Estrategia adaptativa mejora la estabilidad en curvas de vehículos eléctricos
En el dinámico panorama de la movilidad eléctrica, la seguridad durante maniobras de conducción agresivas ha emergido como un desafío crítico. A medida que los vehículos eléctricos con tracción distribuida (DDEV, por sus siglas en inglés) ganan popularidad por su agilidad superior y control preciso, los investigadores intensifican sus esfuerzos para desarrollar estrategias avanzadas de control que mejoren la estabilidad lateral, especialmente en superficies de baja adherencia. Un equipo de la North University of China, liderado por la profesora WANG Yanhua y el investigador MENG Yongkai, ha presentado una innovadora solución: una estrategia jerárquica de distribución de torque que no solo estabiliza el vehículo durante giros pronunciados, sino que también preserva al máximo la intención del conductor.
Publicado en el Journal of Chongqing University of Technology (Natural Science), este estudio detalla un marco de control de dos niveles que combina un cálculo preciso de torque con una lógica de distribución inteligente. El sistema, diseñado específicamente para vehículos eléctricos con motores en las ruedas, aprovecha la capacidad única de estos vehículos para controlar de forma independiente cada rueda, transformando un simple sistema de propulsión en una sofisticada plataforma de gestión dinámica.
El núcleo del problema en la estabilidad lateral radica en el control de dos parámetros dinámicos clave: la velocidad de guiñada y el ángulo de deriva del centro de masa. Durante curvas cerradas, particularmente en condiciones de poca tracción, un momento de guiñada descontrolado puede provocar subviraje o sobreviraje, aumentando significativamente el riesgo de derrape o vuelco. Los sistemas de estabilidad tradicionales, como el control electrónico de estabilidad (ESP), suelen corregir estas inestabilidades aplicando frenado a ruedas específicas, una solución efectiva pero que conlleva una pérdida de velocidad y energía. La innovación del equipo de WANG radica en utilizar la tracción y el frenado de los motores de rueda no como un último recurso, sino como una herramienta proactiva y continua para mantener el equilibrio del vehículo.
La estrategia de control propuesta se estructura en dos capas claramente definidas. La capa superior, el controlador de cálculo de torque, actúa como el cerebro del sistema. Utiliza un algoritmo de control PID (Proporcional, Integral, Derivativo) para comparar constantemente el comportamiento real del vehículo, medido por sensores que capturan la velocidad de guiñada y el ángulo de deriva, con los valores ideales de referencia. Estas referencias se derivan de un modelo de dinámica vehicular de dos grados de libertad, que considera factores como la velocidad del vehículo, el ángulo de dirección, la adherencia de la carretera y la distribución de la carga. La diferencia entre los valores medidos y deseados genera señales de error que el controlador PID procesa para determinar dos magnitudes cruciales: el torque de tracción total necesario para mantener la velocidad deseada y un torque de guiñada adicional, que es la fuerza de corrección necesaria para restaurar la estabilidad.
La verdadera genialidad del sistema reside en la capa inferior: el controlador de distribución de torque. En lugar de aplicar una regla de distribución fija, este componente toma la decisión más inteligente sobre cómo implementar físicamente el torque de guiñada calculado. Lo hace seleccionando dinámicamente entre tres modos distintos de distribución, basándose en la magnitud del torque de corrección requerido y en los límites físicos de los motores de rueda.
El primer y preferido modo es la distribución por tracción diferencial. Este método se activa cuando la inestabilidad es leve y solo se necesita un pequeño torque de corrección. Funciona incrementando el torque en las ruedas exteriores de la curva mientras reduce el torque en las ruedas interiores. Este desequilibrio de fuerzas genera un momento de guiñada que estabiliza el vehículo hacia el interior de la curva. El beneficio principal de este modo es que la suma total del torque de tracción se mantiene constante. Como resultado, el vehículo no experimenta una desaceleración significativa, permitiendo al conductor mantener la velocidad y el impulso durante la maniobra. Este modo es altamente eficiente, ya que no disipa energía a través del frenado y maximiza la recuperación de energía durante la desaceleración.
Cuando la situación se vuelve más crítica y el torque de corrección necesario supera lo que puede lograrse solo con la modulación de la tracción, el sistema transiciona de forma fluida al segundo modo: la frenado diferencial. En este escenario, las ruedas interiores no solo reducen su tracción, sino que también se someten a un frenado activo, ya sea regenerativo o por fricción. Este doble efecto—reducción de la tracción en el interior y aplicación de frenado—crea un momento de guiñada mucho más potente. Aunque este modo conlleva una pérdida de velocidad, proporciona una capacidad de estabilización esencial para prevenir la pérdida de control en maniobras de emergencia o en carreteras con hielo.
En las situaciones más extremas, cuando incluso el frenado diferencial alcanza su límite, el sistema escala al tercer y último modo: el frenado por fricción. Este modo de intervención máxima implica aplicar el sistema de frenos convencionales (de disco o tambor) a una o más ruedas interiores. Por ejemplo, se puede aplicar el freno de fricción al neumático delantero interior mientras el motor de esa rueda ya está frenando a su máxima capacidad. Esta combinación genera el momento de guiñada más fuerte posible, garantizando que el vehículo se mantenga estable incluso en las condiciones más desafiantes. La contrapartida es una desaceleración significativa, pero el compromiso es claro: la estabilidad absoluta se prioriza sobre la conservación de la velocidad.
Esta estrategia multinivel representa una evolución significativa respecto a los sistemas tradicionales. En lugar de una intervención «todo o nada» que puede sorprender al conductor con una fuerte frenada, el sistema de WANG aplica la medida de corrección más leve posible en todo momento. Solo escala a métodos más agresivos cuando es absolutamente necesario, lo que resulta en una experiencia de conducción más suave y predecible, minimizando la intrusión en el estilo de conducción del usuario.
Para validar la efectividad de su estrategia, el equipo de investigación realizó extensas simulaciones co-simuladas utilizando las plataformas industriales MATLAB/Simulink y CarSim. Dos escenarios de conducción de alto riesgo fueron seleccionados para las pruebas: una maniobra de giro sinusoidal en una carretera de baja adherencia (coeficiente de fricción μ = 0.3) a 80 km/h, y una maniobra de cambio de carril doble en una carretera de alta adherencia (μ = 0.9) a 90 km/h. Ambos escenarios son estándares reconocidos para evaluar la estabilidad y el manejo de vehículos.
Los resultados de la simulación fueron concluyentes. Durante la prueba de giro sinusoidal, el vehículo sin control mostró una velocidad de guiñada máxima de aproximadamente -14.5 °/s, un indicador claro de una inestabilidad grave que podría llevar a un accidente. En contraste, el vehículo controlado mantuvo su velocidad de guiñada dentro de un rango de ±7.5 °/s, lo que representa una reducción del 54%. El ángulo de deriva del centro de masa, que alcanzó picos de ±3.1° en el vehículo de referencia, fue suprimido a menos de ±0.4° bajo el control del nuevo sistema, siguiendo de cerca el valor ideal de cero. Un hallazgo particularmente notable fue que la velocidad longitudinal del vehículo se mantuvo prácticamente constante, con una desviación de menos de 0.1 km/h respecto a la velocidad deseada. Esto demostró que la estabilidad y la conservación de la velocidad no son mutuamente excluyentes cuando se utiliza principalmente la tracción diferencial.
La prueba de cambio de carril doble puso a prueba la capacidad del sistema para manejar transiciones dinámicas rápidas. Aquí, el vehículo sin control alcanzó una velocidad de guiñada de hasta ±25 °/s. Con solo el modo de tracción diferencial activo, el pico de guiñada se redujo en un 55%. La adición del frenado diferencial mejoró esta reducción al 57%, y con los tres modos trabajando en conjunto, el sistema logró una reducción máxima del 58%. Este progreso incremental resalta el valor de tener múltiples niveles de intervención disponibles.
Un análisis más profundo de los datos reveló un interesante compromiso entre la estabilidad y la fidelidad de la velocidad. Cuando solo se utilizó la tracción diferencial, el vehículo mantuvo un seguimiento casi perfecto de la velocidad deseada. Sin embargo, cuando se activaron los modos de mayor intervención (frenado diferencial y por fricción), la velocidad del vehículo disminuyó a 87.2 km/h y 86.8 km/h, respectivamente. Este descenso refleja la disipación de energía inherente al frenado. A pesar de esta pérdida de velocidad, la mejora en el control de la guiñada fue crucial para mantener la trayectoria del vehículo y prevenir un deslizamiento lateral.
Un hallazgo sorprendente fue que el sistema de tres modos no siempre produjo el mejor control del ángulo de deriva. En la prueba de cambio de carril doble, la combinación de tracción diferencial y frenado diferencial logró un seguimiento del ángulo de deriva ligeramente más preciso que el sistema de tres modos completos. Esto sugiere que una corrección excesivamente agresiva en el modo de frenado por fricción puede introducir pequeñas oscilaciones o sobre-corrección, una sutileza que podría informar futuras optimizaciones en la lógica de transición entre modos.
Desde una perspectiva de ingeniería, el éxito de esta estrategia depende críticamente de la precisión de la estimación en tiempo real de los estados del vehículo y las condiciones de la carretera. El modelo asume un conocimiento preciso del coeficiente de fricción entre el neumático y la carretera, un parámetro que puede variar drásticamente y de forma impredecible. Mientras que la simulación utilizó valores de fricción predefinidos, una implementación en el mundo real requeriría algoritmos de estimación robustos, probablemente basados en la fusión de datos de sensores como velocímetros de rueda, unidades de medición inercial (IMU) y sistemas de visión.
Además, el sistema de control debe respetar estrictamente las limitaciones físicas de los motores de rueda, incluyendo sus límites de torque máximo y consideraciones térmicas. El estudio modela explícitamente estas restricciones, asegurando que los torques comandados permanezcan dentro de rangos físicamente alcanzables. Esta atención a la viabilidad práctica aumenta la credibilidad del enfoque y su potencial para una implementación real.
Las implicaciones de esta investigación trascienden el ámbito académico. A medida que las tecnologías de conducción autónoma avanzan, la capacidad de mantener la estabilidad durante maniobras de emergencia se vuelve aún más crítica. Los sistemas autónomos deben no solo planificar trayectorias seguras, sino también ejecutarlas con fiabilidad bajo todas las condiciones. La estrategia de distribución de torque adaptativa de WANG Yanhua proporciona una base robusta para estas capacidades, especialmente en plataformas eléctricas donde el control de torque preciso es inherente a la arquitectura.
Los fabricantes de automóviles que invierten en sistemas de tracción distribuida, como los que desarrollan plataformas «skateboard» o vehículos eléctricos de alto rendimiento, podrían beneficiarse enormemente de adoptar una filosofía de control similar. La capacidad de modular el torque en cada rueda individual abre nuevas posibilidades para mejorar tanto la seguridad como la dinámica de conducción. Por ejemplo, tales sistemas podrían integrarse con sistemas avanzados de asistencia al conductor (ADAS) para proporcionar una estabilización preventiva antes de que ocurra un derrape, o utilizarse en modos de rendimiento para apretar las líneas de curva sin sacrificar la tracción.
Además, no se debe pasar por alto el aspecto de la eficiencia energética. Al priorizar las correcciones basadas en la tracción sobre el frenado, el sistema minimiza la pérdida de energía y maximiza las oportunidades de frenado regenerativo. Esto se alinea perfectamente con los objetivos más amplios de la movilidad eléctrica: reducir el impacto ambiental mientras se mejora el rendimiento.
En conclusión, el trabajo de WANG Yanhua, MENG Yongkai y sus colegas de la North University of China representa un avance significativo en el campo del control de estabilidad de vehículos eléctricos. Al abandonar las reglas de distribución de torque estáticas y adoptar una estrategia adaptativa y multinivel, han demostrado una forma práctica y efectiva de mejorar la seguridad en curvas sin comprometer excesivamente la experiencia de conducción. Sus hallazgos subrayan el potencial transformador de los sistemas de tracción distribuida, no solo como un medio de propulsión, sino como una plataforma para una movilidad más inteligente, receptiva y segura.
WANG Yanhua, MENG Yongkai, DENG Jichen, WANG Yaoxun, GUAN Quancai, LIU Yutao, School of Energy and Power Engineering, North University of China. Lateral stability of distributed electric vehicle steering torque adaptive distribution strategy. Journal of Chongqing University of Technology (Natural Science), 2024, 38(3):46-54. doi: 10.3969/j.issn.1674-8425(z).2024.03.005