Analisi prestazionale di soluzioni di Model Predictive Control (MPC) per applicazioni a veicoli elettrificati = Performance Analysis of Model Predictive Control (MPC) Solutions for Electrified Vehicle Applications

Questa tesi si concentra sull’analisi delle prestazioni di soluzioni di Model Predictive Control (MPC) per applicazioni su veicoli ibridi, al fine di ottimizzare il consumo di carburante, ridurre le emissioni e garantire la caratteristica di charge-sustaining tipica dei veicoli ibridi non plug-in. Sono state sviluppate diverse formulazioni di adaptive MPC, considerando differenti previsioni della coppia richiesta dal conducente. In particolare, sono stati considerati due approcci: una predizione esatta offline basata su missioni di guida selezionate, e una previsione ottenuta da un modello del veicolo linearizzato online, con una coppia costante lungo l’orizzonte di previsione. Attraverso l’analisi di diversi scenari di guida, utilizzando cicli di guida standardizzati e una serie di test, sono state confrontate le prestazioni delle soluzioni MPC proposte. La funzione di costo `e stata appositamente progettata per considerare vari fattori al fine di garantire l’autonomia della batteria senza ricarica esterna, ridurre i consumi e stabilizzare la coppia del motore termico per il corretto funzionamento del motore e il comfort dei passeggeri. Questi fattori includono il mantenimento dello stato di carica della batteria entro una finestra operativa ottimale e la prevenzione di variazioni brusche della coppia del motore termico. Gli iperparametri dell’MPC sono stati ottimizzati per raggiungere gli obiettivi prefissati per ciascuna delle soluzioni MPC proposte, considerando le missioni di guida selezionate. L’implementazione del sistema `e stata realizzata utilizzando l’ambiente Matlab/Simulink.