Conoscere le forze scambiate al punto di contatto tra pneumatico e terreno in tempo reale è di grande importanza dato che consente di massimizzare le prestazioni del veicolo ed affinare i controlli quali, ad esempio, ripartizione di frenata, traction control, ABS, etc. sia in ambito racing che in ambito stradale. In questa tesi verranno implementate ed utilizzate le reti neurali sia per la stima dei carichi al punto di contatto della ruota con il terreno per la posteriore sinistra di una vettura GTE, sia per la sospensione posteriore di una vettura LMH in sviluppo a partire da, rispettivamente, acquisizioni sperimentali e simulazioni. Nella prima parte del lavoro riguardante la sospensione multilink posteriore sinistra di una vettura GTE, verranno analizzate le performance delle reti neurali nella stima delle forze al punto di contatto tra ruota e terreno sia in assenza che in presenza di barra antirollio e con corsa sospensione variabile, utilizzando come input i segnali ottenuti mediante l’applicazione di estensimetri sui braccetti della sospensione e alcuni dei canali estensimetrici applicati sulla leva inferiore appropriatamente scelti; verranno, inoltre, presentati il calcolo delle forze alla leva inferiore mediante l’inversione della matrice di sensibilità ed equilibrio geometrico e verrà proposto uno studio sull’influenza del camber nella stima delle forze a terra in cui si proporrà una soluzione per tener conto di tale effetto. Nella seconda parte si presenterà, dapprima, il modello FEM con elementi monodimensionali della sospensione posteriore della vettura LMH ed infine verranno implementate le reti neurali per il calcolo delle forze al punto di contatto di cui verrà verificata l’accuratezza mediante simulazioni su circuiti differenti.

Implementazione di reti neurali per la stima dei carichi alla ruota di vetture sportive durante la guida in pista

BIASIUTTI, DIEGO
2022/2023

Abstract

Conoscere le forze scambiate al punto di contatto tra pneumatico e terreno in tempo reale è di grande importanza dato che consente di massimizzare le prestazioni del veicolo ed affinare i controlli quali, ad esempio, ripartizione di frenata, traction control, ABS, etc. sia in ambito racing che in ambito stradale. In questa tesi verranno implementate ed utilizzate le reti neurali sia per la stima dei carichi al punto di contatto della ruota con il terreno per la posteriore sinistra di una vettura GTE, sia per la sospensione posteriore di una vettura LMH in sviluppo a partire da, rispettivamente, acquisizioni sperimentali e simulazioni. Nella prima parte del lavoro riguardante la sospensione multilink posteriore sinistra di una vettura GTE, verranno analizzate le performance delle reti neurali nella stima delle forze al punto di contatto tra ruota e terreno sia in assenza che in presenza di barra antirollio e con corsa sospensione variabile, utilizzando come input i segnali ottenuti mediante l’applicazione di estensimetri sui braccetti della sospensione e alcuni dei canali estensimetrici applicati sulla leva inferiore appropriatamente scelti; verranno, inoltre, presentati il calcolo delle forze alla leva inferiore mediante l’inversione della matrice di sensibilità ed equilibrio geometrico e verrà proposto uno studio sull’influenza del camber nella stima delle forze a terra in cui si proporrà una soluzione per tener conto di tale effetto. Nella seconda parte si presenterà, dapprima, il modello FEM con elementi monodimensionali della sospensione posteriore della vettura LMH ed infine verranno implementate le reti neurali per il calcolo delle forze al punto di contatto di cui verrà verificata l’accuratezza mediante simulazioni su circuiti differenti.
2022
Implementation of neural networks for the estimation of the wheel loads of race cars during track driving
reti neurali
sospensioni
sperimentale
File in questo prodotto:
File Dimensione Formato  
Biasiutti_Diego.pdf

accesso riservato

Dimensione 38.71 MB
Formato Adobe PDF
38.71 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/46223