An integrated approach towards increased energy efficiency of vehicle subsystems

This thesis presents a methodology to assess vehicle performances from the very early concept phase and it is specifically addressed to the study of current and future powertrains. The powertrain development plays a crucial role in the car design and although standard technologies are widely adopted, rapid and abrupt changes are affecting future design solutions. Diesel scandal, stringent regulations and public awareness for more environmental friendly vehicles are stressing automotive manufacturers to provide more efficient cars and requiring therefore strong investments in the vehicle development. The work tackles these needs by strongly focusing on the analysis of the energy flows occurring in the powertrain and it faces the complexity of addressing the improvement of energy efficiency within a broader scenario concerning the vehicle development and the fulfilment of several requirements. The development and adoption of simulation methods is extensively pursued to describe the vehicle’s system and to assess its performances. Specific approaches and models are chosen according to the desired accuracy and computational cost at each vehicle’s system level. At the subsystem level advanced techniques are used, the internal combustion engine model uses computational fluid dynamics while the electric motor relies on electromagnetic finite element method. The results are used at the vehicle level to define the corresponding lumped parameters models that are realised in order to face a multi-physic domain considering mechanical, thermal and electrical behaviour. Further lumped parameters models are used to define battery, inverter and transmission and are based on accurate mathematical formulations and data available from manufacturers and research centres. The components are coupled together and provide the complete vehicle model that is then used to estimate energy consumption and dynamic performances. The analysis is restricted to conventional combustion engine, hybrid electric and battery electric vehicles that appear to be the most adopted solutions considering current and future market. The simulation procedure provides an effective way to evaluate the influence on energy consumption and dynamic performances of the wheel drive, transmission and installed electric motors layout, combustion engine and battery sizing, and also operating aspects concerning gear shifting strategy and power management in hybrid vehicles. The optimisation problem requires the definition of design variables, constraints and objectives. The design variables set considers the most relevant design parameters of the powertrain components while constraints and objectives are computed through specific models. Besides energy consumption and longitudinal dynamics, the vehicle study is extended to capture other relevant requirements in order to meet more effectively the vehicle optimisation procedure. The energy consumption simulation model gives also range and emissions, the lateral dynamics model provides a broader outlook on the dynamic performances and the costs estimation allows to consider another relevant aspect. Besides these objectives, a “consumer” objective is also introduced to provide a simplified indicator of the overall vehicle behaviour and it is further used as a constraint to restrict the optimisation search toward solutions that provide acceptable values for all the objectives. Further constraints are introduced by considering pull away manoeuvre on uphill road, handling behaviour at low lateral acceleration and fulfilment of the driving tests. The design variables define the vehicle and are crucial to identify the most promising design solutions, however in order to improve the vehicle’s energy consumption it is also necessary to optimally manage the vehicle system in driving conditions. The use of efficiency maps to describe the vehicle components allows to define an optimisation procedure from the power source to the wheels to minimise the energy losses. This procedure applies to gear shifting scheduling, to power split between front and rear electric motors and between the combustion engine and the electric motor in hybrid electric vehicles. The multi-objective problem defined is solved by using the Archive-based Micro Genetic Algorithm (AMGA) which benefits from an archive to keep track of the search history and to store the best solutions allowing a faster convergence and a small population size. The optimisation results are then analysed through various techniques to identify the most suitable solutions and highlight the impact of the design variables on the vehicle behaviour. This task is extremely relevant since multi-objective optimisation can provide a large set of solutions providing the best solution for a specific objective or trade-off solutions among different objectives. The provided approach and the techniques used allow to effectively compare and critically analyse the various powertrain layouts and the components design variables.

Il lavoro di tesi presenta una metodologia per valutare le prestazioni del veicolo fin dalla fase iniziale di sviluppo concettuale ed è specificamente indirizzata allo studio di sistemi di propulsione attuali e futuri. Lo sviluppo del gruppo propulsore, powertrain, svolge un ruolo cruciale nel design della vettura e sebbene le tecnologie standard siano ampiamente adottate, rapidi e improvvisi cambiamenti influenzano e possono radicalmente mutare le future soluzioni di progettazione. Lo scandalo del "diesel gate", crescenti restrizioni imposte dai regolamenti e la consapevolezza pubblica della necessità di veicoli ecosostenibili stanno sollecitando i produttori automobilistici a fornire automobili più efficienti e richiedono pertanto forti investimenti nello sviluppo del veicolo. Il lavoro realizzato affronta queste esigenze concentrandosi fortemente sull'analisi dei flussi di energia che si verificano nel powertrain e affronta la complessità di affrontare il miglioramento dell'efficienza energetica all'interno di uno scenario più ampio riguardante lo sviluppo del veicolo e l'adempimento di diversi requisiti. Lo sviluppo e l'adozione di metodi di simulazione è sempre più ampiamente perseguito per descrivere il sistema veicolo e per valutare le sue prestazioni. In questo lavoro approcci e modelli specifici vengono scelti in base all'accuratezza e al costo computazionale desiderati rispetto al livello di dettaglio ricercato. Al livello di sottosistema vengono utilizzate tecniche avanzate, il modello del motore a combustione interna sfrutta modelli numerici di fluidodinamica mentre il motore elettrico si basa sul metodo degli elementi finiti applicato all'ambito elettromagnetico. I risultati vengono utilizzati al livello sistemaper definire i corrispondenti modelli a parametri concentrati che sono realizzati per affrontare un problema multifisico che coinvolge il comportamento meccanico, termico ed elettrico. Ulteriori modelli a parametri concentrati sono utilizzati per definire batteria, inverter e trasmissione e si basano su formulazioni matematiche accurate e dati disponibili da produttori e centri di ricerca. I componenti sono accoppiati tra loro e forniscono il modello di veicolo completo che viene poi utilizzato per stimare il consumo di energia e le prestazioni dinamiche. L'analisi riguarda veicoli convenzionali a combustione, elettrici ibridi ed elettrici a batteria che appaiono essere le soluzioni più adottate considerando il mercato attuale e futuro. La procedura di simulazione fornisce un modo efficace per valutare l'influenza di trazione, trasmissione e disposizione dei motori elettrici installati, dimensionamento della batteria e del motore a combustione, nonché di aspetti operativi riguardanti le strategie di cambio marcia e di gestione della potenza nei veicoli ibridi sul consumo di energia e le prestazioni dinamiche. Il processo di ottimizzazione richiede la definizione di variabili di progettazione, vincoli e obiettivi. Le variabili di progetto impostate tengono conto dei parametri di progettazione più rilevanti dei singoli componenti del gruppo propulsore, mentre i vincoli e gli obiettivi sono calcolati attraverso modelli specifici. Oltre al consumo di energia e alla dinamica longitudinale, lo studio del veicolo viene esteso per tenere in considerazione altri aspetti rilevanti al fine di soddisfare in modo più efficace la procedura di ottimizzazione del veicolo. Il modello realizzato per valutare il consumo energetico fornisce anche autonomia ed emissioni, il modello associato alla dinamica laterale offre una visione più ampia delle prestazioni dinamiche e la stima dei costi consente di considerare un altro aspetto fondamentale. Oltre a questi obiettivi viene introdotto un obiettivo definitio "consumer" per fornire un indicatore semplificato del comportamento generale del veicolo ed è ulteriormente utilizzato come vincolo per limitare la ricerca durante il processo di ottimizzazione verso soluzioni che forniscano valori accettabili per tutti gli obiettivi. Ulteriori vincoli vengono introdotti considerando la capacità del veicolo di percorrere una rampa in salita, la stabilità in curva e l'adempimento dei requisiti minimi di potenza e velocità nei cicli di omologazione. Le variabili di progettazione definiscono il veicolo e sono cruciali per identificare le soluzioni progettuali più promettenti, tuttavia al fine di migliorare il consumo di energia del veicolo è anche necessario gestire in modo ottimale il sistema del veicolo nelle varie condizioni di guida. L'uso di mappe di efficienza per descrivere i componenti del veicolo consente di definire una procedura di ottimizzazione a partire dalla fonte di energia fino alle ruote per minimizzare le perdite di energia. Questa procedura si applica alla scelta del cambio di marcia, alla ripartizione della potenza tra i motori elettrici anteriori e posteriori e tra il motore a combustione e il motore elettrico nei veicoli elettrici ibridi. Il problema multi-obiettivo definito viene risolto utilizzando l'algoritmo Micro Genetic Algorithm (AMGA) basato su un archivio che permette di tenere traccia della ricerca e di preservare solo le soluzioni migliori e consentendo così una convergenza più rapida. I risultati dell' ottimizzazione vengono quindi analizzati attraverso varie tecniche per identificare le soluzioni più adatte ed evidenziare l'impatto delle variabili di progettazione sul comportamento del veicolo. Questo aspetto è estremamente importante poiché l'ottimizzazione multi-obiettivo può fornire un ampio set di soluzioni che forniscono la soluzione migliore per un obiettivo specifico o soluzioni di compromesso tra diversi obiettivi. L'approccio fornito e le tecniche utilizzate consentono di confrontare in modo efficace e analizzare criticamente le varie configurazioni del powertrain e le variabili di progettazione dei componenti.