Human-in-the-loop Energy and Thermal Management for Electric Racing Cars through Optimization-based Control

Este artículo presenta un sistema de gestión energética y térmica para coches de carreras eléctricos que ajusta en tiempo real la señal de reducción de aceleración del conductor mediante un algoritmo de optimización y retroalimentación, logrando un rendimiento casi óptimo con una penalización de tiempo de menos del 0,22 % frente a soluciones offline.

Lo esencial

¡Imagina que conduces un coche de carreras eléctrico! Pero hay un problema: la batería no es infinita. Si conduces como un loco desde el principio, te quedarás sin energía a mitad de carrera y tendrás que ir muy despacio o parar a cargar. Si conduces demasiado lento, perderás tiempo valioso.

El objetivo de este paper es como tener un "copiloto inteligente" que vive dentro del coche y le dice al conductor exactamente cuándo pisar a fondo y cuándo soltar el acelerador para ganar la carrera sin quedarse sin batería.

Aquí te explico cómo funciona, usando analogías sencillas:

1. El Gran Dilema: El "Plan Maestro" vs. El Conductor Real

Los científicos primero crearon un plan matemático perfecto (una solución global óptima). Imagina que este plan es una coreografía de baile donde el coche debe acelerar y frenar de forma suave y continua, como si fuera un robot.

• El problema: Los humanos no somos robots. Si el coche te pide que sueltes el acelerador un 15% y luego un 22% en una recta, te vas a marear y a distraer. Además, las reglas de la carrera a veces prohíben que el coche "hackee" el pedal del conductor.
• La solución: En lugar de una coreografía compleja, el sistema decide: "O aceleras a tope (100%) o sueltas el pie del todo (0%)". Es como decirle al conductor: "¡Pisa a fondo hasta aquí, y luego deja que el coche ruede por inercia hasta la curva".

2. El "Semáforo Mágico" (El Algoritmo de Búsqueda)

¿Cómo sabe el sistema exactamente dónde debe soltar el pie?
El sistema calcula una especie de "nervio eléctrico" (llamado co-estado en el paper) que le dice al coche cuánto "cuesta" en tiempo ahorrar energía en cada metro de la pista.

• La analogía: Imagina que tienes un mapa del tesoro donde cada metro tiene un precio. El sistema busca el punto exacto donde el "precio" de seguir acelerando es demasiado alto.
• El truco: Usan un método llamado "bisección". Piensa en adivinar un número entre 1 y 100. Si dices 50 y es muy alto, pruebas 25. Si es muy bajo, pruebas 75. Hacen esto miles de veces en segundos para encontrar el punto exacto donde el coche debe empezar a "rodar" (coastar) sin perder tiempo.

3. El Copiloto que se Adapta (Control en Tiempo Real)

Una carrera es caótica. Puede llover, un rival puede pegarse a tu parachoques (reduciendo la resistencia del aire), o los neumáticos pueden desgastarse.

• El sistema dinámico: El "copiloto" no solo calcula el plan una vez y se olvida. Se actualiza cada pocos segundos (como un GPS que se recalcula si te sales de la ruta).
• El feedback: Si el coche se está quedando sin batería más rápido de lo previsto, el sistema ajusta el "semáforo" y le dice al conductor: "¡Suelta el acelerador un poco antes!". Si va sobrado de energía, le dice: "¡Pisa más fuerte!".

4. Tres Niveles de "Inteligencia"

Los autores probaron tres versiones de este sistema para ver cuál era mejor para ponerlo en un coche real:

1. El Genio Total (Online): El coche hace todos los cálculos matemáticos complejos en tiempo real. Es el más rápido y adaptable, pero requiere un ordenador muy potente dentro del coche.
2. El Plan Fijo (Trajetoria fija): El coche carga un plan pre-calculado antes de salir. Si algo cambia en la carrera, el plan no se adapta bien, pero es más fácil de instalar.
3. El Intuitivo (Solo Feedback): El coche no tiene un plan matemático complejo, solo mira cuánto energía gasta comparado con lo que debería gastar. Es el más simple de instalar, pero es un poco "tonto" si pasa algo inesperado (como una bandera amarilla).

¿Qué resultados obtuvieron?

¡Son increíbles!

• El sistema "Genio Total" pierde menos del 0.06% de tiempo comparado con el plan matemático perfecto (que nadie puede seguir en la vida real).
• Incluso las versiones más simples pierden muy poco tiempo (menos del 0.22%).
• La conclusión: Este sistema permite que los coches eléctricos de carreras sean tan rápidos como los de gasolina, pero sin quedarse sin batería. Hace que la gestión de la energía sea tan eficiente que el conductor apenas nota la diferencia, pero el coche gana segundos valiosos en cada vuelta.

En resumen: Es como tener un copiloto que tiene un mapa del futuro, sabe exactamente cuándo dejar de correr para no cansarse, y te avisa con un simple "¡Ahora suelta!" para que ganes la carrera sin quedarte tirado.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Gestión de Energía y Térmica con Bucle Humano en el Lazo para Coches de Carreras Eléctricos mediante Control Basado en Optimización

1. Problema

La electrificación del automovilismo, especialmente en carreras de resistencia, presenta desafíos críticos relacionados con la densidad energética limitada de las baterías y los tiempos de recarga relativamente largos en comparación con el repostaje de combustible. A diferencia de los coches de carretera, donde el objetivo es minimizar el consumo, en las carreras el objetivo es minimizar el tiempo de vuelta sujeto a restricciones de energía y temperatura.

Los principales obstáculos identificados son:

• Restricciones de Regulación y Seguridad: Las normativas de carreras suelen prohibir la sobrescritura directa de la demanda de potencia del piloto. Por lo tanto, las estrategias de control óptimo que generan trayectorias de potencia suaves y continuas (difíciles de seguir para un humano) no son viables.
• Complejidad Computacional: Las soluciones de optimización global (como la programación no lineal o métodos no causales) suelen ser demasiado lentas para ejecutarse en tiempo real durante una carrera.
• Gestión Térmica: Las limitaciones de temperatura de la batería y el motor son críticas y a menudo se ignoran en estrategias de control en tiempo real, lo que puede llevar a degradación o fallos.
• Perturbaciones: Las carreras están sujetas a incertidumbres como el desgaste de neumáticos, el efecto de estela (drafting) y banderas amarillas, que requieren que el sistema sea robusto y adaptable.

2. Metodología

Los autores proponen un marco de control basado en Model Predictive Control (MPC) que integra un bucle humano en el lazo mediante una estrategia de "levantar el pie y coastear" (lift-off-throttle & coasting).

• Modelo Convexo Simplificado: Se utiliza un modelo de dinámica longitudinal y tren de potencia simplificado en el dominio espacial. Se condensa la línea de carrera y las restricciones dinámicas en una restricción de energía cinética máxima dependiente de la pista. El modelo incluye estados de energía de la batería, temperatura del motor y batería, y flujos de energía bidireccionales (frenado regenerativo).
• Estrategia de Dos Etapas:
  1. Optimización Global (Offline/Inicial): Se resuelve un problema de optimización convexa (Programación de Segundo Orden Cónico - SOCP) para obtener la trayectoria óptima global de energía y el co-estado de energía cinética ($\lambda_{kin}$). Este co-estado representa la sensibilidad del tiempo total de la vuelta a los cambios en la energía cinética.
  2. Adaptación para el Piloto (Online): Dado que el piloto no puede seguir una curva de potencia suave, se impone una restricción binaria: el acelerador debe estar al 100% (potencia máxima) o al 0% (coastear) cuando el coche no está limitado por adherencia.
     • Se define un umbral $\lambda^*$ sobre la trayectoria del co-estado. Si $\lambda_{kin} > \lambda^*$, se envía una señal al piloto para que levante el pie (coastear).
     • Se utiliza un algoritmo de bisecación en línea para ajustar este umbral $\lambda^*$ y encontrar el punto óptimo de coastear que cumpla con el presupuesto de energía sin violar las restricciones de velocidad.
• Control por Retroalimentación (Feedback): Se implementa un controlador PI (Proporcional-Integral) que ajusta el umbral $\lambda^*$ en tiempo real basándose en el error entre los estados medidos (energía, temperatura) y los estados predichos óptimos. Esto compensa perturbaciones y errores del modelo.
• Arquitectura de Implementación: Se proponen tres variantes para evaluar la viabilidad de implementación en la unidad de control electrónico (ECU) del coche:
  1. Completa Online: Ejecución del optimizador convexo y el algoritmo de bisecación en el coche.
  2. Trajectoria Fija de Co-estado: Carga de una trayectoria precalculada, ejecutando solo la bisecación en el coche.
  3. Fija (Co-estado y Umbral): Sin optimización en el coche, solo control basado en el consumo de energía acumulado (sin gestión térmica activa).

3. Contribuciones Clave

• Marco de Control en Tiempo Real: Desarrollo de un sistema capaz de optimizar un horizonte de carrera de 47 km en 2.5 segundos, permitiendo la ejecución en tiempo real.
• Interfaz Humano-Máquina Segura: Transformación de una solución óptima abstracta en una estrategia de "potencia máxima o coastear" que respeta las regulaciones de carrera y es fácil de seguir para el piloto mediante señales simples (luces/sonidos).
• Gestión Térmica y Energética Integrada: Inclusión explícita de restricciones térmicas en la optimización en línea, algo raro en la literatura actual de control de carreras.
• Robustez ante Perturbaciones: Validación de la estrategia frente a escenarios realistas de carrera (estela, desgaste de neumáticos, banderas amarillas) mediante simulaciones en tiempo real.

4. Resultados

Las simulaciones se realizaron en un coche de resistencia eléctrico (InMotion) en el circuito de Zandvoort (11 vueltas).

• Pérdida de Rendimiento por Restricciones del Piloto: La estrategia de "levantar y coastear" resulta en una pérdida de tiempo de carrera de aproximadamente 0.3% - 0.4% en comparación con la solución óptima global (donde la potencia puede variar suavemente). Esto se considera aceptable dado el beneficio de la seguridad y la viabilidad regulatoria.
• Rendimiento bajo Perturbaciones:
  • El enfoque completamente online (re-optimizando el co-estado y el umbral) es el más robusto, mostrando una pérdida de tiempo de apenas 0.056% a 0.22% en comparación con una solución óptima offline que conoce las perturbaciones con antelación.
  • Los métodos con trayectorias fijas (sin re-optimización) tienen un rendimiento ligeramente inferior (pérdida de 0.1% - 0.2%), pero siguen siendo competitivos.
  • Se identificó que los métodos con trayectorias fijas pueden sufrir en escenarios de "bandera amarilla completa" (límite de velocidad), donde el piloto podría recibir instrucciones de coastear a velocidades peligrosamente bajas. Esto sugiere la necesidad de condiciones heurísticas adicionales (ej. velocidad mínima de coastear).
• Consistencia: Los puntos de coastear son consistentes vuelta tras vuelta, lo que ayuda al piloto a anticipar las señales.

5. Significado e Impacto

Este trabajo es significativo porque cierra la brecha entre la teoría de control óptimo avanzado y la aplicación práctica en el automovilismo de competición.

• Viabilidad de Implementación: Demuestra que es posible ejecutar algoritmos de optimización complejos (SOCP) en el hardware de un coche de carreras en tiempo real.
• Seguridad y Regulación: Ofrece una solución que respeta las limitaciones de no interferir con el control del piloto, haciendo que la gestión de energía sea compatible con las reglas actuales de la FIA y series como Formula E o carreras de resistencia.
• Futuro del Deporte Motor: Abre la puerta a la electrificación de las carreras de turismo y sportscar, donde la gestión eficiente de la energía es crucial para la competitividad.
• Escalabilidad: La eficiencia computacional del método permite su uso para optimización de estrategia de alto nivel (longitud de vueltas, presupuestos de energía) y análisis de sensibilidad de parámetros.

En conclusión, el sistema propuesto logra un equilibrio casi óptimo entre la eficiencia teórica y la operatividad práctica, permitiendo a los equipos de carreras gestionar la energía y el calor de manera robusta sin sacrificar la seguridad ni la capacidad de reacción del piloto ante imprevistos.