La crescente complessità del software nelle moderne centraline (ECU) dei motori a combustione interna (ICE) presenta sfide significative in termini di verifica e convalida. La simulazione Hardware-in-the-Loop (HIL) è un pilastro del processo di testing, ma la sua efficacia è spesso ostacolata dallo sviluppo di modelli di impianto, un processo tradizionalmente dispendioso in termini di tempo e che richiede una profonda competenza fisica quando si utilizza software come GT-Power. Questa tesi introduce una metodologia innovativa e pragmatica per la modellazione empirica basata sull’intelligenza artificiale, progettata per accelerare drasticamente la configurazione della simulazione HIL delle centraline dei motori a combustione interna. L’approccio sfrutta un Large Language Model (LLM) che funge da agente intelligente, in grado di interpretare la documentazione tecnica e i dati specifici della centralina. Elaborando il manuale del software e il file di descrizione A2L, l’agente accelera lo sviluppo del modello, estraendo la logica di controllo necessaria e le dipendenze dei parametri.
Sulla base di questa comprensione “software-aware”, la metodologia sintetizza modelli di impianto in Simulink, computazionalmente leggeri. Questi modelli non sono fisicamente rigorosi, ma sono comportamentalmente accurati dal punto di vista della centralina, utilizzando semplici equazioni e tabelle di ricerca per simulare output chiave quali la coppia del motore, la dinamica dell’aria e dei gas di scarico e la pressione del rail del carburante. L’obiettivo principale è “ingannare” la centralina, garantendo il funzionamento a circuito chiuso e riducendo al minimo i codici di errore diagnostici che altrimenti inibirebbero i test.
I modelli risultanti raggiungono l’equilibrio ottimale tra velocità di sviluppo e fedeltà funzionale. Il flusso di lavoro proposto garantisce la stabilità del ciclo HIL per cicli di test prolungati (oltre 12 ore) e accetta un errore di previsione della coppia fino al 10%, privilegiando la rapidità di utilizzo rispetto alla precisione assoluta. Questa ricerca dimostra una soluzione pratica ed efficiente che semplifica la pipeline di test HIL, consentendo una convalida più rapida e agile di sistemi di controllo automotive complessi.
Ambito principale di tirocinio: AI e modellazione per ambienti HIL
Requisiti candidato/corso di studio:
- Laurea Magistrale in Ingegneria dell’automazione/meccatronica/meccanica/elettronica.
- Il candidato ideale dovrebbe possedere buone basi di motori a combustione e controlli automatici.
Sede: Torino
