Giới thiệu dự án

Ô nhiễm không khí từ khí thải giao thông tại các đô thị lớn như TP. Hồ Chí Minh và Hà Nội đang là thách thức môi trường cấp bách. Theo các thống kê giao thông đô thị, phương tiện cơ giới phát thải khoảng 15% tổng lượng khí carbon monoxide ($CO$) và hơn 50% nồng độ nitrogen dioxide ($NO_2$) trong không khí. Tại Việt Nam, xe gắn máy chiếm hơn 85% tổng số phương tiện lưu thông hàng ngày nhờ tính tiện lợi và chi phí phù hợp với thu nhập của đại đa số người lao động. Tuy nhiên, xe máy đô thị chủ yếu vận hành ở dải vận tốc thấp, chu kỳ tăng giảm ga liên tục và dừng cầm chừng kéo dài, khiến động cơ đốt trong (Internal Combustion Engine - ICE) thường xuyên rơi vào vùng làm việc có hiệu suất nhiệt thấp, làm tăng suất tiêu hao nhiên liệu và nồng độ khí độc hại ($CO, HC, NO_x$).

Trong bối cảnh hạ tầng trạm sạc cho phương tiện thuần điện (Electric Vehicle - EV) tại Việt Nam vẫn đang trong giai đoạn đầu phát triển, giải pháp chuyển đổi xe máy truyền thống thành xe máy lai (Hybrid Electric Motorcycle - HEV/PHEV) là hướng tiếp cận mang tính khả thi cao. Giải pháp này giúp tối ưu hóa hiệu suất năng lượng, giảm phát thải trực tiếp nhưng vẫn duy trì tính cơ động và không phụ thuộc hoàn toàn vào mạng lưới trạm sạc công cộng.

+-------------------------------------------------------------------------+
|                        HONDA AIR BLADE 125CC HEV                        |
|                                                                         |
|  [Front Wheel] <--- Hub Motor (BLDC 1837W) <--- Inverter <--- Battery   |
|                                                              (50V/21Ah) |
|  [Rear Wheel]  <--- CVT Gearbox <--- ICE (125cc SOHC) <--- Throttle/EMS |
+-------------------------------------------------------------------------+

Đề tài tốt nghiệp ngành Công nghệ Kỹ thuật Ô tô tại Trường Đại học Sư phạm Kỹ thuật TP.HCM tập trung nghiên cứu: "Mô phỏng tối ưu suất tiêu hao nhiên liệu cho xe gắn máy lai bằng MATLAB/Simulink". Dự án lựa chọn dòng xe máy tay ga phổ biến Honda Air Blade 125cc làm xe nền, đề xuất cấu trúc hybrid song song (Parallel Hybrid) với động cơ điện tích hợp trong bánh trước (Hub Motor) và động cơ đốt trong truyền động bánh sau qua hộp số vô cấp (Continuously Variable Transmission - CVT).

Mục tiêu nghiên cứu cụ thể:

  1. Xây dựng mô hình toán học và mô phỏng động lực học toàn diện cho xe nền Honda Air Blade 125cc và hệ thống truyền lực xe lai trên nền tảng MATLAB/Simulink Powertrain Blockset.
  2. Thiết kế chiến lược quản lý năng lượng (Energy Management Strategy - EMS) và thuật toán phân phối công suất dựa trên phương pháp Quy hoạch động (Dynamic Programming - DP).
  3. Ứng dụng thuật toán tối ưu hóa cân bằng chuyển động kết hợp (Balancing Composite Motion Optimization - BCMO) để tìm bộ thông số tối ưu cho hệ thống lưu trữ và động cơ điện: công suất mô-tơ ($P_m$), điện áp danh định ($U_{out}$), và dung lượng pin ($Q$).
  4. Kiểm chứng và đánh giá mức độ tiết kiệm nhiên liệu, diễn biến trạng thái nạp (State of Charge - SOC) của ắc quy trên 3 chu trình lái thử nghiệm tiêu chuẩn: New York City Cycle (NYCC), Japanese 10-15 Mode, và ECE Single Cycle.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu xe máy lai trên thế giới và trong nước đã đưa ra một số cấu hình truyền động chính, tuy nhiên mỗi phương án đều tồn tại các hạn chế kỹ thuật riêng khi áp dụng thực tế trên xe tay ga:

Tiêu chí phân tích Cấu trúc Hybrid nối tiếp (Series HEV) Cấu trúc Hybrid phức hợp (Power-Split HEV) Cấu trúc Hybrid song song bánh trước - bánh sau (Đề xuất)
Cơ chế truyền động Động cơ xăng kéo máy phát sạc pin, mô-tơ điện độc quyền kéo bánh sau. Sử dụng bộ chia công suất bánh răng hành tinh 1-DOF/2-DOF kết hợp 2 nguồn. Bánh trước dẫn động bởi Hub Motor; bánh sau dẫn động bởi động cơ xăng qua CVT nguyên bản.
Mức độ can thiệp kết cấu Rất lớn (cần loại bỏ hộp số CVT, thay đổi toàn bộ cụm truyền động sau). Cực kỳ phức tạp, không gian khung sườn xe máy nhỏ hẹp không thể bố trí bộ bánh răng hành tinh. Rất thấp: Giữ nguyên cụm động cơ và CVT sau; chỉ thay vành bánh trước thành Hub Motor.
Hiệu suất chuyển đổi Tổn thất chuyển đổi năng lượng 2 lần ($Cơ \rightarrow Điện \rightarrow Cơ$). Hiệu suất tổng thể cao ở dải tốc độ ổn định nhưng chi phí chế tạo cao. Tối ưu: Hai nguồn lực hoạt động độc lập hoặc cộng gộp trực tiếp trên mặt đường qua lực bám lốp.
Khả năng phanh tái sinh Có (thông qua động cơ kéo phía sau). Có (thông qua máy phát/mô-tơ điện tích hợp). Có: Thu hồi động năng trực tiếp từ bánh trước thông qua chế độ phát điện của Hub Motor.

Phân tích yêu cầu kỹ thuật theo mô hình MoSCoW cho hệ thống cải tiến:

  • Must have (Bắt buộc có): Bảo toàn tính năng động lực học (gia tốc $0 - 60 \text{ km/h}$ trên đường bằng phẳng), giảm tiêu hao nhiên liệu tối thiểu 25% trên chu trình nội đô, phạm vi hoạt động thuần điện đạt trên $40 \text{ km}$.
  • Should have (Nên có): Cơ chế phanh tái sinh (Regenerative Braking) để nạp lại năng lượng cho ắc quy khi giảm tốc; bộ điều khiển người lái tích hợp chống bão hòa tích phân (PI with Anti-Windup).
  • Could have (Có thể mở rộng): Khả năng sạc ngoài (Plug-in Hybrid - PHEV) qua nguồn điện lưới gia đình $220\text{V}$.
  • Won't have (Không thực hiện): Thay đổi kết cấu khung sườn chịu lực chính và không thay đổi dung tích xy-lanh động cơ đốt trong nguyên bản.

Thiết kế hệ thống

Kiến trúc mô phỏng hệ thống xe máy lai trên MATLAB/Simulink bao gồm các phân hệ chính:

+---------------------------------------------------------------------------------+
|                             MATLAB/SIMULINK POWERTRAIN                          |
|                                                                                 |
|  [Drive Cycle] ---> [Longitudinal Driver (PI Anti-Windup)]                      |
|                               |                                                 |
|                               v (Accel / Decel Commands)                        |
|        +------------------------------------------------------+                 |
|        |       Energy Management System (EMS Controller)      |                 |
|        +------------------------------------------------------+                 |
|                   /                                \                            |
|                  v                                  v                           |
|       [ICE + CVT Subsystem]                [Hub Motor & Battery]                |
|        - Mapped SI Engine (125cc)           - BLDC Hub Motor                    |
|        - Dynamic CVT Belt Slip              - Lithium Equivalent Circuit        |
|                  \                                  /                           |
|                   v                                v                            |
|             [Rear Wheel]                      [Front Wheel]                     |
|                   \                                /                            |
|                    +-------> [Vehicle Dynamics] <---+                           |
|                              (1-DOF Body Model)                                 |
+---------------------------------------------------------------------------------+

Thông số công nghệ và công cụ mô phỏng:

  • Môi trường thực thi: MATLAB/Simulink phiên bản R2022b/R2023a tích hợp Powertrain Blockset, Optimization Toolbox.
  • Mô hình pin lưu trữ: Mạch tương đương Thevenin bậc 1 cho cell Lithium-ion với điện áp hở mạch $E_m(SOC)$ và nội trở $R_{int}(SOC)$.
  • Động cơ đốt trong: Khối Mapped SI Engine nạp bảng tra (Look-up Table) đặc tính mô-men xoắn cực đại và bản đồ tiêu hao nhiên liệu suất (Brake Specific Fuel Consumption - BSFC) theo độ mở bướm ga và tốc độ vòng tua ($RPM$).
  • Hộp số CVT: Mô hình động học trượt đai puly sơ cấp và thứ cấp có xét đến lực căng ban đầu $F_{ax}$, hệ số ma sát tĩnh/động $\mu_{static}/\mu_{kin}$, và góc nêm dây đai $\vartheta_{wedge}$.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình thiết kế dựa trên mô hình (Model-Based Design - MBD) gồm 4 giai đoạn:

+------------------+     +------------------+     +------------------+     +------------------+
| Giai đoạn 1      |     | Giai đoạn 2      |     | Giai đoạn 3      |     | Giai đoạn 4      |
| Xây dựng mô hình | --> | Thiết kế bộ điều | --> | Tối ưu hóa tham  | --> | Đánh giá & So    |
| xe nền & kiểm tra|     | khiển phân phối  |     | số bằng thuật    |     | sánh trên các    |
| động lực học     |     | công suất (DP)   |     | toán BCMO        |     | chu trình chuẩn  |
+------------------+     +------------------+     +------------------+     +------------------+
  1. Giai đoạn 1 (Thu thập dữ liệu & Mô hình hóa xe nền): Đo đạc các thông số hình học, khối lượng xe nền ($M_v = 110\text{ kg}$, diện tích cản gió $A_f = 0.65\text{ m}^2$, bán kính bánh xe $r_p = 0.26\text{ m}$). Xây dựng mô hình động lực học dọc 1 bậc tự do (1-DOF Longitudinal Vehicle Body).
  2. Giai đoạn 2 (Xác định kích thước ban đầu & Điều khiển phân phối công suất): Tính toán công suất kéo cần thiết để vượt dốc và gia tốc. Lựa chọn sơ bộ động cơ điện $1200\text{W}$, ắc quy Lithium $48\text{V} - 20\text{Ah}$. Áp dụng phương pháp Quy hoạch động (DP) xác định phân bố công suất tối ưu giữa động cơ xăng và mô-tơ điện.
  3. Giai đoạn 3 (Tối ưu hóa đa mục tiêu bằng BCMO): Thiết lập hàm mục tiêu kết hợp giữa suất tiêu hao nhiên liệu chu trình và chi phí suy giảm dung lượng pin để giải bài toán tìm vector nghiệm $X = [P_m, U_{batt}, Q_{batt}]^T$.
  4. Giai đoạn 4 (Phân tích đối chuẩn): Chạy mô phỏng kiểm tra chéo trên 3 chu trình NYCC, Japanese 10-15, ECE để so sánh hiệu năng giữa: Xe nền nguyên bản, Xe lai thông số ban đầu, và Xe lai tối ưu BCMO.

Triển khai thực nghiệm và Kết quả

Quá trình phát triển và thuật toán cốt lõi

1. Mô hình mô phỏng người lái (Longitudinal Driver Block)

Bộ điều khiển người lái sử dụng giải thuật PI cải tiến có khâu chống bão hòa tích phân (Anti-Windup) và khâu bù mồi (Feedforward) nhằm đảm bảo bám sát đường cong vận tốc tham chiếu $V_{ref}$:

$$y(t) = \frac{K_{ff}}{V_{nom}}V_{ref} + \frac{K_p e_{ref}}{V_{nom}} + \int_0^t \left(\frac{K_i e_{ref}}{V_{nom}} + K_{aw} e_{out}\right) dt + K_g \cdot \sin(\Theta)$$

Trong đó: $e_{ref} = V_{ref} - V$, $e_{out} = y_{sat} - y$, với tín hiệu ra bão hòa $y_{sat} \in [-1, 1]$. Tín hiệu điều khiển sau đó được phân tách thành lệnh bàn đạp ga $y_{acc}$ và lệnh phanh $y_{dec}$.

% Code MATLAB: Thuật toán tách lệnh gia tốc và phanh từ bộ điều khiển Driver
function [y_acc, y_dec] = driver_control_split(y_sat)
    if y_sat >= 0
        y_acc = min(max(y_sat, 0), 1);
        y_dec = 0;
    else
        y_acc = 0;
        y_dec = min(max(-y_sat, 0), 1);
    end
end

2. Trạng thái nạp ắc quy (Battery State of Charge - SOC)

Mức nạp của hệ thống lưu trữ năng lượng được xác định chính xác theo phương pháp đếm Coulomb (Coulomb Counting):

$$SOC(t) = SOC_0 - \int_0^t \frac{I_{batt}(\tau)}{Q(I_{batt})} d\tau$$

Với $I_{batt}$ là dòng điện tức thời qua mỗi cell pin (dương khi phóng điện, âm khi phanh tái sinh), $Q(I_{batt})$ là dung lượng thực tế phụ thuộc tốc độ phóng theo định luật Peukert.

3. Thuật toán tối ưu hóa BCMO (Balancing Composite Motion Optimization)

BCMO là thuật toán tối ưu hóa bầy đàn siêu phỏng đoán (metaheuristic) mô phỏng các trạng thái cân bằng chuyển động phức hợp. Hàm mục tiêu tối thiểu hóa chi phí nhiên liệu và khối lượng hệ thống truyền động:

% BCMO Optimization Formulation for HEV Powertrain Parameters
% Decision Variables: x(1) = Motor Power (W), x(2) = Battery Voltage (V), x(3) = Capacity (Ah)
function J = objective_cost_function(x)
    Pm = x(1); Ubatt = x(2); Qbatt = x(3);
    
    % Chạy mô phỏng Simulink với bộ tham số x
    simOut = sim('Hybrid_Motorcycle_Powertrain', 'SrcWorkspace', 'current');
    
    Fuel_Cons = simOut.get('Fuel_Consumption_L100km'); % L/100km
    Delta_SOC = abs(simOut.get('SOC_final') - simOut.get('SOC_initial'));
    Mass_Penalty = 0.05 * (Pm/1000 + Ubatt*Qbatt/500);
    
    % Trọng số hàm mục tiêu
    alpha = 1.0; beta = 5.0; gamma = 0.2;
    J = alpha * Fuel_Cons + beta * Delta_SOC + gamma * Mass_Penalty;
end

Sau 100 thế hệ lặp, giải thuật BCMO đã hội tụ và xác định bộ thông số hệ thống tối ưu so với thiết kế ban đầu:

Tham số hệ thống Ký hiệu (Đơn vị) Giá trị tính toán ban đầu Giá trị tối ưu qua BCMO Mức độ thay đổi
Công suất động cơ điện $P_m$ ($\text{W}$) $1200.0$ $1837.2$ $+53.1%$
Điện áp danh định pin $U_{batt}$ ($\text{V}$) $48.0$ $50.4$ $+5.0%$
Dung lượng hệ pin $Q$ ($\text{Ah}$) $20.0$ $21.2$ $+6.0%$

Kiểm thử và Đánh giá kết quả mô phỏng

Mô hình đã được chạy kiểm chứng toàn diện trên 3 chu trình lái thử nghiệm có đặc tính vận tốc phản ánh trung thực điều kiện giao thông tại các đô thị Việt Nam:

+------------------------------------------------------------------------------------+
|                         SO SÁNH MỨC TIÊU HAO NHIÊN LIỆU (L/100km)                  |
|                                                                                    |
|  NYCC (Đô thị đông đúc):                                                           |
|  Xe nền ICE       [========================================] 5.39 L                |
|  Hybrid Ban đầu   [========================] 3.32 L (-38.4%)                       |
|  Hybrid BCMO      [======================] 3.03 L (-43.8%)                         |
|                                                                                    |
|  Japanese 10-15 (Đô thị tiêu chuẩn):                                               |
|  Xe nền ICE       [==============================] 3.97 L                           |
|  Hybrid Ban đầu   [======================] 3.23 L (-18.6%)                         |
|  Hybrid BCMO      [====================] 2.90 L (-27.0%)                           |
|                                                                                    |
|  ECE Cycle (Nội đô châu Âu):                                                       |
|  Xe nền ICE       [==================================] 4.52 L                      |
|  Hybrid Ban đầu   [==============] 1.70 L (-62.4%)                                  |
|  Hybrid BCMO      [============] 1.53 L (-66.2%)                                   |
+------------------------------------------------------------------------------------+

Bảng tổng hợp số liệu đo lường hiệu suất tiêu thụ nhiên liệu:

Chu trình thử nghiệm Xe nền Honda Air Blade 125cc (L/100km) Xe lai thông số ban đầu (L/100km) Xe lai tối ưu BCMO (L/100km) % Tiết kiệm so với xe nền % Cải thiện nhờ tối ưu BCMO
New York City Cycle (NYCC) $5.39$ $3.32$ $3.03$ $43.75%$ $8.73%$
Japanese 10-15 Mode $3.97$ $3.23$ $2.90$ $26.95%$ $10.22%$
ECE Single Cycle $4.52$ $1.70$ $1.53$ $66.15%$ $10.00%$

Đánh giá tính năng vận hành và phạm vi hoạt động:

  • Khả năng bám chu trình: Sai số vận tốc lớn nhất giữa vận tốc thực tế của xe và vận tốc đặt của chu trình $< 0.8 \text{ km/h}$, chứng minh hệ thống điều khiển bám vết vận tốc đáp ứng tốt các chu kỳ tăng tốc ngặt nghèo.
  • Phạm vi hành trình thuần điện: Yêu cầu thiết kế ban đầu đặt ra là $40\text{ km}$. Khi kích hoạt chế độ chỉ sử dụng động cơ điện với bộ pin $50\text{V} - 21\text{Ah}$ nạp đầy ($SOC = 100% \rightarrow 20%$), quãng đường thực tế đo được trên mô phỏng đạt $130\text{ km}$ (vượt $225%$ so với kỳ vọng ban đầu).

Đổi mới và Đóng góp khoa học

  1. Cải tiến cấu trúc truyền lực không can thiệp hộp số CVT: Khác biệt hoàn toàn với các nghiên cứu trước đây (như nghiên cứu của Kuen-Bao Sheu sử dụng bộ bánh răng hành tinh phức tạp hoặc Bo-Chiuan Chen chỉ khảo sát chu trình ECE R40 đơn lẻ), giải pháp bố trí động cơ Hub Motor ở bánh trước giúp giữ nguyên $100%$ kết cấu động cơ đốt trong và hệ truyền động CVT bánh sau của xe Honda Air Blade, giảm thiểu chi phí chuyển đổi cơ khí.
  2. Đột phá trong phối hợp thuật toán tối ưu hóa đa cấp: Kết hợp giữa thuật toán Quy hoạch động (Dynamic Programming) cho chiến lược phân phối công suất thời gian thực và thuật toán BCMO trong tối ưu hóa kích thước linh kiện nguồn động lực.
  3. Hiệu suất năng lượng vượt trội: Đạt tỷ lệ giảm phát thải và tiêu hao nhiên liệu lên đến $43.75%$ trong điều kiện chạy dừng liên tục của chu trình đô thị NYCC và $66.15%$ ở chu trình ECE. Thuật toán BCMO giúp tăng thêm $8.7% - 10.2%$ hiệu quả tiết kiệm nhiên liệu so với phương pháp tính toán dung lượng giải tích truyền thống.

Ứng dụng thực tế và Triển khai

Khả năng thương mại hóa thành bộ Kit chuyển đổi (Retrofit Kit)

Kết quả mô phỏng cung cấp cơ sở kỹ thuật chính xác để phát triển gói phụ kiện nâng cấp (Retrofit Kit) cho các dòng xe tay ga đang lưu hành:

+-------------------------------------------------------------------+
|                  QUY TRÌNH TRIỂN KHAI RETROFIT KIT                |
|                                                                   |
| [1. Thay mâm trước]  --> Lắp vành đúc tích hợp BLDC Hub Motor     |
| [2. Đặt cụm pin]     --> Lắp pack Lithium-ion 50V/21Ah dưới cốp   |
| [3. Lắp Inverter]    --> Bố trí bộ điều khiển công suất DC-AC     |
| [4. Đấu nối cảm biến]--> Cảm biến vị trí bướm ga & tay phanh      |
| [5. Nạp Firmware]    --> Nạp thuật toán EMS điều khiển thông minh |
+-------------------------------------------------------------------+

Phân tích hiệu quả kinh tế và thời gian hoàn vốn (ROI)

  • Chi phí chuyển đổi ước tính: $8.500.000 - 10.500.000\text{ VNĐ}$ (Bao gồm Hub Motor $1.8\text{kW}$, Pack pin Lithium-ion $50\text{V} - 21\text{Ah}$, Inverter/Controller và dây dẫn).
  • Mức tiết kiệm chi phí nhiên liệu: Trung bình mỗi người dùng di chuyển $30\text{ km/ngày}$ trong nội đô (tương đương $10.950\text{ km/năm}$). Với mức tiêu hao giảm từ $5.39\text{ L/100km}$ xuống $3.03\text{ L/100km}$, lượng xăng tiết kiệm được là $\approx 258.4\text{ lít/năm}$.
  • Giá trị tiết kiệm: Tương đương $\approx 6.460.000\text{ VNĐ/năm}$ (tính theo đơn giá xăng $25.000\text{ VNĐ/lít}$).
  • Thời gian hoàn vốn đầu tư (Payback Period): Khoảng $1.3 - 1.6\text{ năm}$, sau đó người dùng hưởng lợi trực tiếp từ việc giảm chi phí vận hành và kéo dài tuổi thọ động cơ xăng nhờ việc san tải ở dải tốc độ thấp.

Hạn chế và Hướng phát triển

Hạn chế kỹ thuật hiện tại:

  • Mô hình động lực học thân xe sử dụng mô hình 1 bậc tự do (1-DOF Longitudinal Dynamics), chưa phản ánh toàn diện các hiện tượng động học phức tạp khi vào cua, rung lắc do mấp mô mặt đường (3-DOF/6-DOF) và sự phân bố tải trọng động giữa hai trục bánh xe khi phanh gấp.
  • Bản đồ tiêu hao nhiên liệu và khí thải động cơ đốt trong được mô phỏng dưới dạng bảng tra nội suy tĩnh (Look-up Table), chưa mô phỏng chi tiết các quá trình cháy quá độ (transient thermal dynamics) và hiện tượng suy giảm hiệu suất theo nhiệt độ làm việc của buồng đốt.

Hướng phát triển tiếp theo:

  • Phát triển mô hình điều khiển thời gian thực trên phần cứng nhúng (Hardware-in-the-Loop - HIL) sử dụng vi điều khiển chuyên dụng cho ô tô như TI C2000 hoặc STM32 Automotive.
  • Nghiên cứu chế tạo mẫu thử nghiệm vật lý (Physical Prototype) trên xe Honda Air Blade thật, tiến hành đo kiểm thực tế trên băng thử động lực học chuyên dụng (Chassis Dynamometer).
  • Mở rộng chiến lược điều khiển năng lượng dự đoán thích nghi (Adaptive Model Predictive Control - MPC) kết hợp dữ liệu định vị GPS và thông tin giao thông thời gian thực.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                           ĐỐI TƯỢNG HƯỞNG LỢI                           |
|                                                                         |
|  [Sinh viên & Giảng viên] --> Tài liệu chuẩn MBD & Powertrain Blockset  |
|  [Kỹ sư R&D Ô tô]         --> Mã nguồn tối ưu BCMO & Cấu hình Hybrid    |
|  [Doanh nghiệp Phụ trợ]   --> Bản vẽ thiết kế gói Retrofit Kit thương mại|
|  [Xã hội & Đô thị]        --> Giảm 43.75% phát thải khí nhà kính nội đô |
+-------------------------------------------------------------------------+
  • Sinh viên và Nghiên cứu sinh ngành Ô tô / Cơ điện tử: Cung cấp bộ khung phương pháp luận hoàn chỉnh từ tính toán lý thuyết, thiết lập mô hình toán đến kỹ thuật mô phỏng hệ thống truyền lực phức hợp trên MATLAB/Simulink.
  • Kỹ sư nghiên cứu & phát triển (R&D): Cung cấp giải thuật tối ưu hóa BCMO ứng dụng trong kỹ thuật định cỡ (sizing) các thành phần hệ thống truyền động hybrid và thuần điện.
  • Doanh nghiệp sản xuất phụ tùng và độ xe: Nắm bắt thiết kế chi tiết để sản xuất đại trà các kit chuyển đổi xanh cho hàng triệu xe máy tay ga đang lưu hành tại Đông Nam Á.
  • Cơ quan quản lý môi trường: Cung cấp căn cứ khoa học định lượng phục vụ việc xây dựng chính sách khuyến khích chuyển đổi phương tiện giao thông xanh, giảm áp lực hạ tầng điện lưới.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần mềm và toolbox để chạy mô hình mô phỏng này là gì?

Hệ thống yêu cầu cài đặt MATLAB/Simulink phiên bản R2020b trở lên với các gói công cụ bổ trợ bắt buộc: Powertrain Blockset, Simscape Driveline, Control System Toolbox, và Global Optimization Toolbox.

2. Việc đặt mô-tơ Hub Motor ở bánh trước có ảnh hưởng đến cảm giác lái và an toàn không?

Động cơ Hub Motor công suất $1.8\text{kW}$ làm tăng khối lượng không được treo (unsprung mass) của bánh trước khoảng $6 - 8\text{ kg}$. Để đảm bảo ổn định góc lái và giảm rung lắc, cần tinh chỉnh độ cứng lò xo và hệ số giảm chấn của cụm phuộc trước, đồng thời tích hợp thuật toán phân bổ mô-men phanh tái sinh mượt mà để tránh hiện tượng trượt lốp trước khi phanh trên đường ướt.

3. Tại sao thuật toán BCMO lại cho kết quả tối ưu vượt trội hơn so với tính toán giải tích?

Tính toán giải tích truyền thống thường chỉ xét các điểm làm việc danh định đơn lẻ tại vận tốc cố định. Ngược lại, BCMO thực hiện tìm kiếm đa chiều trên toàn bộ không gian biến trạng thái dọc theo chu trình vận hành động, giúp tìm ra điểm cân bằng tối ưu giữa hiệu suất động cơ điện, vùng làm việc BSFC tối ưu của động cơ xăng và khối lượng tăng thêm của hệ thống pin.

4. Hệ thống phanh tái sinh nạp lại bao nhiêu phần trăm năng lượng cho ắc quy?

Trên các chu trình có tần suất phanh dừng cao như NYCC, hệ thống phanh tái sinh từ động cơ bánh trước có khả năng thu hồi từ $15% - 22%$ tổng năng lượng tiêu hao trong quá trình giảm tốc, giúp duy trì mức SOC ổn định và gia tăng đáng kể quãng đường di chuyển của xe.

5. Chi phí bảo dưỡng hệ thống sau cải tạo thay đổi như thế nào?

Nhờ động cơ điện gánh tải ở dải vận tốc thấp và các giai đoạn tăng tốc mạnh, động cơ xăng giảm được số giờ hoạt động khắc nghiệt và nhiệt độ buồng đốt ổn định hơn. Điều này giúp chu kỳ thay dầu bôi trơn, bảo dưỡng bugi và dây đai CVT kéo dài thêm khoảng $30% - 40%$, bù đắp cho chi phí kiểm tra định kỳ hệ thống điện tử công suất.

Kết luận

Đồ án tốt nghiệp "Mô phỏng tối ưu suất tiêu hao nhiên liệu cho xe gắn máy lai bằng MATLAB/Simulink" đã giải quyết triệt để bài toán nâng cấp xe máy truyền thống Honda Air Blade 125cc thành xe máy lai xăng - điện cấu hình song song. Bằng việc ứng dụng thành công thuật toán tối ưu hóa BCMO, nghiên cứu đã xác định cấu hình phần cứng tối ưu ($P_m = 1837\text{W}$, $U_{batt} = 50\text{V}$, $Q = 21\text{Ah}$), giúp giảm tiêu hao nhiên liệu từ $26.95%$ đến $66.15%$ trên các chu trình thử nghiệm tiêu chuẩn và nâng tầm hoạt động thuần điện lên tới $130\text{ km}$.

Kết quả nghiên cứu mở ra tiềm năng ứng dụng thực tiễn to lớn trong việc sản xuất các bộ kit chuyển đổi xanh cho phương tiện hai bánh, đóng góp giải pháp công nghệ thiết thực cho bài toán giảm thiểu ô nhiễm không khí và tiết kiệm nhiên liệu hóa thạch tại các đô thị hiện đại.