Nuevo sistema mejora estabilidad de vehículos eléctricos tras pinchazo
En un avance significativo para la seguridad vial, un equipo de investigadores chinos ha desarrollado una innovadora estrategia de control que mejora drásticamente la estabilidad de los vehículos eléctricos de tracción distribuida cuando sufren un pinchazo a alta velocidad. Este logro, publicado recientemente en la Revista de la Universidad de Tecnología de Chongqing (Ciencias Naturales), representa un paso crucial hacia vehículos más seguros en situaciones de emergencia, un aspecto cada vez más relevante a medida que la industria automotriz acelera su transición hacia la electrificación y la conducción autónoma.
El estudio, liderado por Pang Wenyu, Bei Shaoyi, Li Bo e Yin Guodong, presenta una solución integral a uno de los escenarios más peligrosos que puede enfrentar un conductor: la pérdida repentina de un neumático. Cuando un neumático explota, especialmente a velocidades elevadas, las propiedades mecánicas del eje cambian en cuestión de milisegundos. La rigidez longitudinal del neumático puede caer hasta un 72%, la rigidez lateral hasta un 75%, y la resistencia a la rodadura puede multiplicarse por treinta. Esta transformación abrupta genera fuerzas desestabilizadoras que pueden hacer que el vehículo gire bruscamente, se desplace lateralmente o incluso pierda el control, poniendo en riesgo a los ocupantes y a otros usuarios de la vía.
Las soluciones tradicionales, como los sistemas electrónicos de estabilidad (ESP), dependen de la frenada diferencial. Estos sistemas aplican frenos hidráulicos a las ruedas individuales para generar un par de guiñada que contrarreste la inestabilidad. Sin embargo, su efectividad está limitada por la inercia del sistema hidráulico y mecánico, lo que introduce un retraso entre el momento del pinchazo y la aplicación de la corrección. En situaciones críticas, esta fracción de segundo puede marcar la diferencia entre recuperar el control y un accidente grave.
Es aquí donde la innovación de los investigadores chinos encuentra su nicho. Los vehículos eléctricos de tracción distribuida, equipados con motores en las ruedas (motorización en buje), ofrecen una ventaja estructural única. Cada rueda puede recibir un par motor positivo (para acelerar) o negativo (para frenar regenerativo) de forma independiente y casi instantánea, sin la necesidad de complejos sistemas de transmisión, diferenciales o frenos hidráulicos. Este nivel de control directo y de alta velocidad es el cimiento sobre el cual se construye la nueva estrategia de control.
El equipo ha diseñado una arquitectura de control de doble bucle, una solución sofisticada que combina dos enfoques complementarios: una corrección activa de trayectoria y una gestión dinámica del par motor. Esta estrategia no solo responde a la inestabilidad, sino que también anticipa y corrige la trayectoria del vehículo, una combinación que los sistemas de control convencionales no pueden lograr de manera efectiva.
El bucle externo de esta arquitectura se encarga de la corrección de trayectoria. Utiliza un algoritmo conocido como «pursuit puro» (pure pursuit), una técnica ampliamente utilizada en la robótica y la conducción autónoma. Este algoritmo simula el comportamiento de un conductor humano que mira hacia adelante, seleccionando un «punto de mira» a una cierta distancia en la trayectoria deseada. El sistema calcula continuamente la posición y orientación actuales del vehículo en relación con este punto de mira y determina el ángulo de giro necesario para las ruedas delanteras que guiará al vehículo hacia ese punto. Al repetir este proceso constantemente, el vehículo se mantiene en su carril o trayectoria prevista. Este enfoque es particularmente eficaz para contrarrestar la tendencia natural de un vehículo a desviarse hacia el lado de la rueda pinchada, un fenómeno causado por la pérdida de fuerza lateral en ese eje.
El verdadero núcleo de la innovación reside en el bucle interno, responsable de la estabilidad dinámica. Este bucle adopta una estructura jerárquica con dos niveles. En el nivel superior, un controlador de lógica difusa PID (proporcional-integral-derivativo) calcula el par de guiñada adicional necesario para estabilizar el vehículo. Este controlador monitorea dos parámetros críticos: el ángulo de deslizamiento lateral del centro de gravedad del vehículo y la velocidad de guiñada. Compara estos valores reales con los valores deseados (referencia) y calcula el par de guiñada que debe generarse para minimizar la diferencia. La lógica difusa añade una capa de robustez, permitiendo que el controlador se adapte a las condiciones no lineales y cambiantes que se presentan tras un pinchazo, como diferentes coeficientes de adherencia del pavimento o variaciones en la carga de las ruedas.
Sin embargo, calcular el par de guiñada requerido es solo la mitad del problema. La parte más desafiante es determinar cómo generar físicamente ese par. En un sistema de tracción distribuida, el par de guiñada se crea aplicando diferentes pares motores a las ruedas izquierda y derecha. Por ejemplo, aplicar más par a la rueda derecha y menos (o incluso un par de frenado) a la rueda izquierda hará que el vehículo gire hacia la izquierda. El desafío es optimizar la distribución de este par entre las tres ruedas que aún están en buen estado.
Enfoques anteriores a menudo utilizaban una distribución de par igual o basada en reglas simples. Estos métodos no aprovechan al máximo la adherencia disponible de cada neumático, lo que puede resultar en una corrección ineficiente. Para superar esta limitación, los investigadores han implementado un algoritmo de optimización bioinspirado llamado «Algoritmo de Optimización de la Ballena Blanca» (White Whale Optimization, BWO).
Este algoritmo, inspirado en el comportamiento social, de caza y migratorio de las ballenas blancas, es una herramienta poderosa para resolver problemas de optimización complejos. El BWO simula tres fases del comportamiento de las ballenas: exploración (búsqueda de nuevas áreas), explotación (concentración en áreas con recursos) y el fenómeno del «cadáver de ballena» (whale fall), que simboliza la búsqueda de soluciones innovadoras en entornos cambiantes. Dentro del contexto del control del vehículo, el algoritmo utiliza estas fases para buscar activamente la combinación óptima de pares motores para las tres ruedas no pinchadas.
El proceso de optimización no es arbitrario. El algoritmo está guiado por una función objetivo que considera múltiples aspectos de la estabilidad del vehículo. Esta función incluye métricas como el error integral en el tiempo del ángulo de deslizamiento lateral, la velocidad de guiñada, el desplazamiento lateral y la aceleración lateral. Cada una de estas métricas se pondera según su importancia relativa. Por ejemplo, el ángulo de deslizamiento lateral recibe el peso más alto porque es un indicador directo de la capacidad de control del vehículo. Al minimizar esta función objetivo, el sistema asegura que la solución encontrada no solo estabilice el vehículo rápidamente, sino que también lo haga de la manera más suave y controlada posible, minimizando las oscilaciones y el tiempo de recuperación.
Para validar su teoría, el equipo de investigación construyó una plataforma de simulación de alta fidelidad, integrando el software CarSim, especializado en dinámica vehicular, con MATLAB/Simulink, una herramienta líder para el diseño y simulación de sistemas de control. Este entorno de simulación permitió modelar con precisión un vehículo eléctrico de tracción distribuida realista, con una masa de 1.350 kg, una batalla de 3,05 metros y un modelo de neumático UniTire específicamente adaptado para simular con realismo las propiedades dinámicas de un neumático durante y después de un pinchazo.
Se realizaron dos escenarios de prueba clave. El primero fue una conducción en línea recta a 80 km/h, y el segundo, una curva cerrada a 60 km/h con un radio de 100 metros. En ambos casos, se simuló un pinchazo en la rueda delantera izquierda en el segundo segundo de la simulación. El rendimiento de la estrategia de doble bucle se comparó rigurosamente con tres escenarios de referencia: sin ningún control, solo con el control de par de guiñada directo (usando el controlador difuso PID con una distribución de par igual) y solo con el control de corrección de trayectoria (pursuit puro).
Los resultados fueron concluyentes. En el escenario de conducción en línea recta, la estrategia de doble bucle demostró una superioridad abrumadora. El ángulo de deslizamiento lateral máximo, un indicador clave de la inestabilidad del vehículo, se redujo a solo el 10,61% del valor alcanzado cuando no se aplicaba ningún control. Esto representa una mejora significativa del 8,87% en comparación con el sistema que solo utilizaba el control de par de guiñada. Esta capacidad para mantener el ángulo de deslizamiento extremadamente bajo significa que el vehículo permanece mucho más cerca de su trayectoria original, minimizando el riesgo de salirse de la carretera o colisionar con otros vehículos.
Además, los parámetros de estabilidad dinámica, como la velocidad de guiñada, el desplazamiento lateral y la aceleración lateral, mostraron oscilaciones mucho menores y una convergencia hacia valores estables mucho más rápida. Esto indica que el vehículo no solo se mantiene en su carril, sino que también recupera su estado de equilibrio de forma más suave y controlada, lo que es crucial para la comodidad y la seguridad de los pasajeros.
El escenario de la curva puso a prueba aún más la eficacia del sistema. Aquí, el vehículo ya estaba sometido a fuerzas laterales significativas antes del pinchazo, lo que lo hace más vulnerable a una pérdida de control. Los vehículos sin control o con solo un sistema de corrección de trayectoria mostraron oscilaciones severas y una tendencia a desviarse peligrosamente. El sistema de control de par de guiñada solo fue más efectivo, pero aún mostraba fluctuaciones notables.
En contraste, la estrategia de doble bucle mantuvo el vehículo en una trayectoria mucho más estable. El ángulo de deslizamiento lateral se redujo al 55,6% del valor sin control, superando claramente a los otros métodos. La velocidad de guiñada se estabilizó rápidamente y se mantuvo cerca del valor de referencia, lo que demuestra una excelente continuidad en la maniobrabilidad. La aceleración lateral, un indicador importante de la comodidad del pasajero, también mostró una respuesta más suave y controlada.
Uno de los hallazgos más importantes fue la sinergia perfecta entre los dos bucles de control. El bucle externo (corrección de trayectoria) y el bucle interno (estabilidad dinámica) no operan de forma aislada; se coordinan en tiempo real. Si el algoritmo de pursuit puro determina que se necesita un giro agresivo hacia la derecha para corregir la trayectoria, el algoritmo de optimización de par ajusta instantáneamente los pares en las ruedas para generar un par de guiñada que apoye ese giro, en lugar de resistirlo. Esta coordinación evita conflictos entre las acciones de control y maximiza la eficacia general del sistema.
La elección del algoritmo BWO también fue un factor diferenciador clave. Su capacidad para encontrar la distribución óptima de par en tiempo real permite al sistema aprovechar al máximo la adherencia disponible en cada neumático, haciendo que la corrección sea más eficiente y efectiva. El algoritmo demostró una convergencia rápida, alcanzando una solución óptima en aproximadamente 20 iteraciones, lo que lo hace viable para su implementación en tiempo real en las unidades de control electrónico (ECU) modernas de los vehículos.
Desde una perspectiva práctica, esta investigación tiene implicaciones profundas para la industria automotriz. Primero, mejora la seguridad sin requerir cambios en el hardware físico del vehículo, lo que la convierte en una solución de software relativamente económica que podría implementarse mediante actualizaciones de firmware. Segundo, su diseño modular la hace compatible con otros sistemas avanzados de asistencia al conductor (ADAS). Tercero, abre nuevas vías para la conducción autónoma, proporcionando un marco robusto para que los vehículos autónomos manejen emergencias críticas de manera segura. Finalmente, subraya el papel creciente de las instituciones de investigación chinas en la vanguardia de la ingeniería automotriz, con colaboraciones entre la Universidad de Tecnología de Jiangsu, la Universidad de Tsinghua y la Universidad del Sureste que impulsan la innovación global.
Pang Wenyu, Bei Shaoyi, Li Bo, Yin Guodong, Revista de la Universidad de Tecnología de Chongqing (Ciencias Naturales), doi:10.3969/j.issn.1674-8425(z).2024.11.009