UNIVERSITÉ DE SHERBROOKE

Faculté de génie
Département de génie mécanique

Développement et expérimentation d’une stratégie

optimale de freinage régénératif pour les véhicules
électriques basée sur la commande avancée du
glissement de la roue

Thèse de doctorat
Spécialité : mécatronique

Maxime BOISVERT

Jury : Philippe MICHEAU (directeur)

Alain DESROCHERS
Patrick COIRAULT
Patrice MASSON

Sherbrooke (Québec) Canada 01 2015

À ma mère, à mon père
RÉSUMÉ

En propulsion électrique, le freinage régénératif consiste à récupérer l’énergie cinétique

du véhicule en freinant la roue propulsée avec la motorisation électrique. Afin
d'optimiser la quantité d'énergie récupérée à partir du freinage électrique, la plupart des
études antérieures proposent des stratégies qui consistent à définir le couple de freinage
en fonction de la vitesse du véhicule. Dans cette étude nous proposons une stratégie
originale qui consiste à commander le glissement de la roue freinée en fonction de la
vitesse du véhicule. Les deux principales hypothèses qui ont motivé ce travail sont que
cette stratégie de récupération, réglée à l’optimum, est moins sensible aux incertitudes et
qu’elle permet d’éviter une perte d’adhérence de la roue, étant donné que le glissement
est contrôlé. L’objectif ultime est de démontrer expérimentalement qu’il est possible de
mettre en œuvre une telle approche sur un véhicule électrique afin d'assurer une
récupération optimale de l'énergie tout en assurant la stabilité du véhicule.

Le premier volet de cette étude est d’étudier l’avantage de la stratégie de commande du

glissement quand elle est globalement optimisée au sens de maximiser la récupération
d’énergie en considérant le rendement énergétique de la chaine électrique et des pertes
mécaniques. Pour cela, un simulateur basé sur Matlab/Simulink a été développé et
validé par des mesures expérimentales. La nouvelle stratégie en glissement est alors
comparée en simulation à d’autres stratégies, et sa sensibilité est évaluée par rapport à
des incertitudes paramétriques sur l’inclinaison de la route, la masse et les conditions
routières. Les simulations numériques, validées par des essais expérimentaux, montrent
qu’un freinage régénératif qui commande le glissement est la stratégie la moins sensible
aux variations paramétriques.

Le deuxième volet de cette étude porte sur la synthèse et la mise en œuvre d’un
contrôleur temps-réel, embarqué sur un véhicule électrique à trois roues, afin de
procéder à des tests routiers de la stratégie en glissement. Considérant qu'il n'est pas
possible de mesurer directement le glissement, il doit être estimé en temps réel à partir
des mesures des encodeurs des roues. Pour ce faire, un modèle d’état non-linéaire du

i
comportement du système de propulsion électrique, incluant la dynamique du
glissement, a été expérimentalement identifié. Ce modèle original, combiné à un modèle
classique de dynamique longitudinale du véhicule, est utilisé pour la synthèse et la
comparaison de deux observateurs de Kalman étendu. Finalement, un estimateur
d’adhérence, basé sur un algorithme d’identification de type RLS-λ, est mis en place pour
corriger en-ligne un facteur lié à l’adhérence. Il devient ainsi possible d’estimer avec
précision le glissement de la roue motrice, même en présence de variations
paramétriques importantes.

Un contrôleur non-linéaire temps réel a été développé et implanté dans le but de suivre
une consigne de glissement optimal. Considérant la présence d’un retard pur important
dans la chaine de contrôle, le contrôleur se décompose en une partie boucle ouverte afin
d’atteindre rapidement la consigne de couple et une rétroaction non-linéaire afin de
corriger finement la valeur finale. La synthèse des compensateurs (boucle ouverte et
rétroaction) se base sur une linéarisation par morceaux du système à contrôler: les
paramètres du modèle d’état sont fixés pour une commande de couple de freinage
donnée. La structure de contrôle implantée a été réduite afin de minimiser la puissance
de calcul requise. La combinaison de l’observateur de glissement avec le contrôleur de
glissement a permis de valider expérimentalement la stratégie de freinage par
glissement sur un véhicule électrique. Les conditions de la route (niveau d’adhérence)
ont été modifiées pour valider la robustesse du contrôleur sur une surface glissante.

Mots-clés: Freinage régénératif, modèle linéaire par morceaux, observateur de Kalman,

contrôleur non-linéaire, véhicule électrique, mécatronique

ii
REMERCIEMENTS

Un grand merci à Pr. Philippe Micheau de m’avoir supervisé tout au long du projet de
recherche. Sa disponibilité, ses conseils et ses encouragements m’ont permis d’atteindre
mes objectifs. Je tiens aussi à le remercier pour sa confiance à mon égard.

Merci à toute l’équipe PAC, particulièrement à M. Patrick Quirion et Pr. Alain Desrochers
pour leur soutien et confiance tout au long de mes travaux. Merci aux techniciens et
ingénieurs du CTA. Je tiens à souligner le soutien technique que m’ont apporté Ghislain
Robert et Jasmin Rouleau, ainsi que le bon travail et la bonne humeur de Marc Viens et
Michel Lapointe.

Lors de mon passage au Centre de technologies avancées, je me suis lié d’amitié avec
plusieurs étudiants. Un grand merci tout particulier à Jonathan Nadeau, Mor Talla Tiam,
Renaud Dubé, Thomas Driant et Maxime Tacher pour votre camaraderie, votre support
et les heures de travail partagées.

Je souligne aussi le soutien inconditionnel que m’a accordé ma famille durant les
dernières années. Ainsi que la joie infinie de partager ma vie, depuis près de treize ans,
avec l’amour de ma vie, France.

Finalement, je tiens à remercier Partenariat Automobile Canada, le Centre de

technologies avancées, Bombardier Produits Récréatifs et l’Université de Sherbrooke
pour leur soutien financier.

iii
TABLE DES MATIÈRES

RÉSUMÉ ......................................................................................................................................i
REMERCIEMENTS ................................................................................................................. iii
LISTE DES FIGURES ...............................................................................................................ix
LISTE DES TABLEAUX ....................................................................................................... xiii
LISTE DES SYMBOLES ......................................................................................................... xv
LISTE DES ACRONYMES................................................................................................... xvii
CHAPITRE 1 Introduction .................................................................................................... 1
1.1 Contexte ............................................................................................................................ 1
1.2 Projet de recherche ........................................................................................................... 1
1.3 Problématique ................................................................................................................... 3
1.4 Objectifs du projet de recherche ....................................................................................... 4
1.5 Originalités ....................................................................................................................... 5
1.6 Plan de la thèse ................................................................................................................. 6
CHAPITRE 2 État de l’art ..................................................................................................... 9
2.1 Le véhicule étudié............................................................................................................. 9
2.1.1 Architecture du véhicule PRT1..................................................................................... 9
2.1.2 Le système de freinage hydraulique sur le véhicule PRT1. ........................................ 10
2.1.3 Le système de freinage électrique sur le véhicule PRT1. ........................................... 11
2.1.4 Modélisation de la chaine électrique du PRT1 ........................................................... 12
2.2 Dynamique d’un véhicule; la programmation ................................................................ 14
2.2.1 Approche quasi-statique ............................................................................................. 14
2.2.2 Approche dynamique .................................................................................................. 15
2.3 Dynamique d’un véhicule appliquée au freinage régénératif ......................................... 16
2.3.1 Définition du glissement longitudinal......................................................................... 16
2.3.2 Modèle statique de l’adhérence des roues .................................................................. 17
Burckhardt [3] raffine la formulation de l’adhérence en incluant la vitesse de la roue. Dans
cette représentation, l’adhérence est paramétrisée par quatre constantes. Comme pour la
formule de Pacejka, ces constantes sont initialisées à une certaine valeur, dépendant du type de
route sur lequel le véhicule circule (tableau 1). La constante C4 permet de tenir compte de la
vitesse du véhicule. .................................................................................................................... 19
2.3.3 Les forces normales sur les roues ............................................................................... 19
2.3.4 Dynamique de la masse .............................................................................................. 20
2.4 Modèle dynamique du glissement longitudinal .............................................................. 20
2.4.1 Effet de la déformation du pneu sur le modèle dynamique ........................................ 22
2.5 Freinage régénératif ........................................................................................................ 23
2.5.1 Carte d’efficacité......................................................................................................... 23
2.5.2 Optimisation du freinage régénératif .......................................................................... 24
2.6 Estimation de la vitesse du véhicule ............................................................................... 25
2.6.1 Estimation de la vitesse à partir de l’accélération ....................................................... 25
2.6.2 Estimation de la vitesse à partir de la vitesse des roues et de l’accélération en lacet . 27
2.7 Estimation de l’adhérence .............................................................................................. 28
2.8 Contrôle du glissement longitudinal ............................................................................... 29

v
vi TABLE DES MATIÈRES

2.8.1 Exemple de contrôleur classique de glissement ......................................................... 30

2.8.2 Gain scheduling .......................................................................................................... 31
2.8.3 Contrôle par apprentissage itératif .............................................................................. 32
2.8.4 Contrôle par mode glissants (Sliding mode control) .................................................. 32
2.9 Conclusion sur l’état de l’art .......................................................................................... 34
CHAPITRE 3 Récupération optimale ................................................................................. 37
3.1 Le simulateur .................................................................................................................. 39
3.2 Les stratégies de contrôle en couple ............................................................................... 40
3.2.1 Définition de la stratégie de contrôle S2 .................................................................... 40
3.2.2 Définition de la stratégie de contrôle S3 .................................................................... 41
3.2.3 Définition de la stratégie de contrôle globale : Stratégie S1 ...................................... 41
3.2.4 Comparaison des stratégies S1, S2 et S3 en simulation ............................................. 42
3.3 Stratégie de contrôle en glissement ................................................................................ 44
3.3.1 Définition de la stratégie de contrôle en glissement ................................................... 44
3.3.2 Effet des variations paramétriques sur les commandes étudiées en simulation ......... 46
3.3.3 Effet des variations paramétriques sur l’énergie récupérée en simulation ................. 47
(1) Variation de la masse ..................................................................................................... 49
(2) Variation de l’inclinaison de la route ............................................................................. 50
(3) Variations du type de route ............................................................................................ 50
3.3.4 Résultats expérimentaux ............................................................................................. 52
(1) Protocole expérimental ................................................................................................... 52
(2) Obtenir les cartes globales d’efficacités de façon expérimentale .................................. 53
(3) Sensibilité des cartes d’efficacité aux variations de la masse du véhicule..................... 54
(4) Énergie récupérée avec les lois statiques lorsque la masse est augmentée de 140 kg ... 55
3.4 Évaluation des stratégies de contrôle ............................................................................. 57
3.4.1 Critère de performance acceptable ............................................................................. 57
3.4.2 Évaluation du pilote en temps réel ............................................................................. 58
3.5 Conclusion sur l’optimisation du freinage régénératif ................................................... 60
CHAPITRE 4 Identification et Observateur........................................................................ 61
4.1 Modèle empirique de la dynamique longitudinale du véhicule ..................................... 62
4.1.1 Modèle non linéaire .................................................................................................... 63
4.1.2 Méthodologie pour l’obtention des coefficients ......................................................... 63
4.1.3 Validation du modèle empirique par essais expérimentaux ....................................... 64
4.2 Modèle empirique du glissement de type boite noire .................................................... 66
4.2.1 Problématique ............................................................................................................. 66
4.2.2 Méthodologie .............................................................................................................. 67
4.2.3 Le modèle non linéaire de deuxième ordre proposé ................................................... 69
4.3 Observateur de glissement ............................................................................................. 72
4.3.1 Estimateurs de Kalman étendu ................................................................................... 72
4.3.2 Estimateur du glissement par l’observation des vitesses ............................................ 73
4.3.3 Observation du glissement avec le modèle empirique ............................................... 74
(1) Compensation pour les incertitudes liées à la masse et au type de route ....................... 75
4.3.4 Résultats expérimentaux ............................................................................................. 77
(1) Procédure expérimentale ................................................................................................ 77
(2) Estimateur de glissement par l’observation des vitesses ................................................ 77
(3) Observation du glissement basé sur le modèle empirique ............................................. 78
 vii

(4) Observation du glissement basé sur le modèle empirique avec annulation de sinus et
estimation de l’adhérence de la route ........................................................................................ 79
4.4 Conclusion sur l’identification de paramètre en ligne et les observateurs ..................... 82
CHAPITRE 5 Contrôleurs ................................................................................................... 85
5.1 Problématique ................................................................................................................. 85
5.2 Objectif de contrôle ........................................................................................................ 86
5.3 Incertitude paramétrique du modèle ............................................................................... 87
5.4 Synthèse du contrôle en boucle fermée .......................................................................... 88
5.4.1 Contrôleur boucle fermée sur une route trois fois plus glissante que l’asphalte sec .. 97
5.5 Contrôle en boucle ouverte ........................................................................................... 100
5.6 Mise en place du contrôleur boucle ouverte et boucle fermée ..................................... 106
5.7 Résultats expérimentaux ............................................................................................... 109
5.7.1 Procédure expérimentale........................................................................................... 109
5.7.2 Contrôleur boucle fermée non linéaire ..................................................................... 110
5.7.3 Contrôleur boucle ouverte......................................................................................... 113
5.7.4 Contrôle en boucle ouverte et en boucle fermée non linéaire................................... 116
(1) Variation subite de l’état de la route lors du freinage................................................... 119
5.8 Conclusion .................................................................................................................... 121
CHAPITRE 6 CONCLUSION .......................................................................................... 123
6.1 Objectif atteint .............................................................................................................. 123
6.2 Perspective et travaux futurs......................................................................................... 124
ANNEXE A – Acquisition de la vitesse des roues.................................................................. 125
ANNEXE B – Article : Conception d'un ensemble de stratégies, pour une récupération
énergétique efficaces, lors du freinage électrique, avec un outil d'indice de performance. .... 131
ANNEXE C – Correction de la vitesse longitudinale en fonction de l’angle de braquage. .... 143
LISTE DES RÉFÉRENCES.................................................................................................... 147

vii
LISTE DES FIGURES

Figure 1: Commande de freinage régénératif ........................................................................................... 2

Figure 2: Architecture du Prototype PRT1............................................................................................. 10
Figure 3: Photographie du module Opal-RT (la boîte grise à gauche)................................................... 12
Figure 4: Chaine électrique du EV [6]. .................................................................................................. 13
Figure 5: Modèle électrique d’une des cellules de la batterie [6]........................................................... 13
Figure 6: Modèle quasi statique qui donne le couple moteur en fonction d’une entrée en vitesse. ....... 15
Figure 7 : Modèle de la dynamique d’un véhicule ................................................................................. 16
Figure 8 : Représentation des variables sur une roue ............................................................................. 17
Figure 9 : Représentation de l’adhérence (𝜇𝜇) en fonction du glissement (𝜆𝜆) pour trois types de route
(Dry : Sec, Wet : Mouillé, Snow : Neige) .............................................................................................. 18
Figure 10 : Dimensions d’un véhicule par rapport à son centre de gravité ............................................ 19
Figure 11: Carte d’efficacité d’un moteur synchrone à aimant déposé [25] .......................................... 24
Figure 12: Stratégies de régénération optimale [37] où Fbe est la force de freinage généré par la couple
moteur appliqué (Tb). ............................................................................................................................. 25
Figure 13: Configuration du système d’estimation de vitesse longitudinale [31] ................................. 27
Figure 14: Fusion de capteurs par filtre de Kalman étendu [11] ............................................................ 28
Figure 15: Diagramme d’un observateur d’état pour un système de contrôle de stabilité [13] ............. 29
Figure 16: Contrôleur de glissement [10]............................................................................................... 30
Figure 17: Contrôleur de glissement [10]............................................................................................... 30
Figure 18: Contrôleur de glissement [21]. ............................................................................................. 31
Figure 19: Algorithme d’apprentissage PID [38] ................................................................................... 32
Figure 20: Structure du système de contrôle par mode glissants proposé par Liu [68] ......................... 33
Figure 21: L’idée générale d’une surface glissante [68] ........................................................................ 33
Figure 22: Stratégie non linéaire de freinage optimal en couple moteur 𝐾𝐾𝐾𝐾(𝑣𝑣). ................................... 37
Figure 23: Nouvelle stratégie de contrôle proposée basée sur le contrôle du glissement 𝐾𝐾λ(𝑣𝑣). ......... 38
Figure 24: Chaîne causale de la dynamique longitudinale du véhicule ................................................. 40
Figure 25: Carte globale d’efficacité énergétique 𝜂𝜂𝜂𝜂𝜂𝜂, 𝑣𝑣 et loi de contrôle optimal en couple moteur
𝐾𝐾𝐾𝐾𝐾𝐾 (Courbe bleue) ............................................................................................................................... 42
Figure 26: Carte globale d’efficacité énergétique ηTb, v, loi de contrôle optimal en couple moteur (S1,
S2 et S3) et loi de contrôle non optimale S4 [62]. ................................................................................. 43
Figure 27: Carte globale d’efficacité énergétique 𝜂𝜂𝜆𝜆, 𝑣𝑣 et loi de contrôle optimal en couple moteur 𝐾𝐾𝜆𝜆𝑣𝑣
(courbe bleue)......................................................................................................................................... 45
Figure 28: 𝐾𝐾𝐾𝐾(𝑣𝑣) et KTv pour différentes variations de la masse.......................................................... 47
Figure 29: 𝐾𝐾𝐾𝐾(𝑣𝑣) et KTv pour différentes variations de l’inclinaison de la route ................................. 47
Figure 30: 𝐾𝐾𝐾𝐾(𝑣𝑣) et KTv pour différents types de route (R1: Asphalte: Sec, R2: Asphalte: Mouillé, R3:
Ciment: Sec, R4: Pavé: Sec, R5: Pavé: Mouillé, R6: Neige) ................................................................. 47
Figure 31: Énergie récupérée par les lois de commande optimale et les deux lois statiques 𝐾𝐾 ∗ 𝑇𝑇(𝑣𝑣) et
𝐾𝐾 ∗ 𝜆𝜆𝑣𝑣, lors de variations de la masse du véhicule. ............................................................................... 49

ix
x LISTE DES FIGURES

Figure 32: Énergie récupérée par les lois de commande optimale et les deux lois statiques 𝐾𝐾 ∗ 𝑇𝑇(𝑣𝑣) et
𝐾𝐾 ∗ 𝜆𝜆𝑣𝑣, lors de variations de l’inclinaison de la route. ........................................................................... 50
Figure 33: Énergie récupérée par les lois de commande optimale et les deux lois statiques 𝐾𝐾 ∗ 𝑇𝑇(𝑣𝑣) et
𝐾𝐾 ∗ 𝜆𝜆𝑣𝑣, lors de variations du type de route............................................................................................. 51
Figure 34: Composantes principales du véhicule ................................................................................... 52
Figure 35: Estimation du glissement de la roue arrière, en se basant sur la vitesse du véhicule et les
vitesses des roues arrière. ....................................................................................................................... 53
Figure 36: Décélération de véhicule pour l’obtention des cartes globales d’efficacité énergétique. ..... 53
Figure 37:Ajout de sacs de sable sur le véhicule.................................................................................... 54
Figure 38: Carte globale d’efficacité énergétique en couple moteur pour un véhicule sans ajout de
poids (gauche) et avec ajout de poids (à droite) ..................................................................................... 55
Figure 39: Carte globale d’efficacité énergétique en glissement pour un véhicule sans ajout de poids
(gauche) et avec ajout de poids (à droite)............................................................................................... 55
Figure 40: Énergie récupérée en utilisant la loi de commande statique en couple moteur (𝐾𝐾 ∗ 𝑇𝑇𝑇𝑇) et la
loi de commande statique en glissement (𝐾𝐾 ∗ 𝜆𝜆(𝑣𝑣)) sur un véhicule dont la masse a été augmentée. .. 56
Figure 41: Carte de performance 𝛹𝛹𝛹𝛹𝛹𝛹, 𝑣𝑣 et lois de commande S1à S4. ................................................ 58
Figure 42: Carte globale d’efficacité 𝜂𝜂𝜆𝜆, 𝑣𝑣 et lois de commande S5. ..................................................... 59
Figure 43: Barre d’intensité sur le tableau de bord. ............................................................................... 59
Figure 44: Problématique pour l’observation du glissement .................................................................. 62
Figure 45: Comparaison entre l’accélération du véhicule mesurée par l’accéléromètre et sa prédiction
par le modèle pour différents couples de freinage.................................................................................. 65
Figure 46: Comparaison entre la vitesse du véhicule calculée en utilisant la mesure des signaux des
encodeurs et sa prédiction par le modèle pour différents couples de freinage. ...................................... 66
Figure 47: Mesure directe du glissement (ligne pointillée bleue) et estimation via le modèle empirique
(ligne pleine noire) ................................................................................................................................. 68
Figure 48: 𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾 fonction du couple de freinage appliqué. .................................................................. 69
Figure 49: 𝑍𝑍𝑇𝑇𝑇𝑇 fonction du couple de freinage appliqué. ..................................................................... 70
Figure 50: Diagramme de Bode du système à différents points de fonctionnement. ............................. 70
Figure 51: Délais enregistrés sur quinze essais. ..................................................................................... 71
Figure 52: Diagramme de Bode Bode des systèmes avec un délai de 0.04 seconde. ............................. 71
Figure 53: Algorithme d’estimation de glissement basé sur l’estimation des vitesses du véhicule et de
la roue. .................................................................................................................................................... 73
Figure 54: Filtre de Kalman étendu basé sur un modèle empirique non linéaire du glissement ............ 75
Figure 55: Coefficient d’adhérence en fonction du glissement pour quatre types de route. .................. 76
Figure 56: Filtre de Kalman étendu et filtre RLS pour l’estimation du glissement. .............................. 77
Figure 57: Comparaison entre la mesure directe du glissement (bleu) et son observation (noir) pour un
échelon du couple de freinage de 90 Nm. .............................................................................................. 78
Figure 58: Comparaison des deux observateurs avec élimination du sinus (𝑇𝑇𝑇𝑇 = 90Nm) (mesure directe
du glissement (Bleu) et Observation (Noir)). ......................................................................................... 79
Figure 59: Estimation des propriétés d’adhérence de la route en utilisant le filtre RLS et le modèle non
linéaire. ................................................................................................................................................... 80
Figure 60: Comparaison des trois observateurs sur une route glissante ................................................. 81
 LISTE DES FIGURES

Figure 61: Comparaison entre l’estimation du glissement obtenu par l’observateur de glissement avec
filtre RLS et le glissement obtenu sans filtre en post-traitement pour un véhicule circulant sur une route
glissante, lorsque le 𝑟𝑟 initial est juste. .................................................................................................... 82
Figure 62: Contrôleur non linéaire composé d’une commande en boucle ouverte (CBO), d’un pré-
compensateur et d’un contrôleur en boucle fermée................................................................................ 86
Figure 63: Glissement théorique en fonction du couple moteur appliqué sur l’asphalte sec ................. 86
Figure 64: Diagramme de Bode du système non linéaire pour différents points de fonctionnement et
avec un délai de 40 ms ........................................................................................................................... 88
Figure 65: Réponse en fréquence du système augmenté pour différents paramètres............................. 90
Figure 66: Système augmenté, boucle fermée, avec un contrôleur LQG............................................... 93
Figure 67: Compensateur non-linéaire pour la boucle fermée ............................................................... 93
Figure 68: Comparaison entre le LQG/LTR et le compensateur simplifié sur deux points de
fonctionnement (C(s)). ........................................................................................................................... 94
Figure 69: Réponse en fréquence du système contrôlé (compensateur + système) en boucle ouverte
(L(s)) pour 5 points de fonctionnement de 60 à 140 Nm ....................................................................... 95
Figure 70: Diagramme de Nichols du système contrôlé (compensateur + système) en boucle ouverte
(L(s)) pour 5 points de fonctionnement de 60 à 140 Nm ....................................................................... 95
Figure 71: Comparaison de la réponse à une consigne de glissement de 1 à 3%, sur asphalte sec, entre
le compensateur réduit et le LQG/LTR. ................................................................................................. 96
Figure 72: Comparaison de la réponse à une consigne de glissement de 1 à 3% du système contrôlé par
le LQG/LTR et par le compensateur simplifié pour r = 3 ...................................................................... 98
Figure 73: Comparaison de la réponse à une consigne de glissement de 1 à 3% du système contrôlé par
le LQG/LTR et par le compensateur simplifié pour r = 1 ...................................................................... 99
Figure 74: Contrôle simplifié en boucle ouverte .................................................................................. 101
Figure 75: Comparaison entre les réponses en fréquence du contrôle boucle ouverte simplifié 𝐶𝐶𝐶𝐶(s) et
non simplifié C(s) ................................................................................................................................. 102
Figure 76: Bode du système contrôlé 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶(𝑠𝑠) sur 2 points de fonctionnement ................................ 103
Figure 77: Comparaison du couple de freinage (𝑇𝑇𝑇𝑇) des contrôleurs C et 𝐶𝐶𝐶𝐶 lorsqu’ils sont soumis à
trois échelons (référence en glissement) de -0.01, -0.02 et -0.03 sur asphalte sec ............................... 104
Figure 78: Comparaison du glissement résultant des systèmes contrôlés CG et 𝐶𝐶𝐶𝐶𝐶𝐶 pour trois échelons
sur asphalte sec. .................................................................................................................................... 105
Figure 79: Comparaison de la réponse à trois échelons (1, 2 et 3%) du contrôle CBF et CBF-BO sur
l’asphalte sec. ....................................................................................................................................... 107
Figure 80: Comparaison de la réponse à trois échelons (1, 2 et 3%) du contrôle CBF et CBF-BO sur
une route trois fois plus glissante que l’asphalte sec. ........................................................................... 108
Figure 81: Type de route pour essais expérimentaux sur route glissante ............................................. 109
Figure 82: Contrôleur LQG implanté dans le véhicule ........................................................................ 110
Figure 83: Résultats expérimentaux et de simulation du contrôleur LQG sur l’asphalte sec. ............. 111
Figure 84: Résultats expérimentaux et de simulation du contrôleur LQG r3 sur l’asphalte sec. ......... 112
Figure 85: Résultats expérimentaux et de simulation du contrôleur LQG r=3 sur l’asphalte ensablé. 113
Figure 86: Résultats expérimentaux et de simulation du contrôleur boucle ouverte sur une route sèche.
.............................................................................................................................................................. 114

xi
xii LISTE DES FIGURES

Figure 87: Résultats expérimentaux et de simulation du contrôleur boucle ouverte sur une route trois
fois plus glissante que l’asphalte sec. ................................................................................................... 115
Figure 88: Résultats expérimentaux et de simulation du contrôleur CBO-BF sur route sèche. ........... 117
Figure 89: Résultats expérimentaux et de simulation du contrôleur CBO-BF sur une route trois fois
plus glissante que l’asphalte sec. .......................................................................................................... 118
Figure 90: Résultats expérimentaux, lorsque le type de route passe de l’asphalte sec au sable, alors que
pilote freine .......................................................................................................................................... 120
Figure 91: Roue dentelée et capteurs.................................................................................................... 125
Figure 92: Électronique du capteur de vitesse...................................................................................... 125
Figure 93: Logique implanté dans le microcontrôleur ......................................................................... 126
Figure 94: Effet de l’angle de braquage sur la vitesse des roues.......................................................... 143
Figure 95: Augmentation de la vitesse de la roue droite lorsque le pilote tourne à gauche ................. 143
Figure 96: Diminution de la vitesse de la roue droite lorsque le pilote tourne à droite........................ 144
Figure 97: Correction de la roue avant droite en fonction du l’angle de braquage .............................. 145
LISTE DES TABLEAUX

Tableau 1 : Valeur de C1, C2 et C3 pour différents types de routes ...................................................... 18

Tableau 2 : Énergie récupérée par les différentes stratégies [62] ........................................................... 44
Tableau 3 : Valeur de 𝑘𝑘𝑘𝑘𝑘𝑘 et 𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 ................................................................................................. 64
Tableau 4 : Variation des paramètres 𝑍𝑍𝑍𝑍 𝑒𝑒𝑒𝑒 𝐾𝐾𝐾𝐾𝐾𝐾𝐾𝐾, 𝑟𝑟 ............................................................................. 88
Tableau 5 : Les gains de Kalman en fonction du couple de freinage ..................................................... 91
Tableau 6 : Les gains du contrôleur LQR en fonction du couple de freinage ........................................ 92
Tableau 7 : Marges de gain et marges de phase du système contrôlé sur chaque point de
fonctionnement ....................................................................................................................................... 94

xiii
LISTE DES SYMBOLES

Symbole Définition

̇ Dérivée première
̈ Dérivée seconde
𝑎𝑎𝑥𝑥 Accélération en x
𝑎𝑎𝑦𝑦 Accélération en y
𝑎𝑎𝑟𝑟 Accélération en lacet
𝜇𝜇 Adhérence
𝜇𝜇𝐻𝐻 Adhérence maximale
𝜆𝜆 Glissement de la roue
𝐶𝐶𝑓𝑓 Rigidité du pneu [N/m]
𝑑𝑑 Angle de braquage [rad]
𝐷𝐷 Diamètre de la roue du véhicule [m]
𝐹𝐹𝑧𝑧 Force Normale
𝐽𝐽 Inertie [kg m²]
𝑚𝑚 Masse du véhicule
𝑟𝑟 Niveau d’adhérence
𝑅𝑅 Rayon de la roue [m]
𝑇𝑇𝑏𝑏 Couple moteur [Nm]
u Entrée du système d’état
𝑣𝑣 Vitesse du véhicule (en x) [m/s]
𝑣𝑣𝑥𝑥 Vitesse du véhicule en x [m/s]
𝑣𝑣𝑦𝑦 Vitesse du véhicule en y [m/s]
𝑣𝑣𝑐𝑐𝑐𝑐 Vitesse du véhicule vue du centre de gravité [m/s]
𝑉𝑉𝑏𝑏𝑏𝑏𝑏𝑏 Tension à la sortie de la batterie
𝑉𝑉 Vitesse du véhicule
𝑉𝑉𝑑𝑑 𝑤𝑤 − 𝑉𝑉
𝑥𝑥 Axe x du véhicule
𝑦𝑦 Axe y du véhicule; Sortie de l’équation d’état
𝑧𝑧 Axe z du véhicule
𝑤𝑤 Vitesse de la roue [m/s]
𝑤𝑤𝑟𝑟 Vitesse angulaire de la roue [rad/s]

xv
LISTE DES ACRONYMES

Acronyme Définition
ABS Système Antiblocage
BRP Bombardier Produit Récréatif
CC Courant Continu
CTA Centre de Technologies Avancées
EV Véhicule Électrique
HEV Véhicule Hybride Électrique
LQG Linear Quadratic Gaussien
LQR Linear Quadratic Regulation
MSAP Machine Synchrone à Aimants Permanents
PAC Partenariat Automobile du Canada
RLS Recursive Least Square
S1 Stratégie 1
S2 Stratégie 2
S3 Stratégie 3
S4 Stratégie 4
UdeS Université de Sherbrooke
VSS Système de Stabilité du Véhicule

xvii
CHAPITRE 1 Introduction

1.1 Contexte
Le programme de Partenariat Automobile du Canada a été développé suite à la crise de 2008
afin d’aider l’industrie automobile à réaliser de la recherche et du développement.

« Les problèmes économiques mondiaux bouleversent l’industrie automobile et lui donnent

une nouvelle direction. Pour survivre à cette situation inédite, celle-ci doit adopter de
nouvelles méthodes et trouver de nouveaux partenaires, puisque les façons de faire
traditionnelles ne permettent plus d’obtenir les résultats des années passées. Il faut transformer
complètement les méthodes utilisées pour trouver et appliquer de nouvelles idées. Cette
transformation des activités de recherche et développement (R et D) permettra à l’industrie et
aux universités canadiennes de travailler à l’application des résultats des travaux de
recherche. Pour encourager cette transformation, le gouvernement du Canada a créé le
Partenariat automobile du Canada (PAC), une initiative qui favorisera la réalisation
d’importantes activités de R et D en collaboration au profit de l’ensemble de l’industrie
automobile canadienne. » (source : [Link]).

Au Québec, l’entreprise Bombardier Produits Récréatifs (BRP), spécialisée dans la conception

et fabrication de véhicules récréatifs, a répondu à cet appel du gouvernement canadien. Pour
cela, elle a mandaté le Centre de technologies avancées (CTA), de déposer un projet de
développement de technologies vertes, pour son véhicule routier original, qu’est le CAN-AM
Spyder. Ainsi, cette thèse s’insère dans le contexte d’un projet PAC de partenariat public-
privé (BRP, UdeS, CTA) pour développer un prototype de véhicule Spyder électrique.

1.2 Projet de recherche

Dans le but d’améliorer l’efficacité énergétique du véhicule, le projet de recherche se penche
sur l’optimisation de la récupération énergétique lors du freinage électrique. Le freinage
conventionnel (freinage mécanique) est fort différent du freinage électrique. Dans un véhicule
conventionnel, l’énergie est dissipée en chaleur par les plaquettes des freins. Lors du freinage

1
2 Introduction

régénératif, c’est le moteur électrique qui impose un couple négatif aux roues et ainsi fait
ralentir le véhicule. Ce faisant, l’énergie est récupérée en rechargeant les batteries.

En considérant les avantages de l’utilisation d’un moteur électrique, ce projet de recherche

s’est penché sur le défi de maximiser la récupération de l’énergie au freinage tout en assurant
la contrôlabilité et la stabilité du véhicule. Du point de vue de l’utilisateur final (le
conducteur), il s’agit de développer toute la stratégie de commande en temps réel entre la
poignée de commande du niveau de freinage régénératif et le couple de freinage (couple
moteur négatif) développé sur la roue motorisée. La figure 1 présente le schéma global de la
stratégie de commande développée qui accepte deux modes de commande (manuel ou
automatique). Le mode manuel permet à l’utilisateur de gérer directement le couple de
freinage régénératif. Dans ce cas, il faut lui donner une information en temps réel sur la qualité
de son freinage régénératif. Ce livrable sera abordé dans cette thèse. Dans le cas du mode
automatique, il s’agit d’activer un algorithme assurant la commande optimale du freinage
régénératif en temps réel. Ce livrable plus complexe va requérir des outils de commande
avancée. Tous les contrôleurs ont été testés en simulation et sur le prototype. Un simulateur
causal a aussi été créé afin de simuler les principales composantes du véhicule, ainsi que la
dynamique du véhicule. Les résultats obtenus en simulation ont été validés en pratique.

Figure 1: Commande de freinage régénératif

 3

1.3 Problématique
Considérant l’état de l’art, on constate que le freinage régénératif sur l’unique roue arrière est
propre au véhicule développé par le CTA et soulève des questions sur l’optimisation de
l’énergie récupérée et sur la stabilité du véhicule.

Les stratégies usuelles de freinage régénératif ne tiennent pas compte des pertes mécaniques.
Or, en tenant compte de toutes les pertes (électrique et mécanique), il est possible de mieux
gérer les flux énergétiques lors du freinage et ainsi améliorer l’efficacité énergétique du
véhicule. Cette optimisation requiert une carte d’efficacité globale, calculable théoriquement
et observable en pratique. Cette carte est susceptible de varier dans le temps, dû
principalement au changement des conditions d’utilisation du véhicule. La météo, la masse, le
type de routes et l’usure des pneus sont quelques exemples, parmi d’autres, d’éléments qui
peuvent varier dans le temps. L’ajout d’algorithmes qui s’adaptent aux changements et qui
assurent un freinage optimal en toute circonstance, est peu évoqué dans la littérature. Ainsi, la
robustesse des stratégies développées devra être assurée pour une multitude de conditions
routières.

Le couple moteur appliqué au pneumatique lors du freinage produit une variation de la vitesse
de roulement de telle sorte que le pneu se déplace à une vitesse moindre qu'il ne le ferait s’il
était libre. Cette diminution de la vitesse de la roue comparativement à la vitesse du véhicule
est appelée glissement de roue. Ce glissement de la roue, s’il n'est pas contrôlé, peut conduire
à la perte d'adhérence entre la roue freinée et la route, d'où le risque d'instabilité du véhicule. Il
est donc impératif de maintenir le glissement de la roue en dessous d'un seuil (appelé le
glissement critique de la roue) pour assurer un freinage efficace du véhicule [19]. Ainsi,
l’application de la commande optimale pourrait provoquer un fort glissement sur la roue
arrière, nuire à la récupération énergétique et déstabiliser le véhicule. L’ajout de contrôleur
limitant le glissement est bien décrit dans la littérature. Les contrôleurs classiques limitent le
glissement de chaque roue pour empêcher leur blocage et ainsi assurer un certain coefficient
de friction (une adhérence) élevé, tout en assurant la manœuvrabilité du véhicule. Il est
intéressant de noter que plusieurs des contrôleurs développés à ce jour ne contrôlent pas
directement le glissement, mais travaillent sur l’accélération et la vitesse de la roue contrôlée ;
bien que les contrôleurs les plus robustes combinent à la fois le contrôle du glissement à celui
4 Introduction

de l’accélération et de la vitesse. Bien que les contrôleurs conventionnels montrent une forte
robustesse et tolérance face aux incertitudes, ils sont limités en termes de contrôle et de
performance. Un des inconvénients les plus significatifs est leur incapacité à suivre une
consigne en glissement. Effectivement, ces systèmes sont développés pour limiter le
glissement et non le contrôler. La grande majorité des contrôleurs sont avant tout des
dispositifs de sécurité utilisés seulement en cas d’urgence. Ainsi, en cas normal d’utilisation,
les contrôleurs sont désactivés et les freins sont totalement contrôlés par le pilote. De plus, ils
ont été développés pour des systèmes hydrauliques et ne sont pas directement implantables sur
un système de freinage régénératif électrique. Finalement, les systèmes de stabilité actuels
incorporent une multitude de contrôleurs pour répondre à une multitude de scénarios
possibles. La complexité de ces systèmes rend leur analyse difficile.

Si un régulateur de glissement peut permettre une récupération d'énergie plus élevée, la

première difficulté n'est pas tant dans la conception d'un tel contrôleur, mais plutôt
l’estimation avec précision du glissement de la roue, en temps réel. Effectivement, le
glissement ne peut pas être directement mesuré sur le véhicule et doit être estimé. Pour ce
faire, la méthode usuelle est d’utiliser des encodeurs sur les roues motrices et de déduire la
vitesse du véhicule avec un accéléromètre. Cependant, dans le véhicule étudié, la mesure de la
vitesse des roues, donnée par les encodeurs, est corrompue par du bruit blanc et une
perturbation sinusoïdale synchronisée avec la vitesse de la roue (la fréquence de la
perturbation harmonique est proportionnelle à la vitesse de roue). Ainsi, alors que de
nombreuses études estiment que la mesure de vitesse est disponible sans autres considérations,
il s’avère que cette information peut en fait être corrompue par le bruit et doit être traitée.

1.4 Objectifs du projet de recherche

Considérant la problématique qu’apporte le freinage régénératif, on réalise facilement qu’il
existe un certain flou autour de la commande optimale. Comment garantir que la commande
est optimale si nous ne connaissons pas les conditions routières et l’état du véhicule? Dans ce
projet de recherche, l’objectif est de concevoir, développer et expérimenter un nouveau
contrôle optimal de récupération de l’énergie au freinage, tout en assurant une bonne tenue de
route et le confort du pilote.
 5

Dans cette étude nous proposons une stratégie originale en mode automatique qui consiste à
commander le glissement de la roue freinée en fonction de la vitesse du véhicule. L’hypothèse
principale est que la prise en compte du glissement des roues motrices permettrait de
maximiser la quantité d’énergie récupérée lors du freinage régénératif sans compromettre la
stabilité du véhicule. Cette hypothèse est motivée par le fait que cette stratégie de
récupération, réglée à l’optimum, est moins sensible aux incertitudes liées aux conditions
d’opération, et qu’elle permet d’éviter une perte d’adhérence de la roue puisque le glissement
est contrôlé. Ainsi l’objectif principal est de:

1. Démontrer expérimentalement qu’il est possible de mettre en œuvre une telle approche
sur un véhicule électrique afin d'assurer une récupération optimale de l'énergie tout en
assurant la stabilité du véhicule.

Cette démonstration est faite au chapitre 3. Pour mettre en place cette nouvelle stratégie en
glissement, le glissement des roues motrices doit être connu et contrôlable. Ainsi deux
objectifs secondaires sont émis :

1. Démontrer qu’il est possible d’estimer précisément la vitesse du véhicule et le

glissement de la roue propulsée

2. Démontrer qu’il est possible de contrôler précisément le glissement de la roue

propulsée.

Le chapitre 4 fait la démonstration du premier objectif secondaire, en proposant deux

observateurs de glissement, tandis que le chapitre 5 fait la démonstration du deuxième en
proposant un contrôleur de glissement.

1.5 Originalités
Bien que le concept de freinage régénératif existe depuis plusieurs années, il n'a jamais été
implanté dans un véhicule à trois roues. L’originalité principale est d’assurer la stabilité
longitudinale lors du freinage tout en assurant une récupération énergétique optimale du
véhicule. Pour assurer une récupération optimale de l’énergie, l’originalité sera de tenir
compte de toutes les pertes énergétiques, grâce à une carte d’efficacité globale. De plus, afin
6 Introduction

de minimiser l’effet des variations paramétriques, une stratégie qui contrôle le glissement de la
roue propulsée et qui est moins sensible aux variations paramétriques est proposée.

Il y a beaucoup de recherches qui se font sur l'hybridation de véhicule. Presque tous les grands
constructeurs proposent leurs produits et financent la recherche en ce sens. Par contre, les
produits récréatifs sont presque absents du marché. Le fait que le véhicule soit un produit
récréatif est une originalité par la configuration du véhicule et par les sensations que le pilote
exige. Sur un produit récréatif, le plaisir de conduire est au centre des préoccupations du
pilote. Ainsi, la validation sur un véhicule récréatif du contrôleur de freinage régénératif sera
un élément d'originalité, car il se doit d’être acceptable par le pilote en termes de sensations.
En clair, un freinage régénératif fort et sans glissement, ni perte de stabilité donne une
sensation de freinage performant au pilote.

La majorité des systèmes de stabilité ne contrôle pas directement le glissement. Comme l’une
des stratégies proposées dans cette étude demande de contrôler avec précision le glissement du
véhicule, des observateurs et des contrôleurs de glissement devront être implantés. Les
contrôleurs ne pourront pas se contenter de limiter le glissement et devront être en mesure de
suivre une commande de glissement en temps réel.

Les recherches qui ont été faites et publiées jusqu'à présent donnent très peu de résultats
expérimentaux. La grande majorité d'entre elles se contente de donner des résultats théoriques
souvent obtenus par la simulation. Un autre élément d’originalité est qu’il nous a été possible
de mettre en place plusieurs stratégies de contrôle et de les valider expérimentalement.

1.6 Plan de la thèse

En premier lieu, une revue de la littérature est faite au chapitre deux. Il est question du
véhicule étudié, ainsi que du système de freinage mécanique et électrique. Cette section
permet au lecteur de se familiariser avec le prototype « PRT1 », ainsi qu’avec les technologies
qu’il renferme. Par la suite, il est question de la modélisation de la dynamique d’un véhicule
appliquée au freinage régénératif. Il y est question du glissement, de l’adhérence, des forces
normales et des autres phénomènes physiques qui doivent être connus pour la modélisation de
la dynamique longitudinale d’un véhicule. À la section 2.5, l’état de l’art sur l’optimisation du
freinage régénératif est présenté. Les principaux travaux dans le domaine y sont cités. Aux
 7

sections 2.6, 2.7 et 2.8, il est question de l’estimation de la vitesse longitudinale du véhicule,
de l’estimation de l’adhérence et du contrôle du glissement longitudinal. Ces sections
présentent quelques exemples des principaux observateurs et contrôleurs présents dans la
littérature.

Le chapitre 3 se concentre sur la récupération optimale lors du freinage régénératif. Deux

stratégies présentes dans la littérature sont initialement étudiées. Ces deux stratégies sont par
la suite comparées à une nouvelle stratégie nommée : stratégie globale. Cette dernière stratégie
tient compte des pertes mécaniques et électriques du système. En section 3.3, une nouvelle
stratégie est proposée, afin de limiter l’effet des variations paramétriques. Cette nouvelle
stratégie propose de contrôler le glissement de la roue propulsée, plutôt que le couple moteur.
Dans cette section, nous démontrons qu’en observant et en contrôlant le glissement de la roue
propulsée, la quantité d’énergie récupérée reste près de l’optimal, même lors de variations
paramétriques importantes. Finalement, un critère de « performance acceptable » est proposé
en section 3.4.1. Ce critère permet d’évaluer les performances de la stratégie de commande ou
simplement les performances du pilote lors du freinage régénératif.

Le chapitre 4 se consacre à l’identification des paramètres en ligne et aux observateurs d’états.

Dans un premier temps, l’effet de l’angle de braquage sur la vitesse des roues avant est
présenté. Par la suite, deux modèles empiriques sont proposés. Ces deux modèles sont à la
base des observateurs et des contrôleurs proposés par la suite. En premier lieu, un modèle de la
dynamique longitudinale du véhicule est proposé. Il prédit l’accélération du véhicule en
fonction du couple moteur appliqué. Le deuxième modèle proposé donne le glissement de la
roue propulsée en fonction, une fois de plus, du couple moteur appliqué. Ce modèle d’état
bilinéaire est à la base des contrôleurs présentés au chapitre 5. La section 4.3 propose deux
observateurs non linéaires du glissement, basés sur la théorie des filtres de Kalman étendu. Un
estimateur d’adhérence est aussi présenté dans cette section. Tous les observateurs et
l’estimateur ont été validés expérimentalement.

Finalement, le dernier chapitre porte sur le contrôle du glissement. Le modèle général du

contrôleur ainsi que les objectifs de contrôle sont présentés dans un premier temps. Par la
suite, le contrôleur général est divisé en deux parties; soit un contrôleur boucle ouverte et un
8 Introduction

contrôleur boucle fermée. Le design des deux sous contrôleurs est expliqué en section 5.4 et
5.5. Les résultats expérimentaux des différents contrôleurs sont présentés en section 5.7.
CHAPITRE 2 État de l’art

2.1 Le véhicule étudié

Le CTA a mis en place une équipe complète d’ingénieurs pour le design et la fabrication de
plusieurs prototypes de véhicules CAN-AM Spyder à propulsion électrique. Le premier
prototype assemblé au CTA, le PRT1, a été mis à disposition pour les besoins du projet de
recherche sur le freinage régénératif. En plus du véhicule, il a été mis à disposition les études
antérieures réalisées au CTA sur ce premier prototype, ainsi que celles faites sur la
modélisation de la chaine électrique (moteur, onduleur et batterie) qui permettaient de prédire
l’efficacité énergétique du véhicule.

Cette section (2.1), présente la technologie du véhicule PRT1, ainsi que les modèles
développés au CTA pour le modéliser.

2.1.1 Architecture du véhicule PRT1.

Le prototype PRT1 est le premier prototype de véhicule à propulsion hybride qui a été
assemblé au CTA. Comme tous les Can-AM Spyder, le véhicule est propulsé par son unique
roue arrière. Afin d’hybrider la propulsion thermique du véhicule, le moteur à combustion
interne de 602 cm3 a été couplé à une machine électrique de 20 kW via une transmission
variable continue (CVT), une courroie (silent chain) et une roue libre (one way clutch). La
machine synchrone à aimants permanents est pilotée par un onduleur et alimentée par un
ensemble de batteries de 4 kWh et un convertisseur DC à DC (Figure 2).

9
10 État de l’art

Figure 2: Architecture du Prototype PRT1

2.1.2 Le système de freinage hydraulique sur le véhicule PRT1.

Le système de freinage présent dans le véhicule inclut un système de stabilité complet,
Vehicle Stability System (VSS) [39]. Ce dernier contrôle le freinage mécanique. Il utilise une
multitude de capteurs afin de bien asservir le freinage.

Suite à la lecture de ses différents capteurs (roues, angle du guidon, vitesse en lacet,
commande de freinage, présence d’un passager), le VSS est en mesure d’agir sur le freinage
hydraulique en diminuant/augmentant la pression hydraulique sur les freins mécaniques et en
modulant le couple du moteur à combustion.

Le système VSS inclut quatre fonctions principales:

• BSC : Contrôleur de glissement (Brake Slip Control)

• VDC : Contrôleur de la dynamique du véhicule (Vehicule Dynamic Control)

• TCS : Contrôleur de la traction (Traction Control System)

• HBB : Suralimentation du freinage hydraulique (Hydraulic Brake Boost)

 11

Le système VSS est désactivé sur tous les prototypes dû, entre autres, à l’ajout du freinage
régénératif. Il sera toutefois important que le système de freinage régénératif reprenne
certaines de ses fonctions. De ces quatre sous-systèmes, deux sont pertinents pour le projet de
recherche, soit le BSC et le VDC.

Le BSC réduit et remet la pression de freinage à une certaine fréquence afin de limiter le
glissement des pneus. Le BSC diffère d’un ABS conventionnel en tenant compte non
seulement d’un glissement maximal, mais aussi d’une décélération limite des pneus du
véhicule. La pression hydraulique est ajustée sur chacun des pneus de façon individuelle. Le
BSC fait aussi varier la distribution du freinage entre les roues avant et la roue arrière.
Lorsqu’un glissement est détecté sur la roue arrière, le BSC diminue la proportion de la
pression hydraulique vers la roue arrière afin de garder le glissement entre 0.02 et 0.04.

Le VDC assure la stabilité du véhicule. Il a autorité sur la commande du couple moteur et sur
chacun des trois freins mécaniques. Il inclut deux sous-systèmes, soit le ROM (Roll Over
Mitigation) et le RMI (Roll Moment Intervention). Le ROM prévient un basculement lors des
manœuvres douces. Il utilise la déduction du couple et le freinage individuel de chacune des
trois roues comme commande sur la stabilité. Le ROM va, par exemple, appliquer un freinage
sur la roue extérieure lorsque le véhicule circule dans une courbe. Le RMI va réagir lors de
manœuvres brusques. C’est un contrôleur prédictif et il agit sur les mêmes commandes que le
système ROM.

2.1.3 Le système de freinage électrique sur le véhicule PRT1.

Lors du freinage électrique, c’est la machine électrique qui, en imposant un couple moteur
négatif, freine le véhicule et ainsi recharge la batterie. Le couple moteur est contrôlé via
l’onduleur par le module Opal-RT facilement embarquable à l’arrière du véhicule (Figure 3).
Ce contrôleur commande le couple moteur désiré via le bus CAN. La programmation du
module Opal-RT se fait en Simulink/Matlab.
12 État de l’art

Figure 3: Photographie du module Opal-RT (la boîte grise à gauche).

Dans le cadre du projet, tous les contrôleurs ont été implantés dans le module Opal-RT pour
réaliser des essais routiers. En effet, l’infrastructure du CTA ne permettait pas de réaliser des
expérimentations de freinage sur un banc moteur.

2.1.4 Modélisation de la chaine électrique du PRT1

La chaine électrique du véhicule PRT1 est présentée à la figure 10. Quatre éléments y sont
présentés; un onduleur, un hacheur, le moteur électrique et une batterie composée de cellules
lithium-ion. Le hacheur permet d’alimenter les accessoires du véhicule avec une tension de 12
volts. Ce dernier n’affecte pas l’efficacité énergétique du véhicule lors du freinage, il est donc
négligé. La puissance requise à la roue est transmise par le moteur électrique. L’onduleur à
source de tension transforme la tension continue de la batterie en une tension triphasée
nécessaire au fonctionnement de la machine électrique (MSAP : machine synchrone à aimants
permanents). Dans la plupart des véhicules électriques, un hacheur en tension est inséré entre
l’onduleur et la batterie. Ce convertisseur est absent sur les prototypes réalisés au CTA,
principalement pour des raisons d’espace.
 13

Figure 4: Chaine électrique du EV [6].

La chaine électrique du PRT1 a été modélisée au complet dans le cadre des travaux de
doctorat de Denis [6]. À partir des données fournies par le constructeur du moteur, il présente
le modèle d’une MSAP à pôles lisses avec saturation basé sur les travaux de Krishnan [44].
L’onduleur considéré est bidirectionnel (double quadrant) afin de considérer les pertes
énergétiques lors du freinage régénératif. La modélisation de l’onduleur et de ses pertes
intrinsèques est basée sur les travaux de Casanellas [42].

La batterie utilisée sur le prototype PRT1 est composée de cellules Lithium Ion (Modèle A123
ANR26650m1A). Le modèle de la batterie est composé d’une source de tension variable et
d’une résistance interne; tous les deux doivent être caractérisés expérimentalement en fonction
du courant de cellule, de l’état de charge et de la température, en se basant sur les travaux de
Angarita [43].

Figure 5: Modèle électrique d’une des cellules de la batterie [6].

14 État de l’art

Ainsi, en mode propulsion, le modèle développé par Denis permet de prédire la puissance
fournie par la batterie, pour une puissance mécanique utile fournie par la machine électrique,
et à l’inverse, en mode de freinage régénératif, il permet de prédire la puissance récupérée par
la batterie en fonction de la puissance mécanique de freinage de la machine électrique [6]. Ce
modèle quasi-statique a ainsi permis de chercher une stratégie de commande optimale de la
propulsion hybride qui maximise l’autonomie du véhicule.

2.2 Dynamique d’un véhicule; la programmation

Dans cette section, il est question de deux méthodes utilisées en simulation pour l’estimation
de la dynamique et du rendement énergétique d’un véhicule : l’approche dite quasi-statique et
l’approche dynamique. L’approche quasi-statique, est celle qui est utilisée pour des
prédictions d’autonomie de véhicules à propulsion thermique, électrique, ou hybride au CTA.
L’approche dynamique est celle qui respecte le principe de causalité et permet la simulation de
contrôleurs temps-réels. Les sections suivantes décrivent brièvement les différences
fondamentales entre les deux approches.

2.2.1 Approche quasi-statique

Le modèle quasi-statique est aussi appelé modèle inverse car il inverse le principe de
causalité : la vitesse du véhicule sert au calcul de la force de propulsion [25]. Cette approche
est très pratique pour l’étude énergétique des cycles de circulation qui spécifient une vitesse en
fonction du temps de route. Par exemple, pour une motocyclette comme le Spyder, le cycle
standard est typiquement le « World Motorcycle Test Cycle » (WMTC). Au niveau normatif
américain, la procédure normative est le FTP-75 pour évaluer la consommation et l’émission
de polluants d’un véhicule léger circulant en ville. De même, le « Worldwide harmonized
Light vehicles Test Procedures » (WLTP) définit une norme harmonisée au niveau mondial
pour quantifier les niveaux de pollution, d’émission de CO2, de consommation de carburant et
d’autonomie électrique pour des véhicules légers. Le modèle quasi-statique est bien adapté
pour des calculs sur des cycles normalisés car il déduit les forces résistives (résistance au
roulement, force aérodynamique, inclinaison de la route, vent contraire…), et donc la force de
propulsion nécessaire en fonction de la vitesse et de l’accélération du véhicule (cette dernière
étant déduite de la vitesse). Ainsi, pour tout moment d’un cycle standard, il est relativement
simple de calculer la puissance nécessaire à fournir au véhicule pour obtenir la vitesse
 15

spécifiée. L’énergie fournie par le moteur électrique, l’onduleur et la batterie est calculée de la
même manière non-causale. La figure 6 illustre la logique de mise en place de cette approche.

La méthode quasi-statique a l’avantage de permettre l’estimation de l’efficacité énergétique du

véhicule sans pour autant modéliser la dynamique fine entre les contrôleurs, les composantes
électriques et le véhicule. L’approche quasi-statique ne doit pas avoir un pas de calcul trop
petit afin que l’estimation de l’accélération par différence finie soit numériquement viable. Par
exemple, Lino Guzzela [70] propose un pas de temps de l’ordre d’une seconde. La charge de
calcul pour calculer une simulation de 30 minutes est ainsi très légère et peut s’exécuter dans
un simple tableur Excel. Elle a toutefois l’inconvénient de son avantage. C'est-à-dire qu’il
n’est pas possible de simuler ou prédire le comportement de stratégies de contrôle ou
d’asservissement en utilisant cette méthode.

Figure 6: Modèle quasi statique qui donne le couple moteur en fonction d’une entrée en
vitesse.

2.2.2 Approche dynamique

L’approche dynamique respecte la causalité de chaque élément simulé. Elle se base sur des
principes physiques, souvent décrits par des équations différentielles ordinaires. La figure
suivante montre un exemple simple de la dynamique d’un véhicule. L’accélération du véhicule
est le résultat du bilan des forces. La vitesse est l’intégration en temps de l’accélération. À
chaque pas de calcul, la valeur de la vitesse est utilisée dans le code pour mettre à jour la
valeur des forces résistives. Une telle modélisation respectant le principe de causalité ne peut
être résolue avec un tableau Excel. Un outil numérique spécialisé comme Matlab/Simulink
doit être utilisé pour prédire le comportement du véhicule. Dans cet exemple, bien que la
causalité soit respectée, plusieurs simplifications ont été faites. Un contrôleur ne peut induire
une force par lui-même et doit nécessairement le faire via le moteur électrique qui lui dépend
du courant électrique fournit par l’onduleur. Tout dépendamment du système physique étudié,
le degré de raffinement du simulateur peut varier.
16 État de l’art

Figure 7 : Modèle de la dynamique d’un véhicule

Plus le simulateur a un degré de raffinement élevé, plus le pas de calcul doit être faible afin de
pouvoir intégrer numériquement les dynamiques plus rapides, ce qui amène un temps de
simulation élevé.

Dans le cadre de ce projet, l’approche dynamique est adaptée car on s’intéresse à la

dynamique fine du véhicule et du glissement de la roue qui se déroule à une échelle de temps
courte pendant le freinage, et non pas à l’étude d’un cycle de circulation complet. De plus,
l’outil numérique doit permettre de simuler l’action d’un contrôleur temps réel.

2.3 Dynamique d’un véhicule appliquée au freinage régénératif

Un modèle causal de la dynamique d’un véhicule se base sur plusieurs sous-systèmes qui
seront présentés dans les sections suivantes.

• Définition du glissement longitudinal

• Modèle statique de l’adhérence des pneus sur la route

• Modèle dynamique du glissement longitudinal

• Forces normales sur les roues

• Dynamique de la masse

2.3.1 Définition du glissement longitudinal

Dans la littérature, le calcul du glissement est défini comme la différence de vitesse entre la
roue (w) et le véhicule (v) [26] :

𝑉𝑉𝑑𝑑 = 𝑤𝑤 − 𝑣𝑣 (1)
 17

Dans le cas moteur, la définition la plus courante est le glissement relatif à la vitesse de la
roue :

𝑉𝑉𝑑𝑑 (2)
𝜆𝜆 =
|𝑤𝑤|

Dans le cas freinage, la définition la plus courante est le glissement relatif à la vitesse du
véhicule :

𝑉𝑉𝑑𝑑 (3)
𝜆𝜆 =
|𝑣𝑣|

Il est aussi possible d’utiliser une définition du glissement qui combine (2) et (3). En
supposant que la roue tourne toujours dans la même direction que le véhicule [18] :

𝑉𝑉𝑑𝑑 (4)
𝜆𝜆 =
𝑚𝑚𝑚𝑚𝑚𝑚(|𝑤𝑤|, |𝑣𝑣|)

Figure 8 : Représentation des variables sur une roue

2.3.2 Modèle statique de l’adhérence des roues

Le modèle le plus réputé d’adhérence d’un pneu a été développé par Pacejka [19]. Souvent
appelée la « formule magique », la formule mathématique a été développée grâce à des
données expérimentales. Elle donne l’adhérence en fonction du glissement et de 4 paramètres :
18 État de l’art

𝜇𝜇 = 𝐷𝐷sin �𝐶𝐶 arctan�𝐵𝐵𝐵𝐵 − 𝐸𝐸(𝐵𝐵𝐵𝐵 − tan−1(𝐵𝐵𝐵𝐵))�� (5)

Afin de déterminer les constantes B-E, il est nécessaire d’étudier des données expérimentales.

Figure 9 : Représentation de l’adhérence (𝜇𝜇) en fonction du glissement (𝜆𝜆) pour trois types de
route (Dry : Sec, Wet : Mouillé, Snow : Neige)

Une représentation de l’adhérence en fonction du glissement est présentée sur la figure 9. La

caractéristique n’est typiquement pas linéaire. Le glissement critique est la valeur du
glissement où l’adhérence est maximale (𝜇𝜇𝐻𝐻 ). Lorsque le glissement est supérieur à la valeur
critique, le système du pneumatique devient instable : il perd son adhérence. Lorsqu’il est
inférieur au point critique, le système du pneumatique est stable et il est possible de linéariser
la courbe d’adhérence : de l’approximer par une droite passant par l’origine.

Surface : conditions C1 C2 C3
Asphalte: Sec 1,2801 23,99 0,52
Asphalte: Mouillé 0,857 33,822 0,347
Béton: Sec 1,1973 25,168 0,5373
Pavés: Sec 1,3713 6,4565 0,6691
Pavés: Mouillé 0,4004 33,708 0,1204
Neige 0,1946 94,129 0,0646
Glace 0,05 306,39 0
Tableau 1 : Valeur de C1, C2 et C3 pour différents types de routes
 19

Burckhardt [3] raffine la formulation de l’adhérence en incluant la vitesse de la roue. Dans

cette représentation, l’adhérence est paramétrisée par quatre constantes. Comme pour la
formule de Pacejka, ces constantes sont initialisées à une certaine valeur, dépendant du type de
route sur lequel le véhicule circule (tableau 1). La constante C4 permet de tenir compte de la
vitesse du véhicule.

𝜇𝜇 = �𝐶𝐶1 �1 − 𝑒𝑒 −𝐶𝐶2𝜆𝜆 � − (𝐶𝐶3 𝜆𝜆)� 𝑒𝑒 −𝐶𝐶4 𝜆𝜆𝜆𝜆 (6)

2.3.3 Les forces normales sur les roues

La force normale sur la roue arrière propulsée est fonction de la distance entre les roues et le
centre de gravité, de la masse du véhicule (m), de la gravité (g), de l'inclinaison de la route (p)
et de l’accélération longitudinale du véhicule (𝑎𝑎𝑥𝑥 ) [23].

�𝑙𝑙𝑓𝑓 𝑚𝑚𝑚𝑚 𝑐𝑐𝑐𝑐𝑐𝑐(𝑝𝑝)� + (ℎ𝑚𝑚𝑎𝑎𝑥𝑥 ) (7)

𝐹𝐹𝑧𝑧 =
�𝑙𝑙𝑟𝑟 + 𝑙𝑙𝑓𝑓 �

où lf, lr et h sont les dimensions du véhicule par rapport à son centre de gravité et sont
présentées dans la figure 10.

Figure 10 : Dimensions d’un véhicule par rapport à son centre de gravité

Selon (7), lorsqu’il y a une accélération longitudinale (soit selon x) (𝑎𝑎𝑥𝑥 ), la force normale sur
la roue augmente. Cette augmentation a un impact non négligeable sur la force de propulsion
du véhicule. À l’inverse, selon (7), lorsqu’il y a une décélération longitudinale, il y a une
20 État de l’art

diminution de la force normale sur la roue qui peut provoquer une perte d’adhérence et alors
un blocage de la roue.

2.3.4 Dynamique de la masse

La force transmise au véhicule par la roue propulsée est fonction de la force normale sur la
roue (𝐹𝐹𝑧𝑧 ) et de l’adhérence (𝜇𝜇) :

𝐹𝐹𝑥𝑥 = 𝐹𝐹𝑧𝑧 (𝑝𝑝, 𝑎𝑎𝑥𝑥 )𝜇𝜇(𝜆𝜆) (8)

L’accélération du véhicule (𝑣𝑣̇ ) est ainsi déduite :

1 (9)
𝑣𝑣̇ = (𝐹𝐹 − 𝐹𝐹𝑟𝑟 )
𝑚𝑚 𝑥𝑥

où 𝐹𝐹𝑟𝑟 est la somme des forces résistives comprenant les forces aérodynamique et de résistance
au roulement.

2.4 Modèle dynamique du glissement longitudinal

L’étude d’un système dynamique permet d’en déduire l’ordre, sa stabilité et de mieux
comprendre l’effet de ses paramètres. Dans cette section, la dynamique du glissement du
pneumatique de la roue propulsée est étudiée.

En négligeant les forces résistives, l’équation de la dynamique longitudinale du véhicule est :

1 (10)
𝑣𝑣̇ = 𝐹𝐹 𝜇𝜇
𝑚𝑚 𝑧𝑧

La dynamique de la roue rigide est :

𝑅𝑅𝐹𝐹𝑧𝑧 𝜇𝜇 − 𝑇𝑇𝑏𝑏 (11)

𝑤𝑤̇𝑟𝑟 = −
𝐽𝐽

Où : 𝑇𝑇𝑏𝑏 est le couple de freinage, 𝐽𝐽 est le moment d’inertie de la roue et R est le rayon de la
roue.

Pour 𝑣𝑣 > 0 et 𝑤𝑤𝑟𝑟 ≥ 0, la dynamique du glissement longitudinal est obtenue en dérivant (3)
[21].
 21

1 1 𝑅𝑅 2 1 𝑅𝑅 (12)
𝜆𝜆̇ = − � (1 + 𝜆𝜆) + � 𝐹𝐹𝑧𝑧 𝜇𝜇 + 𝑇𝑇
𝑣𝑣 𝑚𝑚 𝐽𝐽 𝑣𝑣 𝐽𝐽 𝑏𝑏

Noter que lorsque 𝑣𝑣 → 0, la dynamique du glissement devient infiniment grande.

En posant 𝜆𝜆̂ et 𝑇𝑇�𝑏𝑏 comme étant le point d’équilibre de (12) (𝜆𝜆̂=0) pour des valeurs nominales
de 𝜆𝜆̂, 𝐹𝐹�z et 𝜇𝜇̂ H .

𝐽𝐽 (13)
𝑇𝑇�𝑏𝑏 = � �1 + 𝜆𝜆̂� + 𝑅𝑅� 𝐹𝐹�𝑧𝑧 𝜇𝜇�𝜆𝜆̂, 𝜇𝜇̂ H , α� �
𝑚𝑚𝑚𝑚

La dynamique du glissement linéarisé fonction de la vitesse est :

𝛼𝛼1 𝛽𝛽1 (14)

𝜆𝜆̇ = �𝜆𝜆 − 𝜆𝜆̂� + �𝑇𝑇𝑏𝑏 − 𝑇𝑇�𝑏𝑏 � + h. o. t.
𝑣𝑣 𝑣𝑣

où 𝛼𝛼1 et 𝛽𝛽1 sont les constantes de la linéarisation

1 𝑅𝑅 2 𝜕𝜕𝜕𝜕 1 (15)
𝛼𝛼1 = −𝐹𝐹�𝑧𝑧 � �1 − 𝜆𝜆� + � �𝜆𝜆̂, 𝜇𝜇̂ 𝐻𝐻 , 𝛼𝛼�� + 𝐹𝐹�𝑍𝑍 𝜇𝜇�𝜆𝜆̂, 𝜇𝜇̂ 𝐻𝐻 , 𝛼𝛼��
̂
𝑚𝑚 𝐽𝐽 𝜕𝜕𝜕𝜕 𝑚𝑚

𝑅𝑅
𝛽𝛽1 =
𝐽𝐽

et où le terme h.o.t. correspond au terme d’ordre plus grand (High-order term).

La relation (14) montre, une fois de plus, la forte dépendance de la dynamique du glissement à
la vitesse du véhicule (v).

Notons que pour une valeur nominale de glissement (𝜆𝜆̂ ) située à la droite du maximum
d’adhérence sur la courbe d’adhérence (Adhérence en fonction du glissement), (𝛼𝛼1 > 0), la
dynamique du système est instable. D’un autre côté, lorsque la valeur nominale se situe
suffisamment à gauche de ce maximum, (𝛼𝛼1 < 0), le système est stable. Le défi est donc de
maintenir le glissement dans la zone stable.
22 État de l’art

2.4.1 Effet de la déformation du pneu sur le modèle dynamique

La section précédente propose un modèle du glissement strictement fonction du couple
moteur, de la vitesse et de l’accélération du véhicule. Il est important de noter qu’en réalité,
plusieurs éléments viennent modifier le comportement du glissement. Pensons par exemple à
l’asservissement du couple moteur par l’onduleur, à la déformation de la courroie qui relie le
moteur à la roue et à la déformation du pneu. Dans cette section, l’effet de la déformation du
pneu est étudié.

Pour tenir compte de la déformation du pneu, il faut inclure la rigidité du pneu 𝐶𝐶𝑓𝑓 définie
comme [3] [25].

𝜕𝜕𝐹𝐹𝑥𝑥 (16)
𝐶𝐶𝑓𝑓 =
𝜕𝜕𝜕𝜕

où 𝐹𝐹𝑥𝑥 est la force de traction et 𝑢𝑢 est la déformation du pneu

Puisqu'il y a déformation, il y a une différence entre la vitesse du centre de la roue et la vitesse

à sa circonférence. La variation de la déformation du pneu s'exprime:

𝑑𝑑𝑑𝑑 (17)
= 𝑤𝑤 ′ − 𝑤𝑤 = 𝑉𝑉𝑑𝑑, − 𝑉𝑉𝑑𝑑
𝑑𝑑𝑑𝑑

où 𝑤𝑤 ′ et 𝑉𝑉𝑑𝑑, sont la vitesse de la roue déformée et la différence entre la vitesse de la roue

déformée et celle du véhicule.

En linéarisant les équations, la dynamique du glissement qui tient compte de la dynamique de

la déformation du pneu peut s’exprimer par une équation différentielle ordinaire non linéaire.

𝜕𝜕𝐹𝐹 𝑑𝑑𝐹𝐹𝑧𝑧 (18)

𝑑𝑑𝑑𝑑′ ((|𝑣𝑣𝑚𝑚 |𝜆𝜆′ − 𝑣𝑣𝑑𝑑 )𝐶𝐶𝑓𝑓 ) − �𝜕𝜕𝐹𝐹𝑧𝑧 𝑑𝑑𝑑𝑑 �
=
𝑑𝑑𝑑𝑑 𝜕𝜕𝐹𝐹
𝜕𝜕𝜕𝜕

À très basse vitesse, la rigidité 𝐶𝐶𝑓𝑓 combinée à l’inertie du pneu conduit à un mode faiblement
amorti, ce qui provoque des oscillations. Plus la vitesse augmente plus ce mode est amorti.
 23

Cet amortissement proportionnel à la vitesse représente un risque potentiel à la robustesse du

contrôleur. Il sera donc important de s’assurer que le contrôleur choisi soit robuste sur toute la
plage de vitesse.

2.5 Freinage régénératif

L’utilisation du freinage régénératif permet d’améliorer l’efficacité énergétique du véhicule,
car l’énergie récupérée par la batterie peut être réutilisée, contrairement à l’énergie dissipée
lors d’un freinage mécanique conventionnel [45][46].

Yimin a étudié plusieurs cycles urbains [35]. Il a été en mesure de calculer l’énergie de
freinage sur chacune des roues d’un véhicule et le pourcentage d’énergie récupérable sur les
roues avant. Notez que la configuration du véhicule étudié dans cet article est différente de
celle proposée par le CTA. Néanmoins, il a mis en lumière la quantité importante d’énergie
consommée lors du freinage. Il démontre aussi la faible énergie disponible lorsque la vitesse
du véhicule est faible. Comme le freinage demandé est normalement faible, un moteur
électrique de faible puissance peut suffire à freiner un véhicule dans la majorité des cas.

2.5.1 Carte d’efficacité

Chaque élément de la chaîne électrique possède un rendement qui peut varier ou non en
fonction des états du système. Par exemple, l’efficacité du moteur électrique varie,
normalement, en fonction du couple appliqué et de sa vitesse de rotation. Comme son
efficacité est fonction de plusieurs variables, il peut être avantageux de la représenter sous
forme graphique. La figure 11 donne l’exemple [25] de la carte d’efficacité d’un moteur
synchrone à aimants déposés.

En utilisant les cartes d’efficacité de chaque composante, il est possible d’obtenir, en

simulation, l’efficacité du système et ainsi déduire les pertes et le rendement du véhicule.
Aussi, en étudiant les différentes cartes du système, il est possible de mettre en place des
stratégies de commande qui maximisent le rendement du système et ainsi améliorent
l’efficacité énergétique du véhicule.
24 État de l’art

Figure 11: Carte d’efficacité d’un moteur synchrone à aimant déposé [25]

2.5.2 Optimisation du freinage régénératif

Il est possible d’augmenter davantage l’énergie récupérée lors du freinage régénératif en
adoptant une stratégie de freinage optimale. Une stratégie de freinage est dite optimale
lorsqu’elle maximise la récupération d'énergie [47][48][49]. Dans la littérature, plusieurs
chercheurs se sont intéressés à maximiser la puissance récupérée lors du freinage [35], à
maximiser l’énergie récupérée par la batterie [17][30] et maximiser l’efficacité électrique
[34][17]. Pour maximiser l’énergie récupérée par les batteries (Stratégie : (𝑃𝑃𝑖𝑖𝑖𝑖 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 ) de la figure
12), il faut trouver le couple moteur appliqué pour maximiser le courant de régénération
[17][30]. Plus le couple moteur est important, plus le courant de recharge est important. C’est
la raison pour laquelle le couple commandé suit le couple maximal du moteur électrique.

Pour maximiser l’efficacité électrique (Stratégie : (𝜂𝜂𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 ) de la figure 12), il faut tenir compte
de l’efficacité de chacune des composantes de la chaine électrique, qui comprend les batteries,
l’onduleur et le moteur [34][17]. La différence entre les deux courbes est principalement due
au rendement du moteur électrique qui varie beaucoup en fonction du couple demandé et de sa
vitesse de rotation.
 25

Figure 12: Stratégies de régénération optimale [37] où Fbe est la force de freinage généré par
la couple moteur appliqué (Tb).

Il est important de noter l’effet important du freinage régénératif sur la stabilité du véhicule.
Effectivement, si le couple moteur appliqué à la roue est trop élevé comparativement à
l’adhérence maximale de la route, la roue se bloque. Lorsque la roue est bloquée, non
seulement il n’y a plus d’énergie récupérée, mais en plus la stabilité du véhicule est
compromise. Un système pour limiter le glissement doit être ajouté pour empêcher un trop
grand glissement. L’ajout d’un tel système garantit la stabilité du véhicule tout en assurant une
certaine quantité d’énergie récupérée [8][52]. Or, les stratégies d’optimisation de l’énergie
récupérée lors du freinage électrique, décrites précédemment, ont toutes été élaborées sans
tenir compte de l'impact du glissement et des pertes mécaniques. À la section 3.2.3, une
stratégie globale, qui tient compte des pertes mécaniques et du glissement, est proposée.

2.6 Estimation de la vitesse du véhicule

2.6.1 Estimation de la vitesse à partir de l’accélération
La vitesse du véhicule est une variable importante dans le calcul du glissement. Il est donc très
important d’avoir une vitesse estimée la plus près possible de la réalité. S’il n’y a aucun
glissement entre les pneus et la route, il est usuel de calculer la vitesse longitudinale du
véhicule en se basant sur les capteurs de vitesse des roues. Par contre, lors d’une accélération,
d’un freinage ou d’une manœuvre, la vitesse des roues est différente de celle du véhicule.
C’est pourquoi un algorithme doit être mis en place pour faire une estimation de la vitesse du
26 État de l’art

véhicule en utilisant la vitesse des roues et d’autres mesures provenant d’accéléromètres, de

GPS et de l’onduleur. Dans la littérature, plusieurs exemples d’algorithmes sont utilisés
comme les filtres de Kalman, la logique floue et des algorithmes récursifs, pour n’en nommer
que trois.

Deux modèles sont proposés par Wu [33]. Le premier est un simple intégrateur. Ce modèle
suppose que le biais (offset) mesuré par le capteur (accéléromètre) varie lentement.

𝑣𝑣(𝑘𝑘 + 1) 1 −𝑑𝑑𝑑𝑑 𝑣𝑣(𝑘𝑘) 𝑑𝑑𝑑𝑑 𝑤𝑤 (𝑘𝑘) (19)

� �=� �� � + � � 𝑎𝑎𝑚𝑚 (𝑘𝑘) + � 1 �
𝑎𝑎0 (𝑘𝑘 + 1) 0 1 𝑎𝑎0 (𝑘𝑘) 0 𝑤𝑤2 (𝑘𝑘)

𝑣𝑣(𝑘𝑘)
𝑣𝑣𝑚𝑚 (𝑘𝑘) = [1 0] � � + 𝑤𝑤𝑣𝑣 (𝑘𝑘)
𝑎𝑎0 (𝑘𝑘)

où v est la vitesse du véhicule, 𝑎𝑎𝑚𝑚 est l’accélération mesurée, 𝑎𝑎0 est le biais de l’accélération
mesurée, dt est la période d’échantillonnage, 𝑤𝑤1et 𝑤𝑤2 sont les innovations liées au processus,
𝑤𝑤𝑣𝑣 est le bruit de mesure et 𝑣𝑣𝑚𝑚 est la vitesse mesurée.

Le deuxième modèle indique qu’il y a une relation entre l’accélération du véhicule et le biais.
Ce biais est dû, entre autres, aux amortisseurs qui s’inclinent lorsqu’il y a une accélération ou
décélération. Cette inclinaison produit le même effet que la pente de la route sur
l’accéléromètre. Le modèle enlève le biais qui est dû à la décélération. Il est assez simple de
décrire cet effet avec des tests expérimentaux et d’inclure ces perturbations au modèle. Cet
ajout améliore l’estimation de la vitesse, en intégrant le biais de l’accéléromètre au modèle
précédent :

𝑣𝑣(𝑘𝑘 + 1) 1 −𝑑𝑑𝑑𝑑 𝑣𝑣(𝑘𝑘) 𝑑𝑑𝑑𝑑 0 𝑎𝑎𝑚𝑚 (𝑘𝑘) 𝑤𝑤 (𝑘𝑘) (20)

� �=� �� �+� �� �+� 1 �
𝑎𝑎0 (𝑘𝑘 + 1) 0 1 𝑎𝑎0 (𝑘𝑘) 0 𝑑𝑑𝑑𝑑 𝑟𝑟(𝑘𝑘) 𝑤𝑤2 (𝑘𝑘)

𝑣𝑣(𝑘𝑘)
𝑣𝑣𝑚𝑚 (𝑘𝑘) = [1 0] � � + 𝑤𝑤𝑣𝑣 (𝑘𝑘)
𝑎𝑎0 (𝑘𝑘)

où r est une variable qui décrit le biais de la mesure d’accélération par rapport à l’accélération
elle-même.

Il semble assez évident que le biais vient principalement de la pente de la route. Même si cette
valeur ne devrait pas varier beaucoup lors d’un freinage, il semble approprié d’inclure cette
 27

variable au calcul. L’auteur indique qu’en intégrant l’inclinaison de la route aux calculs, la
valeur estimée de la vitesse sera meilleure. Il ne fait toutefois pas allusion à une méthode pour
faire l’estimation.

2.6.2 Estimation de la vitesse à partir de la vitesse des roues et de

l’accélération en lacet
Lorsque le véhicule circule en ligne droite sans freiner, la vitesse du véhicule peut être estimée
en utilisant directement les capteurs de vitesse des roues non propulsées. Par contre, lorsque le
véhicule circule dans une courbe, cette estimation de la vitesse longitudinale est biaisée. Wang
[31] propose un estimateur de vitesse longitudinale pour un véhicule qui circule dans une
courbe (Figure 13). L’estimateur proposé se divise en quatre parties. Un préestimateur de
vitesse longitudinale, un calculateur de vitesse des roues, un estimateur d’état latéral et un
calculateur de vitesse longitudinale.

Figure 13: Configuration du système d’estimation de vitesse longitudinale [31]

Le préestimateur de vitesse longitudinale calcule la vitesse moyenne (𝑢𝑢𝐺𝐺𝐺𝐺 ) des roues non
propulsées, soit celle de l’avant gauche et droite. Cette vitesse est envoyée à l’estimateur d’état
latéral. Les états estimés sont l’angle de glissement 𝛽𝛽̂ et la vitesse en lacet 𝑤𝑤
�.𝑟𝑟 L’estimateur

non linéaire, où le gain L est calculé en fonction de la théorie des filtres de Kalman, est
fonction de la vitesse estimée 𝑢𝑢𝐺𝐺𝑥𝑥 .

𝛽𝛽̂̇ 𝛽𝛽̂ (21)

� � = [𝐴𝐴(𝑢𝑢𝐺𝐺𝐺𝐺 ) −𝐿𝐿(𝑢𝑢𝐺𝐺𝐺𝐺 )𝐶𝐶] � � + 𝐵𝐵(𝑢𝑢𝐺𝐺𝐺𝐺 )𝛿𝛿 + 𝐿𝐿(𝑢𝑢𝐺𝐺𝐺𝐺 )𝑟𝑟𝑚𝑚
�𝑟𝑟̇
𝑤𝑤 𝑤𝑤
�𝑟𝑟
28 État de l’art

𝐶𝐶𝑓𝑓 +𝐶𝐶𝑟𝑟 𝑎𝑎𝑎𝑎𝑓𝑓 −𝑏𝑏𝐶𝐶𝑟𝑟 −𝐶𝐶𝑓𝑓

2 −1
𝑚𝑚𝑢𝑢𝐺𝐺𝐺𝐺 𝑚𝑚𝑢𝑢𝐺𝐺𝐺𝐺 𝑚𝑚𝑢𝑢 0
où : 𝐴𝐴(𝑢𝑢𝐺𝐺𝐺𝐺 ) = �−𝑎𝑎𝑎𝑎 𝑎𝑎2 𝐶𝐶𝑓𝑓 +𝑏𝑏 2 𝐶𝐶𝑟𝑟
� , 𝐵𝐵(𝑢𝑢𝐺𝐺𝐺𝐺 ) = � 𝑙𝑙𝑓𝑓 𝐶𝐶𝐺𝐺𝐺𝐺 � , 𝐶𝐶 𝑇𝑇 = � �,
𝑓𝑓 −𝑏𝑏𝐶𝐶𝑟𝑟 𝑓𝑓 1
𝐼𝐼𝑧𝑧 𝐼𝐼𝑧𝑧 𝑢𝑢𝐺𝐺𝐺𝐺 𝐼𝐼𝑧𝑧

𝑟𝑟𝑚𝑚 est la vitesse en lacet mesurée, m est la masse du véhicule, 𝐶𝐶𝑓𝑓 et 𝐶𝐶𝑟𝑟 sont la résistance au
virage, 𝑙𝑙𝑓𝑓 est la distance entre le centre de gravité et les roues avant, 𝑙𝑙𝑟𝑟 est la distance entre le
centre de gravité et les roues arrière et 𝐼𝐼𝑧𝑧 est le moment d’inertie autour du l’axe Z. La vitesse
des roues et l’angle de glissement des roues sont ensuite calculés et la vitesse longitudinale au
centre de gravité est déduite.

2.7 Estimation de l’adhérence

En connaissant l’adhérence maximale entre la roue et la route, un freinage régénératif optimal
limiterait le freinage régénératif afin de s’assurer que le glissement des roues ne dépasse pas la
valeur critique. Hu et Kwak [11][13] proposent un estimateur de vitesse et d’adhérence basé
sur le filtre de Kalman étendu (figure 14).

Figure 14: Fusion de capteurs par filtre de Kalman étendu [11]

Le modèle de véhicule utilisé est un modèle à 3 degrés de liberté semblable à celui présenté
dans les sections précédentes, soit le modèle bicyclette. Les auteurs utilisent un modèle de
Dugoff modifié comme modèle de pneus.

Kwak [13] utilise le RLSM (Recursive Least Square Method) afin d’identifier l’adhérence de
la route en temps réel et le filtre de Kalman pour identifier l’état du véhicule. Les états sont : la
vitesse latérale, l’angle de glissement, la vitesse en lacet et les forces normales. En utilisant ces
deux méthodes, il est en mesure de créer un système de contrôle de stabilité.
 29

Figure 15: Diagramme d’un observateur d’état pour un système de contrôle de stabilité [13]

2.8 Contrôle du glissement longitudinal

La littérature donne plusieurs pistes à suivre pour développer un contrôleur qui limiterait le
glissement longitudinal. Comme mentionné précédemment, l’idée est d’éviter que la roue
arrière ne se bloque, dû à un trop grand couple appliqué sur la roue contrôlée.

Le système ABS conventionnel utilisé pour un freinage mécanique est bien différent du
système ABS utilisé sur les voitures électriques. Bien que la fonction reste la même, c’est le
type de freinage qui est différent. Lors du freinage mécanique, la pression hydraulique est
relâchée lorsqu’une roue est bloquée. Lors du freinage électrique, un couple négatif du moteur
est transmis à la roue. Lorsque le glissement entre la roue et le véhicule devient trop grand, le
couple sur la roue est diminué de façon à limiter le glissement à une valeur maximale.

Le système à contrôler est non-linéaire. Le glissement critique se trouve au maximum de

l’adhérence sur la courbe d’adhérence. Elle se situe normalement entre 0.1 et 0.2. Lorsque le
glissement est suffisamment inférieur au point critique, le système est facilement linéarisable
et l’adhérence devient directement proportionnelle au glissement. Lorsque le glissement est
supérieur au point critique, l’adhérence devient plus difficilement linéarisable et le système
devient instable.
30 État de l’art

2.8.1 Exemple de contrôleur classique de glissement

Pour limiter le glissement, un contrôleur peut réduire le couple commandé lorsque le
glissement excède une certaine valeur [10] (Figure 16). Ce contrôleur a l’avantage d’être
facilement implantable en pratique.

Figure 16: Contrôleur de glissement [10]

Figure 17: Contrôleur de glissement [10]

 31

La commande de couple (Tm) est proportionnelle à l’erreur entre le glissement maximal

(supposé) et l’estimation actuelle du glissement. Lorsque le glissement est supérieur à
l’estimation maximale, le couple commandé est modifié (Figure 17). Ce contrôleur a
l’avantage de fonctionner autant lors d’un freinage que lors d’une accélération.

Dans cet article, aucune analyse de robustesse n’a été faite. De plus, les auteurs supposent que
les conditions routières ne varient pas et ils n’ont pas présenté de résultats pratiques.

2.8.2 Gain scheduling

Le « Gain Scheduling » permet à un contrôleur de s’adapter à un système non-linéaire en
ajustant ses gains en fonction d’une variable d’entrée. Plusieurs études montrent l’effet de la
vitesse du véhicule sur la dynamique du glissement [21][71][72]. Petersen [21] propose, dans
sa thèse, des contrôleurs basés sur le modèle de la dynamique du glissement, présentée à la
section 2.4. Dans le but d’améliorer la robustesse du contrôle, Peterson utilise le « Gain
Scheduling » en fonction de la vitesse du véhicule. Comme l’inertie de la roue et celle du
véhicule sont fort différentes, la vitesse du véhicule va varier beaucoup plus lentement que
celle de la roue. Il choisit donc la vitesse du véhicule comme entrée pour le « Gain
Scheduling » et utilise un modèle d’état de glissement dynamique linéarisé.

La structure proposée par Petersen consiste en un contrôleur de glissement de type LQRC

(Linear Quadratic Regulation with Constraints) et un filtre de Kalman étendu (figure 18).

Figure 18: Contrôleur de glissement [21].

Il utilise un retour d’état augmenté qui le rend moins sensible aux variations de l’état de la
route et du véhicule. Le filtre de Kalman étendu donne une estimation de la vitesse du
32 État de l’art

véhicule et du glissement. Les gains sont ajustés en fonction de la vitesse du véhicule pour
assurer la robustesse du contrôleur. Le système donne des résultats stables en simulation et en
pratique. Par contre, le temps de réponse semble trop long puisqu’il est supérieur à une
seconde dans plusieurs cas.

2.8.3 Contrôle par apprentissage itératif

Chunting [38] propose un algorithme qui calcule le bon couple à appliquer pour obtenir le
glissement désiré. Il utilise la théorie du contrôle par apprentissage itératif et propose un
algorithme d’apprentissage PID (figure 19).

Figure 19: Algorithme d’apprentissage PID [38]

L’algorithme itératif (PID Learning) apprend le bon couple moteur à appliquer pour suivre un
cycle de glissement désiré. La méthodologie consiste à appliquer un cycle de couple moteur
plusieurs fois, en le modifiant d’une fois à l’autre pour faire tendre le cycle de glissement
résultant vers le cycle de glissement désiré. En simulation, l’algorithme « PID Learning »
donne de bons résultats après 4 itérations.

Il n’est toutefois pas évident d’implanter un tel algorithme dans un système tel qu'un véhicule
routier, puisque la commande itérative doit être parfaitement identique d’une fois à l’autre. Cet
algorithme doit donc être jumelé à un autre qui devra identifier les cycles de commande qui
pourront être utilisés.

2.8.4 Contrôle par mode glissants (Sliding mode control)

Le contrôle par mode glissants est une technique de contrôle qui est beaucoup utilisée de nos
jours pour le contrôle du glissement [72][73]. Liu [68] propose, entre autres, une structure de
contrôleur présentée à la figure 20.
 33

Figure 20: Structure du système de contrôle par mode glissants proposé par Liu [68]

Cette structure compte deux contrôleurs. Le premier agit sur un modèle nominal. La
commande 𝜇𝜇 est additionnée à la sortie d’un deuxième contrôleur. Ce deuxième contrôleur
asservit l’erreur entre la sortie du modèle nominal et la sortie du système (Plant). Ce dernier
contrôleur est souvent du type bang-bang et agit en fonction des valeurs des états du système
par rapport à une surface glissante. La surface glissante est définie par rapport aux états du
système. Dans la figure 21, l’erreur (𝑥𝑥1 ) et sa dérivée (𝑥𝑥2 ) sont utilisées pour créer la surface
glissante « Sliding manifold ». La commande bang-bang est ajustée en fonction de la variable
s, qui donne la position du système par rapport à la surface glissante.

Figure 21: L’idée générale d’une surface glissante [68]

Ainsi le contrôleur, qui commande le modèle nominal, permet de suivre la surface glissante
lorsque que le système est identique au modèle nominal. La commande bang-bang permet au
système de s’approcher de la surface lorsque le système ne répond pas exactement comme le
34 État de l’art

modèle nominal. En d’autres mots, l’ajout du deuxième contrôleur permet de rendre le

système robuste aux incertitudes. Cette démonstration est faite dans [68].

Il est à noter que les contrôleurs de type bang-bang ont tendance à produire des cycles limites,
particulièrement en présence d’un délai. Ces cycles peuvent être amoindris, voire même
éliminés, en introduisant une zone morte ou en modifiant la fonction de saturation normale.

1 𝑠𝑠 > 0 (22)
𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) = �
−1 𝑠𝑠 < 0

par

1 𝑠𝑠 > ∆ (23)
𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) = � 𝑘𝑘𝑘𝑘 |𝑠𝑠| ≤ ∆, 𝑘𝑘 = 1/∆
−1 𝑠𝑠 < −∆
où ∆ est une zone entre laquelle 𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) varie entre 1 et -1.

Les incertitudes liées au type de route et à la fonction d’adhérence (𝜇𝜇(𝜆𝜆)) sont importantes.
Pour tenir compte de ces incertitudes et assurer la stabilité du véhicule, le gain rattaché au
contrôleur bang-bang doit être grand. Ceci mène à des problèmes d’ordre expérimental et
accentue le problème de cycles limites [72]. De Castor [72] propose plusieurs pistes
intéressantes pour limiter le problème lié au cycle limite. Il propose de modifier le gain du
contrôleur de type bang-bang en fonction de la commande de couple du pilote. De plus, pour
faire face à l’erreur en régime permanent d’un tel contrôleur, il propose d’ajouter l’action d’un
intégrateur sur la surface glissante.

Les résultats expérimentaux obtenus par De Castor sont excellents. Il a l’avantage d’avoir
développé le contrôleur moteur sur la même plateforme FPGA que le contrôleur de
glissement. Il peut de ce fait assumer un délai négligeable entre la commande de couple et
l’application du couple moteur. Cette hypothèse ne pourra pas être faite sur le prototype PRT1.

2.9 Conclusion sur l’état de l’art

L’équipe d’ingénieurs a développé et mis à ma disposition le premier prototype de
Spyder hybride PRT1. Tous les travaux de cette thèse ont été adaptés à ce prototype pour
pouvoir expérimenter sur route les stratégies optimales de freinage régénératif. Le fait
 35

de cibler le prototype PRT1 permet d’utiliser comme base de travail les travaux
antérieurs de modélisation réalisés par Denis, Robert et Rouleau au sein du CTA.

L’étude de l’état de l’art sur l’optimisation du freinage régénératif montre que les pertes
mécaniques et le glissement sont toujours négligés. C’est précisément l’influence des
pertes mécaniques et du glissement sur la récupération énergétique qui est étudiée au
chapitre 3.

L’observation de la vitesse du véhicule est la clé pour obtenir une bonne estimation du
glissement. Or, plusieurs études s’y sont consacrées, les filtres de Kalman étant la théorie
la plus utilisée. Pour des modèles plus évolués, l’ajout de l’adhérence et du type de route
peut être un atout.

Finalement, peu d’études ont été trouvées sur le contrôle du glissement lors du freinage
régénératif comparativement aux études faites sur le freinage conventionnel. Le système
à contrôler est non-linéaire et fortement incertain. L’algorithme le plus employé dans la
littérature est le contrôle par mode glissant. Cet algorithme est reconnu pour produire
des cycles limites particulièrement en présence de délai. Plusieurs chercheurs
s’intéressent à minimiser ces cycles.
36 État de l’art
CHAPITRE 3 Récupération optimale

Dans la littérature, plusieurs groupes de recherche ont démontré un intérêt à maximiser

l’énergie récupérée lors du freinage régénératif. Dans une étude que nous avons publié dans le
« Journal of Automobile Engineering » et qui s’intitule « Designing a set of efficient
regenerative braking strategies with a performance index tool » [62], nous proposons une
stratégie qui maximise l’énergie globale du système en tenant compte tant de l’efficacité du
groupe électrique que des pertes mécaniques (Stratégie S1). Cette dernière stratégie est
présentée comme une stratégie globale, c'est-à-dire une stratégie qui tient compte de toutes les
pertes énergétiques.

La stratégie globale S1 consiste à calculer un couple de freinage optimum pour une vitesse de
véhicule donnée. Pour sa mise en œuvre pratique, elle est équivalente à une commande par
rétroaction non linéaire du couple en fonction de la vitesse du véhicule (comme représenté sur
la Figure 22). Cependant, cette approche conduit à deux difficultés pratiques.

Figure 22: Stratégie non linéaire de freinage optimal en couple moteur 𝐾𝐾𝑇𝑇 (𝑣𝑣).

Tout d'abord, l'utilisation d'un retour en couple moteur conduit à un problème de robustesse.
Puisque le couple moteur optimal du véhicule, circulant à une vitesse v, est conçu pour
prendre en compte la dynamique mécanique, il est fondamentalement dépendant des
paramètres du système, tels que la masse du véhicule, la pente de la route et le type de route
sur laquelle le véhicule circule. Par conséquent, l'inconvénient de cette approche est d'être
optimale, que pour les paramètres attendus, mais pas pour un ensemble de paramètres réels; un
biais entre les paramètres réels et attendus conduisant à une efficacité sous-optimale. Ainsi, la
première tâche est de mettre en œuvre une stratégie robuste, de manière à ce que les
incertitudes paramétriques ne détériorent pas la quantité d'énergie récupérée.

37
38 Récupération optimale

En second lieu, l'utilisation d'un retour en couple moteur conduit à un problème de stabilité du
véhicule. Effectivement, la dynamique du glissement de la roue arrière est fonction des
paramètres du système. Ainsi, si les paramètres changent, varient ou ont simplement mal été
évalués, il est possible qu’un couple moteur appliqué à la roue puisse bloquer cette dernière
(provoque un fort glissement), et ainsi compromette la stabilité du véhicule et la sécurité du
pilote. Par exemple, un couple de freinage à récupération optimale calculé pour de l’asphalte
sec peut être trop grand pour de l'asphalte mouillé et donc provoquer le blocage de la roue. Le
système de freinage antiblocage (ABS) sera inefficace dans cette situation parce que le
système de freinage est électrique et non mécanique. Par conséquent, la deuxième tâche est de
s’assurer que la commande de récupération d’énergie ne provoque pas une perte de stabilité
du véhicule advenant une modification des conditions routières.

Afin de répondre à ces deux difficultés (effet des variations paramétriques sur l’énergie
récupérée et assurer la stabilité du véhicule en dépit des incertitudes paramétriques), un
régulateur de glissement optimal est proposé (Figure 23). Le glissement désiré est calculé en
fonction de la vitesse du véhicule (𝐾𝐾𝜆𝜆 (𝑣𝑣)) et comparé au glissement mesuré de la roue motrice.
Le contrôleur de glissement pilote le couple moteur (𝑇𝑇𝑏𝑏 ) pour maintenir le glissement mesuré
à la valeur du glissement désiré. Ce chapitre porte sur l’étude des avantages attendus de cette
stratégie, qui sont d’assurer la stabilité du véhicule, tout en minimisant les effets des
incertitudes paramétriques sur la quantité d’énergie récupérée.

Figure 23: Nouvelle stratégie de contrôle proposée basée sur le contrôle du glissement 𝐾𝐾λ (𝑣𝑣).

La méthodologie proposée consiste, dans un premier temps, à comparer deux stratégies citées
dans la littérature avec la stratégie globale S1. Cette comparaison est faite par simulation et est
présentée en section [Link] simulation dynamique du véhicule est utilisée (section 3.1). Par
la suite, la mise en œuvre d’une stratégie de commande en glissement est présentée (section
 39

3.3). L’évaluation de la sensibilité aux variations paramétriques de la loi de commande en

couple et celle en glissement sont faites par simulation et validées expérimentalement par des
essais routiers. Finalement, dans la section 3.4, une proposition est faite pour évaluer
l’efficacité du pilote à récupérer l’énergie lors du freinage régénératif.

3.1 Le simulateur
Dans le but de simuler le comportement du véhicule lors du freinage régénératif, la
modélisation d’un véhicule doit comprendre les systèmes électriques et mécaniques du
véhicule, tels que la batterie, le moteur électrique, mais aussi le modèle dynamique du
véhicule. Les modèles de la chaîne électrique utilisée lors de la création du simulateur sont
présentés à la section 2.1.4 de l’état de l’art. Ces modèles, quasi-statiques [6], permettent
d’étudier la consommation énergétique du véhicule. Cependant, uniquement un modèle
dynamique [25], qui donne une représentation causale du système, permet d’étudier le contrôle
temps réel de la vitesse longitudinale et de simuler la mise en œuvre des algorithmes de
commande avancée. Ainsi, un modèle causal de la dynamique du véhicule est implanté dans le
simulateur. Les phénomènes physiques impliqués dans la dynamique longitudinale d’un
véhicule sont présentés dans l’état de l’art à la section 2.2. Matlab/Simulink est utilisé comme
plateforme de programmation. La figure 24 illustre l’interaction causale entre les différentes
équations.
40 Récupération optimale

Figure 24: Chaîne causale de la dynamique longitudinale du véhicule

3.2 Les stratégies de contrôle en couple

3.2.1 Définition de la stratégie de contrôle S2
Mukhitdinov [17] et Wang [30] ont développé une stratégie pour maximiser la puissance
entrante dans la batterie (ici appelée Stratégie S2). Cette stratégie récupère l'énergie cinétique
aussi rapidement que possible afin de maximiser l’énergie entrante dans la batterie. Cela
signifie que le couple de freinage appliqué par le moteur est à la valeur la plus élevée que le
moteur puisse fournir et par conséquent le temps de freinage est réduit au minimum. Cette
stratégie est présentée à la figure 26 (S2). Les pertes d'énergies résistives, qui représentent les
pertes liées à la résistance aérodynamique et aux forces de roulement, sont alors réduites au
minimum. Cela conduit à une stratégie de récupération qui semble efficace, mais cette
 41

stratégie S2 ne tient pas compte de l’efficacité énergétique du moteur électrique, de

l’onduleur, ni même de la résistance interne de la batterie.

3.2.2 Définition de la stratégie de contrôle S3

Mukhitdinov [17] et Yeo [34] ont développé une stratégie qui optimise l’efficacité du groupe
électrique (ici appelée Stratégie S3). Cette stratégie minimise les pertes électriques entre la
roue et la batterie. Elle est aussi présentée dans la figure 26 (S3). Elle consiste donc à
maximiser l’énergie récupérée par la chaîne électrique en fonction de la vitesse du moteur
électrique. Pour une vitesse donnée, la stratégie S3 conduit à un couple de freinage plus faible
que celui obtenu par la stratégie S2, car le rendement du moteur électrique est moindre à fort
couple.

3.2.3 Définition de la stratégie de contrôle globale : Stratégie S1

L’énergie récupérée lors du freinage est fonction du couple moteur et de la vitesse du véhicule.

𝑣𝑣𝑓𝑓
(24)
𝐸𝐸𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 = � 𝜂𝜂(𝑇𝑇𝑏𝑏 , 𝑣𝑣) 𝑚𝑚 𝑣𝑣 𝑑𝑑𝑑𝑑
𝑣𝑣𝑖𝑖

où vi et vf sont les vitesses initiales et finales du véhicule.

Une carte globale d’efficacité du freinage régénératif est définie comme l’efficacité du
freinage en fonction du couple moteur appliqué et de la vitesse du véhicule ( 𝜂𝜂(𝑇𝑇𝑏𝑏 , v) ).
L’efficacité globale est définie comme étant le ratio entre la puissance à la batterie (𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 ) et la
puissance totale extraite du véhicule.

𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 (25)
𝜂𝜂 =
𝑇𝑇
� 𝑅𝑅𝑏𝑏 + 𝐹𝐹𝑎𝑎 + 𝐹𝐹𝑟𝑟 + 𝐹𝐹𝑔𝑔 � 𝑣𝑣

où 𝐹𝐹𝑔𝑔 est la force due à l’inclinaison de la route, 𝐹𝐹𝑟𝑟 est la résistance au roulement, 𝐹𝐹𝑎𝑎 est la
force aérodynamique, 𝑇𝑇𝑏𝑏 est le couple moteur à la roue et R est le rayon de la roue arrière.

De façon plus pratique, l’efficacité est obtenue par l’équation suivante :

(𝑉𝑉 − 𝑅𝑅𝑅𝑅)𝐼𝐼 (26)

𝜂𝜂 =
(𝑚𝑚𝑚𝑚)𝑣𝑣
42 Récupération optimale

où V est la tension de la batterie, I est le courant, R est la résistance interne de la batterie, m

est la masse du véhicule, a est la décélération et v la vitesse du véhicule.

La loi de commande optimale 𝐾𝐾𝑇𝑇 (𝑣𝑣) est obtenue de façon à maximiser l’efficacité globale
(𝜂𝜂(𝑇𝑇𝑏𝑏 , 𝑣𝑣)). Elle donne le meilleur couple moteur à appliquer au véhicule en fonction de la
vitesse du véhicule (Figure 25). Ainsi, le contrôleur commande le couple à appliquer au
moteur électrique en fonction de la vitesse du véhicule.

𝑇𝑇𝑏𝑏 = 𝐾𝐾𝑇𝑇 (𝑣𝑣) (27)

Figure 25: Carte globale d’efficacité énergétique 𝜂𝜂(𝑇𝑇𝑏𝑏 , 𝑣𝑣) et loi de contrôle optimal en couple
moteur 𝐾𝐾𝑇𝑇 (𝑣𝑣) (Courbe bleue)

3.2.4 Comparaison des stratégies S1, S2 et S3 en simulation

En simulation, les trois stratégies (S1, S2 et S3), ainsi qu’une stratégie non optimale (S4) ont
été comparées. La stratégie S4 est obtenue en appliquant un couple moteur qui produit une
force de freinage de 300 N. La figure 26 montre la loi de commande obtenue pour chacune des
stratégies ainsi que la carte globale d’efficacité énergétique (carte d’efficacité pour la stratégie
S1). On voit l’effet du défluxage lorsque la vitesse est supérieure à 30km/h. Comme le moteur
électrique ne peut pas fournir un fort couple à haute vitesse, les trois stratégies donnent
exactement la même loi de commande (lorsque la vitesse est supérieure à 55 km/h), le couple
 43

moteur optimal, à cette vitesse, étant le couple limite que le moteur peut fournir. À basse
vitesse les lois de commande divergent. La stratégie S2 (maximisation de la puissance entrante
dans la batterie) suit la courbe de couple maximal du moteur électrique. Cette stratégie de
commande consiste donc à imposer le plus grand couple moteur possible. La stratégie S3, qui
tient compte de l’efficacité du système électrique, est représentée en vert. On remarque que le
couple moteur est inférieur à celui de à la stratégie S2 lorsque le véhicule circule à basse
vitesse. Finalement, la stratégie S1 se situe entre les deux stratégies. Elle montre bien l’effet
des pertes mécaniques, surtout l’effet aérodynamique. Effectivement, plus la vitesse est grande
plus ces pertes sont grandes, jusqu’à devenir plus importantes que les pertes électriques. Pour
minimiser les pertes aérodynamiques, il faut diminuer la vitesse du véhicule le plus
rapidement possible, d’où une stratégie plus agressive que la stratégie S3.

Figure 26: Carte globale d’efficacité énergétique η(Tb , v), loi de contrôle optimal en couple
moteur (S1, S2 et S3) et loi de contrôle non optimale S4 [62].

Le tableau 2 montre l’énergie récupérée par les trois stratégies pour différentes plages de
vitesse. On remarque l’avantage d’utiliser une stratégie optimale. Effectivement, les trois
premières stratégies donnent de bien meilleurs résultats que la stratégie non optimale S4. On
44 Récupération optimale

remarque aussi, tel que prédit précédemment, que les trois stratégies donnent des résultats
identiques à haute vitesse. Les résultats sont, bien que semblables, différents pour les vitesses
plus basses. Il est intéressant de noter que la stratégie S3, bien que plus évoluée (tient compte
de l’efficacité électrique), donne de moins bons résultats que la stratégie S2. Évidemment, la
stratégie globale donne les meilleurs résultats avec une récupération de 74% de l’énergie
cinétique lorsque le véhicule passe de 35 à 0 km/h.

Tableau 2 : Énergie récupérée par les différentes stratégies [62]

3.3 Stratégie de contrôle en glissement

3.3.1 Définition de la stratégie de contrôle en glissement
Le régulateur de glissement donne le glissement désiré (𝜆𝜆𝑑𝑑 ) en fonction de la vitesse du
véhicule.

𝜆𝜆𝑑𝑑 = 𝐾𝐾𝜆𝜆 (𝑣𝑣) (28)

Avec cette nouvelle stratégie ( 𝐾𝐾𝜆𝜆 (𝑣𝑣) ), l’énergie récupérée est fonction de la vitesse du
véhicule et du glissement (𝜂𝜂(𝜆𝜆, 𝑣𝑣)).

𝑣𝑣𝑓𝑓
(29)
𝐸𝐸𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 = � 𝜂𝜂(𝜆𝜆, 𝑣𝑣) 𝑚𝑚 𝑣𝑣 𝑑𝑑𝑑𝑑
𝑣𝑣𝑖𝑖

Un contrôleur de glissement est ici proposé pour étudier le glissement (en simulation) sur toute
sa plage (entre 0 et -1). Ici, la faisabilité de l’implantation du contrôle sur le véhicule n’est pas
considérée. Aussi, un retour linéarisant [27], qui tient compte de l’inclinaison de la route, peut
être utilisé pour les besoins de la simulation dynamique [40].
 45

𝐽𝐽 𝐽𝐽 (30)
𝑇𝑇𝑏𝑏 = −𝑘𝑘 𝑣𝑣(𝜆𝜆 − 𝜆𝜆𝑑𝑑 ) + � (1 + 𝜆𝜆) + 𝑅𝑅� 𝐹𝐹𝑧𝑧 𝜇𝜇
𝑅𝑅 𝑅𝑅𝑅𝑅
𝐽𝐽
− (𝜆𝜆 + 1)𝑔𝑔sin(𝑝𝑝)
𝑅𝑅𝑅𝑅
En plaçant cette dernière équation dans l’équation de la dynamique du glissement (12), la
dynamique passe d’un système non linéaire à un système linéaire de la forme.

𝜆𝜆̇ = −𝑘𝑘(𝜆𝜆 − 𝜆𝜆𝑑𝑑 ) (31)

Ainsi, pour k>0 et tout λd , le système reste inconditionnellement stable. Cette stratégie
suppose une connaissance parfaite des paramètres du système et a été utilisée qu’en
simulation.

De même que pour la figure 25, la carte globale d’efficacité énergétique 𝜂𝜂(𝜆𝜆, 𝑣𝑣) et la loi de
contrôle optimal en glissement 𝐾𝐾𝜆𝜆 (𝑣𝑣) (courbe bleue) est calculée (Figure 27). Cette carte est
valide pour un véhicule qui circule sur l’asphalte sec, sur une route sans inclinaison et dont la
masse est exactement de 624kg.

Figure 27: Carte globale d’efficacité énergétique 𝜂𝜂(𝜆𝜆, 𝑣𝑣) et loi de contrôle optimal en couple
moteur 𝐾𝐾𝜆𝜆 (𝑣𝑣) (courbe bleue)
46 Récupération optimale

Les lois de contrôle 𝐾𝐾𝑇𝑇 (𝑣𝑣) et 𝐾𝐾𝜆𝜆 (𝑣𝑣) sont considérées comme «statiques» lorsque les effets de
la fluctuation paramétrique sont négligés, par opposition à «optimales» lorsque les lois de
commande sont recalculées pour tenir compte de la fluctuation paramétrique. Ainsi, la loi
statique de commande en couple 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) correspond à la loi de commande en couple moteur
𝐾𝐾𝑇𝑇 (𝑣𝑣) , lorsqu’il n’y a pas de variations paramétriques. De même, la loi statique de commande
en glissement 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) correspond à la loi de commande 𝐾𝐾𝜆𝜆 (𝑣𝑣) lorsqu’il n’y a pas de variation
paramétrique. Les deux commandes statiques (𝐾𝐾𝑇𝑇 (𝑣𝑣) et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣)) sont donc les courbes bleues
sur les figures 25 et 27 respectivement.

3.3.2 Effet des variations paramétriques sur les commandes étudiées en

simulation
En utilisant le simulateur présenté à la section 3.1, la sensibilité aux variations paramétriques a
été évaluée pour des variations de la masse, des variations d’inclinaison de la route et des
variations de type de route.

La loi de contrôle optimal est la loi de commande qui optimise l'énergie récupérée lors du
freinage régénératif. Cette loi de commande peut être calculée en utilisant une référence de
couple 𝐾𝐾𝑇𝑇 (𝑣𝑣) ou une référence de glissement 𝐾𝐾𝜆𝜆 (𝑣𝑣). Les deux lois de commande donnent
exactement la même quantité d'énergie récupérée puisque les deux sont globales et optimales.
Par contre, la loi de commande optimale change s'il y a des fluctuations paramétriques. Les
figures 28, 29 et 30 représentent les lois de commande optimales pour différentes variations
paramétriques. Chacune des courbes correspond à la commande optimale pour un système
donné. On remarque que la courbe optimale varie lorsqu’un paramètre change. C’est donc dire
que, si la commande optimale d’un système dont la masse ajoutée est de 0 kg est utilisée sur
un système dont la masse est augmentée de 150 kg, l’énergie récupérée sera sous-optimale.
 47

Figure 28: 𝐾𝐾𝜆𝜆 (𝑣𝑣) et K T (v) pour différentes variations de la masse

Figure 29: 𝐾𝐾𝜆𝜆 (𝑣𝑣) et K T (v) pour différentes variations de l’inclinaison de la route

Figure 30: 𝐾𝐾𝜆𝜆 (𝑣𝑣) et K T (v) pour différents types de route (R1: Asphalte: Sec, R2: Asphalte:
Mouillé, R3: Ciment: Sec, R4: Pavé: Sec, R5: Pavé: Mouillé, R6: Neige)

3.3.3 Effet des variations paramétriques sur l’énergie récupérée en simulation

Pour évaluer les effets des variations paramétriques sur l’énergie récupérée par les lois de
contrôle statique, l'énergie récupérée par les lois de commande optimale (𝐾𝐾𝑇𝑇 (𝑣𝑣) et 𝐾𝐾𝜆𝜆 (𝑣𝑣) dans
48 Récupération optimale

les figures 28, 29 et 30) est comparée avec l'énergie récupérée par la loi de contrôle statique
(𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) (Fig.25) et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) (Fig.27)). Le même simulateur décrit en 3.1 est utilisé. Les lois de
contrôle statique sont définies comme les lois de commande pour des conditions normales
d’utilisation ; pas de pente, pas de passager (aucune variation de masse) et un véhicule qui
circule sur de l'asphalte sec.

Tel que mentionné précédemment, trois types de variation paramétrique ont été évalués soit :

• Variation de la masse totale du véhicule au centre de gravité

• Inclinaison de la route

• Coefficient de friction de la route dû à une variation de type de route

Bien que l’énergie récupérée par les lois de contrôle optimal en couple moteur 𝐾𝐾𝑇𝑇 (𝑣𝑣) et en
glissement 𝐾𝐾𝜆𝜆 (𝑣𝑣) (celles qui changent en fonction des variations paramétriques) donne
exactement la même quantité d’énergie, les lois statiques donnent une quantité d’énergie
moindre. Pour faciliter la mise en page des figures 31, 32 et 33, les légendes ont été inscrites
comme suit : « Lois de contrôle optimale » réfère à l’énergie donnée par les lois de commande
optimale soit 𝐾𝐾𝑇𝑇 (𝑣𝑣) et 𝐾𝐾𝜆𝜆 (𝑣𝑣), « Stratégie 1 » réfère à la loi de commande statique en couple
moteur 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) et « Stratégie 5 » réfère à la loi de commande statique en glissement 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣).
On remarque que les variations en masse et en inclinaison de la route affectent moins la loi de
commande statique en glissement, bien que les deux lois de commande donnent de bons
résultats. On remarque aussi que les variations de type de route affectent grandement la loi de
commande statique en couple moteur. L’énergie récupérée sur l’asphalte mouillé est nulle en
utilisant la loi de commande en couple moteur car, le couple moteur commandé par la loi de
commande a bloqué la roue. Ici non seulement l’énergie récupérée est nulle, mais la stabilité
du véhicule est fortement compromise. On remarque aussi que peu importe le type de route, la
stratégie de commande statique en glissement récupère une proportion acceptable de l’énergie
récupérable. Il s’avère donc que la loi de commande statique en glissement s’avère, en
général, moins sensible aux variations paramétriques que la loi de commande statique en
couple moteur.
 49

(1) Variation de la masse

La variation de l’énergie cinétique, pour décélérer le véhicule de 16 m/s à 4 m/s, est de 63kJ,
pour un véhicule sans variation paramétrique. Dans ces circonstances, 78.7% de l’énergie
cinétique peut être récupérée par une stratégie optimale. En augmentant la masse du véhicule
de 225Kg, l’énergie récupérée par la loi de commande 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) est de 1.01kJ inférieure à
l’énergie récupérée par la stratégie optimale (77.5% de l’énergie cinétique). La loi de
commande 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) récupère 0.08kJ moins d’énergie que la loi de commande optimale soit
78.6% de l’énergie cinétique dissipée. En utilisant la loi de commande statique en glissement
(𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣)) plutôt qu’en couple moteur (𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣)) une amélioration d’environ 1% est observée.

Figure 31: Énergie récupérée par les lois de commande optimale et les deux lois statiques
𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣), lors de variations de la masse du véhicule.
50 Récupération optimale

(2) Variation de l’inclinaison de la route

Pour une inclinaison de la route de -5 degrés, l’énergie récupérée par la loi de commande
𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣), plus la variation de l’énergie potentielle, est de 1.6kJ inférieur à l’énergie récupérée
par une des stratégies optimales. Comme la loi de commande 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) récupère 0.27kJ moins
d’énergie qu’une des stratégies optimales, l’utilisation de 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) entraîne une amélioration de
1.4% par rapport à l’énergie cinétique totale dissipée.

Figure 32: Énergie récupérée par les lois de commande optimale et les deux lois statiques
𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣), lors de variations de l’inclinaison de la route.

(3) Variations du type de route

Finalement, quel que soit le type de route sur laquelle le véhicule circule, l'énergie récupérée
par 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) était toujours près du point optimal. En utilisant 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣), l'énergie récupérée est
nulle sur trois types de routes (asphalte mouillé, pavés mouillés et neige) en raison du blocage
de la roue (ce qui n'est pas acceptable du point de vue de la sécurité). Ce n'est que sur le type
 51

de route 4 que l'énergie récupérée par 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) est supérieure à l'énergie récupérée par 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣).
Le type de route 4 étant une route pavée sèche, la courbe de frottement est significativement
différente des autres (le glissement critique (𝜆𝜆𝑐𝑐 ) est plus élevé). Ainsi, nous remarquons que
les variations paramétriques qui modifient l’amplitude de la courbe de traction (𝐹𝐹𝑧𝑧 𝜇𝜇(𝜆𝜆)) sans
changer la position du glissement critique ( 𝜆𝜆𝑐𝑐 ), ont très peu d'effet sur la récupération
d'énergie lorsque 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) est utilisé. L’effet est plus important en utilisant 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣). D’un autre
côté 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) est plus affecté lorsque la variation paramétrique modifie la valeur du glissement
critique (𝜆𝜆𝑐𝑐 ). Néanmoins, 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) reste une solution plus sécuritaire et qui répond mieux à la
grande majorité des variations paramétriques.

4
x 10
5
Lois de contrôle optimale
Strategie 1
4.5 Strategie 5
Énergie récupéré (J)

3.5

2.5

2
R1 R2 R3 R4 R5 R6

Figure 33: Énergie récupérée par les lois de commande optimale et les deux lois statiques
𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣), lors de variations du type de route.

Type de route R1: Asphalte Sec, R2: Asphalte Mouillé, R3: Ciment Sec, R4: Pavé Sec,
R5: Pavé Mouillé, R6: Neige
52 Récupération optimale

3.3.4 Résultats expérimentaux

Afin de valider l’effet des variations paramétriques observées en simulation, des essais
expérimentaux ont été réalisés. L’objectif est d’étudier une des variations paramétriques et de
comparer les résultats expérimentaux avec ceux obtenus en simulation. La variation
paramétrique la plus facile à étudier est la variation en masse. Nous avons donc étudié l’effet
des variations de masse sur les cartes globales d’efficacité et sur la quantité d’énergie
récupérée.

(1) Protocole expérimental

Les principales composantes du véhicule hybride (prototype PRT1) utilisé sont représentées
dans la figure 34. Le véhicule, dont la masse est de 624 kg, est motorisé par un moteur
électrique de 20 kW. La batterie, limitée à 2 kWh, est suffisante pour effectuer les tests
expérimentaux en mode tout électrique. Pendant les expériences, le moteur à combustion
interne et le frein mécanique n'ont pas été utilisés. Ils n'ont donc eu aucun effet sur la
dynamique du véhicule.

Figure 34: Composantes principales du véhicule

La roue arrière et les deux roues avant ont été instrumentées avec des capteurs permettant
d'estimer leur vitesse en temps réel. Les signaux des encodeurs sont échantillonnés par un
microcontrôleur qui mesure et transmet en temps réel la vitesse des roues au système Opal-
RT. La décélération du véhicule, donnée par un accéléromètre, est aussi échantillonnée par le
 53

système Opal-RT. Un filtre de Kalman dédié (figure 35) est utilisé afin d’estimer la vitesse du
véhicule en temps réel. Il est à noter qu’un tel observateur est détaillé au chapitre 4. Il utilise la
décélération mesurée par l’accéléromètre et les vitesses des roues avant calculées avec les
signaux des encodeurs. Finalement, le glissement de la roue arrière est calculé selon l’équation
(3).

Le couple moteur commandé, la vitesse du véhicule, les vitesses des roues, la décélération du
véhicule, le glissement de la roue arrière, la tension aux bornes de la batterie et le courant
électrique y circulant ont tous été enregistrés pour des analyses en post-traitement.

Figure 35: Estimation du glissement de la roue arrière, en se basant sur la vitesse du véhicule
et les vitesses des roues arrière.

(2) Obtenir les cartes globales d’efficacités de façon expérimentale

L’obtention des cartes globales d’efficacité énergétique est très simple à réaliser de façon
expérimentale. Elles ont été obtenues en décélérant le véhicule à couple constant à partir de 12
m/s jusqu’à l’immobilisation du véhicule. La mesure a été reprise en commandant différents
couples de frein moteur constant de 60 Nm à 160 Nm. Tous les tests ont été faits sur une route
d’asphalte sec et plat (Figure 36).

Figure 36: Décélération de véhicule pour l’obtention des cartes globales d’efficacité
énergétique.
54 Récupération optimale

L'efficacité a été calculée hors ligne avec les informations enregistrées (décélération du
véhicule, estimation de glissement, tension de la batterie et courant entrant dans la batterie) en
utilisant l'équation (26). La carte globale d’efficacité en couple moteur (Figure 38) a été
obtenue en calculant l'efficacité énergétique pour tous les couples appliqués et les vitesses
observées. La carte globale d’efficacité en glissement (Figure 39) a été obtenue en calculant
l'efficacité énergétique pour tous les glissements et vitesses observés. Afin de s’assurer que les
données des systèmes observés (glissement et décélération) étaient en régime quasi établi,
l'analyse post-traitement a été effectuée autour de 6 à 3 m/s.

(3) Sensibilité des cartes d’efficacité aux variations de la masse du véhicule

Afin d’évaluer la sensibilité des cartes globales d’efficacité énergétique aux variations de
masse du véhicule, des sacs de sable ont été ajoutés au véhicule. Ces sacs ont été répartis de
façon à ne pas modifier le centre de gravité (Figure 37).

Figure 37:Ajout de sacs de sable sur le véhicule

Les mêmes procédures que celles expliquées précédemment ont été faites pour obtenir les
cartes globales d’efficacité énergétique avec ajout de poids. La figure 38 montre les cartes
globales d’efficacité en couple moteur pour un véhicule sans ajout de poids (graphique de
gauche) et pour un véhicule avec ajout de poids (graphique de droite). La figure 39 montre les
cartes globales d’efficacité en glissement pour un véhicule sans ajout de poids (graphique de
 55

gauche) et pour un véhicule avec ajout de poids (graphique de droite). On remarque que la loi
de commande optimale en couple moteur 𝐾𝐾𝑇𝑇 (𝑣𝑣) varie beaucoup lorsque le poids du véhicule
change, alors que la loi de commande optimale en glissement 𝐾𝐾𝜆𝜆 (𝑣𝑣) n’est presque pas
affectée.

Figure 38: Carte globale d’efficacité énergétique en couple moteur pour un véhicule sans ajout
de poids (gauche) et avec ajout de poids (à droite)

Figure 39: Carte globale d’efficacité énergétique en glissement pour un véhicule sans ajout de
poids (gauche) et avec ajout de poids (à droite)

(4) Énergie récupérée avec les lois statiques lorsque la masse est augmentée de
140 kg
Afin d'évaluer la sensibilité des deux lois de commande statique (𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣)et 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣)) aux
variations paramétriques de la masse du véhicule, d’autres tests expérimentaux ont été faits sur
le véhicule avec un surplus de poids (140 kg). Le véhicule a été décéléré 16 fois; 8 fois avec la
loi de commande statique en couple moteur (courbe rouge gauche de la figure 38) et 8 fois
56 Récupération optimale

avec la loi de commande statique en glissement (courbe bleu gauche de la figure 39). La
quantité d'énergie récupérée pour chaque essai a été mesurée et a été comparée à la quantité
totale d'énergie cinétique dissipée. Il est ainsi facile d’observer la performance des deux lois
de contrôle statique.

Figure 40: Énergie récupérée en utilisant la loi de commande statique en couple moteur
(𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣)) et la loi de commande statique en glissement (𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣)) sur un véhicule dont la masse
a été augmentée.

Sur la figure 40, la quantité d'énergie récupérée pour chaque décélération est représentée.
L'énergie cinétique perdue pour passer de 6 m/s à 3 m/s est de 10.6kJ. La quantité moyenne
d'énergie récupérée en utilisant la loi de contrôle statique en glissement est de 76,7% ± 0,3%
de l'énergie cinétique dissipée. Ce montant a chuté à 75,4% ± 0,24% en utilisant la loi de
contrôle statique en couple moteur. Ainsi, tel que prédit par les simulations, une amélioration
de 1,3% est observée lorsque la commande en glissement est utilisée. Cette baisse d'énergie
récupérée en utilisant 𝐾𝐾 ∗ 𝑇𝑇 (𝑣𝑣) plutôt que 𝐾𝐾 ∗𝜆𝜆 (𝑣𝑣) peut être facilement prédite par les cartes
 57

d'efficacité globale (Figure 38 et 39) puisque, tel qu’expliqué précédemment, la carte globale
d’efficacité énergétique en couple moteur est plus affectée que celle du glissement pour une
variation paramétrique de la masse du véhicule.

3.4 Évaluation des stratégies de contrôle

3.4.1 Critère de performance acceptable
Le tableau 2 montre bien que même si les lois de commande varient, l’effet sur la quantité
d’énergie récupérée peut être faible. Ainsi, un petit écart par rapport à la stratégie globale et
optimale peut ne pas diminuer de manière significative la quantité d'énergie récupérée. Ainsi,
certaines stratégies peuvent alors être considérées comme acceptables, même si elles
s’éloignent de l’optimal. Un critère de performance a ainsi été créé.

𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑜𝑜𝑜𝑜𝑜𝑜 𝜂𝜂 (32)

𝛹𝛹 = 1 − �1 − �
𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑚𝑚𝑚𝑚𝑚𝑚 𝜂𝜂𝑜𝑜𝑜𝑜𝑜𝑜

où 𝜂𝜂 est l’efficacité du freinage, 𝜂𝜂𝑜𝑜𝑜𝑜𝑜𝑜 est l’efficacité optimale pour une vitesse donnée, 𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑜𝑜𝑜𝑜𝑜𝑜
est la puissance optimale pour une vitesse donnée et 𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑚𝑚𝑚𝑚𝑚𝑚 est la puissance maximale que le
moteur électrique peut fournir à une vitesse donnée.

Lorsque 𝛹𝛹 ≈ 1, le freinage est optimal. Lorsque 𝛹𝛹 → 0 les pertes sont importantes et la

commande est loin d’être optimale. Plus 𝛹𝛹 est petit, moins la stratégie est acceptable. Le ratio
𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑜𝑜𝑜𝑜𝑜𝑜 / 𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑚𝑚𝑚𝑚𝑚𝑚 prend en compte la quantité d’énergie cinétique présente. Lorsque le
véhicule circule à une faible vitesse, le ratio 𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑜𝑜𝑜𝑜𝑜𝑜 /𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏 𝑚𝑚𝑚𝑚𝑚𝑚 tend vers zéro, ce qui fait tendre
le critère de performance 𝛹𝛹 vers 1. Ceci indique que la stratégie utilisée a peu d’importance
puisqu’il n’y a pas beaucoup d’énergie à récupérer, dû à la faible vitesse en jeu. À haute
vitesse, la puissance optimale devient égale à la puissance maximale. Le critère de
performance devient donc égal au ratio 𝜂𝜂/𝜂𝜂𝑜𝑜𝑜𝑜𝑜𝑜 .

Une carte du critère de performance a été créée en fonction de la force de traction et de la

vitesse du véhicule. Ainsi, la figure 41 montre les performances 𝛹𝛹(𝐹𝐹𝑏𝑏 , 𝑣𝑣) pour toute la plage
de vitesse (v) et de force de freinage (𝐹𝐹𝑏𝑏 ).
58 Récupération optimale

Figure 41: Carte de performance 𝛹𝛹(𝐹𝐹𝑏𝑏 , 𝑣𝑣) et lois de commande S1à S4.

3.4.2 Évaluation du pilote en temps réel

Sur un véhicule hybride, c’est le pilote qui choisit l’intensité avec laquelle il freine. Il est
toutefois possible d’éduquer le pilote afin de maximiser l’énergie qu’il récupère lorsqu’il doit
freiner. Ainsi, nous utiliserons un critère de performance (𝛹𝛹) pour évaluer le pilote en temps
réel.

𝜂𝜂 (33)
𝛹𝛹 =
𝜂𝜂𝑜𝑜𝑜𝑜𝑜𝑜

L’efficacité du pilote (𝜂𝜂) et l’efficacité optimale (𝜂𝜂𝑜𝑜𝑜𝑜𝑜𝑜 ) sont déduites de la carte globale
d’efficacité. La figure 42 donne un exemple de carte globale d’efficacité en glissement. Cette
carte, comparativement à la carte en couple moteur, a l’avantage de tenir compte du
glissement, d’être moins sensible aux variations paramétriques et de ne pas inciter le pilote à
freiner fortement alors que les conditions routières ne le permettent pas. Afin d’obtenir les
efficacités, le glissement et la vitesse du véhicule sont requis. L’obtention de ces mesures est
longuement discutée au chapitre 4.
 59

L’évaluation est affichée sur une barre d’intensité, sur le tableau de bord (Figure 43). Plus
l’indicateur est vert, plus le freinage est optimal. Le pilote est ainsi à même de voir ses
performances et ainsi apprendre à mieux utiliser le freinage.

Figure 42: Carte globale d’efficacité 𝜂𝜂(𝜆𝜆, 𝑣𝑣) et lois de commande S5.

Figure 43: Barre d’intensité sur le tableau de bord.

60 Récupération optimale

3.5 Conclusion sur l’optimisation du freinage régénératif

Cette étude s’est penchée sur l'ensemble des stratégies qui conduisent à une récupération quasi
optimale lors du freinage régénératif. Plusieurs stratégies ont été étudiées et deux nouvelles
stratégies ont été proposées.

L’efficacité est définie comme le rapport entre la puissance entrante dans la batterie et la
puissance cinétique extraite. La stratégie de régénération devient optimale lorsque les pertes
sont réduites au minimum. Les simulations montrent que la stratégie globale de freinage est
sensible aux variations paramétriques et de façon plus importante, aux types de route sur
lesquelles le véhicule circule. Par contre, les simulations montrent aussi que l'efficacité peut
rester à un niveau quasi optimal même si la stratégie utilisée s’éloigne de la stratégie globale.
Ainsi, un critère de performance est proposé pour évaluer la performance d’une stratégie
donnée comparativement à la stratégie optimale. De plus, grâce à ce critère il devient facile
d’évaluer l’efficacité lors du freinage régénératif. Un indicateur des performances est ajouté au
véhicule, ce qui permet au pilote de visualiser sa performance et d’améliorer son bilan
énergétique.

Tel que mentionné précédemment, les lois de contrôle global ont l’inconvénient d’être
affectées par les variations paramétriques. Ainsi, une nouvelle loi de commande globale,
moins sensible aux variations paramétriques a été développée. Cette loi commande un
glissement, plutôt qu’un couple moteur, en fonction de la vitesse du véhicule. Plusieurs
variations paramétriques ont été étudiées lors de cette étude ; soit la masse du véhicule,
l'inclinaison de la route et le type de route. En plus d’améliorer les performances énergétiques,
la loi de contrôle en glissement permet d’assurer la stabilité du véhicule et ainsi la sécurité du
pilote.

Finalement, l’étude a permis d’obtenir la méthodologie pour l’obtention des cartes globales
d’efficacité énergétique lors du freinage régénératif. Ces dernières ont l’avantage d’être faciles
à obtenir de façon expérimentale.
CHAPITRE 4 Identification et Observateur

Une carte globale d’efficacité en glissement donne l’efficacité du système en fonction du

glissement de la roue motrice et de la vitesse longitudinale du véhicule. Ainsi, pour évaluer le
pilote en temps réel, une évaluation précise du glissement et de la vitesse sont nécessaires.
L’observation du glissement en temps réel est aussi indispensable pour la mise en place d’un
contrôleur de glissement. Ainsi, dans ce chapitre, il est question de l’identification et de
l’observation de la vitesse longitudinale du véhicule, du glissement de la roue motrice et des
conditions routières.

Afin de mesurer avec précision la vitesse du véhicule et celle de la roue, la méthode la plus
pratique consiste à traiter les signaux délivrés par les systèmes de mesure situés sur la roue
motrice et les roues avant (libres). Dans la plupart des véhicules actuels, des encodeurs sont
généralement installés. Alors que de nombreuses études estiment que la mesure de vitesse est
disponible sans autres considérations, il s’avère que cette information peut en fait être
corrompue. Dans le véhicule étudié, la mesure de la vitesse des roues, calculée à partir des
signaux délivrés par les encodeurs, est corrompue par un bruit blanc et une perturbation
sinusoïdale, dont la fréquence de la perturbation harmonique est proportionnelle à la vitesse de
la roue.

Le problème est illustré sur la figure 44. L’entrée du système dynamique est le couple de
freinage (couple moteur; 𝑇𝑇𝑏𝑏 en Nm) appliqué sur le véhicule. Les sorties, du système
dynamique, sont la vitesse linéaire du véhicule v (en m/s) et la vitesse de roue w (en m/s) (la
vitesse angulaire multipliée par le rayon de la roue). Les mesures corrompues, délivrées par les
encodeurs, sont les deux vitesses 𝑣𝑣 ∗ et 𝑤𝑤 ∗ . Chaque mesure inclut un bruit blanc (nu, nv) et une
perturbation harmonique (du, dv) synchrone à la vitesse respective. L'objectif est de combiner
ces données (𝑇𝑇𝑏𝑏 , 𝑣𝑣 ∗ et 𝑤𝑤 ∗ ) afin d'estimer le glissement (𝜆𝜆̂) de la roue motrice en temps réel.

Lorsque le pilote fait des manœuvres (exemple : braquage à gauche ou à droite) les vitesses
des roues avant sont différentes entre elles et différentes de la vitesse du véhicule. Afin de

61
62 Identification et Observateur

mieux estimer la vitesse du véhicule, un correcteur est directement ajouter sur la mesure des
vitesses. Ce correcteur est fonction de l’angle de braquage. Il est présenté en annexe B.

Deux estimateurs de glissement sont présentés. Le premier, présenté en 4.3.2, se base sur un
modèle non linéaire de la dynamique du véhicule lorsqu’un couple de freinage est appliqué.
Ce modèle non linéaire de la dynamique du véhicule est préalablement présenté en section 4.1.
Le deuxième estimateur est présenté en section 4.3.3. Il est basé sur un modèle de la
dynamique du glissement. Ce modèle est aussi préalablement présenté en 4.2. Un estimateur
récursif du moindre carré (RLS) est ajouté au deuxième observateur (section 4.3.3) pour
compenser les incertitudes dues à la masse des passagers et au type de route.

Les deux observateurs sont basés sur la théorie des filtres de Kalman étendu qui est présentée
en 4.3.1. Tous les observateurs ont été testés sur route et les résultats routiers sont aussi
présentés dans les prochaines sections.

Figure 44: Problématique pour l’observation du glissement

4.1 Modèle empirique de la dynamique longitudinale du véhicule

Dans le but d’améliorer la précision des mesures et des simulations, un modèle empirique de
la dynamique du véhicule est proposé. Ce modèle modélise les forces résistives, les forces
aérodynamiques et la force motrice du véhicule. Comme le véhicule étudié est un prototype
unique, les paramètres qui caractérisent ces forces nous sont inconnus. Une série de tests
expérimentaux a donc été nécessaire pour identifier les paramètres du modèle.
 63

4.1.1 Modèle non linéaire

Un modèle non linéaire relie la décélération du véhicule au couple de freinage régénératif (𝑇𝑇𝑏𝑏 )
et à la vitesse du véhicule.

Avec la force de traînée aérodynamique

1 (34)
𝐹𝐹𝑎𝑎é𝑟𝑟𝑟𝑟 = 𝜌𝜌𝐶𝐶𝑑𝑑 𝐴𝐴𝑑𝑑 𝑣𝑣 2
2

où 𝐴𝐴𝑑𝑑 est le coefficient de traîné, 𝜌𝜌 est la masse volumique, 𝐴𝐴𝑑𝑑 la surface frontale

et 𝐹𝐹𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 la résistance au roulement :

𝐹𝐹𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 = 𝑚𝑚𝑚𝑚(𝐹𝐹𝑟𝑟0 + 𝐹𝐹𝑟𝑟1 𝑣𝑣 + 𝐹𝐹𝑟𝑟2 𝑣𝑣 2 ) (35)

on obtient le modèle :

1 (36)
𝑎𝑎(𝑇𝑇𝑏𝑏 , 𝑣𝑣) = �𝑇𝑇 𝐺𝐺 𝐺𝐺 − (𝑘𝑘𝑣𝑣2 𝑣𝑣 2 + 𝑘𝑘𝑣𝑣1 𝑣𝑣 + 𝑘𝑘𝑣𝑣0 )�
𝑚𝑚 𝑏𝑏 𝑔𝑔 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠

où a est la décélération estimée, m est la masse du véhicule, 𝐺𝐺𝑔𝑔 est le gain de raccordement
entre le moteur électrique et la roue, 𝐺𝐺𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 est un petit gain fonction du sens de rotation et
avec :

1
𝑘𝑘𝑣𝑣0 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑟𝑟0, 𝑘𝑘𝑣𝑣1 = 𝑚𝑚𝑚𝑚𝐹𝐹𝑟𝑟1et 𝑘𝑘𝑣𝑣2 = 𝑚𝑚𝑚𝑚𝐹𝐹𝑟𝑟2 + 2 𝜌𝜌𝐶𝐶𝑑𝑑 𝐴𝐴𝑑𝑑

Les paramètres 𝑘𝑘𝑣𝑣0 à 𝑘𝑘𝑣𝑣2 , ainsi que le gain 𝐺𝐺𝑔𝑔 𝐺𝐺𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 doivent être trouvés expérimentalement,
sur une route plate.

4.1.2 Méthodologie pour l’obtention des coefficients

Tel que mentionné précédemment, le prototype utilisé lors de cette étude est le PRT1 (Figure
34). Les essais sont tous faits sur l’asphalte sec et sur une route non inclinée.

Un premier test est effectué afin de déterminer 𝑘𝑘𝑣𝑣0 , 𝑘𝑘𝑣𝑣1 et 𝑘𝑘𝑣𝑣2 . Le véhicule est accéléré
jusqu’à une vitesse de 80km/h. Par la suite, un couple moteur nul est appliqué. Les forces de
roulement et aérodynamiques décelèrent le véhicule jusqu’à l’immobiliser. La vitesse du
64 Identification et Observateur

véhicule est enregistrée durant cet essai. La méthode des moindres carrés est utilisée pour
identifier les paramètres 𝑘𝑘𝑣𝑣0 à 𝑘𝑘𝑣𝑣2 .

Une deuxième série de mesure expérimentale est faite pour obtenir le gain (𝐺𝐺𝑔𝑔 𝐺𝐺𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 ) du couple
moteur. La mesure de la vitesse du véhicule a été faite pour différents échelons de couple de
freinage moteur de 60, à 140 Nm. Comme il s’agit d’un gain fixe, le gain a été facilement
obtenu. Les paramètres obtenus sont présentés au tableau 3.

𝑘𝑘𝑣𝑣2 𝑘𝑘𝑣𝑣1 𝑘𝑘𝑣𝑣0 𝐺𝐺𝑔𝑔 𝐺𝐺𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠

1.4 0 82 12.2
Tableau 3 : Valeur de 𝑘𝑘𝑣𝑣𝑣𝑣 et 𝐺𝐺𝑔𝑔 𝐺𝐺𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠

4.1.3 Validation du modèle empirique par essais expérimentaux

La validation expérimentale consiste à décélérer le véhicule de 30 Km/h à 0 Km/h en
appliquant un couple moteur constant. D’un essai à l’autre, le couple moteur est modifié. Un
accéléromètre permet de mesurer la décélération du véhicule. La vitesse du véhicule est aussi
obtenue en mesurant le signal des encodeurs des roues avant.

La figure 45 montre l’accélération obtenue par le modèle de la dynamique du véhicule, ainsi

que l’accélération mesurée par l’accéléromètre lorsque différents échelons du couple moteur
sont appliqués (60, 100 et 140 Nm). La figure 46 compare la vitesse simulée à la mesure de la
vitesse du véhicule pour les mêmes commandes de freinage. L’estimation de la vitesse du
véhicule, en utilisant l’intégrale de l’accélération calculée par le modèle, donne de bons
résultats, même plusieurs secondes après l’initialisation, ce qui motive à ne pas utiliser un
accéléromètre. De plus, l’ajout d’un accéléromètre ne serait pas envisageable sur le véhicule
de série.
 65

Figure 45: Comparaison entre l’accélération du véhicule mesurée par l’accéléromètre et sa

prédiction par le modèle pour différents couples de freinage.
66 Identification et Observateur

Tb=60Nm
9
Exp
Vitesse (m/s) Modèle
8

6
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Tb=100Nm
10
Vitesse (m/s)

4
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)
Tb=140Nm
8
Vitesse (m/s)

2
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s)

Figure 46: Comparaison entre la vitesse du véhicule calculée en utilisant la mesure des
signaux des encodeurs et sa prédiction par le modèle pour différents couples de freinage.

4.2 Modèle empirique du glissement de type boite noire

4.2.1 Problématique
La littérature [21] propose un modèle non linéaire de premier ordre entre la commande de
freinage et le glissement de la roue freinée. L’étude des données expérimentales du glissement
montre un système très différent de ce que nous trouvons dans le littérature. En pratique, nous
avons observé un système non linéaire de deuxième ordre. Un dépassement très important est
observable, ainsi qu’une oscillation, lorsque le système est soumis à un échelon. L’oscillation
 67

semble être de plus en plus amortie lorsque le couple moteur augmente. De plus, le
dépassement est de plus en plus important lorsque le couple moteur augmente. Ces variations
du système sont toutes liées au couple moteur.

4.2.2 Méthodologie
Tel que mentionné précédemment, le prototype utilisé lors de cette étude est le PRT1 (Figure
34). Comme les freins mécaniques ne sont pas utilisés lors du freinage régénératif et que les
mesures ont été faites sur le véhicule circulant en ligne droite, le glissement des roues avant
est supposé nul. Il devient ainsi possible de bien estimer la vitesse du véhicule en posant cette
dernière égale à la vitesse des roues avant. Comme les encodeurs avant donnent la vitesse du
véhicule et l’encodeur arrière donne la vitesse de la roue arrière, le glissement de la roue
arrière est calculé avec l’équation (3).

Afin d’obtenir les paramètres du modèle empirique, trois séries de mesures du glissement de la
roue arrière, sur asphalte sec, ont été faites pour différents échelons de frein moteur (60, 80,
100, 120 et 140 Nm) et pour différentes vitesses initiales (10, 20 et 30 km/h). Les tests ont été
arrêtés à 140 Nm puisqu’une commande de freinage de type échelon excédant 160 Nm
bloquait la roue arrière.

À l’aide de l’outil d’identification de Matlab Ident, on constate que, pour chaque commande
échelon, le système qui correspond le mieux aux mesures est un système sous-amorti de
deuxième ordre qui inclut un zéro, un délai et qui a la forme :

𝑦𝑦(𝑠𝑠) 𝑇𝑇𝑧𝑧 𝑠𝑠 + 1 (37)

= 𝐾𝐾𝑝𝑝 2 2 𝑒𝑒 −𝑇𝑇𝑑𝑑𝑠𝑠
𝑇𝑇𝑏𝑏 (𝑠𝑠) 𝑇𝑇𝑤𝑤 𝑠𝑠 + 2 𝑍𝑍 𝑇𝑇𝑤𝑤 𝑠𝑠 + 1

où y est la sortie du système (glissement), 𝑇𝑇𝑏𝑏 est l’entrée (le couple moteur), 𝑇𝑇𝑧𝑧 est la constante
de temps du zéro, 𝑇𝑇𝑤𝑤 est la constante du système, 𝑍𝑍 est l’amortissement et 𝑇𝑇𝑑𝑑 est le délai.

L’étude montre un faible effet de la vitesse initiale sur la dynamique du glissement, effet qui
est pourtant souvent énoncé dans la littérature. Ainsi, le modèle proposé est uniquement
fonction du couple moteur appliqué.
68 Identification et Observateur

Réponse en Glissement (vi = 30 Km/h and Tb = 60 Nm)

0.04
Sans Filtre
0.02 Modèle Non-linéaire

0
6
-0.02

-0.04

1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8

Time(s)
Réponse en Glissement (vi = 30 Km/h and Tb = 100 Nm)
0.05 Sans Filtre
Modèle Non-linéaire
0
6

-0.05

-0.1
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
Time(s)
Réponse en Glissement (vi = 30 Km/h and Tb = 140 Nm)
0.05
Sans Filtre
Modèle Non-linéaire
0

6 -0.05

-0.1

1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8

Time(s)

Figure 47: Mesure directe du glissement (ligne pointillée bleue) et estimation via le modèle
empirique (ligne pleine noire)

Dans la figure 47, le modèle empirique est comparé aux résultats expérimentaux obtenus
lorsque différents échelons de couple moteur sont appliqués. Les résultats obtenus par les
modèles concordent avec les données expérimentales. De plus, on voit bien, dans cette
dernière figure, que dans certains cas, le glissement critique peut être dépassé, même si le
glissement en régime permanent est inférieur au glissement critique. Ce dépassement peut être
interprété comme une perte temporaire d’adhérence, ce qui compromet la stabilité du véhicule.
 69

4.2.3 Le modèle non linéaire de deuxième ordre proposé

Ainsi, toutes les constantes du système sont obtenues pour différents couples moteurs
appliqués. Un modèle non linéaire est créé à partir d’un modèle linéaire par morceaux
« piecewise linear model ».

Le modèle empirique, non linéaire, de deuxième ordre et dont la réponse à l’échelon donne un
dépassement important peut être modélisé par

𝑇𝑇𝑤𝑤2 𝜆𝜆̈ + 2 𝑍𝑍(𝑇𝑇𝑏𝑏 ) 𝑇𝑇𝑤𝑤 𝜆𝜆̇ + 𝜆𝜆 = 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )𝑇𝑇𝑧𝑧 𝑇𝑇𝑏𝑏̇ + 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )𝑇𝑇𝑏𝑏 (38)

où 𝑍𝑍(𝑇𝑇𝑏𝑏 ) et 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) sont fonction du couple appliqué et 𝑇𝑇𝑧𝑧 , 𝑇𝑇𝑤𝑤 sont constants. Le modèle
d’état non linéaire du système (38) est :

2 𝑍𝑍(𝑇𝑇𝑏𝑏 ) (39)
⎡− 1⎤
𝑥𝑥̇ 𝑇𝑇𝑤𝑤 𝑥𝑥 𝐾𝐾 (𝑇𝑇 )
� 1� = ⎢ ⎥ � 1 � + 𝑝𝑝 𝑏𝑏 �𝑇𝑇𝑧𝑧 � [𝑇𝑇𝑏𝑏 ]
𝑥𝑥̇ 2 ⎢ − 1 ⎥ 2𝑥𝑥 𝑇𝑇𝑤𝑤2 1
2
0
⎣ 𝑇𝑇𝑤𝑤 ⎦
𝑥𝑥1
𝑦𝑦 = [1 0] �𝑥𝑥 �
2
où y est le glissement estimé. C’est ce modèle qui a été utilisé lors du design des observateurs
et contrôleurs.

Les paramètres fonction du couple de freinage 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) et 𝑍𝑍(𝑇𝑇𝑏𝑏 ) sont présentés sur les figures
48 et 49. 𝑇𝑇𝑤𝑤 et 𝑇𝑇𝑧𝑧 sont constants et leurs valeurs sont respectivement 0.01s et 0.1s.

Figure 48: 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) fonction du couple de freinage appliqué.

70 Identification et Observateur

Figure 49: 𝑍𝑍(𝑇𝑇𝑏𝑏 ) fonction du couple de freinage appliqué.

La figure 50 montre le diagramme de Bode sans tenir compte du délai. On remarque l’effet du
couple de freinage sur l’amortissement et le gain du système. Afin de tenir compte du délai
important présent dans le système, un délai pur est ajouté au modèle. L’étude montre que le
délai varie beaucoup d’un essai à l’autre. La figure 51 montre 15 essais. En moyenne, le délai
est de 33.4 ± 5.5 millisecondes. L’écart type sur cette série de mesures est de 16.4%. Il est à
noter que dans certaines situations, le délai est supérieur à 33.4 millisecondes et peut atteindre
0.12 seconde.

Bode Diagram
-50
60 Nm
-60 80 Nm
Magnitude (dB)

100 Nm
-70
120 Nm
-80 140 Nm

-90

90

45
Phase (deg)

-45

-90
0 1 2 3 4
10 10 10 10 10
Frequency (rad/s)

Figure 50: Diagramme de Bode du système à différents points de fonctionnement.

 71

0.045

0.04

Délai (s) 0.035

0.03

0.025

0.02
0 5 10 15
Essais

Figure 51: Délais enregistrés sur quinze essais.

Bode Diagram
-50

-60
Magnitude (dB)

-70

-80

-90

-100
90
45 60 Nm
0 80 Nm
Phase (deg)

-45 100 Nm
120 Nm
-90
140 Nm
-135
-180
-1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/s)

Figure 52: Diagramme de Bode Bode des systèmes avec un délai de 0.04 seconde.
72 Identification et Observateur

4.3 Observateur de glissement

4.3.1 Estimateurs de Kalman étendu
La première méthode proposée consiste à appliquer des filtres de Kalman sur les vitesses des
roues arrière et avant en tenant compte du couple de freinage (𝑇𝑇𝑏𝑏 ). Le couple de freinage
appliqué est utilisé dans le modèle non linéaire de la dynamique longitudinale du véhicule. Ce
modèle est présenté à la section 4.1 (Modèle empirique de la dynamique longitudinale du
véhicule). L'utilisation d'un filtre de Kalman pour estimer les vitesses des roues et celle du
véhicule est courante dans la littérature [63][33]. L'originalité consiste à ajouter un algorithme
de suivi de sinus afin d'éliminer la perturbation harmonique à partir des signaux mesurés [67].

La seconde méthode consiste à calculer d'abord le glissement et par la suite à appliquer un

filtre de Kalman en tenant compte du couple de freinage. Dans la littérature, la plupart des
estimateurs de glissement utilisent des modèles non linéaires de premier ordre. De tels
modèles sont fonction de plusieurs paramètres, entre autres, l'inertie et le rayon de la roue, la
force normale (la masse d'un passager), le type de route, etc. Ici, l'originalité consiste à
considérer une boîte noire du second ordre non linéaire. De plus, un algorithme d'identification
paramétrique en ligne est proposé pour diminuer l’effet des incertitudes paramétriques,
notamment celles dues aux types de route et à la masse totale du véhicule.

Les deux méthodes sont basées sur la théorie de Kalman où les matrices A et B des modèles
d'états sont fixes ou variables au cours du temps (modèle bilinéaire) en fonction de la vitesse
du véhicule (A(v) et B(v)) et/ou du couple moteur appliqué (A(u, v) et B(u, v)). Ainsi, les
observateurs d’états ont la forme générique suivante :

𝑥𝑥�̇(𝑡𝑡) = 𝐴𝐴(𝑡𝑡)𝑥𝑥�(𝑡𝑡) + 𝐵𝐵(𝑡𝑡)𝑢𝑢(𝑡𝑡) + 𝐿𝐿(𝑡𝑡)�𝑦𝑦(𝑡𝑡) − 𝐶𝐶𝑥𝑥�(𝑡𝑡)� (40)

Avec

𝑃𝑃̇(𝑡𝑡) = 𝐴𝐴(𝑡𝑡)𝑃𝑃(𝑡𝑡) + 𝑃𝑃(𝑡𝑡)𝐴𝐴(𝑡𝑡)𝑇𝑇 − 𝑃𝑃(𝑡𝑡)𝐶𝐶 𝑇𝑇 𝑅𝑅 −1 𝐶𝐶𝐶𝐶(𝑡𝑡) + 𝐺𝐺𝐺𝐺𝐺𝐺 𝑇𝑇 (41)

et le gain de Kalman

𝐿𝐿(𝑡𝑡) = 𝑃𝑃(𝑡𝑡)𝐶𝐶 𝑇𝑇 𝑅𝑅 −1 (42)

où Q et R sont la covariance du modèle et du bruit de mesure respectivement (Bornard 1989).
 73

4.3.2 Estimateur du glissement par l’observation des vitesses

Le premier observateur est basé sur un modèle longitudinal de dynamique du véhicule. Ce
modèle, présenté en section 4.1, donne l'accélération (a) du véhicule en fonction du couple
moteur appliqué. Ainsi, les vitesses du véhicule et de la roue sont observées. L’estimation de
l'accélération n’est valable que sur des routes plates et pour un freinage électrique pur (sans
freinage mécanique).

L’observateur de la vitesse du véhicule et celui de la roue arrière sont tous deux basés sur le
modèle suivant :

𝑥𝑥�̇ = 𝐴𝐴𝑥𝑥� + 𝐵𝐵𝐵𝐵 + 𝐿𝐿(𝑦𝑦 − 𝐶𝐶𝑥𝑥�) (43)

𝑦𝑦� = 𝐶𝐶𝑥𝑥�

où 𝑎𝑎 est l'accélération calculée à partir de (36) et y est soit 𝑣𝑣 ∗ ou 𝑤𝑤 ∗ , selon la vitesse estimée.
Le gain de Kalman est obtenu en utilisant (41) et (42), dans lequel les matrices d’état ne sont
pas variables dans le temps.

𝐴𝐴 = 0, 𝐵𝐵 = 1 𝑒𝑒𝑒𝑒 𝐶𝐶 = 1

Figure 53: Algorithme d’estimation de glissement basé sur l’estimation des vitesses du
véhicule et de la roue.

Afin de réduire l'effet des perturbations harmoniques sur la mesure des vitesses des roues, un
générateur de sinus est ajouté au modèle. L'objectif est de suivre le sinus afin de le retirer des
signaux mesurés. Ainsi, l'observateur de Kalman étendu avec annulation du sinus est :

𝑥𝑥�̇ = 𝐴𝐴(𝑣𝑣)𝑥𝑥� + 𝐵𝐵𝐵𝐵 + 𝐿𝐿(𝑦𝑦 − 𝑦𝑦�1 ) (44)

𝑦𝑦� = 𝐶𝐶𝑥𝑥�
74 Identification et Observateur

𝑥𝑥�1 𝐴𝐴 𝑠𝑠𝑠𝑠𝑠𝑠(ℎ𝑣𝑣�𝑡𝑡)
̇
𝑥𝑥� = �𝑥𝑥�1 � = �𝐴𝐴ℎ𝑣𝑣 𝑐𝑐𝑐𝑐𝑐𝑐(ℎ𝑣𝑣�𝑡𝑡)�
𝑣𝑣� 𝑣𝑣�

𝑦𝑦�
𝑦𝑦� = � 1 �
𝑦𝑦�2

0 1 0 0
0 1 1
𝐴𝐴(𝑣𝑣) = �−(ℎ𝑣𝑣�)2 0 0� , 𝐵𝐵 = �0� 𝑒𝑒𝑒𝑒 𝐶𝐶 = � �
0 0 1
0 0 0 1

où a est l'estimation d'accélération obtenue par (36), y est la vitesse mesurée, 𝑦𝑦�1 est
l'estimation de vitesse et 𝑦𝑦�2 est l'estimation de la vitesse sans perturbation de sinus. La
fréquence de la perturbation est ℎ𝑣𝑣� (rad/s); avec h = 2π/c et où c est la circonférence de la
roue.

4.3.3 Observation du glissement avec le modèle empirique

Le deuxième algorithme propose d'utiliser un modèle de glissement qui est fonction du couple
de freinage appliqué. Une approche boîte noire basée sur des tests expérimentaux, considère le
modèle empirique (de type second ordre, non linéaire (39)) dont la réponse à l’échelon
provoque un dépassement significatif. En ajoutant le suiveur de sinus, l’observateur de
glissement est décrit ainsi :

𝑥𝑥�̇ = 𝐴𝐴(𝑇𝑇𝑏𝑏 , 𝑣𝑣)𝑥𝑥� + 𝐵𝐵(𝑇𝑇𝑏𝑏 )𝑇𝑇𝑏𝑏 + 𝐿𝐿(𝑦𝑦 ∗ � − 𝑦𝑦�1 ) (45)

𝑦𝑦� = 𝐶𝐶𝑥𝑥�

𝑦𝑦�
𝑦𝑦� = � 1 �
𝑦𝑦�2

0 −(ℎ𝑣𝑣)2 0 0
⎡ ⎤
⎢1 0 0 0⎥
⎢ 2 𝑍𝑍(𝑇𝑇𝑏𝑏 )
𝐴𝐴(𝑇𝑇𝑏𝑏 , 𝑣𝑣) = ⎢0 0 − 1⎥⎥
𝑇𝑇𝑤𝑤
⎢ 1 ⎥
⎢0 0 − 2 0⎥
⎣ 𝑇𝑇𝑤𝑤 ⎦
0
𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) 0 1 0 1 0
𝐵𝐵(𝑇𝑇𝑏𝑏 ) = � � ; 𝑐𝑐 = � �
𝑇𝑇𝑤𝑤2 𝑇𝑇𝑧𝑧 0 0 1 0
1
 75

où 𝑦𝑦 ∗ est le glissement mesuré, 𝑦𝑦�2 est l'estimation de glissement, 𝑦𝑦�1 est l'estimation de
glissement avec la perturbation sinusoïdale et 𝑇𝑇𝑏𝑏 est le couple moteur appliqué.

Figure 54: Filtre de Kalman étendu basé sur un modèle empirique non linéaire du glissement

(1) Compensation pour les incertitudes liées à la masse et au type de route

Un facteur est ajouté au modèle non linéaire pour tenir compte des variations paramétriques.
Lorsqu’un contrôleur de glissement est utilisé, le glissement reste toujours inférieur au
glissement critique ( 𝜆𝜆𝑐𝑐 dans Figure 55). Dans ce cas, la fonction d'adhérence peut être
approximée à un gain 𝑐𝑐𝑓𝑓 . Ainsi, 𝜇𝜇(𝜆𝜆) ≈ 𝑐𝑐𝑓𝑓 𝜆𝜆 pour 𝜆𝜆 < 𝜆𝜆𝑐𝑐 (figure 55). Pour des conditions
normales d’utilisation, la force de freinage est :

𝐹𝐹𝐵𝐵,𝑛𝑛 = 𝑚𝑚𝑛𝑛 𝑐𝑐𝑓𝑓𝑑𝑑𝑑𝑑𝑑𝑑 𝜆𝜆 (46)

où 𝑐𝑐𝑓𝑓𝑑𝑑𝑑𝑑𝑑𝑑 est le gain pour une route d'asphalte sec et pour un poids normal 𝑚𝑚𝑛𝑛 . Dans des
conditions réelles, la force de freinage est différente de (46) en raison des incertitudes sur la
masse du véhicule et l'adhérence des roues sur la route, qui dépend de la surface de la route.
Ces deux incertitudes sont combinées en un seul paramètre 𝑟𝑟 = 𝑝𝑝1 𝑝𝑝2 , où 𝑝𝑝1 est le rapport
entre l'asphalte sec et le type réel de route et 𝑝𝑝2 est le rapport entre le poids normal du véhicule
et le poids réel. En d'autres termes, le facteur d'échelle représente le rapport entre la force de
freinage dans des conditions normales (𝐹𝐹𝐵𝐵,𝑛𝑛 ) et les conditions réelles (𝐹𝐹𝐵𝐵,𝑟𝑟 ):

𝑟𝑟 = 𝐹𝐹𝐵𝐵,𝑛𝑛 /𝐹𝐹𝐵𝐵,𝑟𝑟 (47)

76 Identification et Observateur

Figure 55: Coefficient d’adhérence en fonction du glissement pour quatre types de route.

Un filtre RLS «recursive least square with forgetting factor» est proposé pour estimer le
paramètre r en ligne afin de compenser les incertitudes de masse et le type de route. Le
glissement fourni par le modèle non linéaire (𝜆𝜆̂∗ ) est comparé à l’observation du filtre de
Kalman étendu (λ). Le paramètre r est ensuite ajusté en utilisant un algorithme RLS présenté
en (48). Comme il n’y a qu’une seule variable à estimer, l'algorithme RLS prend la forme
suivante:

𝑒𝑒(𝑘𝑘) = 𝜆𝜆̂(𝑘𝑘) − �𝑟𝑟(𝑘𝑘)𝜆𝜆̂∗ (𝑘𝑘)� (48)

𝑅𝑅(𝑘𝑘)𝜆𝜆̂∗ (𝑘𝑘)
𝐾𝐾(𝑘𝑘) = 2
𝑊𝑊𝑟𝑟 + �𝜆𝜆̂∗ (𝑘𝑘)𝑅𝑅(𝑘𝑘)�

𝑅𝑅(𝑘𝑘) − 𝐾𝐾(𝑘𝑘) 𝜆𝜆̂∗ (𝑘𝑘) 𝑅𝑅(𝑘𝑘)

𝑅𝑅(𝑘𝑘 + 1) =
𝑊𝑊𝑟𝑟

𝑟𝑟(𝑘𝑘 + 1) = 𝑟𝑟(𝑘𝑘) + 𝐾𝐾(𝑘𝑘)𝑒𝑒(𝑘𝑘)

où r(k) est le paramètre estimé, 𝜆𝜆̂(𝑘𝑘) est le glissement estimé par le filtre de Kalman, 𝜆𝜆̂∗ (𝑘𝑘) est
le glissement obtenu par le modèle non linéaire (39) et 𝑊𝑊𝑟𝑟 est le facteur d’oubli du filtre RLS.
 77

Figure 56: Filtre de Kalman étendu et filtre RLS pour l’estimation du glissement.

L’observateur (45) est modifié pour prendre en compte le paramètre r. De cet observateur,
seule la matrice C est modifiée et devient :

1 0 𝑟𝑟 0 (49)
𝐶𝐶 = � �
0 0 𝑟𝑟 0
4.3.4 Résultats expérimentaux
(1) Procédure expérimentale
Deux séries de tests ont été faites avec le prototype PRT1 (Figure 34), qui a été utilisé en
mode tout électrique. Une première sur l’asphalte sec et une deuxième sur l’asphalte sur lequel
une fine couche de sable a été ajoutée, afin de modifier l’adhérence de la roue motrice. Dans
les deux séries de tests, l’échelon de commande de freinage a été utilisé, soit un couple de
freinage fixe.

(2) Estimateur de glissement par l’observation des vitesses

Dans les résultats qui suivent, un couple de freinage de 90 Nm est appliqué à la roue de
manière à décélérer le véhicule à partir d'une vitesse initiale de 30 km/h. Afin d'obtenir le gain
de Kalman L, des informations spécifiques concernant le bruit du processus et des mesures
sont nécessaires. La mesure de la covariance R est obtenue en considérant le bruit de mesure
de la vitesse des roues. Une méthode par essais-erreurs a été utilisée pour obtenir les valeurs
appropriées de Q. Comme l’utilisation de gains de Kalman fixes n’altérerait pas la qualité de
l'estimation, il a été jugé acceptable d’utiliser des valeurs constantes, dans le but de réduire la
complexité des observateurs et d’améliorer le temps de calcul du système. Les gains utilisés
pour l'observateur de vitesse sans annulation de sinus sont :

𝐿𝐿𝑣𝑣 = [10]; 𝐿𝐿𝑤𝑤 = [50]

78 Identification et Observateur

Les gains de Kalman pour l’observateur avec annulation du sinus sont :

𝐿𝐿𝑣𝑣 = [−0.1 0 5]𝑇𝑇 ; 𝐿𝐿𝑤𝑤 = [−1 0 50]𝑇𝑇

où 𝐿𝐿𝑣𝑣 est le gain de Kalman L utilisé pour estimer la vitesse du véhicule, tandis que 𝐿𝐿𝑤𝑤 est le
gain de Kalman L utilisé pour estimer la vitesse de la roue arrière.

L’estimation du glissement par observation des vitesses est montrée à la figure 57. Chaque
graphique contient deux courbes. La première, en trait pointillé, correspond aux données
brutes, obtenues expérimentalement. La deuxième, en trait plein, donne le résultat de
l’estimation. L'avantage de l'annulation des sinus est clairement visible dans le deuxième
graphique, puisqu’il est pratiquement éliminé comparativement au premier graphique.

Figure 57: Comparaison entre la mesure directe du glissement (bleu) et son observation (noir)
pour un échelon du couple de freinage de 90 Nm.

(3) Observation du glissement basé sur le modèle empirique

La figure 58 compare les résultats obtenus par le filtre de Kalman étendu utilisant le modèle
empirique (graphique du bas) et ceux obtenus par les observateurs de vitesse (graphique du
 79

haut). L'observateur de vitesse est le même filtre utilisé dans la section précédente. Tous deux
incluent l'annulation des sinus. Le gain de Kalman utilisé pour l'observateur de glissement
avec élimination des sinus est :

𝐿𝐿 = [200 0 500 − 20]𝑇𝑇

Comme on peut le voir, le filtre de Kalman étendu arrive à un résultat plus précis lorsque la
dynamique du glissement est élevée. Ainsi, le dépassement est mieux estimé dans le second
tracé.

Figure 58: Comparaison des deux observateurs avec élimination du sinus ( 𝑇𝑇𝑏𝑏 = 90Nm)
(mesure directe du glissement (Bleu) et Observation (Noir)).

(4) Observation du glissement basé sur le modèle empirique avec annulation de

sinus et estimation de l’adhérence de la route
Quand la route est 1,5 fois plus glissante que l'asphalte sec (ajout de sable sur l’asphalte),
l'utilisation de l'estimation d’adhérence, dans le filtre de Kalman étendu, permet d’améliorer
l’estimation du glissement. Étant donné que le paramètre r correspond à un gain sur le modèle
80 Identification et Observateur

de glissement (modèle non linéaire), à faible glissement, une petite erreur entre le glissement
observé et l'estimation en boucle ouverte du glissement produit une grande variation du
paramètre r. Afin d’arrêter l'adaptation à faible glissement et puisqu'il y a un lien direct entre
le glissement et le couple appliqué, l'algorithme RLS est arrêté lorsque le couple appliqué est
inférieur à 30 Nm. En conséquence, l'adaptation est gelée lorsque le véhicule ne freine pas. Le
gel de l’algorithme lui permet de garder en mémoire la condition routière de la dernière
période de freinage et d’appliquer celle-ci au début de la prochaine période de freinage.

Lors du premier essai, la valeur initiale de r était de 1. Le paramètre de pondération du RLS

était de W = 0,97 et la valeur initiale de R était 100. L’estimation du paramètre r est présentée
à la figure 59.

1.8

1.6

r 1.4

1.2

1
0.5 1 1.5 2 2.5 3 3.5
Temps(s)

Figure 59: Estimation des propriétés d’adhérence de la route en utilisant le filtre RLS et le
modèle non linéaire.

L'estimation du glissement sur une route glissante (r≅1.5) avec les trois observateurs est
présentée dans la figure 60. Tous les trois observateurs incluent l'annulation du sinus. Le
graphique du haut donne l'estimation du glissement faite par les observateurs de vitesse. Étant
donné que l'estimation du glissement est réalisée après l’observation des vitesses, il n'y a
aucun décalage observé sur une route glissante à l'aide de cet algorithme. Le deuxième résultat
est obtenu par l'observateur de glissement sans filtre RLS (graphique du milieu). Dans ce
deuxième graphique, un décalage est clairement visible entre le résultat observé et les données
brutes. Finalement, le troisième graphique donne l'observateur de glissement avec le filtre
RLS (panneau du bas). Dans ce dernier graphique, le décalage est supprimé par l'action du
 81

filtre de RLS. Les résultats présentés dans la figure 60 ont été filtrés avec un filtre de premier
ordre à des fins de clarté.

Figure 60: Comparaison des trois observateurs sur une route glissante

Tel que mentionné plus tôt, l'algorithme RLS utilise une valeur initiale de r égale à la valeur
de r à la fin de la dernière période de freinage. Dans le troisième graphique de la figure 60, la
valeur initiale de r était de 1, ce qui est loin de la valeur réelle (soit 1,5). Le résultat peut être
amélioré si le type de route parcourue au cours de la dernière période de freinage est similaire
82 Identification et Observateur

à la suivante. La figure 61 montre le résultat du filtre de Kalman étendu, avec RLS, lorsque le
filtre RLS utilise une valeur initiale de r égale à 1,45. Ainsi, l'estimation de glissement est
améliorée au début de la période de freinage comparativement au résultat obtenu dans le
troisième graphique de la figure 60.

Figure 61: Comparaison entre l’estimation du glissement obtenu par l’observateur de

glissement avec filtre RLS et le glissement obtenu sans filtre en post-traitement pour un
véhicule circulant sur une route glissante, lorsque le 𝑟𝑟̂ initial est juste.

4.4 Conclusion sur l’identification de paramètre en ligne et les

observateurs
Un modèle de la dynamique longitudinale du véhicule a été créé. Ce modèle a permis
d’améliorer la précision de nos simulations. Il a aussi été utilisé dans l’algorithme d’estimation
du glissement par observation des vitesses. Un modèle correctif pour l’estimation de la vitesse
du véhicule en utilisant les roues avant pour un véhicule dont l’angle de braquage est non nul a
aussi été créé. Ce modèle simple permet d’améliorer la précision des estimations lorsque le
pilote fait des manœuvres. Un modèle de glissement, empirique, de type boîte noire a aussi été
créé. Ce modèle, en plus d’améliorer la précision de nos simulations, a été utilisé dans
l’observateur de Kalman étendu. De plus, il est à la base des différents contrôleurs proposés au
chapitre 5.

Dans cette étude, nous avons examiné deux techniques pour estimer le glissement de la roue
motrice. La première approche utilise deux filtres de Kalman pour estimer la vitesse du
véhicule et la vitesse des roues. Les deux vitesses filtrées ont ensuite été utilisées pour estimer
 83

le glissement. Le deuxième algorithme utilise un modèle non linéaire afin d'estimer

directement le glissement à partir du couple moteur appliqué. Dans des conditions normales
d'utilisation, les deux algorithmes donnent des résultats précis. Le second algorithme
(observateur de glissement) estime la dynamique du glissement avec une plus grande
précision. En revanche, lorsque l'état de la route change, un décalage apparaît entre le résultat
obtenu par le deuxième algorithme et le véritable glissement. L'algorithme RLS permet de
retirer ce décalage et donne une bonne estimation de l’état de la route. En utilisant
l'algorithme RLS dans le filtre de Kalman étendu, les résultats sont donc améliorés. Le
premier algorithme (observation de la vitesse du véhicule et des roues) est plus robuste
aux variations paramétriques et fournit des résultats appréciables pour tous types de routes.
Dans tous les cas, l'annulation du sinus améliore la performance des observateurs.
CHAPITRE 5 Contrôleurs

5.1 Problématique
Au chapitre 3, il a été démontré qu’il pouvait être avantageux de contrôler le glissement
pour améliorer l’efficacité énergétique lors du freinage électrique. Au chapitre 4, un
modèle empirique du glissement a été proposé. Ce modèle, non linéaire, qui inclut un délai
important, se comporte comme un système de deuxième ordre sous-amorti lorsqu’il est soumis
à un échelon de commande. C’est ce modèle qui est utilisé pour la modélisation du contrôleur
proposé dans cette étude. Ainsi, ce chapitre démontre qu’il est possible de contrôler de façon
précise le glissement de la roue motrice. La principale problématique vient du délai présent
dans le système. Ce délai, normalement entre 25 et 40 millisecondes, varie et peut atteindre
120 millisecondes.

Dans cette étude, le contrôleur devra suivre la consigne de glissement (𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 ) et ne pourra pas
se contenter de limiter le glissement comme cela se pratique sur un ABS. Ainsi, le pilote
spécifiera un glissement sur la roue motrice et le contrôleur assignera le couple de freinage
nécessaire pour atteindre cette consigne le plus rapidement possible.

Afin d’expérimenter la stratégie de freinage par glissement sur le véhicule, plusieurs

contrôleurs ont été développés. Le contrôleur retenu et présenté dans ce chapitre inclut un
contrôleur en boucle ouverte (CBO), un précompensateur et un contrôleur boucle fermée
(CBF) (Fig 62).

Le contrôle en boucle ouverte calcule le couple moteur à appliquer afin d’atteindre la consigne
de glissement (𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 ) dans un temps donné. Cette commande est optimisée pour un type de
route bien précis. Ainsi, lorsque le véhicule circule dans les conditions attendues, l’erreur entre
le glissement estimé (𝜆𝜆̂) et le glissement observé (𝜆𝜆) est nul. L’erreur entre 𝜆𝜆̂ et 𝜆𝜆 (notée e) est
exploitée par le contrôleur en boucle fermée pour calculer le couple 𝑇𝑇𝑏𝑏𝑏𝑏 à ajouter à 𝑇𝑇𝑏𝑏𝑏𝑏 afin
d’atteindre le glissement de référence.

85
86 Contrôleurs

Figure 62: Contrôleur non linéaire composé d’une commande en boucle ouverte (CBO), d’un
pré-compensateur et d’un contrôleur en boucle fermée.

5.2 Objectif de contrôle

Un freinage régénératif fort, sans perte de stabilité et qui donne une sensation de freinage
performant au pilote est désiré. Pour ce faire, le glissement doit être limité à une valeur qui
permettra un freinage régénératif fort, sans pour autant compromettre la stabilité du véhicule,
autant longitudinalement que latéralement. La limite de stabilité longitudinale est fixée par le
glissement critique, qui, dans le véhicule qui nous intéresse, est environ de 7%. Dans la figure
63 le couple moteur associé à ce glissement (couple critique (𝑇𝑇𝑏𝑏𝑏𝑏 )) est d’environ 180Nm. Pour
des raisons de stabilité, le couple moteur de freinage maximal (𝑇𝑇𝑏𝑏𝑏𝑏 ) a été fixé à 80% du
couple critique, ce qui correspond à une plage de consigne du glissement qui varie de 0 à 3%.

Figure 63: Glissement théorique en fonction du couple moteur appliqué sur l’asphalte sec
 87

Les objectifs de contrôle sont

• Une erreur en régime permanent nulle

• Un dépassement inférieur à 0.01 lors d’une commande de type échelon

• Robuste pour une route jusqu’à trois fois plus glissante que l’asphalte sec

• Un temps d’établissement (95%) de 0.5 seconde et une bande passante d’au moins 6
rad/s

5.3 Incertitude paramétrique du modèle

À la section 4.2, un modèle empirique a été proposé. Pour rappel,

𝑇𝑇𝑤𝑤2 𝜆𝜆̈ + 2 𝑍𝑍(𝑇𝑇𝑏𝑏 ) 𝑇𝑇𝑤𝑤 𝜆𝜆̇ + 𝜆𝜆 = 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟)𝑇𝑇𝑧𝑧 𝑇𝑇𝑏𝑏̇ + 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟)𝑇𝑇𝑏𝑏 (50)

où 𝑍𝑍(𝑇𝑇𝑏𝑏 ) et 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) sont fonctions du couple appliqué et 𝑇𝑇𝑧𝑧 , 𝑇𝑇𝑤𝑤 sont constants. Le modèle
d’état non linéaire du système (38) et (50) est

2 𝑍𝑍(𝑇𝑇𝑏𝑏 ) (51)
⎡− 1⎤
𝑥𝑥̇ 1 𝑇𝑇 𝑥𝑥 𝐾𝐾 (𝑇𝑇 , 𝑟𝑟) 𝑇𝑇𝑧𝑧
� �=⎢ 𝑤𝑤 ⎥ � 1 � + 𝑝𝑝 𝑏𝑏 � � [𝑇𝑇𝑏𝑏 ]
𝑥𝑥̇ 2 ⎢ − 1 ⎥ 𝑥𝑥2 𝑇𝑇𝑤𝑤2 1
2
0
⎣ 𝑇𝑇𝑤𝑤 ⎦
𝑥𝑥1
𝑦𝑦 = [1 0] �𝑥𝑥 �
2
où y et 𝑥𝑥1 sont le glissement estimé.

Ce modèle a été utilisé lors de la synthèse d’un des observateurs. Ce modèle de type bilinéaire
inclut des matrices A et B qui varient en fonction du couple de freinage et donc du temps. On
remarque aussi que les variables affectées par le couple moteur sont l’amortissement 𝑍𝑍(𝑇𝑇𝑏𝑏 ) et
le gain 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ). De plus, à la section 4.3.3 il a été démontré que si le glissement est inférieur au
point critique (𝜆𝜆𝑐𝑐 ), un paramètre 𝑟𝑟 peut être ajouté pour modéliser l’état de la route et la
variation du poids du véhicule. Ainsi, le gain 𝐾𝐾𝑝𝑝 du système est fonction du couple de freinage
(𝑇𝑇𝑏𝑏 ) et du type de route r.
88 Contrôleurs

Le tableau 4 montre les valeurs maximales et minimales de 𝑍𝑍(𝑇𝑇𝑏𝑏 ) et 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟) pour un couple
de freinage qui varie de 60 à 140 Nm, sur une route incertaine, entre de l’asphalte sec et une
surface trois fois plus glissante.

𝑇𝑇𝑏𝑏 = 60 𝑁𝑁𝑁𝑁 𝑇𝑇𝑏𝑏 = 140 𝑁𝑁𝑁𝑁

r=1 𝑍𝑍(𝑇𝑇𝑏𝑏 )=0,2 ; 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟) = 1. 10−3 𝑍𝑍(𝑇𝑇𝑏𝑏 )=0,8 ; 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟) = 2,5. 10−3
r=3 𝑍𝑍(𝑇𝑇𝑏𝑏 )=0,2 ; 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟) = 3. 10−3 𝑍𝑍(𝑇𝑇𝑏𝑏 )=0,8 ; 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟) = 7,5. 10−3
Tableau 4 : Variation des paramètres 𝑍𝑍(𝑢𝑢) 𝑒𝑒𝑒𝑒 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 , 𝑟𝑟)

Bode Diagram
-40
Magnitude (dB)

-60

-80

-100
90
Tb=60Nm; r=1
Phase (deg)

0 Tb=140Nm; r=1
Tb=60Nm; r=3
-90
Tb=140Nm; r=3

-180
0 1 2 3 4
10 10 10 10 10
Frequency (rad/s)

Figure 64: Diagramme de Bode du système non linéaire pour différents points de
fonctionnement et avec un délai de 40 ms

5.4 Synthèse du contrôle en boucle fermée

Dans cette section, il est question de la synthèse d’une famille de contrôleurs de type LQG
pour chacune des plages de glissement. Par la suite, un contrôleur global non linéaire est
proposé en commutant sur le contrôleur de la plage.

En observant le diagramme de Bode présenté à la figure 64, on remarque que l’erreur en

régime permanent sera importante puisque le système boucle fermée n’inclut pas d’intégrateur
 89

et que le gain du système à basse fréquence est faible. De plus, l’erreur en régime permanent
sera fortement affectée par la variation du type de route, ainsi que par le couple moteur
appliqué. Afin d’éliminer l’effet du gain statique incertain sur l’erreur en régime permanent, le
système est augmenté par un intégrateur. La nouvelle commande 𝑢𝑢 du système augmenté est
alors la dérivée du couple de freinage

𝑢𝑢 = 𝑇𝑇𝑏𝑏̇ (52)
1
si �2𝑍𝑍̇(𝑇𝑇𝑏𝑏 )� ≪ 𝑇𝑇 et en posant :
𝑤𝑤

𝑥𝑥1 = 𝜆𝜆 (53)

2 𝑍𝑍(𝑇𝑇𝑏𝑏 )
𝑥𝑥̇ 1 = − 𝑥𝑥1 + 𝑥𝑥2
𝑇𝑇𝑤𝑤

1 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )𝑇𝑇𝑧𝑧 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )

𝑥𝑥̇ 2 = − 2
𝑥𝑥1 + 2
𝑢𝑢 + 𝑥𝑥3
𝑇𝑇𝑤𝑤 𝑇𝑇𝑤𝑤 𝑇𝑇𝑤𝑤2

𝑥𝑥̇ 3 = 𝑢𝑢

le modèle d’état (52) augmenté avec (53) prend la forme :

2 𝑍𝑍(𝑇𝑇𝑏𝑏 ) (54)
⎡− 1 0 ⎤ 0
𝑥𝑥̇ 1 𝑇𝑇𝑤𝑤 𝑥𝑥
⎢ ⎥ 1 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )
�𝑥𝑥̇ 2 � = ⎢ 1 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )⎥ �𝑥𝑥2 � + �𝑇𝑇𝑧𝑧 � [𝑢𝑢]
𝑥𝑥̇ 3 − 2 0 𝑥𝑥 𝑇𝑇𝑤𝑤2
⎢ 𝑇𝑇𝑤𝑤 𝑇𝑇𝑤𝑤 ⎥
2 3
1
⎣ 0 0 0 ⎦
𝑥𝑥1
𝑦𝑦 = [1 0 0] � 2 � 𝑥𝑥
𝑥𝑥3

La figure 65 donne le diagramme de Bode du système augmenté. La pente de -20 dB/décade

indique que l’erreur en régime permanent sera de zéro, quel que soit le couple moteur appliqué
et quel que soit le type de route sur lequel le véhicule circule.
90 Contrôleurs

Bode Diagram
Magnitude (dB) -60

-80

-100

-120

-140
-45
Tb=60Nm; r=1
-90
Phase (deg)

Tb=140Nm; r=1
-135
Tb=60Nm; r=3
-180
Tb=140Nm; r=3
-225
-270 0 1 2 3
10 10 10 10
Frequency (rad/s)

Figure 65: Réponse en fréquence du système augmenté pour différents paramètres.

Tel qu’indiqué en (46), la modélisation du type de route prend la forme d’un gain sur le
système. Ainsi, pour assurer la robustesse d’un contrôleur développé pour l’asphalte sec, mais
utilisé sur une surface r fois plus glissante, un gain (1/r) est ajouté au contrôleur. Ainsi, pour
une surface trois fois plus glissante, un gain de 0.33 doit être ajouté au contrôleur afin
d’obtenir des marges semblables à celle obtenue sur l’asphalte sec.

La synthèse du contrôleur LQG a été faite sur pour un système circulant sur l’asphalte sec. Par
la suite, pour assurer la robustesse du système pour une plage de surfaces, un gain 1/𝑟𝑟𝑚𝑚𝑚𝑚𝑚𝑚 est
ajouté au contrôleur, où 𝑟𝑟𝑚𝑚𝑚𝑚𝑚𝑚 représente le type de surface la plus glissante auquel le système
doit faire face. Expérimentalement, l’utilisateur fixe lui-même le type de route (𝑟𝑟𝑚𝑚𝑚𝑚𝑚𝑚 ). Par
contre, il serait possible d’utiliser l’algorithme RLS présenté à la section 4.3.3 pour ajuster
automatiquement ce paramètre.

Afin de prendre en considération l’effet du couple moteur sur le système, les gains du filtre de
Kalman et ceux du contrôleur sont calculés en fonction du couple moteur (𝑇𝑇𝑏𝑏 ) appliqué. Ainsi,
les gains du filtre de Kalman sont obtenus en utilisant :
 91

𝐿𝐿(𝑇𝑇𝑏𝑏 ) = 𝑃𝑃𝐶𝐶 𝑇𝑇 𝑅𝑅 −1 (55)

où P est la covariance de l’erreur et R est la covariance du bruit de mesure. La synthèse du
filtre est faite en utilisant

𝑄𝑄 = 𝐵𝐵𝐵𝐵 ′ (56)
où B est la matrice d’entrée du système et est fonction du couple moteur.

𝑇𝑇𝑏𝑏 𝑄𝑄 𝑅𝑅 𝐿𝐿
0 0 0 0,0008
60 �0 0,01 0,1� 2. 10 −10 �0,0352� 104
0 0.1 1 7,0711
0 0 0 0,0007
80 �0 0,0121 0,121� 2,4. 10−10 �0,0391� 104
0 0,121 1,21 7,1005
0 0 0 0,0007
100 �0 0,0156 0,156� 3. 10−10 �0,0474� 104
0 0,156 1,56 7,0711
0 0 0 0,0007
120 �0 0,0225 0,225� 4,4. 10−10 �0,0689� 104
0 0,225 2,25 7,1510
0 0 0 0,0007
140 �0 0,036 0,36� 7. 10−10 �0,1156� 104
0 0,36 3,6 7,1813
Tableau 5 : Les gains de Kalman en fonction du couple de freinage

La dynamique de l’observateur est :

𝑥𝑥�̇ = 𝐴𝐴(𝑇𝑇𝑏𝑏 )𝑥𝑥� + 𝐵𝐵(𝑇𝑇𝑏𝑏 )𝑢𝑢 + 𝐿𝐿(𝑇𝑇𝑏𝑏 )(𝑦𝑦 − 𝐶𝐶𝑥𝑥�) (57)

où 𝑥𝑥� est l’estimation de x.

Les gains de contrôle K sont obtenus en utilisant l’algorithme LQG/LTR. Dans cette étude, le
design est fait en utilisant :

𝐾𝐾(𝑇𝑇𝑏𝑏 ) = 𝑅𝑅 −1 𝐵𝐵 𝑇𝑇 𝑃𝑃 (58)
𝑄𝑄 = 𝐶𝐶 𝑇𝑇 𝐶𝐶 et 𝑅𝑅 = 𝑟𝑟𝑘𝑘 𝐼𝐼 (59)
Par essais-erreurs, plusieurs valeurs de 𝑟𝑟𝑘𝑘 ont été utilisées de façon à obtenir une loi de
commande qui respecte les critères de performance voulue.
92 Contrôleurs

𝑇𝑇𝑏𝑏 𝑄𝑄 𝑅𝑅 𝐾𝐾
𝑇𝑇
1 0 0 1,54. 105
60 �0 0 0� 10−11 �1,77. 103 �
0 0 0 8,4801
𝑇𝑇
1 0 0 1,56. 105
80 �0 0 0� 10−11 �1,69. 103 �
0 0 0 7,8209
𝑇𝑇
1 0 0 1,52. 105
100 �0 0 0� 10−11 �1,57. 103 �
0 0 0 6,9996
𝑇𝑇
1 0 0 1,33. 105
120 �0 0 0� 10−11 �1,33. 103 �
0 0 0 5,9454
𝑇𝑇
1 0 0 1,00. 105
140 �0 0 0� 10−11 �1,03. 103 �
0 0 0 4,7819
Tableau 6 : Les gains du contrôleur LQR en fonction du couple de freinage

La dynamique du système contrôlé en boucle fermée est :

𝑥𝑥̇ = 𝐴𝐴(𝑇𝑇𝑏𝑏 )𝑥𝑥 + 𝐵𝐵(𝑇𝑇𝑏𝑏 )𝑢𝑢 (60)

𝑥𝑥�̇ = (𝐴𝐴(𝑇𝑇𝑏𝑏 ) − 𝐿𝐿(𝑇𝑇𝑏𝑏 )𝐶𝐶)𝑥𝑥� + 𝐵𝐵(𝑇𝑇𝑏𝑏 )𝑢𝑢 + 𝐿𝐿(𝑇𝑇𝑏𝑏 )𝑤𝑤

𝑢𝑢 = −𝐾𝐾(𝑇𝑇𝑏𝑏 )𝑥𝑥�

où 𝑤𝑤 = −𝑒𝑒(𝑡𝑡) = 𝑦𝑦 − 𝑟𝑟

Puisque le système est non-linéaire, et que pour une surface fixe, la dynamique du glissement
est principalement fonction du couple moteur appliqué, une famille de contrôleurs linéaires est
créée. Chaque contrôleur apporte une robustesse suffisante sur chaque point de
fonctionnement du système. Le contrôleur est fonction du couple moteur et le système
contrôlé prend la forme suivante :
 93

Figure 66: Système augmenté, boucle fermée, avec un contrôleur LQG.

Le contrôleur LQG non linéaire prend la forme du système d’état :

𝑥𝑥̇ = 𝐴𝐴𝑐𝑐 𝑥𝑥 + 𝐵𝐵𝑐𝑐 𝑢𝑢 (61)

𝑦𝑦 = 𝐶𝐶𝑐𝑐 𝑥𝑥
𝐴𝐴𝑐𝑐 = 𝐴𝐴𝑜𝑜 − (𝐿𝐿(𝑇𝑇𝑏𝑏 )𝐶𝐶𝑜𝑜 ) − �𝐵𝐵𝑜𝑜 𝐾𝐾(𝑇𝑇𝑏𝑏 )�
𝐵𝐵𝑐𝑐 = −𝐿𝐿(𝑇𝑇𝑏𝑏 ); 𝐶𝐶𝑐𝑐 = −𝐾𝐾(𝑇𝑇𝑏𝑏 )
où 𝐴𝐴𝑜𝑜 , 𝐵𝐵𝑜𝑜 et 𝐶𝐶𝑜𝑜 sont les matrices A, B et C du système augmenté présenté en (54), 𝐿𝐿(𝑇𝑇𝑏𝑏 ) est le
gain de Kalman et 𝐾𝐾(𝑇𝑇𝑏𝑏 ) le gain du LQR.

Bien que la méthode LQG/LTR donne un système de troisième ordre, un contrôleur simplifié,
présenté à la figure 67, est proposé. Ce dernier prend la forme d’un compensateur par retard de
phase d’ordre 1, où 𝑊𝑊𝑝𝑝 = 10 et 𝑊𝑊𝑧𝑧 = 90 et ayant un gain 𝐹𝐹𝑐𝑐 non linéaire, fonction du couple
de freinage appliqué.

6.5 (62)
𝐹𝐹𝑐𝑐 =
𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )
Le compensateur réduit prend la forme finale présentée en figure 67.

Figure 67: Compensateur non-linéaire pour la boucle fermée

Le diagramme de Bode du contrôle LQG/LTR non linéaire sur deux points de fonctionnement
est comparé avec l’approximation d’un retard de phase (CBF) à la figure 68. On note que
l’approximation est valide de 0 à 10rad/s. De plus, on remarque, à la figure 69 que la bande
94 Contrôleurs

passante du système contrôlé boucle ouverte (compensateur + système) est aussi de 10 rad/s.
Les marges de gain et de phase du système contrôlé par le compensateur réduit (CBF) sont
présentées dans le tableau 7. Finalement, le diagramme de Nichols est présenté à la figure 70.

Marge de gain [dB] Marge de phase [deg]

𝑇𝑇𝑏𝑏 = 60 [Nm] 11.31 82.59
𝑇𝑇𝑏𝑏 = 80 [Nm] 11.46 82.38
𝑇𝑇𝑏𝑏 = 100 [Nm] 11.75 81.96
𝑇𝑇𝑏𝑏 = 120 [Nm] 12.47 80.73
𝑇𝑇𝑏𝑏 = 140 [Nm] 13.60 78.11
Tableau 7 : Marges de gain et marges de phase du système contrôlé sur chaque point de
fonctionnement

Bode Diagram
100
Magnitude (dB)

80

60

40
45
LQG 60Nm
CBF 60Nm
Phase (deg)

0
LQG 140Nm
CBF 140Nm
-45

-90
-1 0 1 2 3 4
10 10 10 10 10 10
Frequency (rad/s)

Figure 68: Comparaison entre le LQG/LTR et le compensateur simplifié sur deux points de
fonctionnement (C(s)).

Note : la phase de CBF 60Nm n’est pas visible puisqu’elle est identique à celle de CBF
140Nm.
 95

Bode Diagram
20

Magnitude (dB)
0

-20

-40

-60
0
-45 60Nm
Phase (deg)

80Nm
-90
100Nm
-135 120Nm
-180 140Nm
-225
-270 0 1 2 3
10 10 10 10
Frequency (rad/s)

Figure 69: Réponse en fréquence du système contrôlé (compensateur + système) en boucle

ouverte (L(s)) pour 5 points de fonctionnement de 60 à 140 Nm

Nichols Chart
40
60Nm 0 dB

30 80Nm 0.25 dB
100Nm
0.5 dB
120Nm
Open-Loop Gain (dB)

20 1 dB
140Nm -1 dB

10 3 dB
-3 dB
6 dB

0 -6 dB

-10 -12 dB

-20

-405 -360 -315 -270 -225 -180 -135 -90 -45

Open-Loop Phase (deg)

Figure 70: Diagramme de Nichols du système contrôlé (compensateur + système) en boucle

ouverte (L(s)) pour 5 points de fonctionnement de 60 à 140 Nm
96 Contrôleurs

Les performances temporelles du compensateur réduit et du LQG/LTR ont été observées en

simulation. La figure 71 montre les résultats obtenus pour des consignes de glissement de 1%,
2% et 3% sur le système non linéaire retardé de 40 ms. On note que le CBF (compensateur
réduit) n’amortit pas la résonnance du système, mais le résultat est acceptable.

Figure 71: Comparaison de la réponse à une consigne de glissement de 1 à 3%, sur asphalte
sec, entre le compensateur réduit et le LQG/LTR.
 97

5.4.1 Contrôleur boucle fermée sur une route trois fois plus glissante que
l’asphalte sec
Le contrôleur obtenu dans la section précédente est un compensateur réduit et réglé pour un
véhicule circulant sur une route asphaltée sèche. Tel que démontré précédemment, le type de
route peut être représenté par un gain sur le système. Ainsi, pour adapter le contrôleur à une
surface 𝑟𝑟 fois plus glissante que l’asphalte sec, un gain de 1/𝑟𝑟 est ajouté au contrôleur. Ce
gain peut être ajusté par l’utilisateur ou obtenu par l’estimateur d’adhérence. Pour les essais
suivants, une route trois fois plus glissante a été envisagée. Ainsi, un gain de 0.33 est ajouté au
contrôleur. La figure 76 montre la réponse à un échelon de consigne pour un véhicule
circulant sur une route trois fois plus glissante que l’asphalte sec. La figure 73 montre la
réponse à l’échelon de ce même contrôleur pour une route sèche (r=1). On remarque que le
temps d’établissement est augmenté, ce qui est normal puisqu’un gain de 0.33 a été ajouté au
contrôleur. Ainsi, l’augmentation de la robustesse du système aux variations de type route
diminue les performances temporelles du système contrôlé boucle fermée.

Afin d’améliorer les performances du système, un contrôleur boucle ouverte est proposé dans
la prochaine section.
98 Contrôleurs

Figure 72: Comparaison de la réponse à une consigne de glissement de 1 à 3% du système

contrôlé par le LQG/LTR et par le compensateur simplifié pour r = 3
 99

Figure 73: Comparaison de la réponse à une consigne de glissement de 1 à 3% du système

contrôlé par le LQG/LTR et par le compensateur simplifié pour r = 1
100 Contrôleurs

5.5 Contrôle en boucle ouverte

Tel que mentionné précédemment, le délai observé sur le système est important. Il varie de 25
à 40 millisecondes. Certaines expériences proposent des délais qui peuvent atteindre 0.12
seconde. L’ajout d’un intégrateur dans la rétroaction sert à contrer l’effet des non-linéarités et
des incertitudes paramétriques sur la réponse en régime permanent du système. Ce pôle ajoute
une constante de temps supplémentaire qui peut retarder davantage la réponse du système.
L’intégrateur ne permet fondamentalement pas d’accélérer la réponse transitoire. Il devient
difficile d’obtenir un contrôleur qui répond aux spécifications en temps désiré. Une commande
en boucle ouverte est donc ajoutée afin d’améliorer le temps de réponse à la limite de ce que
permet l’effet du délai.

La commande en boucle ouverte est modélisée en utilisant la méthode d’annulation des pôles
et zéros « modèle inverse ». Un système boucle ouverte de premier ordre est spécifié comme
système contrôlé :

𝑤𝑤𝑛𝑛 (63)
𝐶𝐶(𝑠𝑠)𝐺𝐺(𝑠𝑠) = 𝐿𝐿(𝑠𝑠) =
𝑠𝑠 + 𝑤𝑤𝑛𝑛

où 𝑤𝑤𝑛𝑛 est la fréquence naturelle désirée du système contrôlé boucle ouverte.

Ainsi, le contrôleur boucle ouverte linéarisé sur un point de fonctionnement prend la forme :

𝐿𝐿(𝑠𝑠) (64)
𝐶𝐶(𝑠𝑠) =
𝐺𝐺(𝑠𝑠)

où 𝐶𝐶(𝑠𝑠) est le contrôleur, 𝐿𝐿(𝑠𝑠) est le système linéaire boucle ouverte désiré et 𝐺𝐺(𝑠𝑠) est le
système non linéaire. Afin de simplifier la représentation des équations d’état du contrôleur C,
les valeurs numériques de 𝑇𝑇𝑧𝑧 =0.1 et 𝑇𝑇𝑤𝑤 =0.01 ont été utilisées. Ainsi, le contrôleur boucle
ouverte non linéaire C prend la forme :

𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 (65)

𝑦𝑦 = 𝐶𝐶𝐶𝐶 + 𝐷𝐷𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟

−(𝑊𝑊𝑛𝑛 + 10) 1
𝐴𝐴 = � �
−10𝑊𝑊𝑛𝑛 0
 101

𝑊𝑊𝑛𝑛 20𝑍𝑍(𝑇𝑇𝑏𝑏 ) − 0.1𝑊𝑊𝑛𝑛 − 1

𝐵𝐵 = � �
100𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) 1000 − 𝑊𝑊𝑛𝑛

𝑊𝑊𝑛𝑛
𝐶𝐶 = [1 0]; 𝐷𝐷 = � �
1000𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )

où y est le couple moteur commandé (𝑇𝑇𝑏𝑏 ) et 𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 est le glissement de référence.

Une simplification du contrôleur est obtenue par analyse fréquentielle (figure 75). Ainsi, le
contrôleur 𝐶𝐶 est remplacé par le système 𝐶𝐶𝑚𝑚 qui a la forme :

1 2
𝑊𝑊𝑛𝑛𝑛𝑛 (66)
𝐶𝐶𝑚𝑚 =
𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 ) 𝑠𝑠 2 + 2𝜁𝜁𝑊𝑊𝑛𝑛𝑛𝑛 𝑠𝑠 + 𝑊𝑊𝑛𝑛𝑛𝑛
2

où 𝜁𝜁=1, 𝑊𝑊𝑛𝑛𝑛𝑛 = 10 + 0.2(Wn − 10) et où 𝑊𝑊𝑛𝑛 est la fréquence naturelle du système contrôlé
désiré 𝐿𝐿(𝑠𝑠). Comme il est question d’un contrôleur boucle ouverte et qu’il est facile d’obtenir
l’équation du couple moteur en régime permanent en fonction du glissement commandé, une
1
deuxième simplification est faite. Le gain 𝐾𝐾𝑝𝑝 (𝑇𝑇𝑏𝑏 )
est remplacé par un gain non linéaire 𝐹𝐹𝑐𝑐 ,

fonction de sa propre entrée 𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 . Ce gain non linéaire donne l’inverse du couple moteur
appliqué en régime permanent en fonction de la commande de glissement r et prend la forme
suivante :

𝐹𝐹𝑐𝑐 = 228626�𝜆𝜆𝑟𝑟𝑟𝑟𝑟𝑟 � + 11092 (67)

où y et u sont respectivement la sortie et l’entrée de la fonction non linéaire. Cette fonction est
valide pour 𝜆𝜆 ≤ 0. Le schéma de la commande boucle ouverte est présenté à la figure 74.

Figure 74: Contrôle simplifié en boucle ouverte

102 Contrôleurs

Bien que cette dernière simplification semble importante, elle n’affecte que très peu le
comportement du contrôleur et elle permet d’éliminer une rétroaction. La figure 75 montre les
diagrammes de Bode du contrôleur 𝐶𝐶 et ceux du contrôleur simplifié 𝐶𝐶𝑚𝑚 pour deux points de
fonctionnement en glissement (0.6% et 2.6%) et pour une fréquence naturelle de 20 rad/s (𝑤𝑤𝑛𝑛 )
du système contrôlé 𝐿𝐿. On voit que les contrôleurs 𝐶𝐶 et 𝐶𝐶𝑚𝑚 ont une réponse fréquentielle
similaire pour les fréquences inférieures à 100 rad/s.

La figure 76 montre les diagrammes de Bode du système 𝐶𝐶𝑚𝑚 𝐺𝐺 (système contrôlé), où G(s) est
le système non linéaire incluant un retard pur de 40 millisecondes, sur deux points de
fonctionnement (0.6% et 2.6%). La bande passante du système contrôlé est de 16 rad/s. La
figure 77 compare la réponse temporelle du contrôle simplifié (Cm) et celle du contrôleur non
simplifié (C) pour trois consignes de glissement; 1%, 2% et 3%. Finalement, la figure 78
montre la réponse temporelle des deux contrôleurs (simplifié et non simplifié) sur le système
non linéaire pour trois consignes de 1%, 2% et 3%.

Bode Diagram
Cm (λref =0.6%)
100
C (λref =0.6%)
Magnitude (dB)

80 Cm (λref =2.6%)
C (λref =2.6%)
60

40

-45
Phase (deg)

-90

-135

-180
0 1 2
10 10 10
Frequency (rad/s)

Figure 75: Comparaison entre les réponses en fréquence du contrôle boucle ouverte simplifié
𝐶𝐶𝑚𝑚 (s) et non simplifié C(s)
 103

Bode Diagram
0

-10

Magnitude (dB)
-20

-30

-40

0 CmG (λref =0.6%)

CmG (λref =2.6%)

Phase (deg)

-90

-180

-270
0 1 2
10 10 10
Frequency (rad/s)

Figure 76: Bode du système contrôlé 𝐶𝐶𝑚𝑚 (𝑠𝑠)𝐺𝐺(𝑠𝑠) sur 2 points de fonctionnement
104 Contrôleurs

λref = 0.01
0
C
Cm
Tb (Nm)

-50

-100
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Temps (s)
λref = 0.02
0

-50
Tb (Nm)

-100

-150
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Temps (s)
λref = 0.03
0

-50
Tb (Nm)

-100

-150
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
Temps (s)

Figure 77: Comparaison du couple de freinage (𝑇𝑇𝑏𝑏 ) des contrôleurs C et 𝐶𝐶𝑚𝑚 lorsqu’ils sont
soumis à trois échelons (référence en glissement) de -0.01, -0.02 et -0.03 sur asphalte sec
 105

Figure 78: Comparaison du glissement résultant des systèmes contrôlés CG et 𝐶𝐶𝑚𝑚 𝐺𝐺 pour trois
échelons sur asphalte sec.
106 Contrôleurs

5.6 Mise en place du contrôleur boucle ouverte et boucle fermée

Un objectif de contrôle important du projet de recherche est d’assurer la stabilité du contrôleur
développé pour une route jusqu’à trois fois plus glissante que l’asphalte sec. En section 5.4.1,
un contrôleur boucle fermée robuste à une route trois fois plus glissante que l’asphalte sec est
proposé. Ce contrôleur, lorsqu’utilisé sur l’asphalte sec, répond trop lentement. En section 5.5,
un contrôle en boucle ouverte est proposé pour répondre rapidement à la commande. En
ajoutant, au contrôleur boucle ouverte (CBO), un contrôleur boucle fermée (CBF), via un
précompensateur, les performances sont améliorées. La figure 62 montre l’allure du contrôleur
proposé.

Les résultats qui suivent donnent l’analyse temporelle du système contrôlé en simulation. Le
délai du système simulé était de 40 ms; le contrôle en boucle fermée était optimisé pour une
surface deux fois plus glissante que l’asphalte sec et le gain boucle ouverte (Gain BO) était de
0.8. La figure 79 compare les résultats obtenus par le contrôle simplifié boucle fermée (CBF)
et le contrôle boucle ouverte et boucle fermée (CBF-BO) pour trois commandes de glissement,
lorsque le véhicule circule sur l’asphalte sec. On remarque l’amélioration importante du temps
de réponse due à l’ajout du contrôleur boucle ouverte, comparativement aux résultats obtenus
par le contrôle boucle fermée. La figure 80 compare les deux mêmes contrôleurs, mais pour
une route trois fois plus glissante que l’asphalte sec.
 107

Figure 79: Comparaison de la réponse à trois échelons (1, 2 et 3%) du contrôle CBF et CBF-
BO sur l’asphalte sec.
108 Contrôleurs

Figure 80: Comparaison de la réponse à trois échelons (1, 2 et 3%) du contrôle CBF et CBF-
BO sur une route trois fois plus glissante que l’asphalte sec.
 109

5.7 Résultats expérimentaux

5.7.1 Procédure expérimentale
Une fois de plus, le prototype PRT1 a été utilisé en mode tout électrique (Figure 34). Plusieurs
séries de tests ont été faites sur de l’asphalte sec et de l’asphalte ensablé (Figure 81). Ce
dernier type de route est environ trois fois plus glissant que l’asphalte sec. Il correspond assez
bien à la condition limite identifiée dans les objectifs de contrôle. L’observation du glissement
pour tous les types de contrôleur est faite en utilisant « l’estimateur de glissement par
l’observation des vitesses », sans annulation du sinus (section 4.3.2).

Figure 81: Type de route pour essais expérimentaux sur route glissante

Dans toutes les séries de tests, l’échelon est utilisé (glissement référence) sur l’entrée du
système commandé. Les essais se sont faits sur une route non inclinée et sans manœuvre
latérale du pilote.
110 Contrôleurs

5.7.2 Contrôleur boucle fermée non linéaire

Ainsi, le contrôleur boucle fermée implanté dans le véhicule prend la forme

Figure 82: Contrôleur LQG implanté dans le véhicule

Dans les figures suivantes, les résultats expérimentaux ont été comparés aux résultats de
simulation. En simulation, un bruit de mesure correspondant au bruit observé
expérimentalement est ajouté. L’ajout du bruit de mesure en simulation est important,
puisqu’une zone morte est ajoutée au contrôleur boucle fermée. La figure 83 montre les
résultats obtenus pour une commande échelon, de glissement, de 0.01, 0.02 et 0.03. Le LQG
non linéaire est optimisé pour une surface en asphalte sec (r=1). Les résultats expérimentaux
(Exp) obtenus sont semblables aux résultats de simulation (Sim). L’erreur en régime
permanent est nulle, le dépassement est acceptable et le temps d’établissement (95%) est
inférieur à 0.5 seconde. Il est à noter que le délai observé est de 62, 60 et 75 millisecondes
respectivement pour les trois essais, ce qui est supérieur à la moyenne des délais observés lors
de la modélisation du glissement.

La figure 84 montre un contrôleur boucle fermée optimisé pour une surface trois fois plus
glissante que l’asphalte sec (r=3), mais utilisé sur l’asphalte sec. On remarque une diminution
des performances temporelles due à l’optimisation du contrôleur pour un r=3. Encore une fois
des délais importants sont observés, soit 0.1, 0.12 et 0.07 seconde.

Finalement, à la figure 88 le contrôleur non linéaire, optimisé pour r=3, est utilisé sur une
route trois fois plus glissante que l’asphalte sec. Pour les trois essais, le délai observé était
d’environ 0.1 seconde.
 111

Figure 83: Résultats expérimentaux et de simulation du contrôleur LQG sur l’asphalte sec.
112 Contrôleurs

Figure 84: Résultats expérimentaux et de simulation du contrôleur LQG r3 sur l’asphalte sec.
 113

Figure 85: Résultats expérimentaux et de simulation du contrôleur LQG r=3 sur l’asphalte
ensablé.

5.7.3 Contrôleur boucle ouverte

Le contrôleur boucle ouverte a été utilisé sur l’asphalte sec. Ici l’objectif est de valider que le
comportement observé en pratique est semblable à celui obtenu en simulation. On remarque
114 Contrôleurs

que les trois résultats expérimentaux sont semblables aux résultats de simulation. Un délai de
0.08 seconde est observé sur le premier résultat et un délai d’environ 0.045 seconde est
observé sur les deux suivants.

Figure 86: Résultats expérimentaux et de simulation du contrôleur boucle ouverte sur une
route sèche.
 115

Évidemment, l’utilisation de ce contrôleur sur une surface glissante provoquerait une perte de
stabilité comme le montre la figure suivante. Ici la surface était environ trois fois plus glissante
que l’asphalte sec.

Figure 87: Résultats expérimentaux et de simulation du contrôleur boucle ouverte sur une
route trois fois plus glissante que l’asphalte sec.
116 Contrôleurs

5.7.4 Contrôle en boucle ouverte et en boucle fermée non linéaire

L’ajout du contrôleur boucle ouverte (CBO) au contrôleur boucle fermée (CBF) donne de
bons résultats. Plusieurs essais ont été faits afin de trouver la bonne combinaison entre la
rapidité du CBO sur l’asphalte sec et la robustesse du CBF sur une route plus glissante. Ainsi,
un CBF optimisé pour une surface 1.7 fois plus glissante et un CBO avec un « Gain BO » de
0.6 (voir figure 62) a été choisi.

La figure 88 montre le résultat obtenu par ce contrôleur sur l’asphalte sec. Une fois de plus, on
remarque que les simulations suivent bien les résultats expérimentaux et que le temps
d’établissement et le dépassement atteignent les objectifs de contrôle.

La figure 89 montre le résultat du même contrôleur sur une surface environ trois fois plus
glissante que l’asphalte sec. Pour cette série de tests, les délais observés sont importants et
varient de 0.08 à 0.12 seconde. On remarque que même sur une route glissante, le contrôleur
respecte les objectifs de contrôle. Le temps d’établissement est inférieur à 0.5 seconde, l’erreur
en régime permanent est nulle et le dépassement est faible.
 117

Figure 88: Résultats expérimentaux et de simulation du contrôleur CBO-BF sur route sèche.
118 Contrôleurs

Figure 89: Résultats expérimentaux et de simulation du contrôleur CBO-BF sur une route trois
fois plus glissante que l’asphalte sec.
 119

(1) Variation subite de l’état de la route lors du freinage

L’utilisation du « curve fitting », pour l’identification d’un contrôle en boule ouverte fait
tendre le système contrôlé vers un système de premier ordre et fait en sorte que la variation du
couple moteur (𝑇𝑇𝑏𝑏̇ ) est relativement faible. Ainsi, lorsque le véhicule circule sur une surface
glissante et qu’une commande de glissement est faite, le couple moteur varie relativement
lentement jusqu’à arriver au couple moteur qui permet d’obtenir une erreur nulle en régime
établi. Cette variation lente du couple moteur provenant du contrôleur boucle ouverte permet
au contrôleur boucle fermée, via le précompensateur, d’ajuster le tir, si nécessaire.
Lorsque le véhicule freine et que la surface change instantanément d’une surface sèche à une
surface moins adhérente, le changement est brusque et le contrôleur boucle fermée n’a pas le
temps d’ajuster le couple moteur, ce qui provoque une perte d’adhérence durant une certaine
période. Cette période ne peut pas être plus courte que le délai du système. Ainsi, peu importe
l’efficacité du système de contrôle implanté dans le véhicule, si le délai du système est
important, il y aura une perte d’adhérence d’une durée importante.
La figure 90 montre des essais expérimentaux de freinage lorsque le véhicule passe d’une
surface en asphalte sec à une surface trois fois plus glissante. On remarque la perte
d’adhérence et l’effet du contrôleur boucle fermée qui, malgré cette variation subite, réussit à
ramener le glissement à la valeur désirée. La partie grise de la figure représente la portion du
test où le véhicule freinait sur l’asphalte sec. La partie jaune sable correspond à la section où le
véhicule freinait sur le sable.
120 Contrôleurs

Figure 90: Résultats expérimentaux, lorsque le type de route passe de l’asphalte sec au sable,
alors que pilote freine
 121

5.8 Conclusion
Dans cette étude, plusieurs contrôleurs de glissement ont été développés et implantés dans le
véhicule. Les objectifs de contrôle étant la poursuite d’une commande de glissement, avec un
temps d’établissement inférieur à 0.5 seconde, un faible dépassement et une erreur inférieure à
0.01 en régime permanent. Le système contrôlé est un système de deuxième ordre, incluant un
zéro qui provoque un fort dépassement en réponse à un échelon (couple moteur). De plus, le
système comprend un retard important qui varie de 0.03 à 0.12 seconde.

Un contrôleur boucle fermée non linéaire optimisé pour l’asphalte sec est proposé. Ce
contrôleur peut être ajusté pour faire face à plusieurs types de route. Ainsi, un contrôleur de
type r=3 est robuste pour une surface de 1 à 3 fois plus glissante que l’asphalte sec. Bien que
ce contrôleur répond à la majorité des critères de performance voulus, le contrôleur optimisé
pour une surface trois fois plus glissante que l’asphalte sec a un temps d’établissement
supérieur à 0.5 seconde, lorsqu’utilisé sur l’asphalte sec.

Un contrôleur boucle ouverte a aussi été étudié. Ce contrôleur, bien que rapide, ne permet pas
de suivre la consigne lorsqu’il y a un changement de route. Une combinaison du contrôleur
boucle fermée et boucle ouverte est donc proposée pour assurer la stabilité du système lors de
variations paramétriques tout en assurant un temps d’établissement rapide lorsque le véhicule
circule sur une route sèche. Tous les contrôleurs ont été testés expérimentalement sur une
route en asphalte sec et ensablé.
CHAPITRE 6 CONCLUSION

6.1 Objectif atteint

Ce projet de recherche a permis, dans un premier temps, d’établir les grands principes
entourant le freinage régénératif global et optimal. Ainsi, deux nouvelles stratégies ont été
développées, dont l’une permet un freinage régénératif quasi-optimal même en présence de
variations paramétriques importantes, tout en assurant la stabilité longitudinale du véhicule. La
preuve de concept entourant cette dernière stratégie en glissement est l’originalité principale
de ce projet de recherche.

Dans un deuxième temps, le projet a permis de mettre au point des observateurs de glissement
et un estimateur d’état de la route sur un système non linéaire soumis à des perturbations.
Ainsi deux observateurs sont proposés. Un premier utilise deux filtres de Kalman, un pour
estimer la vitesse du véhicule et un autre pour estimer la vitesse de la roue. L’originalité de ce
premier observateur vient de l’utilisation du modèle de décélération du véhicule dans le filtre
de Kalman permettant l’observation de la vitesse de la roue. Bien que ce premier observateur
donne de bons résultats, il ne permet pas une observation précise lorsque la dynamique du
glissement est élevée. Ainsi, un deuxième observateur est proposé. Il utilise un filtre de
Kalman qui inclut un modèle non linéaire du glissement, fonction du couple moteur.
L’utilisation du modèle non linéaire de type boîte noire, ainsi que l’ajout du paramètre
incertain r, estimé par l’algorithme RLS, sont les originalités principales de cet observateur.
Même s’il est sensible aux variations paramétriques, ce deuxième observateur permet une
meilleure observation du glissement lorsque la dynamique de ce dernier est élevée. Grâce à
ces deux observateurs, il a été démontré qu’il est possible d’estimer avec précision le
glissement de la roue motrice.

Finalement, le projet a permis de mettre au point un contrôleur de glissement dont l’efficacité

a été démontrée aussi bien en simulation qu’expérimentalement. Les objectifs de contrôle et la
présence d’un délai important ont forcé la mise en place d’une stratégie complexe, qui exploite
un contrôleur boucle ouverte, un pré-compensateur et un contrôleur boucle fermée.
L’originalité vient de l’architecture du contrôleur et des nombreux résultats expérimentaux.

123
124 CONCLUSION

Ainsi, il a été démontré qu’il est possible de contrôler le glissement de la roue propulsée, sur
un système incertain, comprenant un important délai.

6.2 Perspective et travaux futurs

L’implantation d’une stratégie optimale de freinage régénératif sur un véhicule récréatif
permettra au pilote d’améliorer son efficacité lors du freinage à l’aide d’une barre d’intensité
présente sur le tableau de bord. Une telle stratégie pourrait aussi être implantée dans un
véhicule autonome qui serait à même de commander le glissement sur la ou les roues
propulsées.

S’il est possible d’améliorer l’efficacité énergétique du véhicule récréatif en utilisant une
stratégie optimale lors du freinage du véhicule, il serait aussi possible d’obtenir une
amélioration en proposant une stratégie optimale lors de l’accélération du véhicule, de la
même façon qu’il serait possible de proposer une stratégie optimale lorsqu’il n’y a ni
accélération, ni décélération. Ainsi, l’étude d’une commande d’accélération optimale et d’une
commande de maintien de la vitesse optimale permettrait d’avoir une vision complète de
l’efficacité avec laquelle le pilote commande le véhicule.

D’un point de vue technologique, il y aurait de grands avantages à diminuer le délai présent
dans le système de commande de l’onduleur du véhicule récréatif. L’implantation du
contrôleur de freinage régénératif directement dans l’onduleur pourrait permettre de diminuer,
voire même, d’éliminer ce délai.

Les observateurs de glissement pourraient être utilisés avec un grand nombre de

contrôleurs/limiteurs de glissement et ne sont pas restreints à l’utilisation qui en a été faite
dans ce véhicule. L’estimation de l’état de la route pourrait aussi être implantée dans une
multitude d’autres algorithmes ce qui permettrait d’améliorer la stabilité des véhicules.

Plus globalement, les travaux présentés dans cette thèse ont été adaptés à un prototype de
véhicule récréatif hybride mais les concepts sont transférables sur tous les véhicules hybrides
ou purement électriques.
ANNEXE A – Acquisition de la vitesse des roues.
La vitesse des roues est obtenue via l’encodeur présent sur chacune des roues. Nous avons
utilisé la roue dentelée présente sur le véhicule et nous avons ajouté un deuxième capteur.
Bien que le capteur déjà installé sur le véhicule aurait pu être utilisé, il a été jugé plus
sécuritaire de ne pas toucher au capteur déjà utilisé par le VSS.

Figure 91: Roue dentelée et capteurs

Figure 92: Électronique du capteur de vitesse

125
126 ANNEXE A

Le capteur émet une onde carrée dont l’amplitude est de 1 volt centré sur 10.5 volts et dont la
fréquence est proportionnelle à la vitesse angulaire de la roue. Pour être analysé, le signal est
envoyé dans un comparateur à hystérésis qui produit une onde carrée 0-5volts et ensuite à un
microcontrôleur. Le microcontrôleur dsPIC30F4011 est utilisé pour calculer la fréquence de
cette onde. Pour obtenir la fréquence, le temps est calculé entre chacun des fronts montants.
Une bonne estimation de la fréquence est ainsi faite à chaque front montant et est envoyée, via
CAN-bus, au contrôleur Opal-RT (Figure 93)

Figure 93: Logique implanté dans le microcontrôleur

Voici le code C implanté dans le microcontrôleur :

///===>NOTE<===
// Ce programme calcule la période d’un encodeur et l’envoi sur le bus CAN.
// Un compteur est utilisé pour calculer le temps entre chaque front montant. Lorsqu’un front montant est détecté, la valeur
// du compteur donne la période. Dès qu’une nouvelle valeur est obtenue, cette dernière est envoyée sur le CAN.
// Les adresses du CAN sont définie par : OPA_SID et CAP_SID
// Si plusieurs capteurs sont utilisés, L’adresse CAN doit être changé.

///===>TODO<===
// Il serait avantageux de pouvoir changer l’adresse utilisé
// de façon dynamique sans avoir à reprogrammer le microcontrôleur.

///===>SDPIC<===
// dsPIC30F4011.

///===>CODE<===
// header files
#include "p30f4011.h"
#include "reset.h"
#include "incap.h"
#include "timer.h"

// Quelques init: Clock Extern 1x AND WD off

_FOSC(CSW_FSCM_OFF & XT);
_FWDT(WDT_OFF);

//Définitions
#define FRQMIN 5
#define FRQMAX 1024
#define FCY 10000000
#define NTQ 10
#define BITRATE 500000
#define BRP_VAL ((FCY/(2*NTQ*BITRATE))-1) // Formulae used for [Link]
// Adresse CAN
#define CAP_SID 0x0001 //J'ai commencé à 0002
#define OPA_SID 0x0002
 127

//Prototypes
void __attribute__((interrupt,no_auto_psv)) _IC1Interrupt(void);
void __attribute__((interrupt, auto_psv)) _C1Interrupt(void);
void InitCanM();
void intitialisation();
int main(void);
void CAN_send(unsigned long data);

//global variable
int i;
unsigned int ic1cap1h;
unsigned int ic1cap2h;
unsigned int ic1cap1l;
unsigned int ic1cap2l;
unsigned long ic1cap1;
unsigned long ic1cap2;
unsigned long dific1cap12;
unsigned int dific1cap12l;
unsigned int dific1cap12h;
unsigned int gconfig3;
unsigned int err;
unsigned int errf;
unsigned int newval;
unsigned int txing;
unsigned int wrting0;
unsigned int wrting1;

void capclear1(void){
IC1CON = 0x0000;
}
void capclear2(void){
IC2CON = 0x0000;
}
void intitialisation(void){
// Cette fonction initialise les différents registres du microcontrôleur.
// I/O as a output
TRISB = 0x0000;
LATB = 0x0000;
TRISC = 0x0000;
LATC = 0x0000;
TRISE = 0x0000;
LATE = 0x0000;
TRISF = 0x0000;
LATF = 0x0000;
// Configure ANx pins used by ICD for digital i/o
ADPCFG = 0xFFFF;
// WD off
WDTSWDisable;
// eCAN Set up
InitCanM();
// Timer23 set up
TMR3 = 0;
unsigned int config2 = T2_ON&T2_IDLE_STOP&T2_GATE_OFF&T2_PS_1_1&T2_32BIT_MODE_ON&T2_SOURCE_EXT;
unsigned int config3 = T3_ON&T3_IDLE_STOP&T3_GATE_OFF&T3_PS_1_1;
unsigned int period2 = 0xFFFF;
unsigned int period3 = 0xFFFF;
[Link] = 0;
T3CON = config3 ;
[Link] = 0;
T2CON = config2 ;
[Link] = 0;
IFS0bits.T3IF = 0;
PR3 = period3;
IEC0bits.T3IE = 0;
IFS0bits.T2IF = 0;
PR2 = period2;
IEC0bits.T2IE = 0;
// IC1 set up
TRISDbits.TRISD0=1; // Make RD0/ IC1 pin as an imput
128 ANNEXE A

OpenCapture1(IC_IDLE_CON&IC_TIMER2_SRC&IC_INT_1CAPTURE&IC_EVERY_RISE_EDGE);
SetPriorityIntIC1(0xfff9);
IFS0bits.IC1IF = 0; //clear the IC1 interrupt status flag
IEC0bits.IC1IE = 1; // Enable IC1 interrupts
}
void InitCanM(){
// Initialisation de la communication CAN
TRISFbits.TRISF0=1;
TRISFbits.TRISF1=0;
[Link] = 0b100;
while([Link] != 0b100);
[Link] = 0; // input clock is 4*Fcy
[Link] = 1; // continue in idle mode
[Link] = 1; // enable capture
//baud rate configuration
[Link] = 1; // Synchronized jump width time is 2 x TQ
[Link] = BRP_VAL; // ((FCY/(2*NTQ*BITRATE))-1)
[Link] = 1; // wake up filter
C1CFG2bits.SEG2PH = 2; // Phase Buffer Segment 2 is 3 x TQ
C1CFG2bits.SEG2PHTS = 1; // Phase Segment 2 Time Select bit
[Link] = 1; // Bus line is sampled three times at the sample point
C1CFG2bits.SEG1PH = 2; // Phase Buffer Segment 1 is 3 x TQ
[Link] = 2; // Propagation Time Segment is 3 x TQ
//Interrupt configuration
[Link] = 0; // Invalid Message Received Interrupt Enable bit
[Link] = 0; // Bus Wake Up Activity Interrupt Enable bit
[Link] = 0; // Error Interrupt Enable bit
C1INTEbits.TX2IE = 1; // Transmit Buffer 2 Interrupt Enable bit
C1INTEbits.TX1IE = 1; // Transmit Buffer 1 Interrupt Enable bit
C1INTEbits.TX0IE = 1; // Transmit Buffer 0 Interrupt Enable bit
C1INTEbits.RX1IE = 0; // Receive Buffer 1 Interrupt Enable bit
C1INTEbits.RX0IE = 0; // Receive Buffer 0 Interrupt Enable bit
C1INTF = 0; // Reset all The CAN Interrupts
IFS1bits.C1IF = 0; // Reset the Interrupt Flag status register
IEC1bits.C1IE = 1; // Enable the CAN1 Interrupt
// Configure Receive registers, Filters and Masks
[Link] = 1; // enable roll over of RX0 into RX1 if overflow
C1RX0CON = C1RX1CON = 0; // clear flags
// Acceptance Mask Register0SID and Register1SID associated with Recieve Buffer0
// and Receive Buffer1 for CAN1
C1RXM0SID = C1RXM1SID = 0x1FFD; //all bits are checked
//Initializing of Acceptance Filter 0 Standard Identifier for CAN1
[Link] = 0; // filter only on SID, no EID
[Link] = CAP_SID; // filter ID
// Configure Transmit Registers Buffer 0 and Transmit Buffer 1
[Link] = 2; // mid-low priority
// Change to Loopback Operation Mode
// 2 = loop back ; 0 = normal operation mode
[Link] = 0;
while([Link] != 0);
}
int main(void){
intitialisation();
while(1)
{
if(newval==1)
{
CAN_send(dific1cap12);
newval=0;
}
}
}

void __attribute__((interrupt,no_auto_psv)) _IC1Interrupt(void){

ic1cap1h = ic1cap2h;
ic1cap2h = TMR3;
ic1cap1l = ic1cap2l;
ic1cap2l = IC1BUF;
ic1cap2 = ic1cap2l|(((unsigned long)ic1cap2h)<<16);
ic1cap1 = ic1cap1l|(((unsigned long)ic1cap1h)<<16);
 129

dific1cap12 = ic1cap2-ic1cap1;
errf = 0;
newval = 1;
IFS0bits.IC1IF = 0;
}
void __attribute__((interrupt, auto_psv)) _C1Interrupt(void){
if([Link]) //If the Interrupt is due to wake up activity on CAN bus
{
[Link] = 0; //clear flag
}
if(C1INTFbits.TX0IF)
{
C1INTFbits.TX0IF = 0; //If the Interrupt is due to Transmit0 of CAN1 Clear the Interrupt
}
else if(C1INTFbits.TX1IF)
{
C1INTFbits.TX1IF = 0; //If the Interrupt is due to Transmit1 of CAN1 Clear the Interrupt
}
if(C1INTFbits.RX0IF)
{
C1INTFbits.RX0IF = 0; //If the Interrupt is due to Receive0 of CAN1 Clear the Interrupt
[Link] = 0; // clear receive flag
}
else if(C1INTFbits.RX1IF)
{
C1INTFbits.RX1IF = 0; //If the Interrupt is due to Receive1 of CAN1 Clear the Interrupt
[Link] = 0; // clear receive flag
}
IFS1bits.C1IF = 0; //Clear interrupt flag
}
void CAN_send(unsigned long data) {
unsigned int sid = 0;
unsigned int data1 = 0;
unsigned int data2 = 0;
//convert SID to SID<5:0> and SID <10:6>
sid = OPA_SID ;
C1TX0SIDbits.SID5_0 = sid & 0x3F; // SID<5:0>
C1TX0SIDbits.SID10_6 = (sid & 0x7C0 )>>6; // SID<10:6>
[Link] = 0; // Substitute Remote Request bit
[Link] = 0; // Extended Identifier bit
C1TX0DLCbits.TXRB0 = 0; // must be zero by CAN protocol
C1TX0DLCbits.TXRB1 = 0; // must be zero by CAN protocol
[Link] = 4; // Data word Length for CAN1 Transmit Buffer0
// Data Field ; 2 byte length
data2 = (unsigned int)((data&0xFFFF0000)>>16);
data1 = (unsigned int)(data&0x0000FFFF);
data2 = ((data2 & 0x00FF)<<8)|((data2 & 0xFF00)>>8);
data1 = ((data1 & 0x00FF)<<8)|((data1 & 0xFF00)>>8);
C1TX0B1 = data2;
C1TX0B2 = data1;
//Enable transmission
[Link] = 1;
while([Link] == 1 && [Link] == 0); // wait until send is complete or error bit is set
return;
}
}
ANNEXE B – Article : Conception d'un ensemble de
stratégies, pour une récupération énergétique efficaces,
lors du freinage électrique, avec un outil d'indice de
performance.
L'objectif de cette étude est de concevoir des stratégies de freinage régénératif efficaces pour
un véhicule récréatif électrique propulsé par son unique roue arrière. Les études actuelles
offrent plusieurs stratégies qui optimisent le freinage régénératif. Par contre, il n’existe aucun
outil qui permette d’évaluer l’acceptabilité de ces stratégies. Dans cette étude, un outil qui
permet d’obtenir l'indice de performance d’une stratégie donnée est proposé. L'indice de
performance est basé sur la connaissance d'un plan global d'efficacité, défini comme étant le
rapport entre la puissance entrante dans la batterie et la puissance cinétique extraite du
véhicule. Deux simulateurs sont mis en œuvre dans MATLAB/Simulink; le premier propose
un modèle qui inclut le glissement de la roue arrière, tandis que le deuxième ne considère pas
le glissement. Les deux simulateurs prennent en compte la dynamique longitudinale du
véhicule, ainsi que l'efficacité de la chaîne électrique. Ces simulateurs ont été validés
expérimentalement. La carte d'efficacité globale, tirée des simulations, a également été validée
expérimentalement par des mesures de freinage sur une route d'asphalte sec à partir de 50
km/h à 0 km/h. Cette carte d'efficacité globale est utilisée pour concevoir la stratégie optimale
(avec et sans considération du glissement de la roue). Les simulations montrent qu'il existe un
large éventail de stratégies de freinage acceptables, entre 0 km/h et 50 km/h, lorsque le
véhicule circule sur une route en asphalte sec. Mon travail dans cette étude, s’est concentré sur
les essais expérimentaux. J’ai intégré les systèmes de mesure sur le véhicule, programmé et
intégré les commandes liées au système de freinage régénératif. J’ai aussi mis en place et
réalisé toutes les procédures expérimentales.

131
132 ANNEXE B
133
134 ANNEXE B
135
136 ANNEXE B
137
138 ANNEXE B
139
140 ANNEXE B
141
142 ANNEXE B
ANNEXE C – Correction de la vitesse longitudinale en
fonction de l’angle de braquage.
Lorsque le pilote impose un angle de braquage, la roue extérieure avant roule à une vitesse
supérieure à la roue intérieure puisque le rayon du cercle créé par la roue extérieure est plus
grand que celui créé par la roue intérieure (Figure 94, 95 et 96). La vitesse du véhicule ne peut
donc plus être directement estimée par la vitesse donnée par les encodeurs des roues avant.

Figure 94: Effet de l’angle de braquage sur la vitesse des roues

9 0.155
Roue avant droite
8 Véhicule
Angle de braquage

0.15
vitesse (m/s)

6 0.145

5
0.14
4

3 0.135
0 2 4 6 8 10 0 2 4 6 8 10
Temps (s) Temps (s)

Figure 95: Augmentation de la vitesse de la roue droite lorsque le pilote tourne à gauche

143
144 ANNEXE C

10 -0.14
Roue avant droite
Véhicule -0.15

Angle de braquage
vitesse (m/s) 8
-0.16

6 -0.17

-0.18
4
-0.19

2 -0.2
20 25 30 20 25 30
Temps (s) Temps (s)

Figure 96: Diminution de la vitesse de la roue droite lorsque le pilote tourne à droite

Un modèle empirique de correction sur les roues avant a été développé. Comme la roue arrière
est alignée sur l’axe longitudinal du véhicule, si le véhicule n’est pas accéléré, la roue arrière
donne exactement la vitesse longitudinale du véhicule. En utilisant la roue arrière comme
référence, une fonction a été trouvée pour éliminer l’effet des manœuvres du pilote sur les
roues avant.

𝑣𝑣𝑓𝑓𝑓𝑓𝑓𝑓 = 𝑣𝑣𝑓𝑓𝑓𝑓 (1 − 0.2083𝑑𝑑) (68)

où 𝑣𝑣𝑓𝑓𝑓𝑓𝑓𝑓 est la vitesse de la roue avant droite corrigée, 𝑣𝑣𝑓𝑓𝑓𝑓 est la vitesse donnée par l’encodeur
de la roue avant droite et 𝑑𝑑 est l’angle de braquage.

Une fois la correction faite, la vitesse obtenue est identique à celle du véhicule (Figure 97).
 145

Lorsque le pilot tourne à gauche

6 Roue avant droite corrigée

vitesse (m/s) 5.5 Véhicule

5
4.5
4
0 1 2 3 4 5 6 7 8 9 10
Temps (s)
Lorsque le pilot tourne à droite
8
Roue avant droite corrigée
vitesse (m/s)

7 Véhicule
6

4
18 20 22 24 26 28 30 32
Temps (s)

Figure 97: Correction de la roue avant droite en fonction du l’angle de braquage

LISTE DES RÉFÉRENCES
[1] Alazard, D., Cumer, C., Apkarian, P., Gauvrit, M., & Ferreres, G. (1999). Robustesse
et commande optimal. Toulouse: Cépaduès-Éditions
[2] Boisvert, D. Mammosser and P. Micheau, “Comparison of two strategies for optimal
regenerative braking, with their sensitivity to variations in mass, slope and road
condition”, 7th IFAC Symposium on Advances in Automotive Control, 2013, vol. 7,
Part 1, pp. 626-630, 2013.
[3] Burckhardt, M. (1993). Radshlupfregelsysteme. Vogelverlag
[4] Canudas, C., Olsson, H., & Astrom, J. (1995, Mars). A new model for control of
systems with friction. IEEE Transaction on automatic control , pp. Vol 40, No 3
[5] Bensoussan David (2008). Commande moderne, Approche par modèles continus et
discrets, Presses Internationales Polytechnique
[6] Denis, N., Sytème de gestion d’énergie d’un véhicule électrique hybride rechargable à
trois roues, Thèse de doctorat, Université de Sherbrooke, mai 2014
[7] Dorf, R. C., & Bishop, R. H. (2008). Modern Control System. Upper Saddle River:
Prentice Hall
[8] Dr. Hancock, M., & Dr. Assadian, F. (2006, Décembre 13). Impact of regenerative
braking on vehicle stability. IET Hybrid Vehicle Conference 2006 , pp. 173-184
[9] Falcone, P., Khoshfetrat Pakazad, P., & Solyom, S. (2009, Decenbre 16-18). Prdictive
Approaches to Rear Axle Regenerative Braking Control in Hybrid Vehicles. 48th
IEEE Conference on Decision and Control and 28th Chinese Control Conference
[10] Foito, D., Guerreiro, M., & Cordeiro, A. (2008). Anti-Slip Wheel Controller Drive for
EV using Speed and Torque Observers. International Conference on Electrical
Machines , ID 1282
[11] Hu, D., & Zong, H. (2009). Research on Information Fusion Algorithm for Vehicle
Speed information and Road Adhesion Property Estimation. IEEE , 3229-3234
[12] Kiencke, U., & Nielsen, L. Automotive Control System. Springer-Verlag
[13] Kwak, B., & Park, Y. (2001). Vehicle State Observer Using Adaptative Tire-Road
Friction Estimator. IEEE , 668-675
[14] Larminat, P. d. (1993). Automatique, commande des système linéaires. Paris: Hermès
[15] Li, B., Li, D., & Yu, F. (2007). Vehicle Yaw Stability Control Using the Fuzzy-Logic
Controller. IEEE
[16] Motoki, S., Naoya, M., YuQing, W., & Masao, N. (2000). Traction Control of
Electric Vehicles Considering Vehicle Stability. IEEE , pp. 311-316
[17] Mukhitdinov, Ruzimov, & Eshkabilov. (2006, Decembre 18-20). Optimal Control
Strategies for CVT of the HEV during regenerative process. Electrique and Hybrid
Vehicles, ICEHV 06, IEEE Conference , pp. 1-12

147
148 LISTE DES RÉFÉRENCES

[18] NOUH, A. (2008). Contribution au développement d'un simulateur pour les véhicules
électriques routiers. Belfort: Université de Technologie de Belfort-Montbéliard
[19] Pacejka, H., & Bakker, E. (1991). The Magic Formula Tyre Model. International
Colloquium on Tyre Models for Vehicle Dynamics
[20] Partenariat automobile du Canada . (2012, 01 20). Consulté le 02 27, 2012, sur
Partenariat automobile du Canada: [Link]/index_fra.asp
[21] Petersen, I. (2003). Wheel Slip Control In ABS Brakes Using Gain Scheduled
Optimal Control With Constraints. Trondheim, Norway: Norwegian University of
Science and Technology
[22] Richalet, J. (1998). Pratique de l'identification. Paris: HERMES
[23] Rill, G. (2006). Vehicle Dynamics. Fachhochschukle Regensburg: University of
applied sciences Hochschule Fur Technik Wirtschaft Soziales
[24] Petros A. Ioannou, Jing Sun (NA), Robust Adaptative Control
[25] Rolland, F. (2011). Simulation et optimisation paramétrique de la chaîne de
motorisation d'un véhicule électrique. Sherbrooke: Université de Sherbrooke
[26] Shino, M., Miyamoto, N., Wang, Y., & Nagai, M. (2000, Avril 1). Traction control of
electric vehicles considering vehicle stability. IEEE Advanced Motion Control , pp.
311-316
[27] Slotine, J.-J. E., & Li, W. (1991). Applied Nonlinear Control. New Jersey: Prendice
Hall
[28] Suntharalingam, P., Economou, J., & Knowles, K. (2010). Effect on regenerative
braking efficiency with deceleration demand and terrain condition
[29] T.D., Gillespie; Society of Automotive Engineers Inc. Fundamental of Véhicule
Dynamics. Warrendale
[30] Wang, F., & Zhuo, B. (2008, Fanuary). Regenerative braking strategy for hybrid
electric vehicles based on regenerative torque optimization control. Proc. IMechE.
Journal of Automobile Engineering , pp. 499-513
[31] Wang, G., & Li, S. (2009). A Novel Longitudinal Speed Estimator for Fully
Automation Ground Vehicle on Cornering Maneuver. IEEE , 433-437
[32] Weida, W., Nenggen, D., Xiangyang, X., & Jian, Z. (2007, August 18-21). Simulation
of the Control Strategy of Vehicular ASR System under the Circumstance of
Simulink. International Conference on Automation and Logistics
[33] Wu, L.-j. (2011). Experimental Study on Vehicle Speed Estimation Using
Accelerometer and Wheel Speed Measurements. IEEE , 294-297
[34] Yeo, H., & Kim, H. (2006). Regenerative braking algorithm for a hybrid electric
vehicle with CVT ratio control. Automobile Engineering , pp. 1589-1600
[35] Yimin, G., Liang, C., & Ehsami, M. (2007, Septembre 9-12). Desing and Control
Principles of Hybrid Braking. IEEE , pp. 384-391
 149

[36] Zhang, J., Yin, C., & Zhang, J. (2006, June 25-28). Use of Fuzzy Controller for
Hybrid Traction Control System in Electric Vehicles. International Conference on
Mechatronics and Automation
[37] Mammosser, D., Micheau, P., Boisvert, M. (2012, November 19-22). Simulation of
regenerative braking strategies on slippery roads for a 3-wheel hybrid vehicle, EEVC
Brussels
[38] Chunting, Mi, (2005, Mars). Iterative learning control of antilock braking of electric
and hybrid vehicles, IEEE Transactions on Vehicular Technology
[39] Document interne du CTA, (2010)
[40] Brossard, Jean-Pierre, (2009). Dynamique du Freinage, Presse polytechniques et
universitaires romandes
[41] [Link], SOME REMARKS ON PADÉ-APPROXIMATIONS, 3rd TEMPUS-
INTCOM Symposium, September 9-14, 2000, Veszprém, Hungary
[42] Casanellas, F. (1994). Losses in PWM inverters using IGBTs. Electric Power
Applications, IEE Proceedings, volume 141, numéro 5, p. 235-239
[43] Angarita Gil, K. P. (2012). Modélisation Électrique et Analyse d'une Cellule Lithium.
Mémoire de maîtrise, Université de Sherbrooke, Sherbrooke, Québec, Canada, 124 p
[44] Krishnan, R. (2010). Permanent Magnet Synchronous and Brushless DC Motor
Drives. CRC Press, 611 p
[45] Yoong MK, Gan YH, Gan GD et al. Studies of regenerative braking in electric
vehicle. In: IEEE conference on sustainable utilisation and development in
engineering and technology, Kuala Lumpur, Malaysia, 20–21 November 2010, pp.
40–45. New York: IEEE
[46] Zhang J, Ren D, Song B et al. (2009). The research of regenerative braking control
strategy for advanced braking force distribution. In: 5th international conference on
natural computation, Tianjin, People’s Republic of China, Vol 6, pp. 458–462. Los
Alamitos, California: IEEE Computer Society
[47] Huang X and Wang J. (2011). Nonlinear model predictive control for improving
energy recovery for electric vehicles during regenerative braking. In: 50th IEEE
conference on decision and control and European control conference, Orlando,
Florida, USA, 12–15 December 2011, pp. 7458–7463. New York: IEEE
[48] Liang B and Lin W. (2010). Optimal regenerative torque control to maximise energy
recapture of electric vehicles. In: World automation congress, Kobe, Japan, 19–23
September 2010, pp. 1–6. New York: IEEE
[49] Zhang Z, Chen J and Wu B. The control strategy of optimal brake energy recovery for
a parallel hydraulic hybrid vehicle. Proc IMechE Part D: J Automobile Engineering
2012; 226(11): 1445–1453
[50] Gao Y, Chu L and Ehsani M. Design and control principles of hybrid braking system
for EV, HEV and FCV. In: IEEE vehicle power and propulsion conference,
Arlington, Texas, USA, 9–12 September 2007, pp. 384–391. New York: IEEE
150 LISTE DES RÉFÉRENCES

[51] Guo J, Wang J and Cao B. Regenerative braking strategy for electric vehicles. In:
IEEE intelligent vehicle symposium, Xi’an, Shaanxi, People’s Republic of China, 3–5
June 2009, pp. 864–868. New York: IEEE
[52] Mukhitdinov AA, Ruzimov SK and Eshkabilov SL. Optimal control strategies for
CVT of the HEV during a regenerative process. In: IEEE conference on electric and
hybrid vehicles, Pune, India, 18–20 December 2006, pp. 1–12. New York: IEEE
[53] Wang F and Zhuo B. Regenerative braking strategy for hybrid electric vehicles based
on regenerative torque optimization control. Proc IMechE Part D: J Automobile
Engineering 2008; 222(4): 499–513
[54] Yeo H, Hwang S and Kim H. Regenerative braking algorithm for a hybrid electric
vehicle with CVT ratio control. Proc IMechE Part D: J Automobile Engineering
2006; 220(11): 1589–1600
[55] Hancock M and Assadian F. Impact of regenerative braking on vehicle stability. In:
IET hybrid vehicle conference, Coventry, Warwickshire, UK, 12–13 December 2006,
pp. 173–184. Stevenage, Hertfordshire: IET
[56] Tehrani M, Hairi-Yazdi R and Esfahanian V. Hybrid energy storage system
application for an anti-lock regenerative braking system. In: European electric vehicle
congress, [Link] ASBL: Brussels, Belgium, 26–28 October 2011, pp. 1–7
[57] Tehrani M, Hairi-Yazdi R, Haghpanah-Jahromi B et al. Design of an anti-lock
regenerative braking system for a series hybrid electric vehicle. Int J Automot Engng
2011; 1(2): 14–27
[58] Song, C., Uchanski, M., and Hedrick, J., "Vehicle Speed Estimation Using
Accelerometer and Wheel Speed Measurements," SAE Technical Paper 2002-01-
2229, 2002
[59] L. Imsland, T. A. Johansen, T. I. Fossen, et al. "Vehicle velocity estimation using
nonlinear observers" Automatica: vol.42: 2091- 2103. 2006
[60] Hodgson, D, Mecrow, B.C., Gadoue, S.M. et Slater, H.J. “Effect of vehicle mass
changes on the accuracy of Kalman filter estimation of electric vehicle speed”
Electrical Systems in Transportation, IET (Volume:3 , Issue: 3 ), September 2013,
67 – 78
[61] Hodgson, D., Mecrow, B.C., Gadoue, S.M., Slater, H.J., Barrass, P.G., Giaouris, D.:
‘Accurate estimation of electric vehicle speed using kalman filtering in the presence
of parameter variations’. Sixth IET Int. Conf., Power Electronics, Machines and
Drives (PEMD 2012), March 2012, pp. 1–6
[62] Didier Mammosser, Maxime Boisvert and Philippe Micheau, Designing a set of
efficient regenerative braking strategies with a performance index tool, Journal of
Automobile Engineering, June 2014
[63] Tanelli M., Savaresi S.M., Cantoni, C., "Longitudinal vehicle speed estimation for
tractionand brakin control systems ", International Conference on Control
Applications, IEEE , 2006
[64] Pasillas-Lépine W., Loria A., Gerard M., “Design and experimental validation of a
 151

nonlinear wheel slip control algorithm », Automatica, Volume 48, pp 1852-1859,

2012
[65] Okan TUR, Ozgur USTUN, Member IEEE, and R. Nejat TUNCAY, "Anti-Lock
Braking System", Intelligent Vehicles Symposium, IEEE, 944 – 948, 2007
[66] Hong CHEN, Xun GONG, Yun-Feng HU, Qi-Fang LIU, Bing-Zhao GAO Hong-Yan
GUO, "Automotive Control: the State of the Art and Perspective", Acta Automatica
Sinica, Volume 39, Issue 2, Pages 101–117, 2013
[67] Zarchan, P., "Fundamentals of Kalman Filtering: A Practical Approach", Second
Edition. American Institute of Aeronautics and Astronautics, Inc., 2005
[68] Jinkun Liu, Xinhua Wang, "Advanced Sliding Mode Control for Mechanical
Systems; Design, Analysis and MATLAB Simulation", Tsinghua university press,
Beijing, 2012
[69] Karl J. Astrom, Bjorn Wittenmark, "Adaptative control", second edition, Dover, 2008
[70] Guzzella L., Sciarretta A. "Vehicle Propulsion Systems: Introduction to modeling and
Optimisation, Springer, 2005
[71] Hyeongcheol L., Masayoshi T., "Adaptive Vehicle Traction Force Control for
Intelligent Vehicle Highway Systems (IVHSs)", IEEE Transactions on industrial
electronics, Vol. 50, No. 1, Febrary 2003
[72] Ricardo de C., Rui Esteves A., Diamantino F., "Wheel Slip Control of EVs Based on
Sliding Mode Technique With Conditional Integrators", IEEE Transactions on
industrial electronics, Vol. 60, No. 8, August 2013
[73] Bidyadhar S., Shuzhi Sam G., "Sliding-Mode-Observer-Based Adaptive Slip Ratio
Control for Electric and Hybrid Vehicles", IEEE Transactions on intelligent
transportation systems, Vol. 13, No. 4, December 2012
[74] Harada, S., Fujimoto, H. "Range extension control system for electric vehicles based
on optimal-deceleration trajectory and front-rear driving-braking force distribution
considering maximization of energy regeneration", Univ. of Tokyo, Kashiwa, Japan,
2014 IEEE 13th International Workshop on Advanced Motion Control (AMC), 14-16
March 2014
[75] Stefan Koehler, Alexander Viehl1, Oliver Bringmann, Wolfgang Rosenstiel,
"Optimized Recuperation Strategy for (Hybrid) Electric Vehicles Based on Intelligent
Sensors ", 2012 12th International Conference on Control, Automation and Systems,
ICC, Jeju Island, Korea, Oct. 17-21, 2012
[76] Xiaoyu Huang, Junmin Wang, "Nonlinear Model Predictive Control for Improving
Energy Recovery for Electric Vehicles during Regenerative Braking", 2011 50th
IEEE Conference on Decision and Control and European Control Conference (CDC-
ECC), Orlando, FL, USA, December 12-15, 2011