ANGELO BONFITTO

Download the vcard Photo

Assistant Professor with time contract

+39 0110906240 / 6240 (DIMEAS)

Most recent publications

Bonfitto, Angelo; Feraco, Stefano (2021)
A Data-Driven Method for Vehicle Speed Estimation. In: KOMUNIKACIE, vol. 23, pp. B165-B177. ISSN 1335-4205 Download fulltext
Bonfitto, Angelo; Feraco, Stefano; Rossini, Marco; Carlomagno, Francesco (2021)
Fuzzy Logic Method for the Speed Estimation in All-Wheel Drive Electric Racing Vehicles. In: KOMUNIKACIE, vol. 23, pp. B117-B129. ISSN 1335-4205 Download fulltext
Feraco, Stefano; Luciani, Sara; Bonfitto, Angelo; Amati, Nicola; Tonoli, Andrea (2021)
A local trajectory planning and control method for autonomous vehicles based on the RRT algorithm. In: 2020 AEIT International Conference of Electrical and Electronic Technologies for Automotive (AEIT AUTOMOTIVE), 18-20 Novembre, 2020, pp. 1-6. ISBN: 978-1-7281-8201-8 Download fulltext
Belingardi, Giovanni; Amati, Nicola; Bonfitto, Angelo (2020)
ELECTRIC AND HYBRID VEHICLES: ARE WE READY FOR THE NEW MOBILITY ERA?. In: International Congress Motor Vehicles & Motors 2020, Kragujevac, October 8th - 9th, 2020, pp. 1-13
Luciani, Sara; Bonfitto, Angelo; Amati, Nicola; Tonoli, Andrea (2020)
Model predictive control for comfort optimization in assisted and driverless vehicles. In: ADVANCES IN MECHANICAL ENGINEERING, vol. 12. ISSN 1687-8140 Download fulltext
Ezemobi, Ethelbert Nwabugwu; Ruzimov, Sanjarbek; Bonfitto, Angelo; Tonoli, Andrea; ... (2020)
Energy Savings From Electrification of Cooling System. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Rahmeh, Hadi; Bonfitto, Angelo; Ruzimov, Sanjarbek (2020)
Fuzzy Logic vs Equivalent Consumption Minimization Strategy for Energy Management in P2 Hybrid Electric Vehicles. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Luciani, Sara; Bonfitto, Angelo; Amati, Nicola; Tonoli, Andrea (2020)
Comfort-Oriented Design of Model Predictive Control in Assisted and Autonomous Driving. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Feraco, Stefano; Bonfitto, Angelo; Amati, Nicola; Tonoli, Andrea (2020)
A LIDAR-Based Clustering Technique for Obstacles and Lane Boundaries Detection in Assisted and Autonomous Driving. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Feraco, Stefano; Bonfitto, Angelo; Khan, Irfan; Amati, Nicola; Tonoli, Andrea (2020)
Optimal Trajectory Generation Using an Improved Probabilistic Road Map Algorithm for Autonomous Driving. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Khan, Irfan; Feraco, Stefano; Bonfitto, Angelo; Amati, Nicola (2020)
A Model Predictive Control Strategy for Lateral and Longitudinal Dynamics in Autonomous Driving. In: ASME - 22nd International Conference on Advanced Vehicle Technologies (AVT), Virtual, 17-19/08/2020. ISBN: 978-0-7918-8393-8
Galluzzi, Renato; Circosta, Salvatore; Amati, Nicola; Tonoli, Andrea; Bonfitto, Angelo; ... (2020)
A Multi-Domain Approach to the Stabilization of Electrodynamic Levitation Systems. In: JOURNAL OF VIBRATION AND ACOUSTICS, vol. 142. ISSN 1048-9002
Galluzzi, Renato; Feraco, Stefano; Zenerino, Enrico C; Tonoli, Andrea; Bonfitto, Angelo; ... (2020)
Fatigue monitoring of climbing ropes. In: PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS. PART P, JOURNAL OF SPORTS ENGINEERING AND TECHNOLOGY. ISSN 1754-3371 Download fulltext
Feraco, Stefano; Bonfitto, Angelo; Amati, Nicola; Tonoli, Andrea (2019)
Combined Lane Keeping and Longitudinal Speed Control for Autonomous Driving. In: 21ST INTERNATIONAL CONFERENCE ON ADVANCED VEHICLE TECHNOLOGIES, Anaheim, CA, 18-21 /08/2019. ISBN: 978-0-7918-5921-6
Bonfitto, Angelo; Feraco, Stefano; Amati, Nicola; Tonoli, Andrea (2019)
Virtual Sensing in High-Performance Vehicles With Artificial Intelligence. In: 21ST INTERNATIONAL CONFERENCE ON ADVANCED VEHICLE TECHNOLOGIES, Anaheim, CA, 18-21 /08/2019. ISBN: 978-0-7918-5921-6
Bonfitto, Angelo; Ezemobi, Ethelbert; Amati, Nicola; Feraco, Stefano; Tonoli, Andrea; ... (2019)
State of Health Estimation of Lithium Batteries for Automotive Applications with Artificial Neural Networks. In: 2019 AEIT International Conference of Electrical and Electronic Technologies for Automotive (AEIT AUTOMOTIVE), Torino, pp. 1-5. ISBN: 978-8-8872-3743-6
Circosta, Salvatore; Galluzzi, Renato; Amati, Nicola; Bonfitto, Angelo; Castellanos ... (2019)
Improved 1-D Model for Semi-Hard Magnetic Material-Based Electromagnets. In: 2019 IEEE International Electric Machines & Drives Conference (IEMDC), San Diego, CA, USA, 12-15 May 2019, pp. 870-874. ISBN: 978-1-5386-9350-6
Bonfitto, Angelo; Feraco, Stefano; Tonoli, Andrea; Amati, Nicola (2019)
Combined regression and classification artificial neural networks for sideslip angle estimation and road condition identification. In: VEHICLE SYSTEM DYNAMICS, pp. 1-22. ISSN 0042-3114
Bonfitto, Angelo; Tonoli, Andrea; Feraco, Stefano; Zenerino, Enrico Cesare; Galluzzi, ... (2019)
Pattern recognition neural classifier for fall detection in rock climbing. In: PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS. PART P, JOURNAL OF SPORTS ENGINEERING AND TECHNOLOGY. ISSN 1754-3371
Show all publications in Porto@Iris

Funded research projects

Battery monitoring with Artificial Intelligence, (2020-2021) - Responsabile Scientifico

Ricerca da Enti privati e Fondazioni (non commerciale).

ERC sectors

PE6_7 - Artificial intelligence, intelligent systems, multi agent systems SH2_8 - Energy, transportation and mobility

SDG

Obiettivo 11. Rendere le città e gli insediamenti umani inclusivi, sicuri, duraturi e sostenibili

Abstract

La tecnologia proposta ha la funzione di effettuare in tempo reale la stima dello stato di carica di batterie, utilizzando un’architettura di rete neurale artificiale ricorsiva. Tale rete è dotata di una routine di inizializzazione del segnale retroazionato, per evitare problemi di divergenza della stima nel tempo. Rispetto all’idea brevettuale, la presente proposta mira a stimare lo stato di carica (SOC) in combinazione con l’identificazione dello stato di salute, ottenuto tramite un classificatore basato a sua volta su reti neurali artificiali. L’identificazione combinata dei due parametri permette di valutare l’energia residua nella batteria in funzione delle condizioni di carico e della degradazione pregressa. Tipicamente, nello stato attuale delle applicazioni industriali, questi due parametri vengono stimati con metodi basati su modelli analitici, i quali possono registrare problemi di accuratezza qualora il modello di riferimento non sia correttamente sintonizzato o non sia in grado di replicare tutte le condizioni operative reali di carico della batteria. Il metodo proposto non utilizza modelli di riferimento ma è una tecnica data-driven ed è caratterizzata da accuratezza di stima a fronte di un basso costo computazionale ed applicabilità a diverse composizioni chimiche della batteria.I campi di applicazione principali sono il monitoraggio e la diagnostica in tempo reale di pacchi batteria in ambito automotive per trazione e per alimentazione dei servizi. Inoltre, il metodo può essere applicato a pacchi batterie per sistemi UAV (Unmanned Aerial Vehicles) e, infine, trova applicazione nella valutazione dello stato di degradazione della batteria che è un passaggio rilevante per l’identificazione di applicazioni di second life della batteria.L’obiettivo dell’attività proposta è l’affinamento dell’idea brevettuale in direzione dell’applicazione industriale. Nello specifico, l’idea brevettuale verrà integrata con la stima dello stato di salute. Il progetto prevede di definire tre differenti piattaforme, ciascuna di esse costituita da pacco batteria e centralina di controllo, per le seguenti applicazioni: trazione di veicoli mild hybrid, alimentazione dei servizi di cabina di veicoli pesanti ed alimentazione di UAVs. Lo studio sarà rivolto ad affinare le logiche dell’algoritmo, ad individuare piattaforme di sviluppo open source e ad effettuare la validazione sperimentale. L’architettura del metodo di stima utilizzato nei tre casi sarà la stessa.

Countries

  • ITALIA

Departments

Expand details