電動車の動力システム最適化で航続と性能向上
中国北大学の研究チームが、電動自動車（EV）の性能向上において画期的な成果を上げた。同チームは、駆動システムの主要パラメータを最適化することで、航続距離と動力性能の両立を実現した。この研究は学術誌『Ship Electronic Engineering』に掲載され、電動車の開発における新たなアプローチの可能性を示している。
研究を主導した遆玉玉（ティ・ユユ）、洪應平（ホン・インピン）、張会新（チャン・ホイシン）、張銳浩（チャン・ルイハオ）の各氏は、中国北大学の電子測定技術国家重点実験室および微小ナノデバイス・システム教育部重点実験室に所属している。彼らの研究は、電動車の普及に向けた大きな課題である航続距離の短さとコストの高さに、ソフトウェアとシステム設計の観点からアプローチしたものだ。
現代の電動車は、環境への配慮や静粛性の高さから注目を集めているが、依然として「航続不安」や「充電時間の長さ」が消費者の購入をためらわせる要因となっている。これらの問題の解決策として、多くの企業や研究機関がより高性能なバッテリーの開発に注力している。しかし、バッテリー技術の革新は時間と費用がかかり、短期的な解決策としては限界がある。
今回の研究の真骨頂は、バッテリーそのものではなく、バッテリーから車輪に至るまでの「動力システム」全体のパラメータを最適化した点にある。具体的には、モーターの最大出力、最大回転数、そして最終減速比の3つの主要パラメータを、粒子群最適化（PSO）アルゴリズムを用いて調整した。PSOは、鳥の群れや魚の群れが餌を探す様子を模した計算手法で、複雑な問題に対して効率的に最適解を導き出すことができる。
従来のアプローチでは、これらのパラメータは個別に設定されることが多かった。例えば、加速性能を重視すればモーターの出力を大きくし、航続距離を重視すれば減速比を変更するといった具合だ。しかし、これらの要素は互いに影響し合うため、一つを変えると他の性能が低下するというトレードオフが生じる。この研究では、これらの要素を「統合システム」として捉え、全体のバランスを最適化するアプローチを採った。
研究チームは、まず都市部と郊外での日常的な通勤を想定した性能目標を設定した。具体的には、100km/hまでの加速時間が14秒以内、最高速度が140km/h以上、30km/hで30%以上の勾配を上れる能力、そして60km/hでの航続距離が210km以上、という4つの指標をクリアすることを目指した。
この目標を達成するために、研究チームはまず、モーターの出力、トルク、バッテリー容量などを初期値としてマッチング設計を行った。この初期設計は、車両の動力学モデルに基づいており、走行抵抗（空気抵抗、転がり抵抗、勾配抵抗）を正確に計算することで、必要な動力を算出している。バッテリーのモデルには、電圧の変動や内部抵抗をより正確に表現できる「改良型テブナンモデル」を採用し、シミュレーションの精度を高めた。
初期設計が完了した後、ここからが本番である。PSOアルゴリズムを用いて、前述の3つのパラメータ（減速比、モーター最大回転数、モーター最大出力）を最適化するプロセスが開始された。この最適化は「多目的最適化問題」として定式化されており、単に航続距離を伸ばすだけでなく、動力性能とのバランスも考慮に入れている。
研究チームは、経済性（航続距離）と動力性（加速性能）のどちらを優先するかを決定する必要があった。彼らは、現代の都市型EVのユーザーのニーズとして、日常的な使用における航続距離の安心感が加速性能よりも重要であると判断し、最適化の重み付けを「経済性：70%、動力性：30%」と設定した。これは、航続距離の向上を主目的としつつ、動力性能も一定程度向上させるという、非常に現実的なアプローチである。
この最適化プロセスの結果は、シミュレーションによって検証された。使用されたシミュレーション環境は、Matlab/Simulinkであり、走行パターンとして新欧州走行モード（NEDC）が採用された。NEDCは、都市部と郊外の走行を組み合わせた標準的なテストサイクルであり、実際の使用状況をある程度反映している。
シミュレーションの結果は、研究チームの期待を上回るものだった。最適化後のパラメータでは、航続距離が最適化前と比較して5.43%伸び、221.28kmから233.3kmとなった。これは、バッテリーの容量を一切変更していないにもかかわらず達成された成果であり、システム設計の重要性を如実に示している。
さらに注目すべきは、動力性能も向上した点だ。100km/hまでの加速時間は12.20秒から11.60秒に短縮され、5.35%の改善が見られた。これは一見、経済性を重視した最適化の結果としては意外に思える。しかし、これはPSOアルゴリズムが見つけ出した「最適なバランス点」が、モーターと減速比の組み合わせにおいて、より効率的な運転領域を活用できるように調整されたためと考えられる。つまり、無駄なエネルギー消費を減らすことで、余ったエネルギーを加速に回すことが可能になったのだ。
その他の性能指標も改善されている。最大勾配能力は30.653%から31.121%に向上し、1.53%の改善が見られた。最高速度は146.6km/hから145.2km/hにわずかに低下したが、これは最適化の目的である航続距離の向上に伴う、許容範囲内のトレードオフである。
バッテリーの状態（SOC）の変化を追うことで、その効率性の向上を裏付けることができる。NEDCサイクルを走行した後、最適化前の車両ではSOCが90%から82.68%まで低下したのに対し、最適化後は90%から83.69%までしか低下しなかった。これは、同じ走行距離をカバーするのに、1.01%少ないエネルギーしか消費しなかったことを意味する。この微小な差が、5.43%という大きな航続距離の伸びに繋がっている。
この研究の意義は、電動車の進化の方向性を示している点にある。今後、電動車の性能向上は、単にバッテリーの容量を増やすという「量的」なアプローチだけでなく、システム全体を最適化する「質的」なアプローチがますます重要になることを示唆している。PSOのような高度な最適化アルゴリズムを活用することで、既存のハードウェアのポテンシャルを最大限に引き出すことが可能になる。
この成果は、自動車メーカーにとって非常に大きなインパクトを持つ。新車の開発段階で、最適なパラメータを設計に組み込むことはもちろん、既に販売されている車両に対しても、ソフトウェアのアップデートを通じてパラメータを最適化し、航続距離や性能を向上させることが理論上可能になる。これは、製品のライフサイクルを延ばし、顧客満足度を高めるための強力な手段となるだろう。
また、この手法は特定の車種に限定されるものではない。小型EVだけでなく、大型商用車やハイブリッド車、さらには自動運転車にも応用できる可能性がある。特に、自動運転車では、走行ルートや交通状況に応じて動力システムのパラメータをリアルタイムで最適化する「適応型制御」が実現すれば、エネルギー効率はさらに飛躍的に向上するだろう。
研究チームは、今回の成果が、電動車の動力システムパラメータ最適化に粒子群最適化アルゴリズムを適用する可能性を示したと結論づけている。これは、ハードウェアの進化に頼るだけでなく、ソフトウェアとシステム思考の力で、より良いモビリティを実現するという、新たな時代の幕開けを告げるものかもしれない。
遆玉玉、洪應平、張会新、張銳浩、中国北大学、Ship Electronic Engineering、DOI: 10.3969/j.issn.1672-9730.2024.11.025