Um Controlador Preditivo de Modelo Não Linear em Tempo Real para Otimização do Movimento de Guiñada de Veículos Elétricos com Tração Distribuída

Este artigo propõe uma estratégia de controle preditivo de modelo não linear (NMPC) em tempo real para controle direto do momento de guiñada (DYC) de veículos elétricos com tração distribuída (DDEVs). A estratégia NMPC é baseada em um modelo orientado ao controle construído pela integração de um modelo de veículo de pista única com o modelo de pneu da Fórmula Mágica (MF). Para mitigar o custo computacional do NMPC, o algoritmo de continuação/resíduo mínimo generalizado (C/GMRES) é empregado e modificado para otimização em tempo real. Como o algoritmo C/GMRES tradicional não pode resolver diretamente o problema de restrições de desigualdade, o método de penalização externo é introduzido para transformar restrições de desigualdade em um problema de otimização equivalente sem restrições. Baseando-se no princípio do mínimo de Pontryagin (PMP), a existência e unicidade da solução para o algoritmo C/GMRES proposto são provadas. Além disso, para alcançar uma inicialização rápida no algoritmo C/GMRES, a duração preditiva variável é adotada para que as expressões analíticas das soluções iniciais ótimas no algoritmo C/GMRES possam ser derivadas e obtidas. Um método de alocação de controle baseado na condição de Karush-Kuhn-Tucker (KKT) distribui a tração desejada e o momento de guiñada entre quatro motores independentes. Simulações numéricas são realizadas combinando CarSim e Matlab/Simulink para avaliar a eficácia da estratégia proposta. Os resultados demonstram que a estratégia NMPC em tempo real pode alcançar um desempenho de estabilidade do veículo superior, garantir as restrições de segurança dadas e reduzir significativamente os esforços computacionais.