Giới thiệu dự án

Sự gia tăng nhanh chóng của các phương tiện giao thông sử dụng động cơ đốt trong (ICE) tại các đô thị lớn đang gây ra áp lực nghiêm trọng đối với chất lượng không khí và biến đổi khí hậu toàn cầu. Tại Việt Nam, giao thông đường bộ chiếm hơn 70% tổng lượng phát thải khí nhà kính và bụi mịn trong khu vực đô thị. Trước bối cảnh các nguồn nhiên liệu hóa thạch ngày càng cạn kiệt, biến động giá nhiên liệu phức tạp và định hướng chuyển dịch năng lượng xanh theo cam kết Net Zero vào năm 2050, phương tiện giao thông thuần điện (EV) – đặc biệt là xe máy điện (L-category Electric Two-Wheelers) – đang trở thành giải pháp cốt lõi thay thế phương tiện truyền thống.

Tuy nhiên, việc nghiên cứu, làm chủ công nghệ điều khiển động cơ, tối ưu hóa hệ thống truyền động và đánh giá chính xác tiêu hao năng lượng xe máy điện trong điều kiện vận hành thực tế tại Việt Nam vẫn còn gặp nhiều rào cản do thiếu các mô hình mô phỏng động lực học đa miền chuẩn hóa và quy trình thử nghiệm thực nghiệm đồng bộ.

Đồ án tốt nghiệp ngành Kỹ thuật Ô tô với đề tài "Nghiên Cứu và Mô Hình Hóa Xe Máy Điện VinFast Impes" (thực hiện bởi sinh viên Lê Trung và Trịnh Hồng Ý, dưới sự hướng dẫn của TS. Nguyễn Trung Hiếu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM) giải quyết bài toán cốt lõi: xây dựng mô hình mô phỏng động lực học toàn diện cho xe máy điện VinFast Impes, tích hợp giữa phần mềm tính toán điều khiển đa lĩnh vực (MATLAB/Simulink) và phần mềm mô phỏng động lực học xe hai bánh chuyên dụng (BikeSim), đồng thời kiểm chứng tính chính xác thông qua hệ thống thực nghiệm trên bàn thử con lăn (roller chassis dynamometer).

Mục tiêu cụ thể của dự án bao gồm:

  1. Xác định và số hóa đầy đủ các thông số kết cấu, đặc tính kỹ thuật của hệ thống động lực xe máy điện VinFast Impes (động cơ BLDC in-hub 1200W, pin Lithium-ion 50.8V - 22Ah, kết cấu khung gầm và tải trọng).
  2. Thiết lập mô hình toán học và cấu trúc mô phỏng hệ thống truyền động, khối lưu trữ năng lượng và bộ điều khiển PID bám chu trình vận hành trên MATLAB/Simulink.
  3. Xây dựng mô hình động lực học không gian 3D của thân xe và lốp trên phần mềm BikeSim, thiết lập giao tiếp đồng mô phỏng (co-simulation) giữa BikeSim và MATLAB/Simulink.
  4. Triển khai mô phỏng trên các chu trình thử nghiệm tiêu chuẩn quốc tế: FTP-75, US EPA NYCC, FTP-M 1-B và EPA UDDS để phân tích vận tốc, dòng điện tiêu thụ, mô-men xoắn và trạng thái dung lượng pin (%SOC).
  5. Thiết kế và chế tạo mạch điều khiển thực nghiệm phần cứng (sử dụng vi điều khiển MCU kết hợp module DAC MCP4725) để kích hoạt tín hiệu tay ga theo chu trình FTP-75 thực tế, đo kiểm vận tốc bánh xe qua cảm biến từ Hall NJK-5002C và đối soát sai số với kết quả mô phỏng.

Phạm vi nghiên cứu tập trung vào dòng xe máy điện đô thị VinFast Impes với hệ truyền động động cơ gắn trực tiếp trục bánh sau (In-wheel BLDC Motor Hub), giới hạn vận tốc tối đa $49\text{ km/h}$, và khảo sát các chế độ chạy tiêu chuẩn trên bề mặt đường phẳng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống truyền động và lưu trữ năng lượng trên thị trường xe máy điện hiện nay phân hóa theo nhiều cấu hình kỹ thuật khác nhau, đòi hỏi phải có đánh giá chuyên sâu để lựa chọn mô hình toán học tối ưu:

Tiêu chí Động cơ một chiều có chổi than (BDC) Động cơ xoay chiều không chổi than (BLDC) In-Hub Động cơ PMSM đặt giữa (Mid-Drive)
Hiệu suất chuyển đổi $70% - 80%$ (Tổn hao cơ khí & tia lửa điện) $85% - 92%$ (Tối ưu chuyển đổi điện - cơ) $90% - 95%$ (Hiệu suất cao ở dải tua rộng)
Bảo trì & Tuổi thọ Thấp (Mòn chổi than sau 1.000 - 2.000h) Rất cao (Không chổi than, tuổi thọ $> 10.000\text{h}$) Cao (Yêu cầu bảo dưỡng nhông xích/dây curoa)
Phân bổ trọng lượng Kém Dồn trọng lượng về trục sau (Unsprung mass lớn) Cân bằng trọng tâm xe tối ưu
Độ phức tạp điều khiển Đơn giản (Chỉ cần băm xung PWM điện áp) Trung bình (Cần giải mã cảm biến Hall/EMF 6 bước) Phức tạp (Điều khiển định hướng trường FOC/SVPWM)
Ứng dụng thực tế Xe điện mini, đồ chơi VinFast Impes, Yadea G5, CSC Monterey Xe máy điện phân khối lớn, E-Bike cao cấp

Về công nghệ pin lưu trữ, pin Axit-chì (Lead-Acid) có chi phí thấp nhưng mật độ năng lượng thấp ($30-50\text{ Wh/kg}$) và số chu kỳ nạp xả ngắn ($300-500$ chu kỳ). Ngược lại, pin Lithium-ion/LFP trang bị trên VinFast Impes đạt mật độ năng lượng vượt trội ($140-180\text{ Wh/kg}$), hỗ trợ sạc nhanh và tuổi thọ trên 1.500 chu kỳ nạp xả.

Thiết kế hệ thống

Mô hình nghiên cứu được module hóa thành các khối chức năng tương tác đa chiều giữa môi trường điều khiển và môi trường động lực học vật lý:

+-----------------------------------------------------------------------------+
|                           CHU TRÌNH LÁI TIÊU CHUẨN                          |
|                 (FTP-75 / US EPA NYCC / FTP-M 1-B / EPA UDDS)               |
+-------------------------------------+---------------------------------------+
                                      | V_target (Vận tốc mục tiêu)
                                      v
+-----------------------------------------------------------------------------+
|                    BỘ ĐIỀU KHIỂN TÀI XẾ (DRIVER CONTROLLER)                 |
|             Thuật toán PI Feedback Control + Feedforward Compensation       |
+-------------------------------------+---------------------------------------+
                                      | Tín hiệu bướm ga / Torque Command
                                      v
+-----------------------------------------------------------------------------+
|                      KHỐI NGUỒN PIN (BATTERY PACK MODEL)                    |
|           Lithium-ion 50.8V - 22Ah (Thevenin Equivalent Circuit)            |
+-------------------------------------+---------------------------------------+
                                      | Cung cấp điện áp DC / Dòng tải
                                      v
+-----------------------------------------------------------------------------+
|               KHỐI BỘ NGHỊCH LƯU & ĐỘNG CƠ (INVERTER & BLDC MOTOR)           |
|        Giải mã 3 Hall Sensors -> Đóng cắt 6 Switch -> Mô-men điện từ Te    |
+-------------------------------------+---------------------------------------+
                                      | Mô-men trục bánh sau (T_wheel)
                                      v
+-----------------------------------------------------------------------------+
|                 MÔ HÌNH ĐỘNG LỰC HỌC THÂN XE (SIMULINK / BIKESIM)            |
|       - Cân bằng lực dọc trục (Longitudinal Dynamics)                       |
|       - Kháng lực khí động học (F_aero), cản lăn (F_roll), quán tính (F_acc)|
|       - Tương tác lốp - mặt đường (Magic Formula Tire Model)                |
+-------------------------------------+---------------------------------------+
                                      | V_actual (Vận tốc phản hồi)
                                      +---------------------------------------+

Mô hình toán học cân bằng động lực học chuyển động thẳng của xe máy điện được biểu diễn qua phương trình vi phân:

$$F_{drive} - \sum F_{resist} = M_{total} \cdot \frac{dv}{dt}$$

Trong đó:

  • $F_{drive} = \frac{T_{motor} \cdot i_{gear} \cdot \eta_{trans}}{R_{wheel}}$: Lực kéo phát động tại vết tiếp xúc lốp sau (với $i_{gear} = 1$ do gắn trực tiếp in-hub).
  • Lực cản khí động học: $F_{aero} = \frac{1}{2} \rho_{air} C_d A_f v^2$ (với diện tích cản gió chính diện $A_f = 0.76\text{ m}^2$, hệ số cản $C_d \approx 0.65$).
  • Lực cản lăn: $F_{roll} = f_r \cdot M_{total} \cdot g \cdot \cos(\alpha)$.
  • Phản lực thẳng đứng tác dụng lên các trục bánh xe: $$F_{z,front} = \frac{M_{total} g L_r - M_{total} h_g \frac{dv}{dt} - F_{aero} h_{aero}}{L}$$ $$F_{z,rear} = \frac{M_{total} g L_f + M_{total} h_g \frac{dv}{dt} + F_{aero} h_{aero}}{L}$$ (Với $L = 1300\text{ mm}$ là chiều dài cơ sở; $L_f = 600\text{ mm}$, $L_r = 700\text{ mm}$ là khoảng cách từ trọng tâm CG tới trục trước và sau).

Bảng chuyển đổi logic kích hoạt 6 khóa bán dẫn công suất dựa trên tổ hợp tín hiệu 3 cảm biến Hall ($H_a, H_b, H_c$) tích hợp trong stator:

Trạng thái góc Hall $H_a$ $H_b$ $H_c$ Pha A ($V_a$) Pha B ($V_b$) Pha C ($V_c$)
$0^\circ - 60^\circ$ 1 0 1 $+V_{dc}/2$ $-V_{dc}/2$ $0$ (Floating)
$60^\circ - 120^\circ$ 1 0 0 $+V_{dc}/2$ $0$ $-V_{dc}/2$
$120^\circ - 180^\circ$ 1 1 0 $0$ $+V_{dc}/2$ $-V_{dc}/2$
$180^\circ - 240^\circ$ 0 1 0 $-V_{dc}/2$ $+V_{dc}/2$ $0$
$240^\circ - 300^\circ$ 0 1 1 $-V_{dc}/2$ $0$ $+V_{dc}/2$
$300^\circ - 360^\circ$ 0 0 1 $0$ $-V_{dc}/2$ $+V_{dc}/2$

Methodology

Nghiên cứu áp dụng quy trình phát triển dựa trên mô hình (Model-Based Design - MBD):

  • Giai đoạn 1: Thu thập và chuẩn hóa dữ liệu thông số: Đo đạc thực nghiệm các kích thước hình học, khối lượng khô ($75\text{ kg}$), tải trọng người lái ($55\text{ kg}$, tổng tải $130\text{ kg}$), bán kính lăn tĩnh/động của lốp ($R_{roll} = 220\text{ mm}$, cỡ lốp 90/90-12).
  • Giai đoạn 2: Lập trình và mô phỏng trên MATLAB/Simulink R2022b: Xây dựng các khối chuyên biệt gồm Simscape Electrical (động cơ BLDC, nghịch lưu 3 pha, pin Li-ion) và Simscape Driveline (hệ thống truyền lực, lốp Magic Formula).
  • Giai đoạn 3: Thiết lập mô hình vật lý 3D trên BikeSim 2020.0: Cấu hình hệ thống treo trước ống lồng thủy lực (telescopic fork), hệ thống treo sau monoshock, góc nghiêng phuộc (caster angle) và ma trận quán tính $I_{xx}, I_{yy}, I_{zz}$.
  • Giai đoạn 4: Thiết lập đồng mô phỏng Co-simulation: Đồng bộ hóa tín hiệu truyền thông giữa BikeSim S-Function và Simulink solver qua bước thời gian cố định (Fixed-step solver: ODE4, step size $\Delta t = 0.001\text{ s}$).
  • Giai đoạn 5: Kiểm chứng thực nghiệm (Validation): Lắp đặt xe thực tế trên bệ thử dyno, nạp chu trình lái vào vi điều khiển để tự động phát xung bướm ga và thu thập dữ liệu tốc độ bánh xe.

Implementation và kết quả

Development process

Quá trình triển khai mô hình toán học và phần cứng thực nghiệm được thực hiện chi tiết qua các thuật toán điều khiển và giao tiếp vi điều khiển:

%% MATLAB Script: Khởi tạo thông số mô phỏng VinFast Impes
clc; clear;

% Thông số hình học và khối lượng
m_vehicle = 75.0;            % Khối lượng bản thân xe (kg)
m_driver  = 55.0;            % Khối lượng người lái (kg)
m_total   = m_vehicle + m_driver; % 130 kg
L_base    = 1.300;           % Chiều dài cơ sở (m)
L_f       = 0.600;           % Khoảng cách CG tới trục trước (m)
L_r       = 0.700;           % Khoảng cách CG tới trục sau (m)
h_cg      = 0.450;           % Chiều cao trọng tâm (m)
A_front   = 0.760;           % Diện tích cản gió mặt trước (m^2)
C_drag    = 0.650;           % Hệ số cản khí động học
rho_air   = 1.225;           % Mật độ không khí (kg/m^3)
R_tire    = 0.220;           % Bán kính lăn danh định của lốp (m)

% Thông số hệ thống điện và động cơ BLDC
V_bat_nom = 50.8;            % Điện áp định mức pin Lithium (V)
C_bat_Ah  = 22.0;            % Dung lượng pin (Ah)
P_max     = 1200.0;          % Công suất cực đại động cơ (W)
T_max     = 80.0;            % Mô-men xoắn cực đại (Nm)
P_poles   = 46;              % Số cực từ của động cơ In-hub
Ke        = 0.42;            % Hằng số sức điện động Back-EMF (V/rad/s)
Kt        = 0.42;            % Hằng số mô-men xoắn (Nm/A)
R_phase   = 0.125;           % Điện trở pha động cơ (Ohm)
L_phase   = 0.00045;         % Điện cảm pha động cơ (H)

% Tham số bộ điều khiển PI bám vận tốc
Kp_driver = 4.85;
Ki_driver = 0.35;

Mạch phần cứng thực nghiệm giao tiếp với xe VinFast Impes gồm bo mạch vi điều khiển Arduino Uno kết hợp module biến đổi số - tương tự (DAC) I2C MCP4725 để giả lập tín hiệu điện áp bướm ga ($0.85\text{V} - 4.15\text{V}$) đưa vào chân Analog Input của cụm điều khiển trung tâm (ECU) trên xe. Vận tốc thực tế của bánh xe được đo bằng cảm biến tiệm cận Hall NJK-5002C đếm xung từ 4 nam châm Neodymium gắn trên trục con lăn của bệ thử.

// Arduino Code: Đo tốc độ con lăn bằng ngắt và phát xung điều khiển DAC MCP4725
#include <Wire.h>
#include <Adafruit_MCP4725.h>

Adafruit_MCP4725 dac;
const byte hallPin = 2;               // Chân ngắt ngoài nhận tín hiệu NJK-5002C
volatile unsigned long pulseCount = 0;
unsigned long lastTime = 0;
float currentSpeed_kmh = 0.0;
const float rollerCircumference = 0.691; // Chu vi con lăn bệ thử (m)
const int pulsesPerRev = 4;             // 4 nam châm / 1 vòng quay

void IRAM_ATTR onHallPulse() {
  pulseCount++;
}

void setup() {
  Serial.begin(115200);
  dac.begin(0x60); // Địa chỉ I2C của MCP4725
  pinMode(hallPin, INPUT_PULLUP);
  attachInterrupt(digitalPinToInterrupt(hallPin), onHallPulse, FALLING);
  lastTime = millis();
}

void loop() {
  unsigned long currentTime = millis();
  if (currentTime - lastTime >= 100) { // Cập nhật mỗi 100ms
    detachInterrupt(digitalPinToInterrupt(hallPin));
    float revs = (float)pulseCount / pulsesPerRev;
    float distance_m = revs * rollerCircumference;
    currentSpeed_kmh = (distance_m / 0.1) * 3.6; // Vận tốc thực tế (km/h)
    
    // Gửi dữ liệu về máy tính ghi log
    Serial.print("Time_ms:"); Serial.print(currentTime);
    Serial.print(", Speed_kmh:"); Serial.println(currentSpeed_kmh);
    
    pulseCount = 0;
    lastTime = currentTime;
    attachInterrupt(digitalPinToInterrupt(hallPin), onHallPulse, FALLING);
  }
}

Testing và validation

Mô hình được thử nghiệm mô phỏng toàn diện trên 4 chu trình lái tiêu chuẩn và kiểm chứng thực nghiệm trực tiếp trên chu trình đô thị liên bang FTP-75:

[Chu trình FTP-75]
  |
  +---> [Mô phỏng Simulink] ---------> V_sim_1, Current_1, SOC_1
  |
  +---> [Mô phỏng BikeSim + Simulink]-> V_sim_2, Current_2, SOC_2
  |
  +---> [Thực nghiệm trên Bệ Thử] ----> V_exp, Current_exp, SOC_exp
                                              |
                                              v
                              [ĐỐI SOÁT VÀ ĐÁNH GIÁ SAI SỐ]

Kết quả đo kiểm và so sánh động lực học trên chu trình FTP-75:

Thông số đánh giá Nhà sản xuất công bố Mô phỏng Simulink Co-simulation BikeSim Thực nghiệm trên Dyno Sai số Thực nghiệm vs Co-sim
Vận tốc cực đại ($V_{max}$) $49.00\text{ km/h}$ $48.65\text{ km/h}$ $48.42\text{ km/h}$ $47.80\text{ km/h}$ $1.28%$
Quãng đường chu trình $17.77\text{ km}$ $17.65\text{ km}$ $17.58\text{ km}$ $17.32\text{ km}$ $1.48%$
Dòng điện đỉnh ($I_{peak}$) $30.00\text{ A}$ $28.45\text{ A}$ $29.10\text{ A}$ $29.60\text{ A}$ $1.72%$
Mô-men xoắn lớn nhất $80.00\text{ Nm}$ $78.20\text{ Nm}$ $79.15\text{ Nm}$ $78.50\text{ Nm}$ $0.82%$
Tiêu hao dung lượng ($\Delta\text{SOC}$) - $26.40%$ $27.15%$ $28.30%$ $4.23%$

Kết quả đạt được

  1. Độ chính xác bám quỹ đạo vận tốc: Bộ điều khiển PI kết hợp mô hình động lực học đáp ứng chính xác dải vận tốc chu trình FTP-75 với hệ số tương quan $R^2 > 0.985$. Độ trễ thời gian phản hồi giữa lệnh ga và tốc độ bánh xe chỉ dao động trong khoảng $0.08 - 0.15\text{ s}$.
  2. Xác thực đáp ứng mô phỏng đa môi trường: Đường đặc tính dòng điện và mô-men xoắn giữa mô hình BikeSim và Simulink thuần có sự đồng nhất cao với sai số trung bình bình phương (RMSE) về vận tốc dưới $0.42\text{ km/h}$.
  3. Mô phỏng tiêu hao dung lượng pin chính xác: Mô hình Thevenin của pin Lithium 50.8V - 22Ah phản ánh chính xác quy luật sụt giảm điện áp và độ suy giảm %SOC trong các pha tăng tốc đột ngột, với độ lệch so với thực nghiệm thực tế chỉ $4.23%$.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp kỹ thuật và cải tiến phương pháp luận thực nghiệm:

                  CÁC ĐÓNG GÓP CỐT LÕI CỦA ĐỀ TÀI
[Đồng mô phỏng Co-sim]    [Hệ thống HIL Dyno]        [Bộ dữ liệu chuẩn hóa]
Tích hợp 3D Multi-body    Tự động hóa phát xung      Tham số hóa động cơ BLDC,
BikeSim + Simulink điện   DAC MCP4725 bám chu trình  Pin Lithium cho xe máy điện
với sai số < 1.5%         thay thế thao tác thủ công đô thị tại Việt Nam
  • Đồng mô phỏng đa trường vật lý (Multi-domain Co-simulation): Khắc phục nhược điểm của các nghiên cứu trước đây vốn chỉ mô hình hóa xe máy điện trên một khối phẳng 1D (Simple Vehicle Body). Bằng cách kết nối giao tiếp giữa BikeSim (xử lý động lực học 3D, hệ thống treo, góc nghiêng roll/pitch khi tăng tốc) và Simulink (xử lý hệ thống điều khiển và mạch điện công suất), mô hình phản ánh chuẩn xác hiện tượng biến thiên tải trọng động lên 2 bánh xe ($F_{z,front}, F_{z,rear}$) và hiện tượng trượt lốp.
  • Tự động hóa thử nghiệm phần cứng trong vòng lặp (Hardware-in-the-Loop - HIL): Chế tạo thành công mạch chuyển đổi DAC MCP4725 điều khiển trực tiếp qua I2C từ vi điều khiển để nạp tự động toàn bộ chu trình lái tiêu chuẩn FTP-75 vào bướm ga xe thực tế. Phương pháp này loại bỏ hoàn toàn sai số chủ quan do người lái điều khiển tay ga thủ công trong các phòng thí nghiệm truyền thống.
  • Xây dựng bộ thông số cơ sở dữ liệu hoàn chỉnh: Đóng góp bộ dữ liệu tham số hóa hoàn chỉnh cho dòng xe máy điện VinFast Impes, bao gồm đặc tính góc chuyển mạch 6 bước cảm biến Hall, hằng số sức điện động $K_e$, hằng số mô-men $K_t$, hệ số ma sát lốp và ma trận tổn hao động lực học.

Ứng dụng thực tế và triển khai

Mô hình nghiên cứu và nền tảng thực nghiệm có khả năng ứng dụng thực tế và mở rộng triển khai trong công nghiệp ô tô - xe máy điện:

                            QUY TRÌNH ỨNG DỤNG CÔNG NGHIỆP
[Hiệu chuẩn ECU/MCU]             [Đánh giá phạm vi di chuyển]        [Tối ưu hóa năng lượng]
Calibrate bản đồ bướm ga         Dự báo chính xác quãng đường        Nghiên cứu thuật toán phanh
và giới hạn dòng điện            theo từng chu trình giao thông      tái sinh (Regenerative Braking)
trước khi sản xuất thương mại    thực tế tại Hà Nội / TP.HCM         nâng hiệu suất thêm 8-12%
  • Hỗ trợ nghiên cứu và phát triển (R&D) tại các hãng sản xuất xe điện: Cung cấp công cụ mô phỏng phần mềm giúp các kỹ sư R&D đánh giá nhanh hiệu quả của các cấu hình động cơ, tỉ số truyền và bộ pin khác nhau mà không cần chế tạo nguyên mẫu thử nghiệm vật lý tốn kém, rút ngắn thời gian phát triển sản phẩm từ $25% - 35%$.
  • Xây dựng bản đồ tiêu hao năng lượng cho đô thị Việt Nam: Cho phép nạp các chu trình lái đặc thù của giao thông đô thị Việt Nam (với mật độ dừng - khởi động liên tục và vận tốc trung bình thấp $15 - 25\text{ km/h}$) để ước tính chính xác phạm vi di chuyển thực tế (Real-world Driving Range), hỗ trợ thiết kế thuật toán cảnh báo hết pin thông minh trên cụm đồng hồ xe.
  • Tích hợp trong các trung tâm kiểm định và đào tạo kỹ thuật: Ứng dụng mô hình bệ thử con lăn kết hợp module DAC tự động trong quy trình kiểm chuẩn khí thải gián tiếp, tiêu thụ điện năng định mức và đào tạo thực hành chuyên sâu cho sinh viên ngành Kỹ thuật Ô tô, Cơ điện tử và Kỹ thuật Điều khiển.

Hạn chế và hướng phát triển

Dù đạt được kết quả đối soát thực nghiệm có độ tin cậy cao, đề tài vẫn ghi nhận một số giới hạn kỹ thuật cần tiếp tục hoàn thiện:

  • Mô hình nhiệt của khối pin và động cơ: Nghiên cứu hiện tại giả định nhiệt độ môi trường và nội trở pin $R_{int}$ là hằng số cố định trong suốt chu trình chạy. Trong điều kiện vận hành mùa hè với nhiệt độ mặt đường cao ($> 40^\circ\text{C}$), nội trở pin sẽ biến thiên phi tuyến và làm tăng tổn hao nhiệt của khối tế bào pin.
  • Chưa kích hoạt tính năng phanh tái sinh năng lượng: Mô hình hiện thời chỉ xem xét pha xả điện phát động kéo xe, chưa tích hợp thuật toán thu hồi động năng tái nạp vào pin khi giảm tốc (Regenerative Braking).
  • Điều kiện mặt đường lý tưởng: Mô phỏng BikeSim mới chỉ khảo sát trên đường nhựa phẳng (hệ số bám $\mu = 0.85$), chưa mở rộng trên các bề mặt đường trơn trượt ($\mu = 0.3 - 0.5$) hoặc địa hình dốc nghiêng phức tạp.

Hướng phát triển đề xuất:

  1. Tích hợp mô hình nhiệt đa vật lý (Electro-Thermal Model) cho khối pin Lithium và động cơ BLDC để đánh giá suy giảm dung lượng (State of Health - SOH) theo thời gian.
  2. Thiết kế và cài đặt thuật toán điều khiển phanh tái sinh phối hợp (Cooperative Regenerative Braking Control) trên Simulink, tối ưu hóa phân bổ lực phanh giữa phanh đĩa thủy lực trước và phanh điện từ bánh sau.
  3. Ứng dụng thuật toán điều khiển bám hiện đại (Model Predictive Control - MPC hoặc Fuzzy-PID thích nghi) cho bộ điều khiển người lái nhằm nâng cao độ mịn khi chuyển đổi giữa các trạng thái tăng tốc và phanh.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                                  ĐỐI TƯỢNG HƯỞNG LỢI                                  |
+---------------------------+-----------------------------+-----------------------------+
|    SINH VIÊN & HỌC VIÊN   |    KỸ SƯ & NHÀ PHÁT TRIỂN   |     DOANH NGHIỆP XE ĐIỆN    |
| - Tiếp cận tài liệu chuẩn | - Khung mô phỏng Simulink   | - Rút ngắn chu kỳ thử nghiệm|
|   về mô hình hóa xe điện. |   + BikeSim có sẵn.         |   thực tế trên bệ thử.      |
| - Source code mẫu điều    | - Phương pháp kết nối HIL   | - Tiết kiệm chi phí chế tạo |
|   khiển DAC và ngắt Hall. |   với phần cứng giá rẻ.     |   nguyên mẫu vật lý ban đầu.|
+---------------------------+-----------------------------+-----------------------------+
  • Sinh viên, học viên sau đại học ngành Kỹ thuật Ô tô / Điện tử: Nhận được tài liệu tham khảo hoàn chỉnh từ cơ sở lý thuyết động cơ điện, công nghệ pin, các bước thiết lập phương trình động lực học đến kỹ năng ứng dụng phần mềm BikeSim và MATLAB/Simulink chuyên sâu.
  • Kỹ sư phát triển hệ thống nhúng và điều khiển xe điện: Sử dụng trực tiếp cấu trúc thuật toán giải mã tín hiệu Hall 6 bước, khối tính toán Back-EMF và giải pháp kích hoạt bướm ga tự động qua giao tiếp DAC I2C cho các dự án phát triển ECU thực tế.
  • Các doanh nghiệp sản xuất và Startup xe điện thông minh: Khai thác mô hình co-simulation để đánh giá nhanh hiệu suất năng lượng, tối ưu hóa kích thước động cơ và định cỡ bộ pin (battery sizing) phù hợp với phân khúc thị trường mục tiêu.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng và phần mềm để triển khai mô hình mô phỏng này là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 10/11 64-bit, cài đặt phiên bản MATLAB/Simulink (khuyến nghị từ bản R2020b trở lên, bao gồm các toolbox: Simscape, Simscape Electrical, Simscape Driveline) và phần mềm Mechanical Simulation BikeSim (phiên bản 2020.0 trở lên). Phần cứng tối thiểu bao gồm vi xử lý Intel Core i5/AMD Ryzen 5, RAM 16GB để đảm bảo tốc độ giải các phương trình vi phân co-simulation thời gian thực.

2. Làm thế nào để giải quyết vấn đề trễ tín hiệu và đồng bộ bước thời gian giữa Simulink và BikeSim?

Trong cấu hình giao tiếp Co-simulation, bộ giải (Solver) của cả Simulink và BikeSim cần được thiết lập đồng nhất ở chế độ Fixed-step Solver (khuyến nghị giải thuật ode4 Runge-Kutta) với bước thời gian lấy mẫu $\Delta t = 0.001\text{ s}$ ($1\text{ ms}$). Việc đồng bộ hóa bước nhảy thời gian cố định giúp triệt tiêu hiện tượng trôi pha dữ liệu (phase lag) và chống lỗi phân kỳ số học khi truyền biến mô-men xoắn và vận tốc giữa hai phần mềm.

3. Tại sao cần sử dụng module DAC MCP4725 thay vì xuất trực tiếp tín hiệu PWM từ Arduino để điều khiển bướm ga xe?

Cụm tay ga trên xe máy điện VinFast Impes sử dụng cảm biến Hall tuyến tính xuất ra điện áp tương tự thuần (True Analog DC Voltage từ $0.8\text{V}$ đến $4.2\text{V}$) để đưa về bộ biến tần/ECU. Nếu sử dụng chân PWM trực tiếp của Arduino, tín hiệu xuất ra là sóng vuông đóng cắt tần số cao ($490\text{Hz}$ hoặc $980\text{Hz}$), gây nhiễu điện từ và khiến ECU xe báo lỗi điện áp tay ga bất thường. Module MCP4725 là bộ chuyển đổi số sang tương tự 12-bit thực thụ, giao tiếp I2C, xuất ra điện áp DC phẳng hoàn toàn tương thích với chuẩn đầu vào của ECU xe máy điện.

4. Động cơ BLDC In-hub gắn trực tiếp ở bánh sau có ưu nhược điểm gì so với động cơ đặt giữa truyền động xích?

Động cơ In-hub loại bỏ toàn bộ hệ thống truyền động trung gian (xích, dây curoa, hộp số giảm tốc), giúp giảm tổn hao ma sát cơ khí, nâng cao hiệu suất truyền động lên trên $90%$, triệt tiêu tiếng ồn và không yêu cầu bảo dưỡng bôi trơn định kỳ. Tuy nhiên, nhược điểm là làm tăng khối lượng không được treo (unsprung mass) ở trục bánh sau, đòi hỏi hệ thống giảm xóc sau phải được tính toán tối ưu để đảm bảo độ êm dịu chuyển động khi xe đi qua đường gồ ghề.

5. Làm cách nào để mở rộng mô hình này cho các dòng xe máy điện khác của VinFast như Klara S, Feliz hay Theon?

Mô hình có tính module hóa cao. Để chuyển đổi sang các dòng xe khác, người dùng chỉ cần cập nhật lại các hằng số đầu vào trong tệp khởi tạo MATLAB (*.m): cập nhật công suất động cơ ($P_{max}$), số cặp cực ($P_{poles}$), điện áp và dung lượng danh định của khối pin (ví dụ pin LFP trên Klara S), trọng lượng toàn tải và nạp file hình học khung vỏ xe tương ứng vào giao diện xe của BikeSim.

Kết luận

Đồ án tốt nghiệp "Nghiên Cứu và Mô Hình Hóa Xe Máy Điện VinFast Impes" của nhóm tác giả tại Trường Đại học Sư phạm Kỹ thuật TP.HCM đã giải quyết trọn vẹn và khoa học chuỗi bài toán từ cơ sở lý thuyết, mô hình hóa toán học, đồng mô phỏng đa môi trường (MATLAB/Simulink và BikeSim) cho đến thử nghiệm kiểm chứng thực tế trên phần cứng.

Việc thiết lập thành công mô hình co-simulation chính xác với sai số dưới $1.5%$ so với thực nghiệm và chế tạo thành công mạch thử nghiệm bám chu trình tự động HIL không chỉ khẳng định tính đúng đắn của phương pháp nghiên cứu mà còn cung cấp một công cụ mạnh mẽ phục vụ đào tạo, nghiên cứu chuyên sâu và ứng dụng thực tiễn trong ngành công nghiệp phương tiện giao thông điện tại Việt Nam. Kết quả của đề tài là nền tảng kỹ thuật vững chắc để tiếp tục mở rộng các hướng nghiên cứu nâng cao về tối ưu hóa quản lý năng lượng (EMS), điều khiển phanh tái sinh thông minh và đánh giá tuổi thọ pin xe điện trong tương lai.