The project is intended to analyze, develop and validate approaches, methodological tools and procedures to test cooperative, connected and autonomous mobility (CCAM). The twofold aim is to achieve an advancement of scientific and technological knowledge, and to create a methodological support for national and international operators and structures that will deal with technical standards and guidelines for CCAM.The reference framework is the testing of vehicles in realistic and complex traffic scenarios, in conditions modified by the disappearance of the driver as an intermediary between the vehicle and the traffic context, who now directly manages the functions of the vehicle, and determines a different behaviour with respect to both individual safety and traffic flow. The testing also involves the ability of new solutions to have non-disruptive effects on traffic and to enable efficient mobility services that respect the objectives of sustainability and neutrality toward climate-altering effects.The project methodologically enables more general aspects of standardization / homologation, while leaving them to the national and European regulatory bodies, and therefore supports not only scientific and technological knowledge, but also public debate, institutional involvement and technical-regulatory culture.The complexity of CCAM environments and the poor deterministic predictability of the traffic flow conditions in which the automation operates determine the need for many hours and kilometers of testing, which results in the necessity of implementing a major part of it in virtual simulation environments, with low cost and fast-time approaches. The methodologies will therefore include both modelling and simulation systems, that together guarantee the plausibility of the testing in two directions: from the context to the vehicle (realistic and representative stimuli of a wide range of situations); from the vehicle to the context (stress and realistic impacts on networks and services).The project will therefore develop the integration of methodological tools for the creation and validation of testing scenarios (and for the design of the resulting experiments), for the co-simulation of complex environments, including traffic and infrastructural scenarios, for the characterization and the evaluation of the performance of the tested vehicles/components. Methodological procedures and tools will be supported by vehicle simulators and driving simulators, as well as simulators of vehicular traffic networks. To develop the methodological framework, large experimental facilities will be exploited; the value of these available assets is a few million euros.At the end of the project, in addition to scientific advances and the innovation of methods and tools, a network of highly competent laboratories in the CCAM field will have been consolidated, able to compete and integrate in the European and global panorama.
Applicazione di batterie second life per l’accumulo di energia in impianti da fonte rinnovabile, (2022-2024) - Componente gruppo di Ricerca
Ricerca Regionale
ERC sectors
PE8_6 - Energy processes engineering
SDG
Obiettivo 15. Proteggere, ripristinare e favorire un uso sostenibile dell’ecosistema terrestre
Abstract
Per favorire la penetrazione delle Fonti Rinnovabili Non Programmabili (FRNP), in particolare per la fonte eolica e fotovoltaica, è necessario associare a tali impianti di produzione dei sistemi di accumulo che garantiscano la stabilità della rete di distribuzione e permettano di allineare generazione e domand, migliorando l’efficienaa complessiva delll’impianto.Il progetto prevede di collegare un sistema di accumulo elettrochimico di 1 MWh ad una centrale idroelettrica fluente di CVA, che può simulare il comportamento di altri impianti FNPR, su cui sarebbe più complesso fare un pilota di piccole dimensioni. Il sistema sarà composto da 500 kWh di batterie nuove e 500 kWh di batterie second life, di derivazione automobilistica, con capacità residua ridotta del 20%. Il progetto permetterà di studiare come regolare i flussi energetici in presenza di accumuli elettrochimici, di comprendere come utilizzare le batterie second life in impianti FNRP, identificare i profili di carica e scarica e monitorare lo stato meccanico dell’intero impianto di produzione con tecniche di manutenzione predittiva. Consentirà, inoltre, di realizzare il sistema di comunicazione, gestione e controllo per questo tipo di applicazione, e quindi di valutare la fattibilità tecnico- economica e la replicabilità su altri impianti.
RECYCLED MAGNET BASED MOTOR DIGITALISED VIRTUAL PRODUCTION TEST BED, (2022-2022) - Responsabile Scientifico
Ricerca UE - EIT
ERC sectors
PE7_2 - Electrical engineering: power components and/or systemsPE7_3 - Simulation engineering and modellingPE8_7 - Mechanical and manufacturing engineering (shaping, mounting, joining, separation)
SDG
Obiettivo 15. Proteggere, ripristinare e favorire un uso sostenibile dell’ecosistema terrestre|Obiettivo 7. Assicurare a tutti l’accesso a sistemi di energia economici, affidabili, sostenibili e moderni|Obiettivo 9. Costruire un'infrastruttura resiliente e promuovere l'innovazione ed una industrializzazione equa, responsabile e sostenibile
Abstract
This test bed aims to evaluate electric motors made with recycled materials from their technical performance, and considering LCA (Life Cycle Assessment) of the final product, circular manufacturing processes and by embedding a Digital Twin to support AI-driven analytics. Additionally, the test bed will incorporate motor fast re- design tools which will allow to consider the recycled part characteristics, their production processes and how the long-time performances can be affected due to the use of recycled motor parts.The testbed is a federation of existing test rigs interconnected among them and powered by new sensors measuring recycled components behaviours in e-motors. It will evaluate KPIs of the recycled motor in holistic point of view with LCA techniques, providing services to SMEs, vehicle assembly companies, small-to-large motor suppliers and appliance/machinery manufacturers.The e-motor magnet recycling will cover a part of the future aiming at significantly reducing the dependency from non-EU suppliers regarding to magnet production. Not only magnets, but also other active parts like copper conductors, or magnetic cores and shafts will be included in the test bed beyond 2022.
Low eNvironmental ImpaCt Energy storage systems CRF-POLITO 2021, (2021-2022) - Responsabile Scientifico di Struttura
Ricerca da Enti privati e Fondazioni
ERC sectors
PE8_11 - Sustainable design (for recycling, for environment, eco-design)PE8_6 - Energy processes engineering
SDG
Obiettivo 12. Garantire modelli sostenibili di produzione e di consumo
Abstract
Development of a battery roadmap based on life cycle environmental footprint. Different scenarios of recycling, reuse rates will be considered, and the potential impact of 2nd life application will be investigated
Integrazione di sistemi per guida AUTOnoma e di sistemi di Elettrificazione per l'incremento della sicurezza e dell'efficienza dei veiCOli, (2021-2023) - Componente gruppo di Ricerca
Ricerca Regionale - Piattaforme Tecnologiche
ERC sectors
PE8_7 - Mechanical and manufacturing engineering (shaping, mounting, joining, separation)
SDG
Obiettivo 13. Promuovere azioni, a tutti i livelli, per combattere il cambiamento climatico*
Abstract
La riduzione dei consumi e delle emissioni in veicoli stradali è una sfida importante anche per ragioni di packaging e costo dei sottosistemi. Inoltre le sfide per il prossimo futuro passano attraverso lo sviluppo dinuove tecnologie per l’incremento della sicurezza e del comfort. Allo stato dell’arte le due problematiche vengono affrontate in modo disgiunto. Il progetto AUTO-ECO ha l’obiettivo di sviluppare un modulo dipropulsione ibrido con strategie di controllo predittive basate su informazioni acquisibili da sensori utilizzati per la guida assistita e autonoma. Ciò consente di predire il funzionamento e ottimizzare l’utilizzodei sottosistemi della powertrain. Il Politecnico di Torino contribuirà al progetto con tre attività: sviluppo di modelli dinamici del veicolo e relativa validazione sperimentale, sviluppo e validazione di strategie dicontrollo della powertrain sulla base di segnali istantanei del veicolo e dei sottosistemi, sviluppo e validazione di strategie di controllo predittive basate su dati acquisiti da sensori ADAS. Inoltre ilPolitecnico di Torino, grazie alla collaborazione consolidata con alcuni partner e in considerazione della multidisciplinarietà che il sistema richiede, contribuirà allo sviluppo e alla integrazione del modulodenominato modulo P2+
Battery monitoring with Artificial Intelligence, (2020-2021) - Responsabile Scientifico
Ricerca da Enti privati e Fondazioni
ERC sectors
PE6_7 - Artificial intelligence, intelligent systems, multi agent systemsSH2_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.
Consulenza e supporto alla progettazione di sistemi di posizionamento ad alta precisione per presa in lavorazioni con pezzo in rotazione su macchine utensili, (2021-2023) - Responsabile Scientifico
“Consulenza e prove sperimentali per lo sviluppo di tecniche di monitoraggio per batterie”, (2021-2022) - Responsabile Scientifico
Prestazione di Servizi commerciale
Paesi coinvolti
ITALIA
Enti/Aziende coinvolti
Rabotti srl
Convenzione di interesse dipartimentale tra Politecnico di Torino – Dipartimento di Ingegneria Meccanica e Aerospaziale (DIMEAS) e la Società Podium Engineering S.r.l. per la reciproca collaborazione in attività di ricerca e consulenza., (2020-2021) - Responsabile Scientifico
/angelo.bonfitto)