Development of a model-based minimum lap time optimization strategy for a high-performance overly-actuated vehicle

The increasing adoption of over-actuation in high-performance and electric vehicles has led to significant improvements in handling, stability, and overall performance. However, effectively coordinating multiple actuators to fully exploit their potential remains a major challenge due to the nonlinear coupling of longitudinal, lateral, and vertical dynamics. Therefore, developing optimization strategies capable of managing these actuators efficiently is essential to unlocking the full potential of multi-actuation. This thesis addresses this challenge by developing a model-based optimization framework that minimizes the lap time of an over-actuated electric vehicle while following a fixed reference path, pushing it to its handling limits. Additionally, this framework enables the evaluation of vehicle performance across different actuation levels, providing a comprehensive analysis of the effects of multi-actuation on vehicle dynamics. The underlying optimization strategy relies on a nonlinear double-track vehicle model, combined with a tire model based on Pacejka’s Magic Formula, to accurately capture the vehicle’s behaviour at the handling limit. The optimization problem is formulated as a nonlinear program (NLP) and solved using a receding horizon approach. The results highlight that the four-independent wheel drive system, namely torque vectoring, is the dominant factor in enhancing vehicle performance. Meanwhile, the benefits of active suspensions in achieving a more uniform load distribution are significant primarily when the tire characteristics exhibit strong nonlinearity. Conversely, four-wheel steering does not improve lap time performance but enhances vehicle stability.

L’adozione sempre più diffusa della multi-attuazione nei veicoli ad alte prestazioni ed elettrici ha portato a significativi miglioramenti nella guidabilità, nella stabilità e nelle prestazioni complessive. Tuttavia, la coordinazione ottimale dei diversi attuatori per sfruttarne pienamente il potenziale rappresenta una sfida complessa, a causa del forte accoppiamento non lineare tra la dinamica longitudinale, laterale e verticale. Pertanto, lo sviluppo di strategie capaci di integrare questi attuatori in modo efficiente è fondamentale per sfruttare completamente le potenzialità della multi-attuazione. Questa tesi affronta tale sfida sviluppando una strategia di ottimizzazione basata su modello, volta a minimizzare il tempo sul giro di un veicolo elettrico sovrattuato lungo una traiettoria predefinita sul circuito di Fiorano, portandolo al limite della sua guidabilità. Inoltre, questo lavoro permette anche di valutare le prestazioni del veicolo con diversi livelli di attuazione fornendo così una completa analisi degli effetti della multi-attuazione sulle prestazioni del veicolo. La strategia di ottimizzazione adottata si basa su un modello di veicolo non lineare a doppio binario, combinato con un modello di pneumatici basato sulla Magic Formula di Pacejka, per descrivere accuratamente il comportamento del veicolo al limite di aderenza. Il problema di ottimizzazione è formulato come un programma non lineare (NLP) e risolto mediante un approccio di tipo receding-horizon. I risultati mostrano che il torque vectoring, ovvero il sistema a quattro ruote motrici indipendenti, è l’elemento che incide maggiormente sulle prestazioni del veicolo. Le sospensioni attive, invece, offrono un vantaggio significativo solo quando il comportamento dello pneumatico è fortemente non lineare, poiché consentono una distribuzione più uniforme del carico. La sterzo posteriore, pur non riducendo il tempo sul giro, contribuisce a migliorare la stabilità del veicolo.