NMPC-based Torque Vectoring Controller with Road Curvature preview for a 4WD Formula SAE electric vehicle

L’obiettivo del presente lavoro di tesi è sviluppare un ambiente di simulazione MATLAB/Simulink al fine di implementare un controllore di Torque Vectoring per una vettura di Formula SAE full electric con 4 in-wheel motors. Seguendo le indicazioni fornite dalla letteratura nel campo dei controlli automatici per applicazioni automotive, è stato sviluppato un controllore NMPC (Nonlinear Model Predictive Control) mediante l’utilizzo di ACADO Toolkit. Verranno confrontate le prestazioni di due configurazioni di controllo, NMPC ed NMPC con preview, rispetto a un modello di veicolo passivo basato su un modello dual track a 7 gradi di libertà. L’analisi considera la possibilità di eseguire manovre in open-loop generate imponendo parametri derivati da misurazioni sperimentali effettuate durante giri di pista, in scenari caratterizzati da un coefficiente di attrito variabile. L’architettura implementata è predisposta inoltre per estensioni AI che, tramite tecniche di IL applicate a reti neurali, consentono di ottenere performance di controllo simili a quelle ottenute con approcci model-based ma a fronte di un minore costo computazionale garantendo dunque l’implementazione real time su tipiche ECU per veicoli FSAE. I risultati ottenuti da un tuning preliminare del controllore mostrano che l’algoritmo di controllo sviluppato è in grado di estendere il range di stabilità del veicolo consentendo di raggiungere accelerazioni laterali maggiori nelle principali manovre steady-state.