Resumen
El sector del transporte terrestre está inmerso en una revolución sustentada en cuatro ejes principales: movilidad inteligente y sostenible; electrificación del tren motriz para reducir el impacto ambiental; análisis exhaustivo de datos (Big Data) y técnicas de inteligencia artificial para aprovechar la disponibilidad de información; y finalmente asistencia y automatización de la conducción. Considerando los cuatro aspectos anteriores, el proyecto propuesto tiene como objetivo incluir información sobre el contexto de conducción en la gestión del sistema de propulsión de las flotas de vehículos electrificados para transporte público con el fin de mejorar su rendimiento. Así pues, el proyecto propone explorar una nueva estrategia de gestión de flotas que considere el sistema formado por vehículos, conductores y casos de uso (rutas) de forma holística para minimizar las emisiones de CO2 de los vehículos, el consumo de combustible y/o consumo energético sujeto a restricciones como las emisiones contaminantes durante la vida útil del vehículo. En particular, se aplicarán técnicas Control Óptimo a la Gestión Energética del vehículo y se aplicará el enfoque predictivo basado en datos de uso al mantenimiento de la flota de autobuses urbanos siguiendo los principios de la Industria 4.0. Para ello, se utilizará un análisis avanzado de los datos registrados en el uso de los vehículos de la flota, el entorno y el taller para monitorizar y detectar, en una fase temprana, perturbaciones que requieran la implementación de acciones de mantenimiento. Este enfoque amplía los enfoques de prognosis y mantenimiento predictivo basado en condiciones (Condition Based Maintenance) al emplear el análisis exhaustivo de datos obtenidos en uso. Además, se explorará el empleo de técnicas de realidad aumentada para ayudar a los técnicos de mantenimiento durante sus intervenciones proporcionando pautas de decisión inteligente articuladas en tecnologías de interacción hombre-máquina.
Las siguientes tareas técnicas se llevarán a cabo a lo largo de los tres años de duración del proyecto:
1. Modelado del sistema propulsivo con dos enfoques: modelo de alta precisión y modelo en tiempo real orientado al control. El modelo de alta precisión se empleará para evaluar las decisiones de mantenimiento y para, mediante la simplificación adecuada, construir modelos en tiempo real que se utilizarán con fines de control.
2. Modelado y estimación de escenarios de conducción utilizando datos de conducción reales de una flota de autobuses urbanos xEV, que incluye: análisis estadístico del historial del vehículo, información otros autobuses en la ruta y la infraestructura de tráfico, es decir, información del contexto de uso del vehículo.
3. Fase de optimización, que incluirá el desarrollo de algoritmos de optimización tanto offline como en tiempo real. Los primeros destinados a la evaluación de estrategias y la toma de decisiones de mantenimiento y los algoritmos en tiempo real para el control de los vehículos.
4. Exploración de las capacidades y limitaciones de la aplicación de herramientas de Realidad Aumentada a un Centro de Diagnóstico de Vehículos y a nivel de taller para las tareas de mantenimiento correctivo y preventivo en una flota real de transporte urbano.
5. Validación y evaluación del impacto de las técnicas desarrolladas a un conjunto de autobuses en una flota urbana real de autobuses xEV.
