Recent Developments in the Vehicle

Steer-by-Wire System
1 Différentes architectures Steer-by-Wire
1.1 Évolution historique des systèmes de direction
La technologie automobile a rapidement évolué, améliorant considérablement
l’efficacité, la sécurité et les performances des véhicules. Le système de direction,
qui transmet les commandes du conducteur aux roues, a connu plusieurs niveaux
d’évolution, passant d’un système purement mécanique à un système purement
électrique [1]. Les pièces mécaniques sont progressivement remplacées par des cap-
teurs et actionneurs électriques dans le but d’améliorer les performances [2].
L’historique de l’évolution des systèmes de direction a commencé avec la généra-
tion mécanique pure, qui a été améliorée avec le système hydraulique assisté (HPS),
puis le système électro-hydraulique assisté (EHPS), suivi du système électrique as-
sisté (EPS), pour finalement évoluer vers le système Steer-by-Wire (SbW) [3].
Les systèmes de direction traditionnels sont composés des éléments principaux
suivants : volant, colonne de direction, engrenage, crémaillère et pignon. Le système
doit transmettre les commandes du conducteur aux pneus du véhicule et les forcer à
suivre la trajectoire souhaitée déterminée par le conducteur. Les premiers systèmes
de direction, dits mécaniques, ne supportaient aucune option d’assistance. Tout
l’effort nécessaire devait être fourni par les mains du conducteur.
L’invention du système HPS est reconnue comme une amélioration majeure in-
troduite en 1951 par Chrysler Imperial [4]. Il nécessite moins d’effort du conducteur
et offre une réponse plus rapide, soutenue par une meilleure stabilité et sécurité par
rapport à son prédécesseur. L’huile hydraulique contribue à réduire les vibrations
apparues sur le volant.
Le HPS a ensuite été amélioré en système EHPS, principalement en raison des
coûts significatifs requis pour sa conception, son assemblage et sa maintenance [5].
L’EHPS utilise une pompe électrique responsable de la circulation de l’huile hy-
draulique au lieu d’une poulie constamment connectée au vilebrequin du moteur
à combustion, ce qui réduit la consommation de carburant [6]. Contrairement au
HPS, il peut également fonctionner avec le moteur à combustion éteint. La consom-
mation de carburant d’un véhicule commercial en conduite longue distance peut
être réduite de 1% si son HPS est remplacé par un EHPS [7]. Malgré tous les avan-
tages observés pour l’EHPS, il souffre encore de certains inconvénients critiques,
principalement liés à sa flexibilité de conception limitée et à la nécessité d’utiliser
de l’huile hydraulique.
Le prochain système de direction commercial introduit en 1996 fut l’EPS, utili-
sant un moteur électrique avec une structure compacte et des performances power-
on-demand [8]. Le système EPS a résolu tous les problèmes environnementaux et
acoustiques signalés pour l’EHPS en raison de l’utilisation d’huile hydraulique [9].
Différents emplacements ont été envisagés pour l’installation de ce moteur élec-

1
trique. Il peut être placé sur la colonne de direction (la disposition la plus ancienne),
sur la crémaillère, directement sur le pignon de direction (avec une puissance de
direction légèrement supérieure), sur un deuxième pignon fournissant une puis-
sance plus élevée par rapport aux autres dispositions, ou sur un axe parallèle à la
crémaillère [5, 10].
Les moteurs à courant continu (DC) ont été largement utilisés dans les sys-
tèmes EPS en raison de leur simplicité de contrôle. Cependant, la demande de
puissance plus élevée pour les véhicules plus grands, les développements rapides
de l’électronique de puissance, l’introduction de techniques de commande avancées
comme la commande vectorielle et la commande directe du couple des machines à
courant alternatif (AC), ainsi que les dépenses d’investissement et d’exploitation
plus élevées des moteurs DC, ont entraîné une tendance accrue vers l’application
de moteurs synchrones à aimants permanents (PMSM) [5].
Finalement, l’EPS est devenu le meilleur choix pour les voitures particulières
en raison de ses avantages de poids et de taille réduits, de sa moindre complexité,
de son coût de maintenance minimal et aussi du plus grand nombre de fonctions de
direction possibles. Bien que l’EPS ait pu améliorer l’efficacité énergétique jusqu’à
5% grâce à la fonction power-on-demand, et le confort des passagers en utilisant
des fonctions spéciales telles que les systèmes d’aide au maintien de voie, d’aide au
stationnement intelligent et de gestion de la stabilité du véhicule, il souffrait encore
de certaines restrictions de conception en raison de l’utilisation de la colonne de
direction [11].

1.2 Structure globale du système SBW

Les technologies de direction by-wire ont commencé avec le système fly-by-
wire utilisé dans l’avion civil Concorde dans les années 1970 [12], où la liaison
mécanique a été remplacée par une connexion électrique by-wire. Par la suite, des
systèmes similaires utilisant ce concept, tels que le brake-by-wire, throttle-by-wire,
drive-by-wire, shift-by-wire (également connu sous le nom de gear-by-wire) et le
steer-by-wire, ont été introduits pour les applications automobiles [13–16].
Étant donné qu’il n’y a pas de liaison mécanique entre le volant et les roues
du véhicule, le système doit réaliser une transmission amplifiée des commandes
du conducteur aux roues du véhicule en utilisant une solution alternative et en
assurant une conduite confortable du véhicule. De plus, un mécanisme haptique
doit être implémenté dans le système pour fournir au conducteur une sensation de
conduite réaliste.
Le SBW comprend deux sous-systèmes principaux appelés modules volant
(HW) et roue (RW), comme illustré dans la Figure 1. La fonction principale du
module volant est de recevoir les commandes du conducteur et de convertir l’angle
ou le couple demandé en un signal électronique en utilisant des capteurs appro-

2
priés situés sur l’arbre du moteur du volant. Le signal électronique est transmis
via des câbles de connexion à l’unité de commande électronique (ECU) des roues
afin de déterminer la commande appropriée pour l’entraînement du moteur des
roues du véhicule. L’ECU des roues reçoit également d’autres informations des
capteurs de vitesse, accéléromètres, capteurs d’angle et capteurs de vitesse de la-
cet pour déterminer les commandes correspondantes à envoyer à l’actionneur du
volant [17, 18].

Figure 1 – Structure du système Steer-by-Wire [1]

Le moteur électrique du module RW reçoit les commandes de l’ECU des roues

et tente de modifier l’angle de la roue en conséquence. Ce moteur a typiquement
une puissance de sortie de 150 à 1000 W [5], et les mêmes types de moteurs utilisés
dans les systèmes EPS peuvent être appliqués. Afin d’informer le conducteur sur
l’état des roues du véhicule et les forces appliquées sur les pneus dans diverses
situations routières, des capteurs doivent être utilisés sur les roues et un système
de rétroaction du module RW vers le module HW doit être établi. Ces capteurs
sont connectés au moteur RW et les sorties sont transférées à l’ECU du volant
pour déterminer les signaux de référence de l’entraînement du moteur HW.
Il est important de noter que les délais de communication de données entre les
sous-modules HW et RW ont un impact élevé sur la fiabilité du système de direction

3
SBW. Si le délai total dépasse le temps de réponse maximal acceptable, la fiabilité
du système sera compromise, et la sécurité de la voiture équipée du SBW n’est plus
garantie [19]. L’architecture de communication numérique des véhicules est tradi-
tionnellement basée sur le fonctionnement du bus CAN (Controller Area Network ),
qui est une technologie déclenchée par événements [20]. Cependant, les technolo-
gies plus récentes déclenchées par le temps, telles que TTCAN (Time-Triggered
CAN ), Byteflight et Flexray, sont proposées pour l’implémentation du système
SBW en raison de leur précision plus élevée et de leurs délais moindres [21–23].
Une approche intégrée pour la conception de systèmes cyber-physiques automo-
biles sécurisés nécessaires à l’implémentation du SBW est également présentée
dans [24].

2 Modèles dynamiques du véhicule et du système

de direction
2.1 Techniques de contrôle basées sur un modèle
L’approche basée sur un modèle est reconnue comme une technique sans cap-
teur de couple reposant sur des modèles mathématiques dynamiques du véhicule,
du système de direction et des interactions humaines avec le système de direc-
tion [25, 26, 28–30, 61]. Typiquement, un modèle du 4ème ordre est utilisé dans la
littérature, connu sous le nom de modèle bicyclette [17, 31–33]. Les sorties de l’ob-
servateur peuvent être utilisées soit dans l’architecture du système de contrôle, soit
comme une redondance analytique pour les capteurs réels [34,35]. Des modèles non
linéaires à sept et dix degrés de liberté pour le véhicule sont également rapportés
dans la littérature [35, 36]. Le système étudié dans [35] est équipé d’un algorithme
de réseau multi-capteurs afin d’obtenir l’estimation optimale de l’état du véhicule
en mouvement. De plus, l’optimisation par essaims particulaires (PSO) est utilisée
pour l’optimisation des paramètres du système de contrôle SBW [37].
L’équation du second ordre suivante est utilisée pour approximer le système de
direction [38] :

Jm2 θ̈m2 + bθ̇m2 + Fc sgn(θ̇m2 ) + ka Ta = Tm2 (1)

Notez que toutes les variables ont été définies dans la nomenclature. Le couple
d’auto-alignement, Ta , serait calculé à partir de la traînée pneumatique et mé-
canique, tp et tm , ainsi que de la force latérale du pneu avant et de l’angle de
dérive.
En supposant de petits angles de dérive (moins de 4 degrés), les angles de
dérive des pneus avant et arrière, αF et αR , peuvent être approximés en utilisant

4
les équations (2) et (3) pour avoir un modèle de véhicule linéaire [26] :
a·r
αF = β + − θm2 (2)
V
b·r
αR = β − (3)
V
où β est l’angle de dérive du véhicule, a et b sont les distances du centre de
gravité aux essieux avant et arrière, r est la vitesse de lacet, V est la vitesse du
véhicule et θm2 est l’angle du moteur de la roue.
Le modèle d’espace d’état global du véhicule et du système de direction serait
le suivant [61] :

ẋ = Ax + Bi2 + EFc (4)

Avec le vecteur d’état x comprenant les variables dynamiques du véhicule et de
la direction. Zhu a proposé un contrôleur à modèle interne (IMC) pour le contrôle
du système SBW, offrant de meilleures performances par rapport aux contrôleurs
PID traditionnels [39]. Des microcontrôleurs rapides sont nécessaires pour calculer
le retour de force et les prédictions sont utilisées pour réduire le temps de réponse
entrée-sortie du système SBW [41, 61].

3 Méthodes de commande utilisées

En raison de l’absence de connexion mécanique dans le système SBW, deux
tâches importantes de suivi de trajectoire et de retour haptique réaliste doivent être
réalisées en utilisant une méthode de contrôle appropriée. Les catégories suivantes
de méthodes basées sur un modèle, basées sur une cartographie de couple, basées
sur la mesure du courant et basées sur un capteur de couple peuvent être appliquées
pour l’implémentation du système de contrôle SBW, comme discuté brièvement
ci-dessous [40, 41].

3.1 Méthode de contrôle basée sur un modèle

L’approche basée sur un modèle a été présentée dans la section précédente
(Section ??). Elle utilise des modèles dynamiques pour estimer les états et les
couples, offrant une redondance analytique mais nécessitant des calculs intensifs.

3.2 Méthode de contrôle par cartographie de couple

Cette méthode utilise une cartographie ou une table de correspondance pour la
détermination du couple du volant en utilisant différents signaux tels que la vitesse

5
du véhicule, la vitesse de lacet, etc. [42, 43]. La technique repose sur les propriétés
physiques du véhicule et la dynamique du système de direction pour créer une
sensation de conduite réaliste et ne peut pas être modifiée facilement [31]. C’est
une méthode sans capteur de couple et ne nécessite pas de calculs lourds comme
l’approche basée sur un modèle.
La méthode de contrôle par cartographie de couple développée par Se-Wook
Oh détermine le couple du moteur du volant en utilisant la vitesse du véhicule et
l’angle du volant [42].
Une autre méthode de cartographie de couple est présentée par Fanken, dans
laquelle la position angulaire et la vitesse du volant ainsi que la vitesse du véhicule
sont utilisées dans divers tests de conduite pour développer la table de correspon-
dance requise [44]. La méthode de contrôle proposée est soutenue par un réglage
de paramètres supplémentaires permettant un degré élevé de personnalisation de
la sensation de conduite d’une manière très intuitive. La corrélation entre la force
de la crémaillère et la sensation de conduite est utilisée pour concevoir une carto-
graphie de couple.
Les performances de maniabilité du véhicule sont améliorées en termes de chan-
gement de vitesse en utilisant une cartographie de couple réactive et un rapport
de démultiplication variable dans deux boucles par Zhai [45].

3.3 Méthode de contrôle par mesure directe du courant

L’approche par mesure directe du courant, en tant que troisième technique de
contrôle SBW, utilise des capteurs de courant peu coûteux et calcule le couple
généré en utilisant les courants de phase du moteur [26, 46, 47]. Les signaux de
courant mesurés sont utilisés pour créer artificiellement un mécanisme de retour
haptique et pour fournir une propriété de redondance et des données de diagnostic
de défaut pour le système SBW [41]. Cette technique offre un algorithme simple
utilisant des capteurs peu coûteux.
Le système SBW développé par Nguyen et Ryu bénéficie d’une méthode de
contrôle par mesure directe du courant et se compose de deux capteurs de position
angulaire [41]. Le premier capteur mesure l’angle du volant, qui est utilisé pour
établir un angle de référence pour l’entraînement du moteur RW. Le deuxième
capteur est utilisé pour la détermination de l’angle RW et une boucle de suivi de
position est conçue pour le contrôle de l’entraînement du moteur RW en utilisant
un contrôleur PID traditionnel. Afin de contrôler l’entraînement du moteur HW,
la charge réelle est estimée en utilisant des capteurs de courant employés dans
le système d’entraînement du moteur RW. Le couple calculé est ensuite traduit
en couple de référence de l’entraînement du moteur HW en utilisant l’équation
(5) [41] :

6
 T1∗ = Gf eel (Kt · i2 − Tassist ) + Tf c (5)
où T1∗ est le couple de référence pour le moteur HW, Gf eel est le gain de
sensation, Kt est la constante de couple du moteur RW, i2 est le courant du stator
du moteur RW, Tassist est le couple d’assistance et Tf c est le couple dû à la force
de frottement de Coulomb.

3.4 Méthodes de contrôle basées sur un capteur de couple

Les méthodes basées sur un capteur de couple nécessitent des capteurs de
couple coûteux pour établir deux contrôleurs en boucle fermée ou en boucle ouverte
pour les sous-systèmes RW et HW. Le coût des capteurs de couple ainsi que leurs
restrictions opérationnelles sont les problèmes les plus difficiles. Néanmoins, c’est
la méthode la plus précise et la plus fiable proposée à ce jour [41, 50, 51]. Les
méthodes basées sur un capteur de couple proposées pour le système SBW sont
classées en quatre techniques individuelles.

3.4.1 Méthode I : Capteurs de couple pour les sous-systèmes HW et

RW
Cette méthode utilise deux capteurs de couple pour les deux sous-systèmes HW
et RW. Le conducteur compare la direction du véhicule, θV eh , avec la trajectoire
de la route, θroad , et applique un couple au volant. La commande de direction,
Ts , est reçue par un capteur de couple placé sur le volant. L’entraînement du
moteur RW est ensuite contrôlé en utilisant un contrôleur en boucle fermée fourni
par le couple de référence, T2∗ , calculé dans l’ECU RW en utilisant le Ts mesuré
et est responsable du changement de direction du véhicule. Le couple de charge
inclut le frottement entre les pneus et la surface de la route, Tm2 , et est mesuré
par un autre capteur de couple placé sur l’arbre du moteur RW. La sortie de ce
capteur est utilisée pour établir un mécanisme de contrôle haptique permettant
au conducteur une perception de conduite réelle. De cette façon, l’entraînement
du moteur HW est également contrôlé en utilisant un contrôleur en boucle fermée
avec la référence de couple, T1∗ , calculée dans l’ECU HW en utilisant le signal Tm2
transmis au sous-système HW.

3.4.2 Méthode II : Capteurs d’angle pour les sous-systèmes HW et

RW
La méthode II utilise deux capteurs d’angle au lieu des capteurs de couple
utilisés dans la méthode I. Étant donné que les capteurs d’angle sont déjà néces-
saires pour la commande vectorielle des entraînements moteur, la méthode béné-

7
ficie d’économies de capteurs, ce qui réduit les coûts et améliore la fiabilité. Le
conducteur tourne le volant pour corriger la direction de déplacement du véhicule.
La commande de direction souhaitée, θs , est reçue par un capteur d’angle per-
tinent placé directement sur le volant. Elle est utilisée pour obtenir le signal de
référence, θ2∗ , de la boucle de position conçue pour le bloc de commande vectorielle
de l’entraînement du moteur RW. L’angle du moteur RW mesuré par son capteur
d’angle, θm2 , installé sur l’arbre du moteur RW, est également utilisé pour créer la
position de référence pour le contrôleur du moteur HW, θ1∗ .
La direction active avant pour SBW via un contrôle de rétroaction non linéaire
composite avec la méthode de contrôle décrite est étudiée dans [52]. Han et Baek
ont étudié le contrôle de l’angle de dérive et de la vitesse de lacet dans le système
SBW en utilisant une technique de contrôle du moment de lacet à horizon fuyant
(RHYMC) avec deux entrées de contrôle : l’angle du volant et le moment de lacet
externe [53].

3.4.3 Méthode III : Capteurs d’angle et de couple pour les sous-systèmes

HW et RW
Dans ce système de contrôle, un capteur d’angle mesure la commande d’angle de
direction appliquée par les mains du conducteur. L’angle est utilisé pour obtenir la
référence de position, θ2∗ , requise pour la boucle externe de commande vectorielle
de l’entraînement du moteur RW. Le couple de charge agissant sur le moteur
RW est également mesuré en utilisant un capteur de couple, Tm2 , et est utilisé
pour calculer la référence de couple, T1∗ , requise pour la boucle de régulation du
couple de la commande vectorielle de l’entraînement du moteur HW. L’utilisation
d’un capteur de couple en plus des capteurs de tension, de courant et de position
angulaire pour l’entraînement du moteur RW est en effet un inconvénient de cette
architecture de contrôle. En particulier, le capteur de couple doit être installé dans
un endroit difficile exposé à différents types de défaillances près du moteur RW,
comme discuté.
Cette technique d’architecture de contrôle optimisée avec une sensation de
direction basée sur l’hystérésis est étudiée dans [54,55]. Un réseau à deux ports avec
la méthode de contrôle décrite est utilisé dans [38, 41] pour l’implémentation du
système SBW. L’approche de mesure directe du courant est utilisée pour obtenir
une estimation du couple généré par les moteurs HW et RW en utilisant la méthode
de contrôle discutée dans [48]. Wu a employé cette méthode de contrôle avec un
compensateur actif de force de crémaillère pour améliorer les performances de suivi
du système SBW [49].

8
3.4.4 Méthode IV : Capteurs de couple et d’angle pour les sous-systèmes
HW et RW
Le contrôle SBW est implémenté en utilisant des capteurs de couple et d’angle
pour les sous-systèmes HW et RW, respectivement. De cette façon, le capteur
de couple installé à proximité de l’arbre du moteur HW mesure la commande
de couple de direction du conducteur. Le couple mesuré, Ts , est utilisé pour la
commande vectorielle de l’entraînement du moteur RW. Une boucle de régulation
de couple dans la commande orientée champ (FOC) de l’entraînement du moteur
RW compare le couple de référence, T2∗ , avec le couple électromagnétique réel
généré par le moteur RW. Notez qu’aucun capteur de couple RW n’est utilisé et
que le couple réel doit être calculé en utilisant le modèle dynamique de la machine.
La position angulaire du moteur RW, θm2 , est mesurée en utilisant un capteur
de position. Elle est utilisée pour obtenir la référence de position, θ1∗ , pour le
contrôleur du moteur HW. La valeur réelle de l’angle HW est la même que celle
du moteur HW attaché au volant via une boîte de vitesses, qui est soit estimée en
utilisant le modèle dynamique de la machine, soit obtenue en utilisant un capteur
d’angle supplémentaire pour une fiabilité améliorée. L’installation d’un capteur de
couple pour l’entraînement du moteur HW par rapport à la méthode précédente
s’avère être une conception supérieure car il s’agirait d’un capteur plus petit avec
un emplacement d’installation plus sûr.
L’implémentation du SBW en utilisant cette méthode est présentée par Scicluna
en utilisant des entraînements moteur PMSM contrôlés par FOC orientée flux
rotorique [46]. Zheng propose cette méthode pour une implémentation optimisée du
SBW après une analyse détaillée de diverses techniques de contrôle discutées [56].
Les références dans le texte [1] mentionnent également des méthodes de contrôle
avancées telles que les régulateurs PID, LQR, MPC, la commande robuste et les
méthodes intelligentes dans le contexte de ces architectures.

4 Aspects liés à la sécurité et à la tolérance aux

défauts
Les points aveugles des systèmes SBW sont reconnus comme la complexité
du contrôle du système et la fiabilité globale du système. Selon la norme DIN
EN 50129, la fiabilité d’une unité est définie comme la capacité d’accomplir une
tâche dans des conditions spécifiques pendant un temps spécifié [57]. L’analyse des
risques accomplie par l’ISO 26262 a proposé un niveau d’intégrité de sécurité auto-
mobile (ASIL) de D comme le niveau le plus élevé pour le système de direction du
véhicule [58]. L’ASIL considère la gravité, la possibilité d’exposition à différentes
défaillances et la contrôlabilité des défaillances possibles. La norme spécifie diffé-

9
rentes échelles allant de ASIL-A à ASIL-D, où les composants de niveau ASIL-D
ont le plus de restrictions sur le taux de défaillance acceptable [59]. De cette façon,
atteindre ce niveau de fiabilité nécessite soit une redondance analytique, soit une
redondance matérielle.
La fiabilité souhaitée peut être atteinte en utilisant une sauvegarde mécanique
similaire à ce qui a été expérimenté dans les véhicules commerciaux de Nissan
Motor, Infiniti Q50 et Q60 [88]. Cependant, la sauvegarde mécanique augmentera
le coût, le poids, le volume du système et ne fournira pas non plus suffisamment de
liberté dans la conception de la voiture. De plus, la sauvegarde mécanique repose
sur l’humain dans la boucle, ce qui la rend inadaptée aux véhicules autonomes [87].
Selon la norme ASIL-D, tous les composants du système de direction, y compris
les capteurs, les liaisons de communication, les convertisseurs électroniques de puis-
sance, les actionneurs et les microcontrôleurs, doivent être tolérants aux pannes
vis-à-vis d’au moins une défaillance [60]. La duplication est une pratique reconnue
pour développer la propriété de tolérance aux pannes en utilisant la réplication, la
redondance ou la diversité [61,62]. La réplication consiste à fournir plusieurs unités
identiques fonctionnant en parallèle, tandis que la redondance consiste à fournir
plusieurs unités similaires qui entrent en fonctionnement suite à un événement de
panne grave conduisant à une défaillance d’unité. La diversité signifie l’applica-
tion de plusieurs unités dissemblables avec des spécifications de travail similaires
en fonctionnement parallèle [20, 61]. De cette façon, un mécanisme de détection
et d’isolation des défauts (FDI) est également nécessaire pour déterminer si une
unité est défectueuse ou non. Il peut être réalisé soit par des approches basées sur
les signaux, soit par des approches basées sur un modèle [63].
La redondance diminuera le taux de défaillance dans le système, mais impose
des coûts supplémentaires et augmente le poids et le volume du système. Une
autre solution pour augmenter la fiabilité sans augmenter le poids et le coût du
système repose sur la redondance analytique. Elle est basée sur l’utilisation d’un
modèle mathématique dynamique du système, de techniques d’estimation ou de
l’application d’observateurs d’état [60, 64, 65].
Zheng dans [38] a utilisé une architecture à double moteur et double microcon-
trôleur pour atteindre une propriété de tolérance aux pannes contre les défaillances
uniques et permettre l’auto-reconfiguration du système. L’utilisation de la redon-
dance modulaire triple avec un système de vote est également utilisée pour les
microcontrôleurs SBW dans [66]. Anwar suggère une redondance analytique pour
le contrôle prédictif tolérant aux pannes d’un système SBW dans [26, 61].
Basé sur un modèle de véhicule du 4ème ordre, un observateur est conçu pour
estimer l’angle RW basé sur les courants du moteur dans [26]. La valeur observée
de l’angle RW est ensuite utilisée comme lecture de capteur analytique remplaçant
l’un des capteurs redondants. L’application d’un observateur adaptatif et d’une

10
approche basée sur un modèle est suggérée pour obtenir une stratégie de diagnostic
de défaut et de reconfiguration dans [64]. Elle assure une détection des défauts en
temps réel sans probabilité de fausses alarmes ou d’alarmes manquées en raison de
problèmes de bruit, même avec des incertitudes de modèle [67]. L’utilisation d’un
contrôleur flou Takagi-Sugeno H∞ au lieu d’un contrôleur PID traditionnel, de
la commande par mode glissant, de l’algorithme impérialiste concurrentiel (ICA)
et de l’algorithme de réseau de neurones à fonction de base radiale (RBFNN)
sont d’autres solutions pour obtenir un système plus efficace et robuste contre
l’incertitude et les problèmes de bruit [6,12,72,73,75]. L’estimation adaptative des
paramètres traitant de la non-linéarité du système et de la variation des paramètres
est également suggérée dans [30, 82].
L’application d’observateurs robustes a également été étudiée dans [34] pour
atteindre une propriété de tolérance aux pannes contre les défauts de circuit ouvert
des interrupteurs de puissance ainsi que les défauts des capteurs de courant dans
un entraînement PMSM. Ito et Hayakawa [83] ont proposé une stratégie de contrôle
tolérant aux pannes utilisant des contrôleurs séparés visant à réduire la redondance
des capteurs avec une sécurité garantie du système. Les techniques de contrôle sans
capteur pour les entraînements moteur employés dans la technologie SBW sont
reconnues comme une autre solution pour l’amélioration de la fiabilité contre les
défauts des capteurs de position et de vitesse [46, 84, 86].

Références
[1] S. A. Mortazavizadeh, A. Ghaderi, M. Ebrahimi, and M. Hajian, “Recent
Developments in the Vehicle Steer-by-Wire System,” 2020.
[2] Robert Bosch GmbH, “Bosch automotive electrics and automotive electronics :
Systems and components,” in Networking and Hybrid Drive. Springer Vieweg,
2014.
[3] S. A. Arogeti, D. Wang, C. B. Low, and M. Yu, “Fault detection isolation and
estimation in a vehicle steering system,” IEEE Transactions on Industrial
Electronics, vol. 59, no. 12, pp. 4810-4820, 2012.
[4] L. Eckstein, L. Hesse, and M. Klein, “Steer-by-wire, potential, and challenges,”
Encyclopedia of Automotive Engineering, pp. 1-14, 2014.
[5] A. Gaedke, M. Heger, M. Sprinzl, S. Gruner, and A. Vahning, “Electric power
steering systems,” in Steering Handbook, pp. 403-467. Springer, 2017.
[6] J. Gessat, “Electrically powered hydraulic steering systems for light commer-
cial vehicles,” Tech. Rep., 10 2007.
[7] A. Ghaderi, “Commercial vehicle electrification,” IAIC-2016, 2016.

11
 [8] B. Lequesne, “Automotive electrification : The nonhybrid story,” IEEE Tran-
sactions on Transportation Electrification, vol. 1, no. 1, pp. 40-53, Jun. 2015.
[9] T.-H. Hu and C.-J. Yeh, “Hardware implementation of the current control
using the internal model method in the electric power steering application,”
in 2009 IEEE Vehicle Power and Propulsion Conference, pp. 66-70. IEEE,
2009.
[10] L. Eckstein, “Future trends for automotive steering systems,” JTEKT engi-
neering journal : JEJ/English edition, vol. 1013, pp. 2-7, 2016.
[11] K. Yamamoto, D. Koenig, O. Sename, and P. Moulaire, “Driver torque esti-
mation in electric power steering system using an h/2 proportional integral
observer,” in 2015 54th IEEE Conference on Decision and Control (CDC), pp.
843-848, Dec. 2015.
[12] P.-S. Huang and A. Pruckner, Steering Handbook, ch. Steer by Wire, pp.
513-526. Springer, 2017.
[13] C. Wilwert, N. Navet, Y.-Q. Song, and F. Simonot-Lion, Design of automotive
X-by-Wire systems. The Industrial Communication Technology Handbook,
CRC Press, 2005.
[14] S. B. Balaiee, P. Balaji, J. Shreyas, and K. Satheesh, “An overview of x-
by wire systems,” International Journal of Innovative Research in Science,
Engineering and Technology, vol. 4, pp. 152-159, 2015.
[15] X. Tian, S. Zhu, Y. Yin, and J. Qu, “Research on the transmission-by-wire
system of electric vehicle,” International Journal of Applied Science and Ma-
thematics, vol. 2, no. 5, 2015.
[16] P. Parsania and K. Saradava, “Drive-by-wire systems in automobiles,” Jour-
nal of systematic computing, At VVP Engineering College, Rajkot, Gujarat,
India, vol. 6, 2012.
[17] J. Iqbal, K. M. Zuhair, C. Han, A. M. Khan, and M. A. Ali, “Adaptive glo-
bal fast sliding mode control for steer-by-wire system road vehicles,” Applied
Sciences, vol. 7, no. 7, p. 738, 2017.
[18] E. Dige, M. Gulbins, T. Ohnesorge, and B. Straube, “On a redundant diver-
sified steering angle sensor,” in On-Line Testing Symposium, 2003. IOLTS
2003. 9th IEEE, pp. 191-196. IEEE, 2003.
[19] L. Zhang, L. Wang, and C. Liao, “Reliability research for steer-by-wire sys-
tem of electric vehicle,” in 2009 Asia-Pacific Power and Energy Engineering
Conference, pp. 1-4. IEEE, 2009.
[20] J. R. Pimentel, “An architecture for a safety-critical steer-by-wire system,”
SAE Technical Paper, Tech. Rep., 2004.

12
[21] J. Berwanger, M. Peller, and R. Grießbach, “Bytelight a new protocol for
safety critical applications,” in Proceedings of the 28th FISITA World Auto-
motive Congress. Seoul, Korea : FISITA, 2000.
[22] J. Dvořák and Z. Hanzálek, “Using two independent channels with gateway
for flexray static segment scheduling,” IEEE Transactions on Industrial Infor-
matics, vol. 12, no. 5, pp. 1887-1895, 2016.
[23] W.-J. Chang, W.-W. Hu, Y.-X. Qiu, and X.-X. Lin, “A novel scheme for mo-
deling and analyzing of flexray communication systems,” in Industrial Tech-
nology (ICIT), 2016 IEEE International Conference on, pp. 1186-1191. IEEE,
2016.
[24] A. Munir and F. Koushanfar, “Design and analysis of secure and dependable
automotive cps : A steer-by-wire case study,” IEEE Transactions on Depen-
dable and Secure Computing, 2018.
[25] S. Achyuthan and N. K. Prakash, “Modelling of a steer-by-wire system with
force feedback and active steering,” in Intelligent Computing and Control Sys-
tems (ICICCS), 2017 International Conference on, pp. 676-680. IEEE, 2017.
[26] S. Anwar and L. Chen, “An analytical redundancy-based fault detection and
isolation algorithm for a road-wheel control subsystem in a steer-by-wire sys-
tem,” IEEE Transactions on Vehicular Technology, vol. 56, no. 5, pp. 2859-
2869, 2007.
[27] S. Anwar and W. Niu, “Analytical redundancy based predictive fault tolerant
control of a steer-by-wire system using nonlinear observer,” in Industrial Tech-
nology (ICIT), 2010 IEEE International Conference on, pp. 477-482. IEEE,
2010.
[28] Y. Xu and M. Ahmadian, “Study on the performance of active front steering
system,” International Journal of Automotive Technology, vol. 14, no. 4, pp.
595-603, 2013.
[29] M. Cao and C. Yang, “Study on vehicle modeling and steering performance,”
in Proceedings of the FISITA 2012 World Automotive Congress, pp. 177-187.
Springer, 2013.
[30] Z. Zhang and D. Cao, “Performance analyses of driver-vehicle-steer-by-wire
systems considering driver neuromuscular dynamics,” SAE Technical Paper,
Tech. Rep., 2016.
[31] A. Balachandran and J. C. Gerdes, “Designing steering feel for steer-by-wire
vehicles using objective measures,” IEEE/ASME Transactions on Mechatro-
nics, vol. 20, no. 1, pp. 373-383, 2015.
[32] P. Yih and J. C. Gerdes, “Modification of vehicle handling characteristics via
steer-by-wire,” IEEE transactions on control systems technology, vol. 13, no.
6, pp. 965-976, 2005.

13
[33] H. Zhang and W. Zhao, “Two-way h-inf control method with a fault-tolerant
module for steer-by-wire system,” Proceedings of the Institution of Mechanical
Engineers, Part C : Journal of Mechanical Engineering Science, vol. 232, no.
1, pp. 42-56, 2018.
[34] I. Jassi, J. O. Estima, S. K. El Khil, N. M. Bellaj, and A. J. M. Cardoso,
“A robust observer-based method for igbts and current sensors fault diagnosis
in voltage-source inverters of pmsm drives,” IEEE Transactions on Industry
Applications, vol. 53, no. 3, pp. 2894-2905, 2017.
[35] G. Tan and H. Gao, “Vehicle state estimation of steer by wire system based
on multi sensor fusion,” in Chinese Automation Congress (CAC), 2017, pp.
6329-6333. IEEE, 2017.
[36] M. Ali, F. Hunaini, I. Robandi, and N. Sutanta, “Optimization of active stee-
ring control on vehicle with steer by wire system using imperialist competitive
algorithm (ica),” in 2015 3rd International Conference on Information and
Communication Technology (ICoICT), pp. 500-503. IEEE, 2015.
[37] F. Hunaini, I. Robandi, and N. Sutanta, “Optimization of automatic steering
control on a vehicle with a steer-by-wire system using particle swarm optimi-
zation,” Turkish Journal of Electrical Engineering & Computer Sciences, vol.
24, no. 2, pp. 541-557, 2016.
[38] B. Zheng, C. Altemare, and S. Anwar, “Fault tolerant steer-by-wire road wheel
control system,” in American Control Conference, 2005. Proceedings of the
2005, pp. 1619-1624. IEEE, 2005.
[39] G. Zhu, H. Yang, and F. Yu, “Controller design for an automobile steer-
by-wire system,” in 2019 IEEE 28th International Symposium on Industrial
Electronics (ISIE), pp. 1492-1497. IEEE, 2019.
[40] D. Frede, M. Khodabakhshian, and D. Malmquist, “A state-of-the-art survey
on vehicular mechatronics focusing on by-wire systems,” 2010.
[41] B.-H. Nguyen and J.-H. Ryu, “Direct current measurement based steer-by-wire
systems for realistic driving feeling,” in Proceedings of the IEEE International
Symposium on Industrial Electronics, pp. 1023-1028, 2009.
[42] S.-W. Oh, H.-C. Chae, S.-C. Yun, and C.-S. Han, “The design of a controller
for the steer-by-wire system,” JSME International Journal Series C Mechani-
cal Systems, Machine Elements and Manufacturing, vol. 47, no. 3, pp. 896-907,
2004.
[43] J. Lee, K. Yi, D. Lee, B. Jang, M. Kim, and S. Hwang, “Haptic control of steer-
by-wire systems for tracking of target steering feedback torque,” Proceedings
of the Institution of Mechanical Engineers, Part D : Journal of Automobile
Engineering, p. 0954407019879298, 2019.

14
[44] S. Fanken and S. Müller, “A new model to compute the desired steering torque
for steer-by-wire vehicles and driving simulators,” Vehicle System Dynamics,
vol. 52, no. supl, pp. 251-271, 2014.
[45] P. Zhai, H. Du, and Z. Li, “Bilateral control of vehicle steer-by-wire system
with variable gear-ratio,” pp. 811-815, 2013.
[46] K. Scicluna, C. S. Staines, and R. Raute, “Torque feedback for steer-by-wire
systems with rotor flux oriented pmsm,” in Electrical Drives and Power Elec-
tronics (EDPE), 2017 19th International Conference on, pp. 188-193. IEEE,
2017.
[47] Y. Shengbing, D. Chunan, J. Xuewu, and C. Kuiyuan, “Research on road
feeling control strategy of steer-by-wire,” SAE Technical Paper, Tech. Rep.,
2007.
[48] S. M. H. Fahami, H. Zamzuri, and S. A. Mazlan, “Development of estimation
force feedback torque control algorithm for driver steering feel in vehicle steer
by wire system : hardware in the loop,” International Journal of Vehicular
Technology, vol. 2015, 2015.
[49] X. Wu, M. Zhang, and M. Xu, “Active tracking control for steer-by-wire sys-
tem with disturbance observer,” IEEE Transactions on Vehicular Technology,
2019.
[50] P. Yih, J. Ryu, and J. C. Gerdes, “Vehicle state estimation using steering
torque,” in American Control Conference, 2004. Proceedings of the 2004, vol.
3, pp. 2116-2121. IEEE, 2004.
[51] J. Lee, S. Chang, K. Kim, B. Jang, D. Lee, B. Lee, and K. Yi, “Steering wheel
torque control of steer-by-wire system for steering feel,” SAE Technical Paper,
Tech. Rep., 2017.
[52] S. Saruchi, H. Zamzuri, S. A. Mazlan, M. H. M. Ariff, and M. A. M. Nordin,
“Active front steering for steer-by-wire vehicle via composite nonlinear feed-
back control,” in 2015 10th Asian Control Conference (ASCC), pp. 1-6, May.
2015.
[53] S. Han and J. Baek, “A receding horizon yaw moment control law for steer-
by-wire and independent drive vehicles,” in 2015 IEEE Conference on Control
Applications (CCA), pp. 1697-1701. IEEE, 2015.
[54] J. J. Kenned and V. Patil, “Control strategy and simulation in steer by wire
system,” International Journal of Scientific Engineering and Technology, vol.
3, no. 7, pp. 994-997, 2014.
[55] M. S. Arslan, “A hysteresis-based steering feel model for steer-by-wire sys-
tems,” Mathematical Problems in Engineering, vol. 2017, 2017.

15
[56] H. Zheng, J. Hu, and Y. Liu, “A bilateral control scheme for vehicle steer-by-
wire system with road feel and steering controller design,” Transactions of the
Institute of Measurement and Control, vol. 41, no. 3, pp. 593-604, 2019.
[57] A. Lorincz, “Model reference control of a steer-by-wire steering system,” De-
partment of Control Engineering and Information Technology, 2004.
[58] I. ISO, “26262 : Road vehicles- functional safety,” International Standard
ISO/FDIS, vol. 26262, 2011.
[59] A. Altby and D. Majdandzic, “Design and implementation of a fault-tolerant
drive-by-wire system,” Master’s thesis, Department of Computer Science and
Engineering, 2014.
[60] R. Isermann, R. Schwarz, and S. Stolzl, “Fault-tolerant drive-by-wire systems,”
IEEE Control Systems, vol. 22, no. 5, pp. 64-81, 2002.
[61] S. Anwar, “Fault detection, isolation, and control of drive by wire systems,”
Fault Detection, pp. 231-254, 2010.
[62] R. Hayama, M. Higashi, S. Kawahara, S. Nakano, and H. Kumamoto, “Fault-
tolerant automobile steering based on diversity of steer-by-wire, braking and
acceleration,” Reliability Engineering & System Safety, vol. 95, no. 1, pp.
10-17, 2010.
[63] S. Mortazavizadeh and S. Mousavi, “A review on condition monitoring and
diagnostic techniques of rotating electrical machines,” Physical Science Inter-
national Journal, vol. 4, no. 3, p. 310, 2014.
[64] J. S. Im, F. Ozaki, T. K. Yeu, and S. Kawaji, “Model-based fault detection
and isolation in steer-by-wire vehicle using sliding mode observer,” Journal of
mechanical science and technology, vol. 23, no. 8, pp. 1991-1999, 2009.
[65] E. Dilger, R. Karremeyer, and B. Straube, “Fault tolerant mechatronics [au-
tomotive applications],” in On-Line Testing Symposium, 2004. IOLTS 2004.
Proceedings. 10th IEEE International, pp. 214-218. IEEE, 2004.
[66] A. Bertacchini, P. Pavan, L. Tamagnini, M. Mistrorigo, and M. Morandi,
“Hardware-in-the-loop approach for redundant brushless motor control sys-
tem,” in IECON 2006 - 32nd Annual Conference on IEEE Industrial Electro-
nics, pp. 4054-4059, Nov. 2006.
[67] D.-y. Song, Q. Li, F.-l. Zou, and B. Yuan, “Fault-tolerant control architecture
for steering-by-wire system,” in Intelligent Information Technology Applica-
tion, 2008. IITA’08. Second International Symposium on, vol. 1, pp. 677-681.
IEEE, 2008.
[68] H. Wang, H. Kong, Z. Man, Z. Cao, W. Shen et al., “Sliding mode control for
steer-by-wire systems with ac motors in road vehicles,” IEEE transactions on
Industrial Electronics, vol. 61, no. 3, pp. 1596-1611, 2014.

16
[69] H. Wang, Z. Man, W. Shen, Z. Cao, J. Zheng, J. Jin, and D. M. Tuan,
“Robust control for steer-by-wire systems with partially known dynamics,”
IEEE Transactions on Industrial Informatics, vol. 10, no. 4, pp. 2003-2015,
Nov. 2014.
[70] Z. Sun, J. Zheng, Z. Man, M. Fu, and R. Lu, “Nested adaptive super-twisting
sliding mode control design for a vehicle steer-by-wire system,” Mechanical
Systems and Signal Processing, vol. 122, pp. 658-672, 2019.
[71] H. Kong, X. Zhang, H. Wang, W. Bao, and K. Jiang, “Sliding mode learning
compensator-based robust control of automotive steer-by-wire systems,” In-
ternational Journal of Modelling, Identification and Control, vol. 26, no. 3,
pp. 253-263, 2016.
[72] C. Huang, H. Du, F. Naghdy, and W. Li, “Takagi-sugeno fuzzy h tracking
control for steer-by-wire systems,” in 2015 IEEE Conference on Control Ap-
plications (CCA), pp. 1716-1721. IEEE, 2015.
[73] H. Wang, H. Kong, M. Yu, Z. Man, J. Zheng, and M. T. Do, “Rbf-neural-
network-based sliding mode controller of automotive steer-by-wire systems,”
in 2015 11th International Conference on Natural Computation (ICNC), pp.
907-914. IEEE, 2015.
[74] C. Huang, F. Naghdy, and H. Du, “Fault tolerant sliding mode predictive
control for uncertain steer-by-wire system,” IEEE transactions on cybernetics,
vol. 49, no. 1, pp. 261-272, 2017.
[75] Z. Sun, “Robust control design for vehicle steer-by-wire systems,” Ph.D. dis-
sertation, Swinburne University of Technology, 2017.
[76] H. Wang, Z. Man, H. Kong, Y. Zhao, M. Yu, Z. Cao, J. Zheng, and M. T.
Do, “Design and implementation of adaptive terminal sliding-mode control
on a steer-by-wire equipped road vehicle,” IEEE Transactions on Industrial
Electronics, vol. 63, no. 9, pp. 5774-5785, 2016.
[77] Z. Sun, J. Zheng, H. Wang, and Z. Man, “Adaptive fast non-singular terminal
sliding mode control for a vehicle steer-by-wire system,” IET Control Theory
& Applications, vol. 11, no. 8, pp. 1245-1254, 2016.
[78] Z. Sun, J. Zheng, Z. Man, H. Wang, and R. Lu, “Sliding mode-based active
disturbance rejection control for vehicle steer-by-wire systems,” IET Cyber-
Physical Systems : Theory & Applications, vol. 3, no. 1, pp. 1-10, 2017.
[79] Z. Sun, J. Zheng, Z. Man, H. Wang, K. Shao, and D. He, “Adaptive fuzzy
sliding mode control design for vehicle steer-by-wire systems,” Journal of In-
telligent & Fuzzy Systems, no. Preprint, pp. 1-12, 2019.
[80] H. Wang, Z. Xu, M. T. Do, J. Zheng, Z. Cao, and L. Xie, “Neural-network-
based robust control for steer-by-wire systems with uncertain dynamics,” Neu-
ral Computing and Applications, vol. 26, no. 7, pp. 1575-1586, Oct. 2015.

17
[81] M. Zhang, X. Wu, and M. Xu, “Adaptive feedforward control of the steer-
by-wire system based on the online parameter estimator,” in 2016 IEEE In-
ternational Conference on Robotics and Biomimetics (ROBIO), pp. 892-897.
IEEE, 2016.
[82] X. Wu, M. Zhang, M. Xu, and Y. Kakogawa, “Adaptive feedforward control of
a steer-by-wire system by online parameter estimator,” International journal
of automotive technology, vol. 19, no. 1, pp. 159-166, 2018.
[83] A. Ito and Y. Hayakawa, “Practical fault-tolerant control to protect steer-
by-wire systems against sensor faults,” in Control Applications (CCA), 2015
IEEE Conference on, pp. 1895-1900. IEEE, 2015.
[84] K. Scicluna, C. S. Staines, and R. Raute, “Sensorless position control of a
pmsm for steer-by-wire applications,” in CoDIT, pp. 46-51, 2016.
[85] K. Scicluna, C. S. Staines, and R. Raute, “Sensorless position tracking for
steer-by-wire applications,” in 2017 19th International Conference on Electri-
cal Drives and Power Electronics (EDPE), pp. 341-346. IEEE, 2017.
[86] K. Scicluna, C. S. Staines, and R. Raute, “Sensorless position tracking in steer-
by-wire using the sonic method,” in 2018 New Generation of CAS (NGCAS),
pp. 122-125. IEEE, 2018.
[87] A. Kirli, C. E. Okwudire, and A. G. Ulsoy, “Limitations of torque vecto-
ring as a backup safety strategy for steer-by-wire vehicles due to vehicle sta-
bility control,” in ASME 2017 Dynamic Systems and Control Conference,
pp. V001T45A008-V001T45A008. American Society of Mechanical Engineers,
2017.
[88] L. Ulrich, “Top 10 tech cars : slenderized,” IEEE Spectrum, vol. 50, no. 4, pp.
34-41, 2013.

18
 Active Front Steering-Based
Electronic Stability Control for
Steer-by-Wire Vehicles via Terminal
Sliding Mode and Extreme Learning
Machine
5 Modèles dynamiques du véhicule et du système
de direction
5.1 Modèle dynamique du véhicule
5.1.1 Modèle véhicule à 7 degrés de liberté (7DDL)
Un modèle dynamique de véhicule à sept degrés de liberté (7DDL) est présenté
dans un premier temps. Ensuite, le modèle dynamique de véhicule à deux degrés de
liberté (2DDL), appelé modèle bicyclette, est implémenté pour simplifier le modèle
dynamique du véhicule 7DDL.
Le modèle dynamique 7DDL est proposé dans la Figure 2. Ce modèle inclut
les équations de mouvement longitudinal, latéral, de lacet et des quatre roues du
véhicule [2].

Figure 2 – Modèle dynamique du véhicule à 7 degrés de liberté [1]

L’équation du mouvement longitudinal est modélisée comme suit :

max =(Fxf l + Fxf r ) cos δf − (Fyf l + Fyf r ) sin δf

(6)
+ Fxrl + Fxrr + F1
Le moment latéral est présenté comme :

may =(Fyf l + Fyf r ) cos δf + (Fxf l + Fxf r ) sin δf

(7)
+ Fyrl + Fyrr + F2
Le mouvement de lacet peut être exprimé comme :

1
 Iz γ̇ =[(Fxf l + Fxf r ) sin δf + (Fyf l + Fyf r ) cos δf ]lf
d
+ [(Fxf r − Fxf l ) cos δf + (Fyf l − Fyf r ) sin δf ] (8)
2
d
+ (Fxrr − Fxrl ) − (Fyrl + Fyrr )lr + w
2
où m est la masse totale du véhicule, Iz est le moment d’inertie autour du
centre de gravité (CG), Vx et Vy sont les vitesses longitudinale et latérale du CG
du véhicule, V est la vitesse du véhicule. Fxij et Fyij sont considérées comme les
forces de pneu longitudinales et latérales, i représente avant et arrière, j représente
gauche et droite, d, lf et lr désignent respectivement la largeur de voie, la distance
de l’axe des roues avant et arrière au CG. De plus, γ, δf , ax , ay sont respectivement
la vitesse de lacet, l’angle de braquage des roues avant, l’accélération longitudinale
et latérale. F1 , F2 et w sont des perturbations concentrées bornées incluant les
incertitudes du système et les perturbations externes. Il convient de noter que
cet article est consacré au contrôle de la stabilité de lacet des véhicules SbW,
donc le mouvement latéral et le mouvement de lacet doivent être au centre des
préoccupations.

5.1.2 Modèle véhicule réduit à 2 degrés de liberté (2DDL) - Modèle

bicyclette
En général, en supposant que l’angle de braquage des roues avant est suffisam-
ment petit, c’est-à-dire sin δf ≈ 0, cos δf ≈ 1, nous exprimons l’angle de dérive du
véhicule β qui est l’angle entre la direction de déplacement et la direction longitu-
dinale, comme β = arctan(Vy /Vx ) [2]. Généralement, Vx ≈ V ≫ Vy , donc |β| ≪ 1,
cos β ≈ 1, sin β ≈ 0. Par conséquent, le modèle dynamique du véhicule 7DDL peut
être simplifié comme le modèle dynamique du véhicule 2DDL dans la Figure 3, ce
qui est pratique pour la conception ultérieure du contrôleur et de l’observateur.

Figure 3 – Modèle dynamique du véhicule à 2 degrés de liberté (modèle bicy-

clette) [1]

Ensuite, pour le modèle 2DDL de la dynamique du véhicule, Fyf et Fyr sont

obtenus comme [3] :

2
 Fyf l = Cf αf l = Fyf r = Cf αf r = Fyf = Cf αf
 
lf γ
= Cf −β − + δf
Vx
(9)
Fyrl = Cr αrl = Fyrr = Cr αrr = Fyr = Cr αr
 
lr γ
= Cr −β +
Vx
où Cf et Cr sont les rigidités de dérive des pneus avant et arrière. αij est l’angle
de dérive des pneus avant et arrière. En supposant que la vitesse du véhicule V est
constante, l’accélération latérale ay peut être donnée par :

ay = Vx γ cos β + V̇x sin β + Vx β̇ cos β ≈ Vx (γ + β̇) (10)

En substituant les équations (9) dans (7) et (8), le mouvement latéral et le
mouvement de lacet peuvent être exprimés comme :

     
lf γ lr γ
mVx (γ + β̇) = 2 Cf −β − + δf + 2 Cr −β + + F2 (11)
Vx Vx
   
lf γ lr γ
Iz γ̇ = 2Cf lf −β − + δf − 2Cr lr −β + +w (12)
Vx Vx
Pour faciliter la conception de l’observateur et du contrôleur, les équations (11)
et (12) sont réécrites comme :
 
2(Cf + Cr ) 2(Cr lr − Cf lf ) 2Cf F2
β̇ = − β+ 2
−1 γ+ δf + (13)
mVx mVx mVx mVx

2(Cr lr − Cf lf ) −2(lf2 Cf + lr2 Cr ) 2lf Cf w

γ̇ = β+ γ+ δf + (14)
Iz Iz Vx Iz Iz
De plus, en substituant l’équation (13) dans (10), on obtient :
 
2(Cf + Cr ) 2(Cr lr − Cf lf ) 2Cf F2
ay = − β+ γ+ δf + (15)
m mVx m m
En introduisant les variables X = [x1 x2 ]T = [β γ]T , Y = [y1 y2 ]T = [γ ay ],
u = δf , les équations (13) à (15) peuvent être réécrites sous forme d’espace d’état
comme :

Ẋ = AX + Bu + D1
(16)
Y = CX + Eu + D2

3
 où
 
2(Cf +Cr ) 2(Cr lr −Cf lf )
− −1
 
mVx mVx2 a a
A= 2 2
2(lf Cf +lr Cr )
 = 11 12
2(Cr lr −Cf lf )
− a21 a22
Iz I z Vx
" 2Cf #  
mVx b
B= 2lf Cf
= 1
b2
Iz
   
0 1 c11 c12
C = =
Vx a11 Vx (a12 + 1) c21 c22 (17)
   
0 E1
E = =
Vx b1 E2
 F2   
d
D1 = mV w
x = 1
d2
 Iz  
0 d
D2 = F2 = 3
m
d4
Les paramètres correspondants de la dynamique du véhicule avec leurs descrip-
tions sont présentés dans le Tableau 1.

Table 1 – Paramètres de la dynamique du véhicule [1]

Symbole Description
m Masse du véhicule
Iz Moment d’inertie autour du centre de gravité (CG)
Vx , Vy Vitesses longitudinale et latérale du CG du véhicule
V Vitesse du véhicule
Fxij , Fyij Forces de pneu longitudinales et latérales
d Largeur de voie
lf , lr Distance de l’axe des roues avant et arrière au CG
δf Angle de braquage des roues avant
γ Vitesse de lacet
ax , ay Accélérations longitudinale et latérale
F1 , F2 , w Perturbations concentrées bornées
β Angle de dérive du véhicule
Cf , Cr Rigidités de dérive des pneus avant et arrière
αij Angle de dérive des pneus avant et arrière

4
5.2 Dynamique du système Steer-by-Wire
Pour un véhicule équipé d’un système SbW, l’angle de braquage des roues avant
δf , constitué de la commande d’angle de braquage du conducteur δf d et de l’angle
de braquage corrigé ∆δf d , est en fait l’entrée de commande de l’AFS et le signal
de référence du système SbW, exprimé comme [4] :

δf = δf d + ∆δf d (18)
La Figure 4 montre le modèle schématique du SbW avec une sauvegarde mé-
canique, où l’embrayage est conçu pour commuter le système de direction vers le
système mécanique pour des raisons de sécurité lorsque le système SbW fonctionne
mal.

Figure 4 – Modèle du système Steer-by-Wire [1]

Un modèle dynamique complet du système SbW est détaillé dans [5], donné
par :

Jeq δ̈f t + Beq δ̇f t + τe + τf = kc τ (19)

où τe et τf sont les perturbations du système SbW. τe est le moment d’auto-
alignement généré par les forces de virage des pneus lors des manœuvres, τf est le
frottement de Coulomb dans l’ensemble moteur et le système de direction [6]. δf t
est l’angle de braquage réel des roues avant, et τ est le couple de commande du
moteur, tandis que kc est le rapport combiné du réducteur du moteur, du pignon et
de la crémaillère. Jeq et Beq sont l’inertie effective totale et l’amortissement effectif
total du système SbW, définis comme :

Jeq = Jf w + kc2 Jsm

(20)
Beq = Bf w + kc2 Bsm

5
 où Jf w et Jsm sont les moments d’inertie des roues avant et du moteur de
direction, tandis que Bf w et Bsm sont les amortissements des roues avant et du
moteur de direction, respectivement.
Les paramètres du système SbW avec leurs descriptions sont présentés dans le
Tableau 2.

Table 2 – Paramètres du système Steer-by-Wire [1]

Symbole Description
δf t Angle de braquage réel des roues avant
kc Rapport intégré
τ Couple de commande du moteur
τf Couple de frottement de Coulomb
τe Moment d’auto-alignement
Jeq Inertie effective totale
Beq Amortissement effectif total
Jf w Moments d’inertie des roues avant
Jsm Moments d’inertie du moteur de direction
Bf w Amortissement des roues avant
Bsm Amortissement du moteur de direction

5.3 Objectif de contrôle

L’objectif de contrôle dans cet article est d’améliorer les performances de sta-
bilité de lacet des véhicules SbW, de sorte que la vitesse de lacet et l’angle de
dérive puissent approcher les valeurs souhaitées avec une robustesse élevée face
aux incertitudes paramétriques et aux perturbations.
Compte tenu de la condition pneu/route, la vitesse de lacet souhaitée γd est
donnée par [8] :
0.85µ

 γt
 si |γt | <
γd = Vx (21)
0.85µ 0.85µ

 sign(γt ) si |γt | ≥
Vx Vx
où µ est le coefficient de friction pneu-route et γt est exprimé comme :
Vx
γt = δf d (22)
(1 + KVx2 )(lf + lr )
m(Cr lr − Cf lf )
où δf d est la commande d’angle de braquage du conducteur, K =
2(lf + lr )2 Cf Cr
est le coefficient de sous-virage du véhicule.

6
 Dans cet article, l’angle de dérive souhaité βd est défini aussi petit que possible,
ce qui peut être choisi comme zéro pour améliorer la stabilité latérale, c’est-à-dire
βd = 0.
Comme montré dans (16), afin d’obtenir d’excellentes performances de suivi,
l’angle de braquage des roues avant δf est considéré comme le signal de commande,
qui est également le signal de référence du système SbW. Ainsi, nous devons éga-
lement concevoir un contrôleur de niveau inférieur pour garantir que l’angle de
braquage réel des roues avant δf t puisse suivre la référence avec un taux de conver-
gence plus rapide et une robustesse élevée, de sorte que la stabilité de lacet des
véhicules SbW puisse être atteinte.

6 Schéma de conception de la commande

6.1 Observateur à modes glissants pour l’estimation de l’angle
de dérive
Étant donné que l’angle de dérive β est difficile à mesurer en pratique, il est
nécessaire de concevoir un observateur pour identifier et estimer ses informations.
Dans cet article, nous adoptons l’observateur à modes glissants (SMO) développé
dans [9] pour estimer l’angle de dérive β.

˙
 β̂ = a11 β̂ + a12 γ̂ + b1 u + k1 k2 sign(γ̃) + k3 ãy


 γ̂˙ = a21 β̂ + a22 γ̂ + b2 u + k1 sign(γ̃) + k4 ãy (23)

ây = c21 β̂ + c22 γ̂ + E2 u


où β̂, γ̂ et ây sont les variables estimées de β, γ et ay respectivement, ki (i =

1, 2, 3, 4) > 0 sont les gains de l’observateur. En définissant β̃ = β − β̂, γ̃ = γ − γ̂, et
ãy = ay − ây , la preuve de stabilité du SMO peut être facilement obtenue. Veuillez
vous référer à [9] pour plus de détails.
Remarque 1 : Bien que les incertitudes, y compris les perturbations externes,
les erreurs de modélisation et les erreurs de mesure des capteurs, puissent affecter
les caractéristiques de convergence de l’observateur conduisant à une estimation
inexacte, les erreurs d’estimation induites seront atténuées en sélectionnant correc-
tement ki pour satisfaire la condition de stabilité. De plus, l’approche de contrôle
ARITSM conçue pour le contrôleur de niveau supérieur dans la section suivante
peut également contribuer à l’atténuation de l’effet des erreurs d’estimation pour
les applications pratiques.

7
6.2 Contrôleur de niveau supérieur (Upper Controller)
Le contrôle de stabilité de lacet pour les véhicules SbW utilisant la tech-
nique ARITSM (Adaptive Recursive Integral Terminal Sliding Mode), en tant que
contrôleur de niveau supérieur, est conçu pour garantir la stabilité du véhicule. Il
considère deux variables contrôlées (angle de dérive et vitesse de lacet) et une seule
entrée de commande (angle de braquage avant). En d’autres termes, l’objectif de
contrôle supérieur est d’obtenir des performances de suivi rapides et précises de
l’angle de dérive du véhicule et de la vitesse de lacet.
Tout d’abord, nous définissons les erreurs de suivi entre l’angle de dérive réel
β, la vitesse de lacet γ et leurs valeurs de référence comme :

e1 = β̂ − βd = β̂ (24)

e2 = γ − γd (25)
En combinant (24), (25) avec (16), la dynamique des erreurs peut être donnée
par :
˙ ˙ ˙
ė1 = β̂ = β̂ − β̂ = a11 β + a12 γ + b1 δf + d1 − β̂
(26)
ė2 = γ̇ − γ̇d = a21 β + a22 γ + b2 δf + d2 − γ̇d
Pour construire le contrôleur ARITSM, nous introduisons d’abord la fonction
de glissement suivante σ, qui considère deux variables contrôlées, donnée par :

σ = ae1 + e2 (27)
où a > 0 est le coefficient de pondération reflétant la proportion de déviation
de l’angle de dérive.
Ensuite, une fonction de glissement terminal intégral récursive s est définie
comme suit [10] :

s = σ + λσI (28)
avec

σ̇I = sig(σ)b = |σ|b sign(σ) (29)

où les paramètres λ > 0, 0 < b < 1.
Il est à noter que si nous choisissons la valeur initiale de l’élément intégral σ̇I
comme suit, le temps d’atteinte sera éliminé :

σI (0) = −λ−1 σ(0) = ae1 (0) + e2 (0) (30)

8
 La dérivée de la fonction de glissement terminal intégral récursive s est exprimée
comme :

ṡ = σ̇ + λσ̇I
˙
 
= a a11 β + a12 γ + b1 δf + d1 − β̂ + a21 β + a22 γ
+ b2 δf + d2 − γ̇d + λ|σ|b sign(σ) (31)
 
= (a21 + aa11 ) β̂ + β̃ + (a22 + aa12 )γ − γ̇d
˙
+ λ|σ|b sign(σ) + ad1 + d2 − aβ̂ + (b2 + ab1 )δf
En substituant (30) dans (28), on obtient que la variable de glissement s(0) = 0.
Cela implique que le système de contrôle est forcé de démarrer sur la surface de
glissement au temps initial, ce qui élimine le temps d’atteinte [11].
Enfin, le contrôleur est conçu comme :

1 h
b
i
u = δf = −(a21 + aa11 )β̂ − (a22 + a12 a)γ + γ̇d − λ|σ| sign(σ) − ρ̂ sign(s)
b2 + ab1
(32)
où β̂ est l’angle de dérive du véhicule estimé par le SMO et ρ̂ est l’estimation
du gain de commutation souhaité ρ à mettre à jour par la loi adaptative suivante :

ρ̂˙ = η1 |s| (33)

où η1 est la constante positive définie comme taux d’adaptation.

6.3 Contrôleur de niveau inférieur (Lower Controller)

Selon la description ci-dessus, l’entrée de commande conçue du contrôleur de
niveau supérieur δf permet à l’angle de dérive réel β et à la vitesse de lacet γ
de suivre ceux souhaités, de sorte que la stabilité et la maniabilité du véhicule
puissent être bien garanties. Afin d’obtenir le δf idéal pour les véhicules SbW, un
contrôleur robuste est nécessaire pour garantir que l’angle de braquage réel des
roues avant du système SbW converge étroitement vers l’angle idéal, ce qui est en
fait l’objectif de contrôle du contrôleur de niveau inférieur.
Dans cet article, une nouvelle méthodologie de contrôle FNTSM (Fast Nonsin-
gular Terminal Sliding Mode) dont la commande équivalente est estimée via ELM
(Extreme Learning Machine) est proposée comme contrôleur de niveau inférieur
pour le véhicule SbW afin d’atteindre un excellent suivi de l’angle de braquage des
roues avant.

9
Schéma fonctionnel du système de contrôle électronique de stabilité proposé [1]

6.3.1 Théorie de base de l’ELM

Avant de procéder à la conception du contrôleur, nous introduisons d’abord la
théorie de base de l’extreme learning machine.
Pour N échantillons distincts arbitraires (zj , tj ), si un SLFN (Single-hidden
Layer Feedforward Network) avec Ñ nœuds cachés peut approximer ces N échan-
tillons sans erreur, il peut être exprimé comme :

Ñ
X
ψi G(wi zj + ci ) = tj , j = 1, . . . , N (34)
i=1

où z i = [zi1 , zi2 , . . . , zin ]T ∈ Rn est l’entrée et ti = [ti1 , ti2 , . . . , tim ]T ∈ Rm

est la sortie, wi = [wi1 , wi2 , . . . , win ]T est le vecteur de poids d’entrée, ci est le
biais d’entrée des nœuds cachés, ψi = [ψi1 , ψi2 , . . . , ψim ]T est le vecteur de poids
de sortie connectant le i-ème nœud caché et les nœuds de sortie, et G(·) est la
fonction d’activation [12].
L’équation (34) peut être réécrite de manière compacte comme :

Hψ = T (35)
où H est appelée la matrice de sortie de la couche cachée du réseau neuronal,
ψ = [ψ1T , . . . , ψÑ
T T
] ∈ RÑ ×m , et T = [tT1 , . . . , tTN ]T ∈ RN ×m .
L’algorithme ELM a la propriété suivante [12] : Étant donné une petite valeur
positive ϵ, et une fonction d’activation G(·) infiniment différentiable, il existe Ñ ≤

10
N tel que pour N échantillons distincts arbitraires (zi , ti ), pour tout w et c choisis
dans n’importe quels intervalles de Rn et R, respectivement, selon n’importe quelle
distribution de probabilité continue, alors avec une probabilité de un :

∥H(z, w, c)ψ − T ∥ = ∥ϵ(z)∥ < ϵ (36)

6.3.2 Conception du contrôleur FNTSM

Tout d’abord, nous définissons l’erreur de suivi entre l’angle de braquage réel
des roues avant δf t et sa référence δf comme :

eδ = δf t − δf
(37)
ėδ = δ̇f t − δ̇f
Compte tenu du modèle système dans (19), nous obtenons la dynamique d’er-
reur du système SbW en boucle fermée comme suit :
1  
ëδ = −Beq δ̇f t − τe − τf + kc τ − δ̈f (38)
Jeq
Ensuite, la surface FNTSM est conçue comme [13] :

sl = eδ + l1 |ėδ |λ1 sign(ėδ ) + l2 |eδ |λ2 sign(eδ ) (39)

où l1 > 0, l2 > 0, 1 < λ1 < 2, λ2 > λ1 , et λ1 est choisi comme λ1 = q/p avec q
et p étant des nombres impairs positifs.
Si tous les paramètres et incertitudes du modèle dynamique du système SbW
dans (19) peuvent être obtenus avec précision, le contrôleur peut être conçu comme
suit :

∗
τ = τeq + τsw (40)
où

∗ Beq τe + τ f Jeq
τeq = δ̇f t + + δ̈f
kc kc kc
(41)
Jeq
− |ėδ |1−λ1 (1 + l2 λ2 |eδ |λ2 −1 )ėδ
kc l1 λ1
τsw = −ϕ sign(sl ) (42)
∗
où τeq et τsw sont respectivement la commande équivalente et la commande de
compensation du FNTSMC, ϕ est une constante positive.
Cependant, il est toujours impossible d’obtenir tous les paramètres et incerti-
tudes précis dans un système SbW réel. Cela signifie que la commande équivalente

11
dans (41) ne peut pas être bien implémentée pour une situation pratique. Pour
résoudre ce problème, cet article propose un estimateur basé sur ELM pour ap-
proximer la commande équivalente idéale dans la commande en boucle fermée du
contrôleur de niveau inférieur.
L’estimation de la commande équivalente τ̂eq est conçue comme :

τ̂eq = H(z, w, c)ψ̂ (43)

où ψ̂ est mis à jour par la loi adaptative suivante :
˙
ψ̂ T = −η2 l1 λ1 |ėδ |λ1 −1 sl H(z, w, c) (44)
où le taux d’apprentissage η2 > 0 et le vecteur d’entrée z = [eδ ėδ δ̇f t δ̈f ]T .
Ainsi, le contrôleur de niveau inférieur (40) devient :

τ = τ̂eq + τsw (45)

Selon le théorème d’approximation universelle du SLFN dans [12], il existe des
paramètres de poids de sortie optimaux ψ ∗ tels que :

∗
τeq = H(z, w, c)ψ ∗ + ϵ(z) (46)
où l’erreur d’estimation ∥ϵ(z)∥ ≤ ϵ.
Remarque 4 : Par rapport aux schémas SMC linéaires traditionnels qui ne
garantissent qu’une convergence asymptotique de l’erreur de suivi vers zéro [6, 7],
le contrôle FNTSM proposé peut atteindre des caractéristiques de convergence
plus rapides. De plus, considérant que la dynamique du système SbW devrait être
connue avec précision dans le processus de conception de la commande équivalente
du contrôle par mode glissant traditionnel, un nouvel estimateur via l’ELM est pro-
posé dans cet article pour estimer de manière adaptative la commande équivalente,
de sorte que la dépendance à la dynamique du système puisse être agréablement
atténuée, ce qui facilite considérablement le contrôle par mode glissant pour les
applications pratiques.

7 Conclusion
Dans cet article, une nouvelle stratégie de contrôle électronique de stabilité
basée sur l’AFS, comprenant le contrôleur ARITSM (contrôleur de niveau supé-
rieur) et le contrôleur FNTSM basé sur l’estimateur ELM (contrôleur de niveau
inférieur), a été proposée pour les véhicules SbW afin d’améliorer la stabilité de
lacet et la maniabilité.

12
 En utilisant la technique du mode glissant terminal à la fois dans les contrôleurs
de niveau supérieur et inférieur, le contrôle proposé assure non seulement que la
vitesse de lacet et l’angle de dérive suivent leurs valeurs souhaitées, mais aide
également le véhicule à obtenir la meilleure performance de suivi de trajectoire
indépendamment de la perturbation externe du vent latéral.
De plus, puisque la commande équivalente du contrôleur FNTSM de niveau
inférieur a été estimée par l’estimateur ELM développé, la dépendance de la dy-
namique du système SbW vis-à-vis du contrôleur de niveau inférieur peut être
atténuée, ce qui garantit agréablement l’excellente performance de suivi de l’angle
de braquage avant pour le véhicule SbW.
Les résultats de simulation via Carsim et Matlab ont montré avec succès la
supériorité du contrôle proposé dans des manœuvres de braquage pratiques et
avec perturbation de vent latéral.
Les travaux futurs sur la conception d’un schéma de contrôle de stabilité du
véhicule basé sur le mode glissant pour les véhicules SbW avec des performances
prescrites, en tenant compte de la prévention du renversement et de la saturation
d’entrée, sont actuellement à l’étude par les auteurs.

Références
[1] J. Zhang, H. Wang, M. Ma, M. Yu, A. Yazdani, and L. Chen, “Active Front
Steering-Based Electronic Stability Control for Steer-by-Wire Vehicles via
Terminal Sliding Mode and Extreme Learning Machine,” IEEE Transactions
on Vehicular Technology, vol. 69, no. 12, pp. 14713-14726, Dec. 2020.
[2] M. Abe, Vehicle Handling Dynamics : Theory and Application. Oxford :
Butterworth-Heinemann, 2015.
[3] H. Ohara and T. Murakami, “A stability control by active angle control of
front-wheel in a vehicle system,” IEEE Trans. Ind. Electron., vol. 55, no. 3,
pp. 1277-1285, Mar. 2008.
[4] R. Rajamani, Vehicle Dynamics and Control. New York : Berlin, Germany :
Springer Science & Business Media, 2011.
[5] H. Wang et al., “Design and implementation of adaptive terminal sliding-mode
control on a steer-by-wire equipped road vehicle,” IEEE Trans. Ind. Electron.,
vol. 63, no. 9, pp. 5774-5785, Sep. 2016.
[6] H. Wang, Z. Man, W. Shen, Z. Cao, J. Zheng, and J. Jin, “Robust control
for steer-by-wire systems with partially known dynamics,” IEEE Trans. Ind.
Informat., vol. 10, no. 4, pp. 2003-2015, Nov. 2014.

13
 [7] H. Wang, Z. Man, W. Shen, and J. Zheng, “Robust sliding mode control for
steer-by-wire systems with AC motors in road vehicles,” in Proc. IEEE 8th
Conf. Ind. Electron. Appl., 2013, pp. 674-679.
[8] U. Kiencke and L. Nielsen, Automotive Control Systems : For Engine, Drive-
line, and Vehicle. Berlin : Springer, 2005.
[9] S. Ding, L. Liu, and W. X. Zheng, “Sliding mode direct yaw-moment control
design for in-wheel electric vehicles,” IEEE Trans. Ind. Electron., vol. 64, no.
8, pp. 6752-6762, Aug. 2017.
[10] K. Shao, J. Zheng, K. Huang, H. Wang, Z. Man, and M. Fu, “Finite-time
control of a linear motor positioner using adaptive recursive terminal sliding
mode,” IEEE Trans. Ind. Electron., vol. 67, no. 8, pp. 6659-6668, Aug. 2020.
[11] C. S. Chiu, “Derivative and integral terminal sliding mode control for a class
of MIMO nonlinear systems,” Automatica, vol. 48, no. 2, pp. 316-326, 2012.
[12] G.-B. Huang, Q.-Y. Zhu, and C.-K. Siew, “Extreme learning machine : Theory
and applications,” Neurocomputing, vol. 70, no. 1-3, pp. 489-501, 2006.
[13] L. Yang and J. Yang, “Nonsingular fast terminal sliding-mode control for
nonlinear dynamical systems,” Int. J. Robust Nonlinear Control, vol. 21, no.
16, pp. 1865-1879, 2011.

14