Progetti di ricerca sul tema della Green Mobility

Progetti di ricerca sul
tema della Green
Mobility Prof. Sauro Longhi
Dipartimento di Ingegneria
dell'Informazione
Green Mobility:
Sfide Tecnologiche nei Veicoli Elettrici ed Opportunità per il Territorio
Ancona, Facoltà di Ingegneria, 18 Aprile, 2012 I Veicoli Elettrici potranno azzerare i nostri costi di mobilità??
Avremo costi energetici più bassi per la mobilità??
Avremo un abbattimento dell’inquinamento prodotto dalla
mobilità??
Possiamo migliorare i rendimenti delle conversioni energetiche??
Rendimenti!!
L = F⋅ s
Lavoro = forza x spostamento
€
€
[J ]
Modello di riferimento per
la mobilità pubblica e
privata:
Veicolo autonomo
Sistema di
accumulo energia
Sistema per la
trasformazione di
energia
Rete distributiva di energia
(idrocarburi) per garantire
autonomia di percorrenza
Sistema
meccanico per il
moto
Modello di riferimento per
un veicolo elettrico:
Veicolo autonomo elettrico
Sistema di
accumulo energia
Sistema per la
trasformazione in
energia elettrica
Rete distributiva di energia
(idrocarburi – energia
elettrica) per garantire la
necessaria autonomia
Sistema elettrico
per il moto
Modello di riferimento per
un veicolo ibrido:
Veicolo autonomo ibrido
Serbatoio
carburante
Motore termico per
la trasformazione
in energia elettrica
Rete distributiva di energia
(idrocarburi)
Per ogni sistema si può ottimizzare il
rendimento, si abbattono i consumi e il
conseguente inquinamento
Sistema elettrico
per il moto
Modello di riferimento per
un veicolo elettrico:
Veicolo autonomo elettrico
Accumulatore
elettrico
Sistema
elettronico per la
gestione dei
consumi
Rete distributiva di energia
(elettrica)
Per ogni sistema si può ottimizzare il
rendimento, si abbattono i consumi e si
azzera (quasi) l’inquinamento “urbano”
Sistema elettrico
per il moto
Esistono alcune varianti ai
modelli richiamati:
Veicolo autonomo elettrico
Serbatoio
carburante
Cella combustibile
per la
trasformazione in
energia elettrica
Sistema elettrico
per il moto
Rete distributiva di energia
(idrogeno)
Per ogni sistema si può ottimizzare il rendimento, si
abbattono i consumi e il conseguente inquinamento, si
azzera (quasi) l’inquinamento “urbano”
All’interno di questa
classificazione si possono
individuare molte “varianti” sia per
le soluzioni ibride che quelle
completamente elettriche, sia per
la parte di trasformazione che di
accumulo
Negli ultimi anni le informazioni disponibili su
questi aspetti hanno avuto una crescita
esponenziale per il sempre maggiore interesse
verso la mobilità con veicoli elettrici
Le problematiche di Ricerca & Sviluppo in questo settore sono
molteplici e complesse, e trattano:
- - Aspetti Tecnici
- - Aspetti Gestionali
- - Aspetti Socio-Politici
- - Questioni Economiche
Per questa Tavola Rotonda attenzione su Aspetti Tecnici e
Tecnologici: Accumulatori Sistemi di ricarica Progettazione del propulsore elettrico Rete distribuzione energia L’auto un elemento della Smart Grid?
L’uso delle energie rinnovabili per ricaricare gli
accumulatori dell’auto, abbattimento completo dei
[J] e dell’inquinamento (quasi, restano sempre le
polveri sottili prodotte dal rotolamento)
La Mobilità integrata con la Domotica
Un esempio:
Innovant et inédit, un concept
“maison + transport” = zéro énergie et zéro CO2
http://www.concept-mfc-2020.fr/fr/Concept/presentation.aspx
Un sempre maggiore interesse:
Domotica (Smart Home)
“bisogni delle persone”
“efficienza energetica”
“energie rinnovabili”
ci si può collegare anche con la mobilità
La Smart Home come “nodo” della Smart City e
di supporto alla “Smart Grid”
Attività di ricerca all’interno del
Dipartimento di Ingegneria
dell’Informazione
Intelligent Power Management System for the hybrid vehicle ”Smile” (FAAM -­‐ It) Primary Source: ●  Hydrogen (Fuel Cell) AddiConally source: ● Ultracapacitors ● BaGery Pack. Risultati
Fuel Cell Electric Vehicle
The Powertrain scheme of the FCEV
Hydrogen Tank Dc/Dc Boost Converter Fuel Cell Stacks Dc/Dc Buck/Boost Converter Ultra-­‐ Capacitors Motor Inverter BaGery Pack Risultati
Neural Network Controller
Neural Networks are used to generate the input signals for
the power control in the FCEV. Statistical Learning is used to
design the net's weights
up
_
_
: : : : Fuel Cell Stacks _
Ultracapacitors _
∑ BaGery Pack Net's Weights Statistical Learning Approach
yp
Risultati
State of charge battery
- Statistical Learning is applied
in the power management
control problem for a FCEV
- Results show that SL is a
good tool to solve this problem
(M. Cavalletti, J. Piovesan, C. T. Abdallah, S. Longhi, P. Dorato, G. Ippoliti)
Statistical Learning Applied to the Energy Management in a Fuel Cell
Electric Vehicle, IFAC World Congress, Seoul, Corea, July 2008.
(M. Cavalletti, J. Piovesan, C. T. Abdallah, S. Longhi, P. Dorato, G. Ippoliti)
Statistical Learning Controller for the energy management in a Fuel Cell
Electric Vehicle, IEEE Conference on Decision &Control, Cancun, Mexico,
December 2008.
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
EHI - TEAM
Yellow Car Project
Universitá Politecnica delle Marche
Ancona - Italy
October 1, 2008
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
EHI-TEAM
EHI TEAM
EHI TEAM is composed of 14 students
2 PhD students in Electrical and Computer Engineering
3 PhD students in Mechanical Engineering
5 Master’s students in Electrical and Computer Engineering
2 Master’s students in Mechanical Engineering
2 Bachelor’s students in Electrical and Computer Engineering
University support
Three Faculty Advisors
Industry support
Three Industry Advisors
Industrial Laboratory
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Yellow Car Project
The Idea
Design a light vehicle (less then 500 kg)
Using two hub motors
Four independent suspensions
Four steering wheels using the steering by wire technologies
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Software tools
Dynamic Analysis
Dynamic characterisation of the whole
veichle have been carried out by
means of multibody simulations using
LMS VirtualLab software
The behaviour was evaluated in terms
of roll and pitch dynamics and
understeering gradient [deg/g]
Structural Analysis
A structural study of chassis has been
made using a Finite Element model
based on the CAD design
Starting from results of dynamic
analysis, a structural study has been
carried out in a FE environment
(ANSYS)
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Electrical Scheme
Control Scheme
2 Hub Motors + 2 cotrollers
A Step motor to control the rear steering box
48V 160 Ah lithium battery + SuperCap
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Battery pack
Devices
18 Thundersky lithium cells
(160 Ah)
4 Ultracapacitors Maxwell
modules
Battery Management System
Energy
8 kWh and about 100 km of
autonomy (economy drive)
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Steering action
Owing to stepper motor, a four steering action supports the pilot during
manoeuvres;
A PID controller tries to folow the set-point set by steering logic;
Set point is fuction of speed of wheels angle:
Small if speed is low (rear and anterior angles are discordant);
Small if speed is high (rear and anterior angles are accordant);
The frequency of the controller is set to 20Hz.
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Software Tools
Yellow Car Pilot Interface
Pilot can monitor in soft real-time
the vehicle’s telemetry over
different communication links as
CANBus, RS232 and USB.
LabView 8.2 is use to implement
the control law.
Battery Management System
Yellow car is powered by Lithium pack
and a BMS check the whole system.
BMS Labview interface gets all the
information required via CANBus link.
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Gantt Chart
No time to test the system!!
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Introduction
Mechanical Design
Electrical Design
The Vehicle
Conclusion
Universitá Politecnica delle Marche Ancona - Italy
EHI - TEAM
Controllo
Motori
Elettrici
Robust Speed Estimation and Control of PM
Synchronous Motors via quasi-sliding modes
■  In
electric drive systems, electromechanical
parameter variations are a well recognized problem
■  Variable
Structure Control (VSC)
•  noticeable robustness and invariance properties
to matched uncertainties
•  computational simple
■  VSC
schemes are based on high frequency switching
of the control signal
CDC, Atlanta, Georgia, USA, Dec. 2010
Ciabattoni, Corradini, Grisostomi, Ippoliti, Longhi, Orlando
■ 
■ 
Control signals of the switching type, give problems to the
cascade control structure of FOC
For the outer speed control loop VSC techniques can not be
applied (reference input of the inner current control loop should
have bounded time derivatives)
CDC, Atlanta, Georgia, USA, Dec. 2010
Ciabattoni, Corradini, Grisostomi, Ippoliti, Longhi, Orlando
Controllo
Motori
Elettrici
Adaptive Extended Kalman Filter for
Sensorless Robust Control of PMSM Drives High performance control of PMSM drives requires the knowledge of the
rotor shaft position and speed (need for position sensors)
The demand of inexpensive and reliable drives now pushes applied
research toward the elimination of mechanical sensors
These sensors present several disadvantages: Reduced reliability,
Susceptibility to noise, Additional cost and weight, Increased complexity
of the drive system
Sensorless Control
Adaptive Extended Kalman Filter to estimate position and speed from
measures of electrical quantities
Adaptive method used to reduce customization required by each EKF
IEEE CDC, Orlando, Florida, December 2011
drives application
Ciaba&oni, Corradini, Grisostomi, Ippoli3, Longhi, Orlando Summing up The features of the DTVSC-based FOC technique combined with the EKF-based
rotor position and speed estimator are exploited in this work to design the cascade
control
•  External speed DTVSC-based control loop
•  Two internal current DTVSC-based control loops
•  AEKF-based rotor position and speed estimator
•  The speed controller in
the outer control loop:
o  provides the reference
current for one of the
two
inner
current
control loops
o  this reference current
corresponds to the
required motor torque
AEKF •  The AEKF estimates the rotor position and speed
from measurements of electric quantities
•  The direct reference current is set to zero because
no field-weakening operation is required
IEEE CDC, Orlando, Florida, December 2011
Ciaba&oni, Corradini, Grisostomi, Ippoli3, Longhi, Orlando Nonlinear sensorless control scheme for the speed control of a
PMSM based on:
•  Discrete Time VSC
•  AEKF to estimate rotor speed and position
Experimental tests on a commercial DSP shows better performance
compared to a PI-based FOC with backward difference, and a higher
robustness in presence of disturbance.
AEKF shows good speed and position estimation capability with
reduced customization for the matrixes design.
Work In progress: development of a sliding mode observer
IEEE CDC, Orlando, Florida, December 2011
Ciaba&oni, Corradini, Grisostomi, Ippoli3, Longhi, Orlando Veicolo autonomo elettrico
Accumulatore
elettrico
Sistema
elettronico per la
gestione dei
consumi
Sistema elettrico
per il moto
Rete distributiva di energia
(elettrica)
S4FE: Services for Full Electric Vehicle
Massimo Conti
Conclusioni
Molteplici sono gli aspetti tecnici e
tecnologici da sviluppare
Ma ancora di più sono i problemi sociopolitici ed economici
Le tecnologie sono “pronte” per la
mobilità elettrica, resta il problema degli
investimenti necessari