Optimal endurance race strategy accounting for competitors' interactions

The interest towards the electrification of race cars has grown over the last 15 years: particularly, both hybrid and fully electric vehicles have been introduced in different racing classes. Especially in endurance races, the employment of fully electric race cars requires new optimization methods to manage the energy onboard, which is now the limiting resource due to the lower energy density of the battery. To achieve this goal, in this thesis, we first present an already existing Model Predictive Control (MPC) that, starting from offline computed lap time maps, optimizes the race strategy online in terms of target lap times, energy consumption per lap and pit-stop strategy. Then, an optimal decision-making process related to competitors’ interactions is developed. In fact, opponents’ cars on track act as disturbances that move us away from the optimal race strategy, computed by the MPC: by minimizing their impact, it is possible to follow the optimal strategy as close as possible. Finally, we showcase the entire framework in the 1h Zandvoort race of the Supercar Challenge championship. The results show that making optimal decisions when interacting with competitors leads to optimal energy management, which improves the final race time.

L'interesse nei confronti dell'elettrificazione delle macchine da corsa è incrementato durante gli ultimi 15 anni: in particolare, sia veicoli ibridi che elettrici sono stati introdotti in gare di diverse categorie. Specialmente nelle gare endurance, l'adozione di veicoli totalmente elettrici necessita di nuovi metodi di ottimizzazione per gestire l'energia a bordo, la quale è ora la risorsa limitante a causa della bassa densità energetica della batteria. Per raggiungere questo obbiettivo, in questa tesi, presentiamo innanzitutto un già esistente controllo predittivo che, utilizzando mappe del tempo sul giro calcolate offline, ottimizza in tempo reale la strategia di gara in termini di tempi sul giro target, consumo di energia per giro e strategia dei pit-stop. Successivamente, viene sviluppato un processo decisionale ottimo relativo alle interazioni con gli avversari. Infatti, le macchine degli avversarsi in pista agiscono come disturbi che ci allontanano dalla strategia di gara ottimale, calcolata dal controllo predittivo: minimizzando il loro impatto, è possibile seguire la strategia ottima con minime deviazioni. Infine, il metodo viene testato nella gara di 1h nel circuito di Zandvoort del campionato Supercar Challenge. I risultati mostrano che prendendo decisioni ottime relative alle interazioni con gli avversarsi porta ad una gestione dell'energia ottima, che permette un miglioramento del tempo di gara finale.