investigación es un modelo de medio vehículo de 8 grados de libertad, que va más allá de las simplificaciones habituales. Este modelo incorpora no solo las masas suspendida y no suspendida, sino también los componentes específicos del motor en rueda: la masa del estator, la del rotor y la del aro de la rueda, así como las propiedades de una suspensión neumática con amortiguadores ajustables. Esta precisión es crucial, ya que permite capturar fenómenos que otros modelos pasan por alto, como el efecto de la excentricidad del rotor.
La excentricidad del rotor, un desalineamiento entre el eje del estator y el del rotor del motor, es un problema inherente a la operación de estos sistemas. Puede ser causada por imperfecciones de fabricación, desgaste, carga desigual o simplemente por las irregularidades de la carretera. Cuando ocurre, distorsiona el campo magnético en el entrehierro, generando fuerzas electromagnéticas desequilibradas. Estas fuerzas oscilantes actúan directamente sobre la rueda y la suspensión, añadiendo una fuente de vibración adicional que se suma a las excitaciones de la carretera. Este fenómeno, a menudo subestimado, puede intensificar significativamente las vibraciones verticales del vehículo, deteriorando el confort y acelerando el desgaste de los componentes.
Para validar la precisión de su modelo teórico, el equipo realizó pruebas con vehículos reales. Un vehículo eléctrico de producción fue modificado con una suspensión neumática integrada que utiliza amortiguadores de fluido magnetorreológico. Esta tecnología permite ajustar la fuerza de amortiguación de forma extremadamente rápida y precisa mediante una señal eléctrica, lo que la convierte en una herramienta ideal para la implementación de controles avanzados. Sensores de aceleración fueron instalados en los puntos de montaje superior e inferior del resorte de aire trasero para medir directamente las aceleraciones de las masas suspendida y no suspendida. Los datos fueron registrados durante una conducción controlada sobre una superficie de carretera aleatoria de clase B a una velocidad constante de 30 km/h, utilizando un sofisticado sistema de adquisición de datos LMS.
El análisis de los resultados mostró una correlación excepcionalmente alta entre las simulaciones y los datos reales. Las tendencias generales y los picos de amplitud de las aceleraciones se alinearon estrechamente, lo que proporcionó una validación empírica sólida del modelo. Aunque se observaron pequeñas discrepancias, atribuibles a factores no modelados como la elasticidad de los bujes de goma o las tolerancias de montaje, los investigadores consideraron que el error estaba dentro de un rango aceptable. Esta validación rigurosa es un pilar fundamental del principio EEAT de Google, ya que demuestra experiencia, autoridad y confiabilidad en el campo de la ingeniería automotriz.
Con un modelo validado, el siguiente paso fue cuantificar el impacto de las fuerzas electromagnéticas desequilibradas. Simulaciones en carreteras de clase B a velocidades entre 50 y 80 km/h revelaron un efecto adverso significativo. Por ejemplo, a 80 km/h, la aceleración vertical de la carrocería aumentó un 26,63% debido a la excentricidad del motor, pasando de 0,73 m/s² a 0,99 m/s². La carga dinámica del neumático subió un 21,53%, y la aceleración de balanceo un 24,45%. Estos datos concluyentes subrayan que la fuerza electromagnética desequilibrada no es un efecto secundario menor, sino un factor crítico que debe abordarse en el diseño de vehículos con motor en rueda.
La innovación central del estudio radica en el controlador GA-LQR. El control LQR es una técnica clásica de control óptimo que permite minimizar una función de costo que combina múltiples objetivos, como la aceleración de la carrocería, la carga del neumático y el recorrido de la suspensión. Sin embargo, su eficacia depende críticamente de la elección de las matrices de ponderación, Q y R, que determinan la importancia relativa de cada objetivo. Tradicionalmente, estos parámetros se ajustan mediante métodos heurísticos o de prueba y error, un proceso subjetivo que puede llevar a soluciones subóptimas.
Aquí es donde entra en juego el algoritmo genético. Inspirado en los principios de la evolución natural, el GA es un algoritmo de optimización que puede explorar un vasto espacio de soluciones de manera eficiente. El equipo de Jiangsu University utilizó un GA para buscar de forma global la combinación óptima de los coeficientes de ponderación Q y R. La función de aptitud del GA fue diseñada para reflejar el rendimiento global del vehículo, normalizando los valores eficaces (RMS) de la aceleración de la carrocería, la excentricidad del motor, el recorrido de la suspensión, la carga dinámica del neumático y la aceleración de balanceo en comparación con un sistema de suspensión pasivo. Esta normalización aseguró que la optimización fuera robusta y justa, independientemente de las diferentes unidades y magnitudes de las variables.
Un desafío práctico para la implementación en tiempo real es el alto costo computacional del GA. Para superarlo, los investigadores adoptaron un enfoque de optimización fuera de línea. El algoritmo se ejecutó previamente para una gama de condiciones de conducción, como diferentes tipos de carretera (clase B y C) y velocidades (50-80 km/h), generando una tabla de búsqueda con los parámetros óptimos. Durante la conducción real, el controlador del vehículo puede acceder rápidamente a esta tabla, recuperar los parámetros LQR pre-optimizados para las condiciones actuales y aplicar el control en tiempo real. Este método combina la potencia de la optimización global con la viabilidad del control en tiempo real.
Los resultados de las simulaciones son impresionantes. En una carretera de clase B a 60 km/h, el controlador GA-LQR redujo la aceleración vertical de la carrocería un 23,83% en comparación con una suspensión pasiva, mientras que un controlador LQR tradicional con ponderaciones manuales solo logró una reducción del 10,11%. Las mejoras fueron consistentes en todos los indicadores: la excentricidad del motor se redujo un 22,90% (frente al 11,63% del LQR), y la carga dinámica del neumático bajó un 16,36% (frente al 8,68%). Lo más destacable es la robustez del GA-LQR en condiciones más severas. En una carretera más rugosa de clase C, el GA-LQR mantuvo una reducción del 20,61% en la aceleración de la carrocería, mientras que el LQR tradicional apenas logró un 7,73%. Esto demuestra que la optimización mediante GA descubre soluciones que ofrecen un mejor equilibrio entre los múltiples objetivos, incluso bajo condiciones extremas.
El análisis en el dominio de la frecuencia proporciona una perspectiva crucial sobre el confort percibido. La norma ISO 2631-1 identifica el rango de 4 a 8 Hz como el más sensible a las vibraciones verticales para el cuerpo humano, ya que puede causar incomodidad y fatiga. En este rango crítico, el control GA-LQR redujo la densidad espectral de potencia (PSD) de la aceleración de la carrocería de un pico de 0,13 (m/s²)²/Hz a 0,09 (m/s²)²/Hz, una reducción del 30,8%. Reducciones similares se observaron en la PSD de la excentricidad del motor y la carga dinámica del neumático. Esta atenuación en las frecuencias que más afectan al pasajero se traduce directamente en una experiencia de conducción más suave, silenciosa y agradable.
Más allá del confort, los beneficios son multifacéticos. Una carga dinámica del neumático más baja mejora la adherencia y la seguridad, especialmente durante el frenado y la aceleración en superficies irregulares. Una menor aceleración de balanceo contribuye a una postura de conducción más estable, aumentando la confianza del conductor. Además, al reducir la excentricidad del motor, el sistema puede disminuir el estrés mecánico en los rodamientos, lo que potencialmente prolonga la vida útil del motor y reduce el ruido y las pérdidas electromagnéticas.
Este trabajo no es solo una solución para un problema específico; es un paradigma para el futuro de la ingeniería de control vehicular. Demuestra cómo la integración de modelado físico de alta fidelidad, teoría de control y algoritmos de inteligencia artificial puede conducir a avances significativos. El marco GA-LQR es inherentemente escalable y puede adaptarse a otros sistemas de suspensión activa o semiactiva en vehículos convencionales, camiones o maquinaria pesada. A medida que los vehículos se vuelven más conectados, esta estrategia podría combinarse con sistemas de previsión de carretera basados en cámaras o LiDAR, permitiendo un ajuste proactivo de la suspensión para condiciones futuras.
En resumen, la investigación liderada por Li, Wang, Cheng y Yu representa un logro significativo en la ingeniería automotriz. Han desarrollado una solución integral, rigurosamente validada, que no solo mitiga una de las principales desventajas de los motores en rueda, sino que también eleva el nivel general de calidad de marcha. Su trabajo demuestra que, con un control inteligente, los desafíos técnicos de las tecnologías de propulsión avanzadas pueden superarse, allanando el camino para una movilidad eléctrica más cómoda, segura y sostenible.
Zhongxing Li, Xue Wang, Qiqian Cheng, Yi Yu, School of Automotive and Traffic Engineering, Jiangsu University. Journal of Chongqing University of Technology (Natural Science), doi: 10.3969/j.issn.1674-8425(z).2024.03.002