Front wheel load estimation of a motorcycle prototype through strain-based measurements

This thesis presents the development of a system for estimating the loads acting on the front wheel of a Moto3 prototype, designed by Polimi Motorcycle Factory for participating in the CIV championship. The work aims to measure the forces and moments transmitted at the front wheel hub during riding, using strain gauges installed on the steering plates. This location was chosen due to its structural relevance and ease of integration. The load estimation process combines dynamic simulations performed with VI-BikeRealTime, a detailed Finite Element model of the front assembly, and an optimization algorithm to identify the most effective sensor layout. Two estimation methods were explored: a Calibration Matrix approach and a Neural Network model (of which two versions were generated), both trained and tested using data derived from dynamic simulations of track riding. The system was then validated through a series of static and dynamic tests. The results demonstrate the system’s capability to acceptably reconstruct load patterns during real riding conditions, offering a cost-effective, lightweight, and adaptable alternative to commercial products. This strain-based approach contributes to improving the reliability of structural analysis inside the team and improving safety.

Questa tesi presenta lo sviluppo di un sistema per la stima dei carichi agenti sulla ruota anteriore di un prototipo Moto3, progettato dal Polimi Motorcycle Factory per parteci pare al campionato CIV. Il progetto di tesi ha come obiettivo la valutazione delle forze e dei momenti trasmessi al mozzo della ruota anteriore durante la guida, sfruttando un set di estensimetri installati sulle piastre di sterzo del veicolo. Questi componenti sono stati scelti per la semplicità di installazione dei sensori e la funzione strutturale che ricoprono. Il processo di stima dei carichi ha previsto una simulazione dinamica iniziale (svolta con VI-BikeRealTime), lo sviluppo di un modello dell’assieme anteriore agli Elementi Finiti e un algoritmo di ottimizzazione creato per identificare il posizionamento dei sensori più ef ficace. Successivamente, due metodi di stima dei carichi sono stati esplorati: un approccio con Matrice di Calibrazione e un modello di Rete Neurale (di cui sono state sviluppate due versioni), entrambi testati e/o allenati usando dati derivanti da simulazioni dinamiche di guida su circuito. I metodi e il sistema di misura sono poi stati validati con prove statiche e dinamiche, mostrando una accuratezza accettabile nella ricostruzione dei carichi, di mostrando quindi di essere un sistema leggero, economico e adattabile. Questo approccio basato sulle deformazioni, contribuisce a migliorare l’affidabilità nella progettazione dei futuri prototipi del team e aumentare la sicurezza.