Development of a fuel-saving algorithm for a vehicle's driver assistant system

Abstract

A fim de reduzir o consumo de combustível em sistemas de propulsão automotivos, a implementação de conjuntos motrizes híbridos, o downsizing de motores à combustão interna e a automatização do câmbio têm crescido no mercado de veículos de passeio. No entanto, as melhorias individuais em sistemas de um veículo não necessariamente aproximam a sua operação do ponto de ótima eficiência, e a adição de diferentes fontes de energia deve ser feita de forma metódica e estruturada, a fim de proporcionar ganhos consideráveis em consumo de combustível. Ademais, o comportamento do condutor e as trajetórias percorridas pelo veículo são características extremamente dependentes da região em análise, dificultando ainda mais o desenvolvimento de uma estratégia única de redução de consumo de combustível. Assim, a partir de um modelo de dinâmica longitudinal com três graus de liberdade para um veículo genérico, desenvolvido utilizando as equações de Euler-Lagrange do segundo tipo, essa dissertação tem como objetivo principal a proposta de um algoritmo para um assistente de direção automotivo, o qual promove a redução do consumo de combustível a partir do ajuste da relação de transmissão e abertura da válvula borboleta, em função da demanda de torque imposta pelo condutor, dinâmica do powertrain e características da fonte de potência. As características de desempenho do motor foram modeladas utilizando Redes Neurais Artificiais do tipo Feedforward Multi-Layer Perceptron, viabilizando a simulação de ciclos urbanos em tempo hábil e a inserção de propriedades relacionadas ao gradiente dos mapas estáticos no algoritmo do assistente de direção. O sistema foi implementado e simulado em Matlab , e seu desempenho avaliado através de um estudo de caso, utilizando modelos da literatura como referência.

Abstract : The adoption of hybrid powertrain systems in passenger vehicles, as well as downsized engines and automatic transmissions, has been increasing in the last years as solutions to reduce the fuel consumption. However, the individual optimization of components or layout does not necessarily approximates the operation to conditions of maximum efficiency, and the addition of power sources should be done methodically, such that improvements of fuel efficiency can actually be achieved. Furthermore, the behavior of the driver and traffic conditions, factors which have major influence on the fuel consumption, vary with the geographic region, increasing the difficulty to develop a single solution to minimize the fuel consumption. Given such complex scenario, this dissertation proposes an algorithm for a Fuel-saving Driver Assistant System, which actuates on the throttle valve and gearbox, based on the demand of torque imposed by the driver, powertrain dynamics and characteristics of the power sources. In order to do so, a mathematical model of powertrain and longitudinal dynamics with 3 Degrees of Freedom was developed, which allows the simulation of urban traffic conditions. The performance of the engine was modeled using Artificial Neural Networks (ANN), which allies a flexible representation of the nonlinear characteristics of the power source, low computational costs and possibility to derive gradient information from the static maps, which is used by the Driver Assistant Algorithm. The system was implemented on Matlab and its performance compared to different models available in the literature.