Pruebas del sistema de propulsión en un auto eléctrico de Fórmula SAE

En la temporada 2023, el E-Team de la Universidad de Pisa hizo un cambio. Pasaron de la categoría de combustión a la categoría eléctrica en la competición SAE Formula Student. Para apoyar este cambio y mejorar el motor, nuestros equipos de tren motriz y electrónica trabajaron conjuntamente. Instale y monitoree todos los dispositivos electrónicos y eléctricos del vehículo. Para pasar a un coche eléctrico, tuvimos que cambiar el chasis trasero del monoplaza. Este cambio nos permitió montar el nuevo tren motriz y el paquete de baterías.

El vehículo EV-A

El primer coche eléctrico del E-Team y Ateneo Pisano es el E-VA. Tiene un chasis híbrido. La parte trasera está compuesta por una armadura de acero, y la parte delantera es un monocasco de fibra de carbono. El sistema de propulsión del coche cuenta con dos motores traseros de origen aeronáutico. Cada motor está acoplado a un inversor, lo que conecta los motores a la batería.

El E-Team Squadra Corse probó su prototipo eléctrico, denominado ET15: E-VA, en el Circuito di Siena. Esta pista internacional de karting se encuentra en Castelnuovo Berardenga, en la provincia de Siena, Toscana, Italia.

Configuración del sensor

La instalación en el coche incluye tanto sensores propios del equipo como algunos proporcionados por Dewesoft.

Los sensores del equipo

El equipo poseía y ya había montado sensores internos en el prototipo. Por lo general, equipamos el vehículo con:

• Sensor de posición del acelerador (TPS), que mide la posición del pedal del acelerador y se basa en un potenciómetro;

• Sensor de posición de la dirección (SPS), que se conecta a la cremallera y ayuda a calcular el ángulo de dirección de cada rueda delantera en función del movimiento del volante;

• Cuatro sensores Hall, uno para cada buje, que miden la velocidad angular (ωij) de cada rueda;

• Cuatro potenciómetros, uno para cada amortiguador, que miden su recorrido.

Los sensores Dewesoft

Los sensores externos son de última generación, fabricados y suministrados por Dewesoft, y son:

• SIRIUS Modular -un sistema de adquisición de datos versátil y robusto que proporciona amplificadores de acondicionamiento de señal de alta gama para señales y sensores;

• DC-CT Current Transducers -proporcionando las ventajas de un transductor de corriente de flujo cero, pero con menor consumo de energía y un diseño más compacto;

• Current transducers - sensores de pinza de corriente de alta precisión para medición de AC/DC;

• Sensores de voltaje;

• DS-GYRO3 es una unidad de medición inercial (IMU) de alto rendimiento. Está firmemente fijada al chasis del vehículo y se coloca lo más cerca posible del centro de gravedad (CoG). Esta unidad mide la aceleración en las direcciones longitudinal, lateral y vertical, y también las velocidades de balanceo, cabeceo y guiñada en el punto de instalación.

Dinámica del vehículo

Gracias a la IMU de Dewesoft, pudimos obtener datos importantes de la dinámica del vehículo que normalmente son difíciles de conseguir. Primero, verificamos que los datos fueran consistentes y tuvieran los signos correctos. La Figura 2 muestra el modelo del vehículo tomado como referencia.

El primer paso importante fue comparar las señales del hardware Dewesoft con las del hardware interno.

Como se puede ver en la Figura 3, el inicio de la adquisición no estaba sincronizado, lo que provocó un claro desfase temporal de 127,6 segundos. Sin embargo, esta sincronización fue posible gracias a la doble adquisición de la señal del acelerador. Las señales se superponen, como se muestra en la Figura 4.

El siguiente paso fue verificar que las señales tuvieran los mismos signos. Para ello, consideramos la Figura 3. Comparamos dos señales, una con un signo particular, en este caso, el ángulo de la dirección, como referencia, y otra. Era necesario comprobar que la dirección, la aceleración lateral y la velocidad de guiñada estuvieran alineadas para tener los signos correctos. La Figura 5 muestra que ay y el ángulo de la dirección tienen signos opuestos, por lo que es necesario invertir ay.

La última comparación involucró el ángulo del volante y la velocidad de guiñada, que, como se muestra en la Figura 6, tienen el mismo signo y son correctos.

Procesamiento de señales

Para empezar, extrapolamos una única vuelta a partir de los datos requeridos. Logramos esta extrapolación mediante la integración numérica de la velocidad de guiñada. A partir de ello, encontramos las posiciones en el vector del ángulo de guiñada para los valores 2π y 4π (véase la Figura 7).

Obtuvimos la trayectoria aprovechando las velocidades del centro de gravedad y la velocidad de guiñada muestreadas directamente desde la IMU e integrando la ecuación (1) para obtener los datos absolutos de xey, como se muestra en la Figura 8.

Análisis mecánico

Desarrollar un prototipo de vehículo de alto rendimiento requiere un estudio avanzado de la dinámica vehicular que mejore el rendimiento en pista. Con el paso de los años, la tecnología ha contribuido a crear modelos de mejores vehículos. Estos modelos nos permiten predecir de manera más precisa cómo se comportarán los vehículos. Sin embargo, estos modelos requieren una compensación entre los datos simulados y los datos medidos en la realidad. Gracias a Dewesoft, podemos adquirir señales con una resolución más precisa.

Modelo del vehículo

La división de dinámica vehicular ha desarrollado varios modelos de vehículos. En este caso, validamos el modelo multibody desarrollado utilizando el software comercial Adams Car. El modelo en la Figura 9 tiene 13 grados de libertad, que están relacionados con los movimientos de la masa suspendida, las masas no suspendidas, la rotación de las ruedas y el diferencial.

Tres niveles primarios componen un modelo de vehículo:

• Plantillas: modelos paramétricos construidos en el modo experto DewesoftX Template Builder que definen la topología y los roles significativos de los modelos.

• Subsistemas: que se basan en la Interfaz Estándar DewesoftX utilizando plantillas y son modificables mediante datos paramétricos (por ejemplo, las coordenadas de la suspensión).

• Ensamblajes: incluyen todos los subsistemas necesarios para definir el vehículo. Además, pueden contar con un banco de pruebas para simular cualquier maniobra estándar o personalizada.

El equipo creó plantillas para cada área principal del vehículo. Esto incluyó las suspensiones delanteras y traseras, la dirección, el chasis, las ruedas, los frenos y el tren motriz. Al cambiar los parámetros relativos, como la geometría de la suspensión, podemos observar diferencias entre los modelos 2023 y 2022.

El primer paso para verificar nuestros subsistemas es comprobar si hemos aplicado todas las restricciones correctamente. Luego, como se muestra en la Figura 9, analizamos algunas características cinemáticas de un ensamblaje de suspensión.

Validaciones estáticas

El modelo Adams Car incluye conexiones elásticas (bujes) entre los triángulos de la suspensión y el chasis. En el software, el buje de Adams Car utiliza una matriz 6x6, donde seis desplazamientos y velocidades generalizadas sirven como entradas, produciendo un vector de fuerzas generalizadas como salida.

Para este vehículo, establecimos los valores de rotación en 0, basándonos en el tipo de conexión utilizado. Además, asumimos un comportamiento isotrópico para los bujes, lo que significa que las fuerzas generalizadas actúan de manera igual en las tres direcciones.

Utilizamos galgas extensiométricas gracias a una campaña de pruebas con Dewesoft en años anteriores. Estas galgas midieron las deformaciones de una barra de conexión durante una prueba de tensión. La galga era necesaria, ya que ayudó a distinguir entre la deformación del brazo y la deformación de los eslabones de conexión en los extremos de la barra.

El montaje de la medición es un half-bridge con dos resistencias adicionales simuladas mediante amplificación. Este montaje nos permite contar con un puente completo virtual. Realizamos la configuración de la prueba estática utilizando una barra de empuje de coche y rótulas SKF M6; la Figura 10 muestra el montaje. La barra de conexión se une a la máquina a través de dos mordazas y con tornillos calibrados entre la mordaza y la rótula. La adquisición fue posible mediante un conector BNC casero soldado a los cables del sistema de amplificación. Realizamos la calibración con una barra de empuje montada en una máquina de la cual tomamos la referencia. Una vez calibrado, se aplicaron 2 kN.

Los resultados obtenidos están vinculados a todo el conjunto de la barra de empuje. Utilizamos interpolación, como se muestra en la Figura 11. Este proceso nos permitió crear el archivo .bus que se insertará en el software, como se muestra en la Figura 12.

Prueba de galga extensiométrica

Una vez derivada la ley de conexiones elásticas, analizamos pruebas dinámicas realizadas en colaboración con Dewesoft. En 2022, llevamos a cabo una campaña de pruebas en la que instrumentamos los brazos de la suspensión con galgas extensiométricas. Esta instrumentación nos permitió derivar todas las cargas a través de los brazos de la suspensión. En comparación con 2024, el coche contaba con un motor de combustión en 2022. La Tabla 1 muestra los datos del vehículo.

Estas pruebas verificaron que las fuerzas medidas por el software eran consistentes con lo que medimos. El estudio se centra en una maniobra de aceleración y frenado. La Figura 13 compara el modelo con las mediciones de aceleración longitudinal y velocidad hacia adelante.

La Figura 13 muestra que la parte cinemática se corresponde con el comportamiento medido. Algunas oscilaciones se deben a vibraciones y ruido durante la recolección de datos. A continuación, la Figura 14 muestra la nomenclatura interna del equipo para definir las restricciones utilizadas por la suspensión. Con la definición de la nomenclatura, es posible interpretar los resultados mostrados en las siguientes figuras. Los resultados aquí están asociados con la suspensión delantera izquierda.

Los resultados muestran que las tendencias de las fuerzas tienden a ser precisas, pero no siempre coinciden perfectamente. Esta imperfección se debe a dos factores:

• La carretera modelada es un plano liso en el software.

• La característica viscosa del buje modelado tiene un patrón lineal.

Un estudio más profundo de su comportamiento, que realizaremos en el futuro, podrá ofrecer una imagen más clara.

Campaña de pruebas en pista en Siena

Después de la campaña de pruebas en 2022, procederemos en 2024 con el análisis de la parte mecánica de la prueba realizada en Siena. En este caso, el coche tiene un motor eléctrico, y la Tabla 1 muestra sus características.

Gracias a las IMU DS-GYRO3, pudimos medir magnitudes que normalmente son difíciles de obtener. El día de pruebas incluyó tres recorridos principales:

• 4-5 vueltas para el entrenamiento del piloto.

• Recorridos cortos, como AutoX, para evaluar el rendimiento máximo.

• Una carrera de resistencia de 22 vueltas.

Para la validación, tomamos la vuelta 7 del recorrido AutoX. Queríamos analizar las mediciones clave para un vehículo, que incluyen aceleraciones y velocidades en el plano del vehículo, así como las velocidades de las cuatro ruedas. Debido a problemas durante la fase de adquisición, fue imposible evaluar el recorrido de los cuatro amortiguadores. La Figura 17 muestra los resultados.

Las señales son todas consistentes entre las simuladas y las medidas. Hay pequeñas discrepancias en la señal de la rueda trasera izquierda porque, en esa fase, la carga lateral levanta la rueda. Para completar las validaciones, comparamos las señales de movimiento del bastidor.

En la Figura 20 se puede verificar que la tendencia es la misma, con picos ligeramente menores. Podemos atribuir esto a una formulación de neumáticos que subestima los ángulos de deslizamiento con la misma carga vertical y fuerza lateral. Esta subestimación puede deberse a unas condiciones de asfalto menos que perfectas el día de las pruebas.

A pesar de las discrepancias menores, esta campaña de pruebas permitió considerar el modelo del vehículo como validado. A partir de ahora, podemos utilizar el modelo para diseñar nuestros futuros vehículos.

Enfoque MAP

El enfoque MAP (Map of Achievable Performance) puede presentar un estudio de las características de manejo de nuestro vehículo.

Idealmente, todas las derivadas temporales, ya sean de avance, laterales o de guiñada, son cero durante una maniobra en estado estacionario. En términos prácticos, el vehículo circula por una trayectoria circular de radio constante a una velocidad de avance constante. Al repetir el proceso para múltiples valores de velocidad de avance, se pueden determinar las regiones alcanzables y las características de manejo.

El modelo completo se crea combinando todos los subsistemas definidos. Se activa utilizando varias maniobras a partir de eventos de dirección en lazo abierto. Esto incluye la dirección en rampa, como se muestra en la Figura 21. La rampa es lenta y se extiende durante un período prolongado.

A. MAPs β - ρ

Dos variables, el ángulo de deslizamiento del vehículo y la distancia lateral del centro de velocidad, se definen respectivamente como β y ρ, siendo ésta la curvatura del CoG en la condición de estado estacionario descrita en la ecuación:

El MAP β - ρ muestra cómo se comporta el vehículo. En la Figura 22, la velocidad de guiñada r suele coincidir en signo con el ángulo de la dirección. Sin embargo, esto no es cierto para la velocidad lateral v. Cabe destacar que las características del vehículo aquí, dada una velocidad constante, cambian de signo con una variación de la curvatura. Además, a bajas velocidades, β y ρ tienen el mismo signo; este comportamiento se conoce a menudo como "nariz hacia afuera". Lo contrario ocurre a medida que aumenta la velocidad, dando un comportamiento de "nariz hacia adentro".

Otros MAP ayudan a comprender mejor el concepto de subviraje y sobreviraje.

B. MAPs ρ - δv

La dinámica del vehículo se centra en estudiar el comportamiento del mismo en respuesta a la acción del conductor. El plano (ρ, δv) puede representar bien esta relación, consulte la Figura 23.

Es evidente que algunas curvas a velocidad constante de avance alcanzan un límite conforme aumenta la entrada de la dirección. Esta inestabilidad puede indicar que el vehículo tiende a subvirar.

C. Regiones alcanzables de entrada

Los MAPas de entrada u, δv, y ãy pueden ayudar a comprender los límites del vehículo en cuanto a la aceleración lateral alcanzable. La Figura 24 muestra los MAPs de entrada del vehículo.

A partir de los MAPs de entrada, podemos observar si el vehículo tiende a sobrevirar. Este comportamiento indica un límite impuesto por la velocidad crítica, y no por el agarre. Dado que no es el caso, se puede confirmar un comportamiento de subviraje en el vehículo en este análisis.

Electrical analysis

Analizar las magnitudes eléctricas medidas durante la prueba nos permitió resolver algunos problemas que aquejaban al coche. En particular, durante pruebas anteriores observamos un comportamiento anormal, visible y audible incluso a simple vista. Mientras el vehículo funcionaba con normalidad, a veces se sacudía y "toseaba". Esto era seguido por breves momentos en los que perdía potencia, para luego volver a la operación normal.

Este comportamiento se repitió en la prueba de resistencia en Siena. Sin embargo, encontramos y solucionamos el problema al utilizar las herramientas de Dewesoft. Primero, aislamos los momentos en que se produjo esta anomalía. Este enfoque nos permitió comparar los valores instantáneos de la potencia eléctrica media utilizada por el motor. También analizamos la señal del pedal del acelerador, la velocidad del vehículo y las corrientes de línea en el lado de CA. Esto se muestra en la Figura 25.

El siguiente paso fue analizar las señales del acelerador y el perfil de velocidad cuando el comportamiento del coche era anormal. La Figura 5 muestra uno de los intervalos de tiempo en los que se produjo la anomalía. A medida que el vehículo reducía la velocidad, carecía de potencia y de frenos. La señal del acelerador (en verde) cambió rápidamente. Este cambio se produjo a una frecuencia demasiado alta y no es deseable.

Este hallazgo nos ayudó a evidenciar que la anomalía afectaba la mecánica del vehículo, lo que provocaba sacudidas. El movimiento inducido por el pie del conductor lo confirmó. Una vez establecido esto, nos centramos en encontrar la causa del problema. La Figura 25 muestra la tendencia de las corrientes de línea del motor. Es evidente que, cuando la velocidad comienza a disminuir, el coche empieza a sacudirse y las corrientes se cancelan.

Posteriormente, observamos el momento en el que las corrientes se cancelaban entre sí y detectamos que superaban los límites de seguridad establecidos por el sistema de control. La Figura 26 muestra una comparación de la misma señal. Dicha señal representa la corriente pico que absorbe el motor, medida por el sistema de control. La comparación se realiza con la corriente instantánea proveniente de los sensores analógicos, como Iu.

Una cosa clara a notar es los diferentes valores de la misma señal. Estos se midieron con una sonda de corriente analógica a 200 kHz y también fueron adquiridos con telemetría a bordo a una tasa mucho menor.

Aunque los valores son similares antes de que caiga la corriente, hay una diferencia clave: la sonda externa mide más de 400 A justo antes de la caída, mientras que la telemetría a bordo ni siquiera registra el pico.

A continuación, utilizamos la herramienta de análisis de frecuencia de señales de DewesoftX. Realizamos un análisis FFT (Transformada Rápida de Fourier) de las señales de corriente medidas, incluyendo la corriente de la batería y la corriente de línea que alimenta el motor. Nuestro objetivo fue examinar el contenido armónico en todo el rango de adquisición.

La Figura 27 muestra las tendencias de la corriente de la batería en la parte superior. La sección central muestra su FFT instantánea. La parte inferior exhibe el perfil de velocidad. A la derecha, se puede ver el mapa GPS. Esto corresponde a los momentos justo antes de que ocurriera una de las anomalías.

Lo que es inmediatamente notable en la FFT instantánea es la presencia de algunos picos de alta amplitud en el espectro. Se observan armónicos a 12 kHz y sus múltiplos, como 24, 36 y 48 kHz. También aparecen alrededor de 18 y 20 kHz.

Examinamos primero el comportamiento de los inversores. Configuramos su frecuencia de conmutación a 6 kHz. La lógica de accionamiento de los inversores explica por qué los armónicos en el espectro son iguales a 12 kHz y múltiplos de esta frecuencia, es decir, el doble de la frecuencia de conmutación utilizada.

En nuestro caso, se trata de inversores PWM monofásicos, cuya tensión de línea asume solo valores positivos o negativos durante la mitad del período definido por la fundamental. Obtuvimos este resultado al controlar los interruptores de la rama superior o inferior. Esto no es mutuamente exclusivo, como ocurre con los inversores PWM bipolares.

Como muestra la Figura 8, este tipo de control duplica la frecuencia de conmutación en comparación con la normalmente mencionada. Esta duplicación es la razón por la cual, a pesar de haber configurado la frecuencia a 6 kHz, la FFT muestra armónicos a 12 kHz y sus múltiplos. También es evidente que, para lograr este tipo de control, debemos implementar dos portadoras desfasadas 180°.

Las ventajas de utilizar este tipo de control, en comparación con el caso bipolar, son que reducen las pérdidas por efecto Joule durante las transiciones y el impacto en cuanto a emisiones (EMI). Gracias a la alta frecuencia de muestreo, pudimos confirmar experimentalmente lo que previamente habíamos observado en relación con el aspecto teórico del control PWM unipolar. Las tres tensiones de línea son, de hecho, "unipolares" en la mitad del período de la fundamental, desfasadas eléctricamente 120°, como se observa en la Figura 29.

El diagnóstico de la anomalía reveló que el exceso de ruido de los inversores superaba los límites de seguridad para las corrientes de CA y CC. El sistema de seguridad interno de los inversores cortaba instantáneamente la energía cuando se infringían estos límites. Debido a un pretensado subóptimo en la cadena de transmisión, esto provocaba que el coche experimentara notables "tirones".

Para solucionar el problema, el equipo se centra en el sistema de control del motor. Ajustamos los parámetros del controlador y, lo más importante, aumentamos la frecuencia de conmutación de los inversores de 6 a 14 kHz. Con el control PWM unipolar, esto elevó efectivamente la frecuencia de 12 a 28 kHz. Como resultado, el espectro armónico se desplazó a un rango donde el ruido se redujo de forma natural, lo que impidió que el sistema superara los límites impuestos y eliminó los cortes de potencia.

Las pruebas eléctricas en Siena también ayudaron a validar los modelos desarrollados por el equipo a lo largo del año. Específicamente, probamos el modelo térmico del motor EMRAX188 HV, que predice la temperatura del bobinado para un mejor manejo térmico.

Creamos el modelo térmico implementando una roja térmica equivalente a parámetros concentrados. Pudimos estudiar uno de los 18 dientes del estator gracias a las simetrías físicas presentes. La hipótesis central fue considerar únicamente las pérdidas en los bobinados del estator como fuente térmica. La Figura 30 muestra el patrón de referencia de uno de los dientes.

Donde T es el vector de temperaturas nodales, y el vector de entradas (la temperatura del agua de refrigeración que ingresa al motor y la corriente absorbida por el motor en RMS) es

Y A1, y matrices dentro de las cuales se encuentran los parámetros del circuito en la Figura 30. Además, en el modelo, la resistencia eléctrica (de la que dependen las pérdidas por efecto Joule) se actualiza en función de la temperatura según la siguiente relación: B1C.

Al medir la corriente absorbida durante la prueba, fue posible validar el modelo desarrollado. La Figura 31 muestra las tendencias de temperatura del sensor interno del motor. También se muestra la temperatura estimada por el modelo durante toda la prueba, incluyendo las pausas

La prueba realizada con Dewesoft nos permitió validar el modelo térmico del motor. Se identificaron áreas que requieren mejora, entre ellas, la precisión de los parámetros y un análisis más profundo de algunos elementos. Por el momento, hemos dejado de lado las pérdidas en el hierro y los imanes, y actualmente no se estima la temperatura de estos últimos.

Conclusión

La prueba en Siena nos proporcionó valiosos conocimientos sobre el rendimiento eléctrico y mecánico del coche y nos ayudó a resolver un problema clave de confiabilidad.

Los datos también nos permitieron validar nuestros modelos eléctricos y mecánicos, identificando tanto fortalezas como áreas de mejora y guiando nuestros próximos pasos.

E-TEAM Squadra Corse agradece sinceramente a Dewesoft, especialmente a Nomi, por la oportunidad y el apoyo, desde la provisión del equipo hasta el análisis de los resultados.