Roll angle estimation in racing motorcycles data analysis

L’obiettivo di questa tesi è sviluppare una metodologia di calcolo che possa potenzialmente stimare l’angolo di rollio di una motocicletta utilizzando i dati provenienti da un’unità di misura inerziale (IMU), in riferimento ai parametri di moto cinematici e dinamici come l’accelerazione e la velocità angolare della moto, e da un modulo GPS, in riferimento alle informazioni di posizionamento e velocità lineare del veicolo. Si ritiene che integrando questi insiemi di dati sia possibile derivare una stima accurata dell’angolo di rollio utilizzando sensori economici e ampiamente accessibili. Si auspica che tale stima non sia qualitativamente inferiore a quella ottenibile con sensori dedicati più costosi, come sistemi ottici o laser. Come caso di studio, sono stati considerati i dati acquisiti tramite un cruscotto AIM dalla moto da corsa del team 2WheelsPolito durante la stagione agonistica 2023; in particolare, ci si concentrerà sull’autodromo di Aragon (Spagna), anche se naturalmente si auspica che questo approccio risulti valido indipendentemente dal tipo di moto e dal tracciato. Nel tentativo di essere il più esaustivi possibile, si è scelto di focalizzarsi sui dati esportati da un giro selezionato casualmente. Adottando un approccio completo al calcolo dell’angolo di rollio, si auspica che questa ricerca possa fornire informazioni preziose nel campo dell’ingegneria motociclistica, contribuendo in ultima analisi a migliorare la sicurezza, le prestazioni e lo sviluppo di tecnologie motociclistiche avanzate. Lo scopo di questa tesi è ottenere un’approssimazione molto accurata dell’angolo di rollio della motocicletta, partendo dalle misurazioni IMU e GPS acquisite dal cruscotto della moto e opportunamente elaborate. L’approccio metodologico adottato in questa tesi ha previsto una fase iniziale di analisi teorica e confronto delle principali tecniche di stima dell’angolo di rollio. Questa fase ha evidenziato i vantaggi e le limitazioni dei metodi basati su considerazioni geometriche, trigonometriche e sull’integrazione della velocità angolare. La discussione successiva si è incentrata sull’impiego del filtro di Kalman esteso, al fine di facilitare l’integrazione intelligente e dinamica dei dati provenienti da più sensori, tenendo conto delle incertezze e del rumore intrinseco che caratterizzano i contesti di misura reali. I risultati ottenuti, sebbene limitati dall’uso di sensori non specializzati, dimostrano un grado soddisfacente di coerenza con il comportamento dinamico atteso del veicolo, validando così la metodologia adottata. Una notevole attenzione è stata dedicata alla calibrazione e all’analisi del set di dati ottenuto durante una sessione pratica in pista. Questo processo ha comportato un esame accurato dell’inclinazione della pista, un fattore spesso trascurato ma di fondamentale importanza per ottenere una stima che rifletta accuratamente il comportamento fisico della motocicletta. La capacità di stimare con precisione l’angolo di rollio senza la necessità di strumenti costosi o sofisticati apre prospettive interessanti per applicazioni in ambiti quali le competizioni, la produzione di serie, lo sviluppo di sistemi di guida assistita e l’analisi della dinamica del veicolo in scenari reali.