Analisi sperimentale del comportamento degli pneumatici: case study di un prototipo di veicolo ad idrogeno

Per migliorare le prestazioni del loro prototipo a idrogeno, il team H2politO del Politecnico di Torino ha condotto un’analisi sperimentale approfondita del comportamento degli pneumatici e della trasmissione. Utilizzando sistemi avanzati di acquisizione dati Dewesoft e sensori di temperatura RFID wireless, il team ha raccolto informazioni fondamentali su rigidezza in curva, deriva laterale e risposta termica. I risultati consentiranno di affinare la modellazione del veicolo e la strategia di gara in vista delle future competizioni Shell Eco-Marathon.

Il Team H2politO è un team universitario del prestigioso Politecnico di Torino. Il team partecipa regolarmente alla Shell Eco Marathon Europe-Africa, una competizione incentrata sul consumo di carburante. 

Durante la competizione, l'obiettivo è completare:

• 11 giri, per una distanza totale di 14,5 km, entro un tempo massimo di 35 minuti

• 10 giri, durante i quali viene misurato il consumo di carburante.

Vince il team che utilizza la minore quantità di carburante.

Il team ha due veicoli in gara nelle due categorie:

• Combustion Engine Urban Concept (JUNO)

• Hydrogen Fuel Cell Prototype (IDRAzephyrus)

Membri del team che hanno partecipato alla raccolta dati e stesura del case study:

• Carlo Maria Desenzani, strategy & dynamic division manager

• Davide Molina, vehicle manager

• Alexander James Valtorta, electronic division manager

• Alessandro Zuccotti, mechanic division manager

IDRAzephyrus

La Figura 2 mostra il veicolo Prototype IDRAzephyrus coinvolto in questo progetto. Il veicolo IDRAzephyrus è estremamente compatto e leggero, ma non dispone di spazio interno per ospitare strumentazione pesante o ingombrante. Si tratta di un monoscocca in fibra di carbonio progettata per ridurre al minimo la massa, l’area frontale e il coefficiente di penetrazione aerodinamica.

IDRAzephyrus – Caratteristiche del veicolo

Il powertrain del veicolo è costituito da una Fuel Cell, un FCCU che include un convertitore DC/DC (che gestisce la carica di un insieme di supercondensatori) e un controller del motore che alimenta il motore elettrico PMDC di bordo.

Ottenere un’elevata efficienza dei sottosistemi è fondamentale per conseguire un risultato competitivo, ma anche l’approccio strategico adottato durante la competizione gioca un ruolo significativo.

Una delle attività di misura più critiche riguarda la dinamica del veicolo, per la quale sono necessari sensori appositamente progettati. Attraverso questa analisi, è possibile guidare gli sviluppi sia dal punto di vista dinamico sia strutturale del veicolo.

È inoltre possibile migliorare la simulazione del veicolo sia a livello dinamico sia energetico. Il nostro team utilizza questa simulazione avanzata per sviluppare la strategia di gara ottimale per uno specifico circuito, le condizioni della strada e l’altitudine. Questo approccio garantisce i migliori risultati possibili in termini di consumo di carburante.

La divisione Vehicle Dynamics and Strategy sfrutta una metodologia basata sui dati per costruire un modello completo del veicolo. Questo modello permette di acquisire informazioni fondamentali, consentendo un ulteriore perfezionamento e ottimizzazione di diversi componenti del veicolo.

Partners coinvolti

Il progetto qui descritto ha visto la collaborazione di diversi “attori”, ognuno con un ruolo decisivo nel processo di misurazione e acquisizione dei dati. Il team, composto da studenti del Politecnico di Torino, aveva la necessità di ricavare misure precise e affidabili per analizzare in modo più preciso il comportamento del prototipo.

Per raggiungere questo obiettivo abbiamo collaborato, in continuità con gli ultimi anni, con DEWESoft, un'azienda specializzata in strumentazione per l'acquisizione di dati.

DEWESoft ci ha fornito un sistema di acquisizione analogico-digitale ad alte prestazioni, indispensabile per acquisire i segnali dei diversi sensori installati sul veicolo. Inoltre, ci ha reso disponibile la piattaforma inerziale NAVION e le antenne GPS differenziali, strumenti avanzati per ricavare con precisione le traiettorie del veicolo in condizioni d'uso reali.

Un ulteriore contributo tecnico è arrivato da una azienda partner di DEWESoft, Radio6ense. Questa azienda ci ha fornito sensori di temperatura passivi RFID non invasivi che abbiamo potuto collocare sia tra la camera d'aria e lo pneumatico, sia sullo statore del motore elettrico. Questi innovativi sensori, completamente privi di batterie, venivano attivati da un lettore RFID sviluppato da DEWESoft, SixSense, perfettamente integrato nell'ecosistema DEWESoft.

Grazie a questa soluzione siamo stati in grado di ottenere preziose informazioni termiche in punti altrimenti inaccessibili dello pneumatico sincronizzati con i dati di dinamica del veicolo.

Scopo dell'attività

Per sviluppare una strategia di gara che ottimizzi le prestazioni del veicolo, è necessario un modello che consideri gli aspetti energetici di ciascun componente. Questo modello deve inoltre tenere conto di come tali componenti interagiscono con l’ambiente circostante e catturare il comportamento dinamico del veicolo.

La modellazione della dinamica longitudinale è relativamente semplice, poiché l’auto richiede poca coppia per accelerare. Al contrario, la modellazione della dinamica laterale è molto più complessa, rendendo essenziale ottenere una maggiore corrispondenza tra i risultati della simulazione e il comportamento reale.

La nostra principale limitazione è l’assenza di strumenti adeguati per acquisire dati del veicolo, come le accelerazioni longitudinali e angolari. Non disponiamo né di accelerometri né di giroscopi, pertanto non possiamo ricavare informazioni sull’interazione tra pneumatici e asfalto.

Fino ad oggi, per i modelli del Team, alcuni coefficienti, come la rigidezza in curva, sono stati stimati geometricamente e derivati dalla distribuzione di massa dell’auto. Tuttavia, i dati ottenuti in passato dal Team sono solo approssimativi, causando discrepanze tra il comportamento reale e quello simulato.

Nel corso dell’ultimo anno, il Team ha inoltre acquisito esperienza nell’analisi e nella comprensione dello pneumatico, componente chiave in una gara basata sull’efficienza. Durante alcuni test preliminari di quest’anno, abbiamo misurato sperimentalmente che una variazione di 8 °C della temperatura dell’asfalto può aumentare la resistenza aerodinamica fino al 14 % con i nostri pneumatici attuali. Questo risultato evidenzia l’impatto significativo della temperatura della superficie sulle prestazioni degli pneumatici. Perciò, il nostro obiettivo è ora raccogliere dati per analizzare ulteriormente questo aspetto.

L’obiettivo del Team era quindi monitorare la temperatura degli pneumatici, così come di altri componenti difficili da raggiungere, come il motore elettrico e il riduttore di velocità. Un monitoraggio che, per nulla, si è rivelato un compito semplice!

La soluzione

Durante i test in pista, abbiamo impiegato strumentazioni avanzate Dewesoft per raccogliere un’ampia gamma di dati eterogenei. In particolare, sono stati utilizzati il sistema di navigazione inerziale Navion2, il modulo di acquisizione dati ad alta dinamica SIRIUS HD 16xLV e SixSense, un innovativo sistema di lettura RFID sviluppato da DEWESoft in collaborazione con Radio6ense.

Data la quantità e la varietà dei dati acquisiti, non era possibile effettuare un'analisi completa ed esaustiva in tempi brevi e da tutti i punti di vista possibili. Pertanto, i test sono stati progettati e condotti con l'obiettivo di costruire un database strutturato e completo, che vuole essere inoltre una risorsa preziosa per future consultazioni e analisi del Team, supportando lo sviluppo continuo e il confronto con i test futuri.

Una prima analisi è stata condotta osservando l'interazione tra asfalto e pneumatico, cercando di caratterizzare quest'ultimo, che risulta essere l'elemento più complesso all'interno di un veicolo. 

Per fare ciò è stata utilizzata la NAVION2, un sistema di navigazione inerziale avanzato in grado di calcolare le accelerazioni angolari e longitudinali come se si trovasse al centro di massa del veicolo, anche se fisicamente posizionato altrove. Inserendo la posizione relativa dal centro di massa, il sistema esegue internamente le trasformazioni di coordinate necessarie.

Il principale ostacolo nell'analisi della dinamica del veicolo è la difficoltà ad ottenere l'angolo di slittamento laterale del veicolo, valore che siamo riusciti a calcolare grazie alla piattaforma inerziale di Dewesoft. Una volta ottenuto questo valore, è poi semplice ricavare quello relativo alle singole ruote, nota la geometria del veicolo e la sua accelerazione angolare lungo l'asse Z.

Conoscendo quindi l'angolo di slittamento laterale e le forze sul veicolo, è possibile ricavare la cornering stiffness dello pneumatico.

Per analizzare i dati è stato utilizzato il modello a bicicletta, che rappresenta l'asse anteriore con due ruote sovrapposte e considera la ruota posteriore come singola, come già avviene nel veicolo, consentendo così un'analisi efficace del comportamento in curva con un basso livello di complessità computazionale che si dimostra efficace per la nostra applicazione.

Alcuni effetti, come lo spostamento del carico tra gli assi o la variazione dell'angolo di camber, non sono stati considerati in questa fase. La scelta è stata dettata dalla configurazione leggera del veicolo, con una massa a vuoto di circa 30 kg, che rende questi effetti trascurabili ai fini dell'analisi condotta, poiché non viene raggiunta la zona di saturazione della cornering stiffness. 

Grazie alla strumentazione SixSense di DEWESoft, che si basa sulla tecnologia RFID wireless, abbiamo potuto montare facilmente i sensori su componenti rotanti come gli pneumatici e su parti complesse da raggiungere come il motore elettrico e il riduttore di velocità. I dati sulla temperatura sono stati monitorati attraverso antenne collegate al ricevitore via Ethernet, con una sincronizzazione completa gestita all'interno dell'ambiente DEWESoft.

Set-up Sperimentale

I setup sono stati eseguiti sul prototipo IDRAzephyrus in preparazione delle prove in pista.

DEWESoft Italia ha fornito la seguente strumentazione:

• NAVIONi2 per dati dinamici del veicolo

• SIRIUS HD 16xLV per dati del CAN Bus del veicolo e due potenziometri per la misura dell’angolo di sterzo

• SixSense Reader: il lettore RFID, operante nella banda di frequenza UHF connesso con le antenne e con il computer

La piattaforma inerziale è stata posizionata sotto il piantone dello sterzo, con distanze misurate con precisione dal centro di massa dell'auto utilizzando il cad dell'auto.

Il setup utilizzato è stato predefinito, si è esclusa la fuel cell, e il prototipo è stato quindi alimentato da tre batterie LiPo 12 V 5000 mAh. Le schede utilizzate in questa configurazione sono:

• Dc-Dc Converter

• Supercap

• Power Supply Board

• Modulo Telemetria

• Volante

• Sensori di angolo sterzo

• Sensori di velocità

• Extra: Telefono

L'implementazione per i test è stata semplice, richiedendo solo piccole modifiche alla configurazione e alla disposizione nella parte anteriore del veicolo (Figura 4).

La telemetria è stata collegata al DAQ tramite il protocollo CAN bus per trasmettere i dati generati dal veicolo.

Il DAQ è stato alimentato da una batteria LiPo da 12 V 5000 mAh, collegata tramite un adattatore.

I sensori di temperatura dello pneumatico sono stati inseriti tra la camera d'aria e lo pneumatico. Durante l'assemblaggio la loro tenuta è stata assicurata con nastro adesivo (Figura 5). Il loro grande vantaggio è stato il loro piccolo spessore, che ha permesso di lasciare inalterata la superficie dello pneumatico nonostante la loro presenza. Tutte e tre le ruote del veicolo erano provviste di una coppia di questi sensori, per un totale di sei sensori.

Ulteriori sensori adatti a superfici metalliche sono stati collocati sul motore elettrico e sul riduttore di velocità. Insieme ai sensori, sono state posizionate vicino ad essi le antenne (Figura 6) necessarie per dare energia ai sensori stessi, consentendo loro di acquisire i dati ed inviarli.

La figura 7 mostra la preparazione del veicolo in laboratorio, prima dei test.

Durante le prove in pista sono stati effettuati molti giri per simulare un run di gara, per facilitare la lettura dei test, sia ora che in futuro, e per analizzare il comportamento dinamico del veicolo in condizioni simili a quelle che si affronteranno in gara.

Acquisizione e analisi dati

Una volta acquisiti i dati abbiamo potuto analizzarli grazie a Dewesoft ed al loro software.

Un primo importante dato ottenuto è attraverso il diagramma delle forze del veicolo in XY (figura 8). Questo diagramma mostra le forze che agiscono sul veicolo ed è di fondamentale importanza a livello meccanico quando si progetta un nuovo componente, poiché da questi dati si può calcolare la forza massima agente sul veicolo e quindi le sue componenti.

I dati principali analizzati sono stati quelli relativi al comportamento laterale del prototipo IDRAzephyrus, come la cornering stiffness e il side slip angle anteriore e posteriore

La Figura 9 mostra il side slip angle del veicolo calcolato con il sistema NAVION, mentre la Figura 10 mostra i dati provenienti dal sensore di sterzo che, grazie alla tensione di uscita, consente di calcolare gli angoli ruota e infine nella Figura 11 troviamo lo yaw rate.

I dati sono stati poi filtrati a 2 Hz attraverso un filtro IIR, in questo modo è stato possibile calcolare, tramite anche la geometria del veicolo, i side slip angle dell'asse anteriore e posteriore, riportati in Figura 12. Sempre in Figura 12 viene mostrato un veicolo complessivamente molto neutro, con gli angoli di slittamento laterale anteriore e posteriore praticamente uguali; infatti, anche considerando l'intera misurazione di 7 giri e valutando la differenza tra i valori degli angoli di slittamento anteriore e posteriore la media è praticamente nulla.

Attraverso questi dati è stato possibile calcolare la cornering stiffness rappresentata in Figura 13 (qui confrontata con l’angolo di sterzo). I dati evidenziano dei picchi non presenti mentre il veicolo è in curva per questo si è deciso di introdurre una funzione “if” per ottenere un valore cornering stiffness significativo per angoli di sterzo maggiori di 1° (altrimenti viene restituito un valore pari a 0°). Inoltre, si può notare che la cornering stiffness varia lungo il circuito, questo è dovuto alla flessione del veicolo, che induce un camber variabile, e alle condizioni dell'asfalto durante le diverse curve. 

Nella Figura 14 sono riportati i risultati di questa operazione, in particolare la cornering stiffness anteriore (in verde) e posteriore (in bianco) quando le ruote anteriori sono sterzate di oltre 1°.

In Figura 15 è riportata una panoramica delle formule utilizzate per il calcolo. Questi dati sono stati poi elaborati in MATLAB per ottenere un vettore che contenesse solo i valori maggiori di zero (Figura 16). Da questo vettore è stato poi calcolato il valore quadratico medio per ottenere un numero costante da utilizzare nel modello Amesim.

Il valore ottenuto per la cornering stiffness all'anteriore è stato di 1621,5 N/rad mentre al posteriore di 1009,8 N/rad, mentre i valori precedentemente utilizzati (ottenuti in passato dal Team) per la simulazione dinamica del veicolo erano pari a 2000 N/rad all'asse anteriore e 1500 N/rad a quello posteriore.

Dopo l'analisi della dinamica del veicolo, sono state analizzate le temperature acquisite attraverso i sensori Radio6ense.

La Figura 17 rappresenta la temperatura del motore (in rosso), durante l'intero run di gara simulato: questo viene acceso a intervalli; quindi, come si può osservare ci sono momenti in cui la temperatura aumenta e momenti in cui la temperatura rimane costante o diminuisce, a seconda della sua capacità di effettuare lo scambio termico. Un vero e proprio stato stazionario viene raggiunto solo negli ultimi sette minuti della misurazione, infatti, in questo intervallo il calore che aumenta durante la fase accesa è uguale al calore scambiato nella fase spenta. Ciò fornisce quindi ottime indicazioni sull'intervallo di temperatura in cui viene utilizzato il motore elettrico, ma allo stesso tempo evidenzia come la perdita di potenza nel rame cambi costantemente durante la gara. Quest’evidenza sarà quindi utilizzata per creare un fitting all'interno del modello che considera già una temperatura del motore che evolve nel tempo; inoltre, ci aiuterà nel prossimo banco prova motori ad individuare l'intervallo di temperatura a cui eseguire i test di caratterizzazione del nuovo motore elettrico.

Sempre in Figura 17 (in blu) si può vedere la temperatura acquisita dal riduttore di velocità, che aumenta più lentamente ma in regime stazionario raggiunge lo stesso valore poiché i due elementi sono interconnessi. 

Per quanto riguarda i dati della temperatura allo pneumatico, in Figura 18, si evidenzia quanto già notato nei primi test di quest'anno, dove lo pneumatico presenta sostanzialmente un breve transitorio per conformarsi alla temperatura dell'asfalto senza aumentare la sua temperatura a causa delle curve. Si riporta il grafico della temperatura di un singolo pneumatico, poiché il comportamento è lo stesso sia per lo pneumatico anteriore, più sollecitato dallo sterzo, sia per quello pneumatico posteriore, utilizzato per accelerare la vettura.

Conclusioni

I test sperimentali condotti si sono rivelati molto proficui dal punto di vista dei dati ottenuti, e la decisione di simulare le gare si è dimostrata eccellente, poiché ha fornito un’ampia quantità di dati rappresentativi delle reali condizioni di utilizzo del veicolo.

Anche i risultati ottenuti dal punto di vista dinamico sono stati eccellenti e solidi. Infatti, differivano da quelli precedentemente utilizzati dal team, permettendo al modello dinamico di avvicinarsi maggiormente alla realtà, poiché i dati sono stati raccolti in modo più rigoroso e con strumentazioni più avanzate, rendendoli più accurati, affidabili e robusti.

Infine, grazie alla misurazione delle temperature del motore elettrico e degli pneumatici, siamo stati in grado di ottenere dati che sarebbero stati difficili da stimare altrimenti, fornendoci un nuovo riferimento chiave per la preparazione di futuri test su questi componenti.