Controllo combinato dello sforzo umano e dell'assistenza elettrica per un'esperienza di pedalata ottimale su un'e-bike

The current mobility model, based on private vehicles and internal combustion engines, presents significant issues in terms of environmental sustainability and urban traffic con gestion. In this context, electric bicycles (e-bikes) offer a valid alternative within the micromobility context, as they are accessible, fun, and easier to use than their muscular counterpart. However, current assistance approaches are static, as they makes the motor provide k times the rider’s torque based on a factor that he selects during the ride. As a result, these systems are unable to dynamically adapt to the user’s needs or fatigue level, which hinders their widespread adoption. Although previous research proves that enhancing rider and vehicle models by including parametric coefficients can significantly improve control per formance, effort is still required to design an effective control strategy, capable of real-time adapting the assistance factor based on user fatigue and motor efficiency. Accordingly, this Thesis proposes a novel mixed-control strategy for e-bikes that autonomously adapts the assistance factor during the ride to optimize the trade-off between rider effort and battery discharge. In addition, to make the rider perceive a more realistic feeling during the ride, despite the torque delivered by the motor, a dedicated pre-filter is also included, that regulate motor’s torque following an imposed bike dynamic. The presented control strategy has been evaluated both in simulated and experimental scenario. The results demonstrate the system robustness against variations in in rider characteristics and terrain conditions, paving the way for scalable solutions in bike-sharing systems.

L’attuale modello di mobilità, basato sull’utilizzo di veicoli privati e motori a combus tione interna, presenta importanti criticità sia in termini di sostenibilità ambientale che di congestione del traffico urbano. In questo contesto, le biciclette elettriche (e-bike) rap presentano una valida alternativa nell’ambito della micromobilità, in quanto accessibili, semplici da utilizzare e più pratiche rispetto alle biciclette muscolari. Tuttavia, le strategie di assistenza attualmente adottate sono di tipo statico: il motore eroga una coppia pari a un fattore k moltiplicato per la coppia applicata dal ciclista, sulla base di un livello selezionato manualmente dall’utente durante la pedalata. Di conseguenza, tali sistemi non sono in grado di adattarsi dinamicamente alle condizioni f isiche del ciclista né al suo livello di affaticamento, limitandone la diffusione su larga scala. Sebbene studi precedenti abbiano dimostrato che l’integrazione di coefficienti parametrici nei modelli del ciclista e del veicolo possa migliorare significativamente le prestazioni del controllo, è tuttavia necessario un ulteriore sforzo progettuale per definire una strategia di controllo efficace, in grado di adattare in tempo reale il fattore di assistenza in funzione della fatica dell’utente e dell’efficienza del motore. In quest’ottica, la Tesi propone una nuova strategia di controllo ibrida per e-bike, capace di adattare autonomamente il fattore di assistenza durante la marcia, ottimizzando il compromesso tra lo sforzo richiesto al ciclista e il consumo della batteria. Inoltre, per garantire una sensazione di guida più realistica, nonostante l’assistenza del motore, è stato integrato un prefiltro dedicato in grado di regolare la coppia motore secondo una dinamica imposta della bicicletta. La strategia di controllo proposta è stata validata sia in ambiente simulato che attraverso test sperimentali. I risultati ottenuti dimostrano la robustezza del sistema rispetto a variazioni nelle caratteristiche del ciclista e nelle condizioni del terreno, aprendo la strada a soluzioni scalabili per sistemi di bike sharing.