Nei prossimi anni è richiesta una riduzione delle emissioni dei veicoli su strada a livello mondiale ed il rispetto delle normative vigenti deve essere raggiunto. Questa invenzione mira a ridurre il consumo di carburante e le emissioni di gas di scarico dei veicoli ibridi elettrici (HEV) implementando un sistema di gestione dell’energia in tempo reale in grado di adattarsi in modo ottimale allo stile di guida dell’utente attuale.

Stato del brevetto

DEPOSITATO

Numero di priorità

102020000008686

Data di priorità

22/04/2020

Licenza

INTERNAZIONALE

Mercato

La percentuale di veicoli ibridi elettrici (HEVs) prodotti e venduti dalle case automobilistiche è in notevole crescita in questi anni, specialmente nel settore delle autovetture. L’invenzione proposta, pensata per la gestione energetica degli HEVs, si rivolge a un mercato che si estende su scala globale ed rivolta principalmente a costruttori automobilistici (OEMs) e ai loro fornitori di primo livello (TIER1s). Tuttavia, nelle fasi iniziali di commercializzazione del prodotto si andrà a privilegia la variabile di segmentazione geografica convergendo verso il mercato Europeo.

Problema

All’attuale stato dell’arte, sono state proposte alcune tecnologie per adattare il controllo ottimale di un powertrain ibrido elettrico allo stile di guida del conducente. Ad esempio, il brevetto US9361272B2 propone un sistema di feedback al guidatore circa la posizione ideale del pedale dell’acceleratore in ottica di risparmio di carburante, tuttavia questo sistema richiede la disponibilità dell’utente ad adattarsi alla logica di controllo del veicolo pre-calibrata e prevede un’ottimizzazione su un orizzonte temporale molto breve. Oppure, il brevetto US0070679A1 prevede un modello di guidatore basato su machine learning in grado di predire il profilo di velocità del veicolo in un orizzonte temporale limitato per il conseguente miglioramento della gestione energetica tramite logica ECMS, tuttavia il sistema proposto non si rivela capace di ottimizzare il funzionamento dell’HEV sull’intera missione di guida. O ancora, il brevetto US7954579B2 propone di utilizzare un agente di intelligenza artificiale (IA) come logica di controllo di un powertrain ibrido elettrico, allenandolo in supervised learning sulla base delle politiche di controllo HEV ottimali estratte da un ottimizzatore globale operante off-line. Tuttavia, l’applicabilità dell’invenzione considerata viene dimostrata solamente su cicli di guida omologativi, mentre non consente l’adattamento rispetto allo stile di guida di un utente specifico nel mondo reale.

Limiti attuali tecnologie / Soluzioni

All’attuale stato dell’arte, sono state proposte alcune tecnologie per adattare il controllo ottimale di un powertrain ibrido elettrico allo stile di guida del conducente. Ad esempio, il brevetto US9361272B2 propone un sistema di feedback al guidatore circa la posizione ideale del pedale dell’acceleratore in ottica di risparmio di carburante, tuttavia questo sistema richiede la disponibilità dell’utente ad adattarsi alla logica di controllo del veicolo pre-calibrata e prevede un’ottimizzazione su un orizzonte temporale molto breve. Oppure, il brevetto US0070679A1 prevede un modello di guidatore basato su machine learning in grado di predire il profilo di velocità del veicolo in un orizzonte temporale limitato per il conseguente miglioramento della gestione energetica tramite logica ECMS, tuttavia il sistema proposto non si rivela capace di ottimizzare il funzionamento dell’HEV sull’intera missione di guida. O ancora, il brevetto US7954579B2 propone di utilizzare un agente di intelligenza artificiale (IA) come logica di controllo di un powertrain ibrido elettrico, allenandolo in supervised learning sulla base delle politiche di controllo HEV ottimali estratte da un ottimizzatore globale operante off-line. Tuttavia, l’applicabilità dell’invenzione considerata viene dimostrata solamente su cicli di guida omologativi, mentre non consente l’adattamento rispetto allo stile di guida di un utente specifico nel mondo reale.

Killer Application

Le principali applicazioni di questa tecnologia sono:

  • Diverse categorie di veicoli stradali elettrificati (autovetture, veicoli commerciali leggeri, veicoli medi e pesanti)
  • Centralina avanzata di controllo supervisore per sistemi di propulsione ibridi elettrici che permette di editare l’algoritmo di controllo implementato in funzione del guidatore prima di iniziare un nuovo viaggio
  • Interfaccia (es. tattile, visiva) tramite cui il guidatore può identificarsi nel sistema di controllo del veicolo
  • Sistema di stoccaggio (fisico o virtuale) dell’agente di intelligenza artificiale costituente l’algoritmo di controllo HEV personalizzato sul guidatore

Tecnologia e nostra soluzione

La tecnologia rappresenta un sistema innovativo di ottimizzazione real-time dei flussi energetici a bordo di un veicolo ibrido elettrico con la potenzialità di minimizzare il consumo di carburante e le emissioni di gas di scarico adattandosi allo stile di guida dell’ utente specifico di un veicolo ibrido elettrico.

Il sistema si costituisce di una centralina avanzata di controllo che supervisiona i sistemi di propulsione ibridi elettrici e che permette di editare l’algoritmo di controllo implementato in funzione del guidatore prima di iniziare un nuovo viaggio. Il sistema include inoltre un’interfaccia (es. tattile, visiva) tramite cui il guidatore può identificarsi nel sistema di controllo del veicolo, ed un sistema di stoccaggio (fisico o virtuale) di un agente di Intelligenza Artificiale costituente l’algoritmo di controllo HEV personalizzato sul guidatore.

A valle dell’identificazione del guidatore tramite l’interfaccia, il sistema preleva l’algoritmo di controllo personalizzato dal sistema di stoccaggio e lo carica sulla centralina avanzata di controllo, permettendo la successiva ottimizzazione del funzionamento del gruppo propulsore durante il viaggio.

Il potenziale prodotto potrebbe trovare applicazione su una vasta gamma di veicoli stradali ibridi elettrici. Tra questi, i primi risultati hanno mostrato la capacità della tecnologia di riuscire a ridurre i consumi di un veicolo leggero commerciale fino a 20 g/km.

Vantaggi

Rispetto alle soluzioni attualmente presenti allo stato dell’arte, la tecnologia riesce effettivamente ad adattare il controllo ottimale del powertrain ibrido elettrico allo stile di guida di uno specifico utente apprendendo le rispettive politiche di controllo ottimali attraverso un l’apprendimento agente di Intelligenza Artificiale in una fase off-line per diversi scenari di guida personali.

Inoltre, la riduzione ottimale di consumo di carburante ed emissioni di gas di scarico viene raggiunta sull’intero viaggio, e l’utente può mantenere il proprio feeling di guida abituale.

Roadmap

Il primo prototipo hardware-in-the-loop della tecnologia potrà essere realizzato nei prossimi mesi attraverso un progetto Proof of Concept finanziato del Politecnico di Torino. In quest’ottica, AVL Italia Srl si è mostrata disponibile a supportare l’attività attraverso la fornitura di metodologie e strumentazioni necessarie alla validazione, nonché attraverso il supporto per l’identificazione di interessi di mercato connessi alla tecnologia.

Solo in base ai risultati ottenuti dal testing massivo del prototipo sarà possibile valutare la modalità di finalizzazione ottimale per la tecnologia.

Review the Technology
TRL 1
TRL 2
TRL 3
TRL 4
TRL 5
TRL 6
TRL 7
TRL 8
TRL 9

TRL

Il team

Menu