Nella progettazione di sistemi su larga scala o altamente integrati, può risultare difficile comprendere le complesse interazioni tra i diversi componenti. Inoltre, poiché i sistemi su larga scala sono spesso costosi, la loro prototipazione è limitata e le varie fasi di progettazione (elettrica, meccanica, controlli e così via) vengono sovente gestite da team secondari di esperti. Un metodo che molti team hanno adottato per i progetti complessi è quello di usare la progettazione model-based (basata su modelli) come parte del processo. In parole semplici, la progettazione model-based pone la medesima importanza sia allo sviluppo di un modello matematico molto accurato del sistema che allo sviluppo del prodotto fisico. In occasione del concorso Challenge X per la creazione di un veicolo ibrido, il team della Ohio State University si è contraddistinto proprio utilizzando la progettazione model-based. Basando il processo di sviluppo sulla modellazione e la simulazione, il team della Ohio State University ha sviluppato un veicolo alimentato con carburante alternativo e completamente funzionante utilizzando un solo prototipo e un esiguo gruppo di studenti relativamente inesperti.
I vantaggi della progettazione model-based
Prima di esaminare il modo in cui il team della Ohio State University ha impiegato la progettazione model-based, analizziamo i vantaggi offerti da tale genere di progettazione per questi tipi di sistemi complessi. In ogni ciclo di sviluppo di un prodotto, normalmente vengono definiti i requisiti e le specifiche inerenti il progetto iniziale. Per quanto riguarda il team che ha progettato il veicolo, i requisiti includevano: prestazioni, risparmio di carburante, riduzione delle emissioni, capacità di carico, guidabilità e comfort dei passeggeri. Sin dall’inizio della competizione abbiamo avuto intenzione di sviluppare il veicolo avvalendoci della progettazione model-based con gli strumenti software offerti da MathWorks. Con questo approccio, come principale obiettivo il nostro team doveva quantificare formalmente gli input del progetto. La loro selezione (tra cui cicli di servizio previsti del veicolo, efficienza con quantità minima di carburante o limiti di emissioni) non solo ha aiutato il team a individuare alcuni parametri basilari di progettazione, ma, ancora più importante, ha permesso a questo gruppo di neofiti di evidenziare le incognite del nostro intento di progettazione. In sostanza, acquisendo una solida conoscenza di tutti gli input sconosciuti, il team è stato in grado di raccogliere le informazioni necessarie e di condurre importanti esperimenti sin dalle prime fasi del processo di progettazione, garantendo la solidità delle decisioni nelle fasi successive. Con l’intento di progettazione ben delineato, la gara tra i veicoli “concept” poteva essere affrontata. La progettazione model-based ha offerto diversi vantaggi al team addetto all’architettura:
• Una piattaforma quantitativa e oggettiva per la valutazione dei progetti concorrenti.
• Capacità di applicare direttamente ai loro disegni concettuali, modelli di componenti ben compresi e sviluppati dai precedenti team di progettazione del veicolo, come dati sperimentali di auto elettriche o a motore a combustione. Tale applicazione di dati realistici consente un notevole aumento di confidenza nei risultati iniziali.
• Riduzione di inutili sforzi nei calcoli in fase di progettazione. Utilizzato inizialmente per importanti decisioni progettuali, il modello della fase di progettazione continuerà a essere perfezionato contemporaneamente al prototipo , per fungere sia da “prototipo software” che da documentazione progettuale da impiegare in futuro.
Il processo di modellazione
Sebbene gran parte del processo di progettazione iniziale fosse dedicato all’accurata selezione di un’architettura di alto livello della trasmissione meccanica del veicolo (includendo non solo le metriche prestazionali, ma prendendo in considerazione anche la fattibilità tecnica e la disponibilità dei componenti), il processo di modellazione non si è arrestato una volta completato il piano di sviluppo. Analogamente a molti progetti su larga scala, in termini di tempo era fondamentale che il lavoro sui componenti e l’integrazione dei sistemi procedessero contemporaneamente, nonostante l’evidenza che un prototipo fisico completo non sarebbe stato disponibile entro due anni dall’inizio del progetto. Innanzitutto, le regole della competizione prevedevano che non avremmo ricevuto il telaio del nostro veicolo (Chevy Equinox) fino alla fine del primo dei quattro anni, e altrettanto tempo era necessario per assemblare i componenti principali una volta arrivato il veicolo. In secondo luogo, sapevamo che qualsiasi lavoro sui dettagli che potesse procedere indipendentemente ci avrebbe consentito di guadagnare tempo, visti i tempi limitati dettati dal concorso. Questa sfida è stata vinta suddividendo le attività di modellazione e progettazione dei componenti tra varie persone e team secondari nell’arco di alcuni anni. I team secondari di singoli studenti hanno avuto la possibilità di studiare e testare i sottosistemi, sviluppando modelli dettagliati del comportamento di ciascun componente e, dove possibile, del sistema di controllo del sottosistema. L’applicazione di sistemi di elaborazione avanzati ha reso semplice e ininterrotta l’integrazione del sottosistema nel modello del sistema completo, garantendo al nostro team un’assegnazione ottimale delle risorse umane e lo sviluppo di un modello di estrema precisione di uno dei veicoli elettrici ibridi complessivi.
Mano a mano che verso la fine del secondo anno il veicolo fisico prendeva forma, hanno cominciato a delinearsi sempre più i veri e propri vantaggi della progettazione model-based, in particolare per quanto riguarda i vari componenti e i sistemi di controllo del veicolo. Con l’impellente esigenza di assemblare un veicolo funzionante entro i termini della competizione primaverile, sapevamo di avere a disposizione poco tempo per il collaudo e il perfezionamento del sistema di controllo del veicolo in funzione. In questa occasione, la validità del nostro modello sarebbe stata realmente messa alla prova, in quanto avevamo sviluppato gli algoritmi iniziali dei controlli soltanto con il software, impiegando il nostro modello di veicolo completamente sviluppato e i nostri componenti collaudati separatamente.
L’approccio model-based ci ha permesso di adottare strumenti di dSpace, Phytec, Mototron e MathWorks per l’implementazione effettiva dei controlli. Grazie alle funzionalità dei software Real-Time Workshop e Simulink di MathWorks, è stato possibile trasferire i controlli dalla fase di modellazione a quella applicativa in modo semplice, in quanto il codice di controllo sviluppato nella simulazione ha potuto essere portato quasi direttamente sui controllori del veicolo con modifiche minime o assenti. Nel caso del nostro team, affidarsi a un gruppo di sviluppatori software per tradurre algoritmi di alto livello in codici macchina è stata una scelta obbligata. Con la moderna generazione automatica di codice e la disponibilità di strumenti di sviluppo e interfacciamento di terzi parti, un tale sforzo non è più necessario per produrre codice affidabile. La capacità del sistema model-based ci ha consentito di sviluppare rapidamente l’algoritmo di controllo e il veicolo fisico e di ultimare un veicolo funzionante in due anni, assemblando e mettendo in funzione il tutto in meno di due settimane alla consegna.
L’architettura del veicolo
Il nostro team ha scelto un’architettura ibrida separata-parallela, in cui il motore alimentato a biodiesel e il sistema Bsa (Belt Starter Alternator) azionano le ruote anteriori, mentre un grande motore elettrico gestisce in modo indipendente le ruote posteriori. In questo modo sono possibili svariate modalità di guida, combinando i vari attuatori e le risorse di alimentazione in momenti diversi. Ad esempio, per aumentare il risparmio di luci degli stop o di uso di carburante in un ingorgo, il veicolo può funzionare soltanto elettricamente, impiegando il motore elettrico posteriore a bassa velocità. Al contrario, sulle autostrade può risultare più efficiente l’uso esclusivo del motore. In diverse condizioni di velocità media, è possibile adottare la combinazione dei diversi attuatori. Alla massima accelerazione, è possibile applicare tutta la potenza. In qualsiasi condizione di guida, queste diverse modalità vengono adottate automaticamente e il solo input del conducente è rappresentato da un tradizionale pedale di acceleratore. Chiaramente, per ottenere il massimo da tutti questi sistemi nelle svariate situazioni è necessario un algoritmo di controllo complesso. Sebbene durante il secondo anno sia stato presentato un prototipo funzionante e molti dei componenti fisici fossero a posto, la maggior parte di questi sistemi non era ancora perfezionata e ottimizzata. L’approccio model-based ha iniziato a mostrare il suo potenziale nel corso del successivo anno e mezzo. Con la miriade di componenti e relativi sistemi di controllo embedded, il numero di variabili da sottoporre a test e modificare era sorprendente. Naturalmente, con un unico prototipo e un team così piccolo, sottoporre a test ogni miglioramento incrementale meccanico e dei controlli non era possibile. Invece di condurre continuamente test, il team ha simulato letteralmente milioni di possibili combinazioni di controlli, utilizzando il nostro modello e limitando la concentrazione sul collaudo solo di alcune iterazioni ad alto potenziale. Con una quantità relativamente esigua di sessioni di misurazione e collaudo si potevano raccogliere i dati per i test, evitando che il team dedicato ai controlli perdesse tempo con lo sviluppo meccanico e viceversa. Virtualmente, la ChallengeX Equinox dello stato dell’Ohio ha percorso milioni di miglia, consumando migliaia di galloni di diesel alla ricerca della perfezione con il controllo del computer, mentre il nostro esausto team doveva percorrere solo poche migliaia di miglia nel corso dell’anno.
