Design and development of a model-based predictive control system for automotive thermal management

• Ano de defesa: 2022
• Autor(a) principal: Hoffmann, João Eduardo
• Orientador(a): Santos, Max Mauro Dias
• Banca de defesa: Santos, Max Mauro Dias , Corrêa, Fernanda Cristina , Oliveira, Roberson Assis de , Murari, Thiago Barros
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Indústria automobilística; Controle preditivo; Análise térmica; Análise por agrupamento; Aprendizagem; Automobile industry and trade; Predictive control; Thermal analysis; Cluster analysis; Learning
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/30377

Nos sistemas de gerenciamento térmico automotivo, uma operação de refrigeração adaptativa é necessária pois a rejeição de calor do motor muda constantemente com a dinâmica do veículo. Um objetivo de refrigeração adaptativa ideal para o motor pode ser alcançado ao fornecer um fluxo de líquido refrigerante, em determinados estados de temperatura, o mais próximo possível das necessidades reais de coleta e rejeição de calor. Atualmente, para a regulação da temperatura do líquido refrigerante, sistemas veiculares de controle empregam amplamente controladores proporcional integral derivativo (PID), como processos de controle rápidos e leves, que geram demandas de velocidade do ventilador para o processo de atuação na rejeição de calor. Embora interessante em termos de custo computacional de processamento no veículo, a indução de distúrbios, a partir de parâmetros não estimados com precisão na modelagem do sistema, agrava a regulação da temperatura do líquido refrigerante na presença de diversas variáveis de impacto térmico. Com o objetivo de reduzir tais distúrbios, uma estratégia de controle preditivo baseado em modelo (MPC) é proposta, como um método, algoritmo e estratégia aplicados em sistemas de controle de ventiladores de veículos para a geração de demandas otimizadas de velocidade do ventilador na manutenção de um horizonte previsto de temperaturas do líquido refrigerante para uma configuração de set point de temperatura. Melhorias no desempenho do veículo, eficiência de combustível e emissões são potencialmente alcançadas com estratégias de aprendizado de máquina na previsão da temperatura e regulação térmica do líquido refrigerante e dos estados de impacto térmico em um horizonte futuro, definido para permitir que um modelo proposto de rotulagem com aprendizado por reforço (RL) realize buscas por velocidades ideais do ventilador. A estratégia probabilística do agente do modelo de rotulagem é aprimorada na interação e observação da resposta da temperatura do líquido refrigerante, a partir de um modelo de resposta térmica, com confiança em correlações de tempo cruzado com variáveis de impacto térmico, resultando em um menor desvio do set point de temperatura, comparado com controladores clássicos. Além disso, é proposto um processo de extração de características interpretáveis por humanos, com o uso do método de agrupamento baseado em covariância inversa Toeplitz (TICC), como um método de extração de estruturas precisas e interpretáveis em dados de séries temporais multivariadas, abordando otimizações no tempo de processamento na aplicação de representações confiáveis e de baixa dimensão. Os resultados de uma avaliação física experimental demonstram a eficácia da solução MPC em comparação com um controlador clássico, ao alcançar as potenciais reduções de 1,53% e 0,61% nos consumos de potência do ventilador e combustível, respectivamente.