Ambiente di simulazione automatizzato basato su FMU per analisi e validazione della vettura Dallara AV24

In the context of autonomous motorsport, the ability to accurately predict vehicle dynamic behavior through simulation is fundamental to ensuring high performance and operational safety. This thesis focuses on the development of an automated virtual simulation environment for the Dallara AV24 racecar, designed to analyze the influence of setup parameters on vehicle dynamics and to generate significant datasets for controller optimization. The research activity began with the development of the vehicle's multibody model within the Dymola environment. Specific model subgroups and components were created and modified to enable external access and modification of setup parameters (such as camber and toe angles, weight distribution, and anti-roll bar stiffnesses). This approach allowed the model to be exported as a Functional Mock-up Unit (FMU) while preserving the vehicle's complete configurability, thus decoupling the testing phase from the native modeling environment. The integration and development of the simulation environment were carried out in Matlab/Simulink, following two complementary approaches. In the first phase, an open-loop FMU simulation was implemented, aimed at validating the vehicle's dynamic response and analyzing the sensitivity of individual physical parameters. This allowed for the verification of the model's consistency and the effectiveness of the automation in changing configurations. Subsequently, the study extended to closed-loop simulation by integrating a Pure Pursuit controller capable of tracking trajectories and speed profiles generated from specific JSON files for different circuits. This configuration allowed the vehicle to be pushed towards its grip limits, analyzing how setup variations influence stability, handling, and maximum performance. The environment was further validated through automated test scenarios within the UR Autopilot ecosystem, developed by the Unimore Racing team, generating essential datasets to observe the interaction between the vehicle physics (modified by the setup) and the behavior of the Model Predictive Controller (MPC). The results obtained demonstrate how the developed environment allows for the rapid identification of the most promising setup configurations, reducing on-track development time and providing a robust tool for the predictive analysis of Dallara AV24's behavior in high-performance autonomous driving scenarios.

Nel contesto del motorsport con veicoli a guida autonoma, la capacità di prevedere accuratamente il comportamento dinamico del veicolo attraverso la simulazione è fondamentale per garantire prestazioni elevate e sicurezza operativa. Il presente lavoro di tesi si focalizza sullo sviluppo di un ambiente di simulazione virtuale automatizzato per la vettura Dallara AV24, progettato per analizzare l’influenza dei parametri di setup sulla dinamica del veicolo e generare dataset significativi per l'ottimizzazione dei controllori. L’attività di ricerca è iniziata con l’elaborazione del modello multibody della vettura in ambiente Dymola. Sono stati creati e modificati specifici sottogruppi e componenti del modello, per consentire l'accesso e la modifica dei parametri di assetto (quali angoli di camber e toe, distribuzione dei pesi, rigidezze delle barre antirollio) direttamente dall'esterno. Questo approccio ha permesso di esportare il modello come Functional Mock-up Unit (FMU), mantenendo la completa configurabilità del veicolo, svincolando così la fase di testing dall'ambiente di modellazione nativo. L’integrazione e lo sviluppo dell’ambiente di simulazione sono stati realizzati in Matlab/Simulink, seguendo due approcci complementari. In una prima fase, è stata implementata una simulazione della FMU in open-loop, finalizzata alla validazione della risposta dinamica del veicolo e all'analisi di sensibilità dei singoli parametri fisici. Questo ha permesso di verificare la coerenza del modello e l'efficacia dell'automazione nel cambio di configurazione. Successivamente, lo studio si è esteso alla simulazione in closed-loop, integrando un controllore di tipo Pure Pursuit capace di seguire traiettorie e profili di velocità, generati da file JSON specifici per diversi circuiti. Questa configurazione ha permesso di spingere il veicolo verso i propri limiti di aderenza, analizzando come le variazioni di setup influenzino la stabilità, la governabilità e le prestazioni massime. L’ambiente è stato ulteriormente validato attraverso scenari di test automatici nell'ecosistema UR Autopilot, realizzato dal team Unimore Racing, generando dataset essenziali per osservare l’interazione tra la fisica del veicolo, modificata dall'assetto, e il comportamento del controllore predittivo (MPC). I risultati ottenuti dimostrano come l’ambiente sviluppato consenta di identificare rapidamente le configurazioni di assetto più promettenti, riducendo i tempi di sviluppo in pista e fornendo uno strumento robusto per l’analisi predittiva del comportamento della Dallara AV24 in scenari di guida autonoma ad alte prestazioni.