When Drive” y “Ramp Up Rate”)
4.1.3 Perfil de Velocidad Kartodromo de Tocancipá
Finalmente, se muestran algunos resultados cuando se realiza la simulación con el perfil de velocidad del kartodromo Juan Pablo Montoya. Estos resultados son importantes, pues es la pista que generalmente se utiliza para probar el kart y correr en este. Primero se muestra el error hallado entre los 2 controles PID que se implementaron. Después se muestran las fuerzas que actúan sobre el kart, y finalmente el torque que sale del motor y el estado de carga de las baterías.
32
Figura 42. Error entre perfil de velocidad y real y el actual.
Figura 43. Fuerza de tracción y fuerza total vs Tiempo.
33
Figura 45. Torque a la salida del motor.
Figura 46. Estado de carga de las baterías con perfil de velocidad del kartodromo.
Primero es posible aclarar que el torque que sale del motor siempre será el mismo. Esto es el resultado de que se pretende igualar el perfil de velocidad original con el modelo, y ya que este no cambia el torque final tampoco. Esto mismo ocurre con las fuerzas; la de tracción, la de frenado total, la de rodadura y la de arrastre. Para realizar un análisis del piloto y su forma de manejo, se hubiera podido utilizar otro perfil similar y así observar el cambio en las fuerzas, en el consumo de corriente, etc. Con respecto a las gráficas en los resultados es evidente que la fuerza de rodadura es mucho menor a la de arrastre más allá de que la velocidad del viento es 0 para esta simulación. También es posible apreciar que el motor en la simulación nunca alcanza el torque máximo de 38 Nm, y que el estado de carga de las baterías permite mantener al kart en pista durante aproximadamente otros 1000 segundos asumiendo que tiene un comportamiento mas o menos lineal.
34
Los controles PID implementados son casi perfectos pues las gráficas de error muestran uno muy pequeño durante todo el perfil. Durante todo el trabajo este elemento fue lo que más influyó en el comportamiento general del sistema. Fue necesario realizar varias pruebas cambiando todas las constantes, tunearlo cada vez que el modelo se le agregaba o se le quitaba algo, pues si los valores de la constante proporcional era muy alta el sistema no convergía, y lo mismo ocurría si las constantes de integración o derivación eran muy pequeñas.
Otro análisis del trabajo es que más allá de la relación entre el motor y el controlador, modelarlo de la manera como se realizó teniendo en cuenta el torque es muy preciso y funcionó perfectamente. Si se quisiera realizar una simulación completamente real teniendo en cuenta el SVM se necesitarían datos específicos del motor, un mapa de eficiencias, sus corrientes internas y así obtener los pulsos reales que le entrarían al motor. El proceso siguiente sería utilizar un bloque de SIMULINK que permite implementar un SVM y obtener corrientes, voltajes y torque de salida del motor con base a unos parámetros que entrarían del controlador.
5. Conclusiones
Se implementó un sistema y modelamiento más real que los presentados anteriormente, lo cual permite tener una mejor apreciación de las condiciones del kart y el resto de los componentes con perfiles de velocidad asignados.
Ya que se pudo comprender mejor la interacción entre el controlador y el resto del sistema, es necesario incluir más parámetros en el bloque del controlador y observar la interacción entre estos y como varía cada uno cuando hay un pequeño cambio, y así tener una configuración óptima del kart.
Poder observar el comportamiento en los bloques de control PID y PI que se implementaron de una manera correcta, el comportamiento de las fuerzas y el torque significa que el software escogido para modelar fue adecuado y que es muy útil para futuros trabajos relacionados con esta iniciativa.
Al incluir correctamente los 3 parámetros del controlador que se tenían como objetivo para este proyecto fue posible observar que: No hay cambios en las fuerzas o en el torque total al variar algún parámetro, pues se está siguiendo un perfil de velocidad y el modelo siempre intenta seguir este lo más cercano posible por lo cual estos valores nunca variarán. También que las variables que más se ven afectadas por el cambio en los parámetros del controlador son la del freno regenerativo, el torque regenerativo, y el estado de carga de las baterías.
35
6. Trabajos Futuros y recomendaciones
Para trabajos futuros es necesario realizar un modelo del motor más exacto, pues no se tuvieron en cuenta las corrientes internas de este y su relación directa con el controlador para convertir los pulsos PWM a torque. Además, es necesario obtener curvas de carga y descarga para las baterías, de esta manera se pueden obtener más datos de estas y realizar modelos más complejos y reales con respecto a su funcionamiento en donde se puedan incluir relaciones con la temperatura de estas. Finalmente, sería ideal que en trabajos futuros se puedan agregar más parámetros al funcionamiento del controlador y observar como todos juntos se complementan y encontrar una excelente configuración optimizando la cantidad de corriente que pediría el motor, el freno regenerativo, y las fuerzas del kart probando esto con varios perfiles de velocidad similares.
Referencias
[1] About Tesla [Online]. Disponible en: https://www.tesla.com/about
[2] C. Anderson and J. Anderson, Electric and Hybrid Cars: A History, 2 Ed.
[3] C. Jiang and A. Taylor, Extended Kalman Filter Based Battery State of Charge (SOC) Estimation for Electric Vehicles, 2013 IEEE Transportation Electrification Conference and Expo (ITEC).
[4] D. Clavijo, Análisis, Simulación e Implementación de Mejora del Rendimiento en Pista Para un Kart Eléctrico, 2017.
[5] DVT Applications Reference Manual, SEVCON.
[6] E. Schaltz, Electrical Vehicle Design and Modeling. In S. Soylu (Ed.), Aalborg Universitet, 2011.
[7] Electric Kart Championship [Online]. Disponible en: https://blueshockrace.com/electric-kart-championship-2019/
[8] Estimate Model Parameters Per Experiment (CODE) [Online]. Disponible en:
https://www.mathworks.com/help/sldo/examples/estimate-model-parameters-per-experiment-code.html#d120e3112
[9] G. Mineeshma and V. Renji, Component Sizing of Electric Vehicle / Hybrid Electric Vehicle subsystems using Backward Modelling approach, 2016 IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES).
[10] G. Sicklucki, An Investigation into the Induction Motor of Tesla Model S Vehicle, AGH University, Department of Power Electronics and Energy Control Systems, 2018.
36
[11] GBS 12.8V 40Ah (3.2V Banded 4-Pack) LFMP40AH Battery [Online]. Disponible en:
https://www.electricmotorsport.com/batteries/lithium/gbs-lfmp40ah.html
[12] Gen4 Applications Reference Manual, SEVCON.
[13] Historia: La historia de la formula E [Online]. Disponible en:
https://www.fiaformulae.com/la/discover/history
[14] K. Rajashekara, History of Electric Vehicles in General Motors, IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, VOL. 30, NO. 4, JULY / AUGUST 1994.
[15] Kers: Kinetic Energy Recovery System (Sistema de Recuperación de Energía Cinética), Universitat Politecnica de Catalunya, VEHI Curso 2011 – 2012.
[16] L. Situ, Electric Vehicle Development: The Past, Present & Future, 2009 3rd International Conference on Power Electronics Systems and Applications.
[17] M. Córdoba, Diseño de un Tren de Potencia Para un Kart Eléctrico, 2016.
[18] Mathworks, White Paper, Developing Battery Management Systems with Simulink and Model-Based Design.
[19] ME117 [Online]. Disponible en: http://www.motenergy.com/me1117.html
[20] N. Ali and M. Peeie, Study on Differential Regenerative Braking Torque Control to Increase the Stability of the Small Electric Vehicle with Four In-Wheel Motors, MATEC Web of Conferences 90, 01042 (2017).
[21] N. Huda and S. Kaleg, The influence of the regenerative braking on the overall energy consumption of a converted electric vehicle, 2020.
[22] Pero, ¿Qué es el KERS? [Online]. Disponible en:
https://elpais.com/deportes/2009/01/20/actualidad/1232439717_850215.html
[23] R. Jazar, Vehicle Dynamics: Theory and Application, 2009.
[24] R. Lot and Simos.E, Lap Time Optimization of a Sports Series Hybrid Electric Vehicle, Proceedings of the World Congress on Engineering 2013 Vol III.
[25] S. Jaramillo, Construcción de un Kart Eléctrico y Caracterización de su Freno Regenerativo, 2017.
[26] S. Rambabu, Modeling and Control of a Brushless DC Motor, Department of Electrical Engineering, National Institute of Technology Rourkela, 2007.
[27] T. Dziewonski and A. Kopyt, Modeling of a Human Driver for a Car Driving Simulator, Conference: Proceedings of the 50th Annual Simulation Symposium, 2017.
37
[28] T. Gillespie, Fundamentals of Vehicle Dynamics, Society of Automotive Engineers, Inc, 1992
[29] W. Jiang, C. Canudas, O. Sename and J. Dumon. A new mathematical model for car drivers with spatial preview. 18th IFAC World Congress (IFAC WC 2011), 2011.
[30] Y. Li and D. Yang, Investigation of the Internal Resistance in LiFePO4 Cells for Battery Energy Storage System, 2014 IEEE 9th Conference on Industrial Electronics and Applications (ICIEA).