Adaptieve lineaire MPC voor een PMSM-aangedreven autonome EV met een gefilterde derde-orde gegeneraliseerde integratorobserver

Slimmere besturingslogica voor zelfrijdende elektrische auto’s

Naarmate autonome elektrische auto’s gebruikelijker worden, verwachten we dat ze hun rijstrook betrouwbaar vasthouden, soepel door bochten sturen en elke druppel batterijenergie optimaal benutten. Onder de motorkap gedragen de elektrische motoren die deze voertuigen aandrijven zich echter complex en soms onvoorspelbaar, zeker bij hoge snelheden. Dit artikel introduceert een nieuwe regelstrategie waarmee een elektrische auto continu kan "leren" hoe de motor en de voertuigbewegingen zich op dat moment ontwikkelen, zodat de rit stabiel, efficiënt en veilig blijft, zelfs bij veeleisende rijomstandigheden.

Waarom het regelen van een elektrische auto zo lastig is

In een autonoom elektrisch voertuig moeten twee taken voortdurend op elkaar worden afgestemd: het leveren van de juiste aandrijfkracht aan de wielen en het volgen van het beoogde traject op de weg. De motor in veel moderne EV’s — een permanentmagneet-synchrone motor — gedraagt zich niet als een eenvoudige, constante machine. Zijn interne eigenschappen veranderen met snelheid en belasting, vooral in het hoge-snelheidsgebied waar ingenieurs het magnetische veld bewust verzwakken om de hardware te beschermen. Traditionele regelmethoden doen vaak alsof de motor eenvoudiger is dan in werkelijkheid, of behandelen deze als een perfecte koppelbron en negeren de interne dynamiek. Dat kan leiden tot stuurfouten, onstabiel lijnhouden en verspilde energie wanneer de auto versnelt, vertraagt of te maken krijgt met verstoringen zoals plotselinge veranderingen in de wegbelasting.

Een enkel regelsysteem voor motor en beweging

De onderzoekers stellen een adaptief lineair modelvoorspellend regelschema (AL-MPC) voor dat motorgedrag en voertuigbeweging samen aanpakt in plaats van in afzonderlijke lagen. Centraal staat een wiskundig model dat negen sleutelgrootheden in één raamwerk verbindt: motorstromen, wielrichting, de zijwaartse positie van de auto en de yaw-beweging (rotatie) tijdens het sturen. In plaats van dit model vast te zetten op één bedrijfs­punt, werkt de regelaar het bij elk bemonsteringsmoment bij zodat het overeenkomt met de huidige condities. Hierdoor kan de auto voorspellen hoe de huidige combinatie van snelheid, sturen en motortoestand zich in de komende fractie van een seconde zal ontwikkelen en vervolgens de beste stuurhoek en motorspanningen kiezen om zo dicht mogelijk bij het geplande traject te blijven, terwijl beperkingen op stromen, spanningen en beweging worden gerespecteerd.

De motor realtime "aanhoren"

Een belangrijk onderdeel is een speciale observer — een signaalverwerkingsmodule — die naar de elektrische signalen van de motor luistert en reconstrueert wat er intern gebeurt. Met een gefilterde "gegeneraliseerde integrator" schat hij de magnetische flux, het daadwerkelijk geproduceerde koppel en hoe de interne reactiviteit van de motor in de tijd verandert. Een voortschrijdend gemiddelde filter dempt hoogfrequente ruis vanuit de vermogenselektronica, zodat de schattingen stabiel blijven, zelfs wanneer de omvormer snel schakelt. Omdat deze grootheden fysisch betekenisvol zijn, kan de regelaar ze direct in zijn voorspellende model invoeren, zonder uitgebreide lookup-tabellen of offline kalibratie. Dit maakt het systeem beter bestand tegen veranderingen door temperatuur, veroudering en uiteenlopende rijomstandigheden.

Het beste handelen binnen grenzen kiezen

Zodra de observer en het voorspellende model hun voorspellingen hebben gemaakt, treedt een optimalisatieroutine in werking om te beslissen wat de volgende actie wordt. De auteurs gebruiken een "active-set" kwadratisch programmeeralgoritme dat efficiënt zoekt naar de combinatie van stuur- en motorspanningscommando’s die de volgfouten minimaliseert terwijl alle beperkingen worden gerespecteerd. Deze beperkingen omvatten maximale wielsnelheid, grenzen aan de stuurhoek en veilige bereiken voor motorstromen en -spanningen. Omdat het algoritme warm-started vanaf de vorige oplossing, zijn er meestal maar enkele iteraties nodig, wat het snel genoeg maakt om op een automotive-grade microcontroller te draaien. Hardware-in-the-loop tests bevestigen dat de volledige lus — observeren, voorspellen en optimaliseren — binnen minder dan een honderdste van een seconde per regelcyclus kan worden voltooid.

Hoeveel beter rijdt de auto?

Het team vergelijkt hun aanpak met twee gevestigde strategieën: een eenvoudiger lineaire regelaar met vaste motorgegevens en een complexere niet-lineaire regelaar. In computersimulaties waarbij de snelheid van de auto over een breed bereik wordt gevarieerd, inclusief het veeleisende flux-weakening gebied, vermindert de nieuwe methode de yaw-hoekfout met bijna drie orde van grootte en halveert zij de laterale positiefout ten opzichte van het basale lineaire ontwerp, terwijl de stuurinspanning aanzienlijk wordt afgevlakt. Ten opzichte van de niet-lineaire regelaar levert de methode nog steeds duidelijk kleinere padafwijkingen, reduceert zij snelheid- en spanningsrimpel drastisch en voorkomt zij scherpe koppelpiekjes die de aandrijflijn kunnen belasten of passagiers kunnen ongerust maken — en dat alles met zelfs iets minder rekentijd.

Wat betekent dit voor alledaags rijden?

Voor niet‑specialisten komt het erop neer dat dit werk laat zien hoe je zelfrijdende elektrische auto’s een capabeler en efficiënter "brein" kunt geven zonder hun boordcomputers te overbelasten. Door continu te schatten wat er echt in de motor gebeurt en die informatie in een eenduidig beeld van de voertuigbeweging te verwerken, houdt de voorgestelde regelaar het voertuig dichter bij het beoogde pad, gebruikt hij energie verstandiger en gaat hij beter om met plotselinge veranderingen. Hoewel aanvullend onderzoek nodig is om de aanpak uit te breiden naar zeer lage snelheden en gedetailleerdere banden‑weg-interacties, wijst deze adaptieve regelstrategie op elektrische auto’s die niet alleen schoner, maar ook soepeler, veiliger en comfortabeler voor hun inzittenden zijn.

Bronvermelding: Ismail, M.M., Al-Dhaifallah, M., Rezk, H. et al. Adaptive linear MPC for a PMSM-driven autonomous EV with a filtered third-order generalized integrator observer. Sci Rep 16, 9349 (2026). https://doi.org/10.1038/s41598-026-39158-3

Trefwoorden: regeling van autonome elektrische voertuigen, modelvoorspellende regeling, permanentmagneet-synchrone motor, coördinatie van koppel en besturing, realtime adaptieve regeling