En las carreras de Fórmula Uno (F1), el equipo ganador necesita salvar cada segundo que pueda para ser el primer auto en cruzar la línea de meta. Y si bien depende de los conductores tomar las mejores decisiones posibles cuando se trata de giros y cambios de marcha, corresponde a los ingenieros optimizar el vehículo en sí.
En un estudio publicado en la edición de julio de IEEE Transactions on Vehicular Technology , un equipo de ingenieros propuso un nuevo controlador para los autos de carreras de F1 que analiza las maniobras de los conductores durante una carrera y ayuda a optimizar el motor durante vueltas futuras en consecuencia.
«El estimador ‘adivinaría’ el comportamiento futuro del conductor y proporcionaría al controlador futuras solicitudes de energía».
Un factor que hace que la optimización del motor de F1 sea aún más desafiante es el hecho de que la Fédération Internationale de l’Automobile exige desde 2014 que todos los coches tengan un motor híbrido de combustión eléctrica. En este caso, el vehículo cuenta con un motor de combustión interna de seis cilindros de dimensiones reducidas que está apoyado por un turbocompresor eléctrico y un grupo motogenerador de calor (MGU-H). Este último componente ayuda a recuperar energía de fuentes de calor, como los gases de escape, y devuelve la energía al sistema del vehículo. Un segundo motor eléctrico está montado en el cigüeñal del motor, que proporciona un par adicional al acelerar y recupera energía cinética cuando el vehículo frena.
«La generación actual de coches de F1 son sistemas muy complejos», explica Marc Neumann, Ph.D. Candidato en el Instituto de Sistemas Dinámicos y Control de ETH Zurich . «El desafío de diseñar controladores para estos vehículos radica en la interacción entre los componentes térmicos y eléctricos de la unidad de potencia».
Por ello, su equipo buscó crear un controlador que optimice la coordinación entre los aspectos eléctricos y de combustión del vehículo híbrido. Es importante destacar que llevaron su diseño un paso más allá al permitirle tener en cuenta el comportamiento del conductor.
El quid de la cuestión es que incluso el mejor de los conductores puede estar cambiando de marcha varios milisegundos antes o después del tiempo óptimo. En estos casos, es posible que el sistema del vehículo no optimice ni recupere parte del exceso de energía cinética en el sistema.
El controlador de Neumann y sus colegas toma nota de estas discrepancias en el comportamiento del conductor en tiempo real y adapta en consecuencia las interacciones entre los componentes eléctricos y térmicos del motor híbrido en vueltas futuras. Mientras que los controladores convencionales suelen estar preprogramados, el suyo es adaptativo.
“Tuvimos que implementar un estimador que estimara trayectorias futuras. En particular, el calculador ‘adivinaría’ el comportamiento futuro del conductor y proporcionaría al controlador futuras solicitudes de potencia”, explica Neumann.
Por razones de confidencialidad, los investigadores no pueden revelar para qué competidor de F1 trabajan ni compartir resultados que comparen su controlador con otros. Sin embargo, en su estudio configuraron un modelo de simulación para comparar su controlador con el escenario óptimo donde todas las condiciones son perfectas.
A través de estas simulaciones, los investigadores muestran que su tecnología podría ayudar a un coche de carreras a completar una vuelta a la pista entre sólo 49 ms y 64 ms menos que la situación teórica óptima (donde el conductor realiza cada acción perfectamente), que consideran aceptable. «Además, demostramos que la mayor parte de esta suboptimidad se debe al componente de gestión de energía, o a la rapidez con la que deben eliminarse las desviaciones de energía, lo que sugiere que un ajuste [adicional] [de nuestro modelo] podría disminuir aún más la suboptimidad», explica Neumann.
A continuación, Neumann dice que su equipo planea continuar explorando formas de optimizar los autos de carreras de F1, pero con un enfoque más «global» que considere tanto las decisiones de hardware como de software que pueden influir en el comportamiento general del vehículo.
