A common architecture for electric vehicles is to have two electric machines one each on the front and rear axle. Despite the redundancy, this configuration ensures performance. Being energy efficient is equally important for electric vehicles to deliver a sufficiently high range. Hence, operating a single machine at low to medium torque requirement is desirable. A clutch can be implemented on the front axle and its engagement dynamically controlled to reduce the magnetic drag losses in the front machine. With clutch disengaged, the entire torque will be delivered by the rear machine causing it to heat up quickly. As electric machine and inverter losses are also temperature dependent, this work attempts to derive an optimal torque split strategy between the two machines considering thermal effects. An upper-temperature limit for both electric machine and inverter is imposed for component protection. Thermal models for the electric machine, inverter and coolant circuit are simplified using system identification and model order reduction approach. Dynamic optimal torque split is realized by minimizing the energy loss over the entire drive cycle. Dynamic programming is used to investigate the benefits of including thermal losses and to generate a benchmark solution for optimal torque split strategy. Further, two online controllers are developed, one based on non-linear model predictive control and the other being a static controller with added heuristic rules to prevent temperatures of critical components to exceed the limits. A high-fidelity plant model was developed using VSIM as master and GT-Suite thermal model as slave to compare the performance of these controllers. The results show that it is possible to obtain decent thermal performance of electric motor and inverter with one node lumped parameter thermal model and a five-node lumped parameter model for the coolant circuit. Including thermal dynamics in the controller can constraint the temperature within the limits and give an optimal torque split. The benefit of adding temperature-dependent thermal maps is found to be limited to certain operating regions. The static controller with torque split based on instantaneous power loss also performed well for the given configuration. The major contribution to energy saving was obtained by dynamic disengagement of clutch in the form of reduced magnetic drag losses. / En vanlig arkitektur för elfordon är att ha två elmaskiner en vardera på fram- och bakaxeln. Trots redundansen säkerställer denna konfiguration prestanda. Att vara energieffektiv är lika viktigt för att elfordon ska leverera en tillräckligt hög räckvidd. Det är därför önskvärt att driva en enda maskin med lågt till medelhögt vridmoment. En koppling kan implementeras på framaxeln och dess ingrepp kan styras dynamiskt för att minska de magnetiska motståndsförlusterna i den främre maskinen. Med kopplingen urkopplad kommer hela vridmomentet att levereras av den bakre maskinen vilket gör att den snabbt värms upp. Eftersom förluster av elektriska maskiner och växelriktare också är temperaturberoende, försöker detta arbete härleda en optimal vridmomentsdelningsstrategi mellan de två maskinerna med tanke på termiska effekter. En övre temperaturgräns för både elektrisk maskin och växelriktare är införd för komponentskydd. Termiska modeller för den elektriska maskinen, växelriktaren och kylvätskekretsen förenklas med hjälp av systemidentifiering och modellbeställningsreduktion. Dynamisk optimal vridmomentdelning realiseras genom att minimera energiförlusten under hela körcykeln. Dynamisk programmering används för att undersöka fördelarna med att inkludera termiska förluster och för att generera en benchmarklösning för optimal vridmomentsdelningsstrategi. Vidare utvecklas två online-styrenheter, en baserad på icke-linjär modell för prediktiv styrning och den andra är en statisk styrenhet med tillagda heuristiska regler för att förhindra att temperaturer på kritiska komponenter överskrider gränserna. En högfientlig anläggningsmodell utvecklades med VSIM som master och GT-Suite termisk modell som slav för att jämföra prestandan hos dessa styrenheter. Resultaten visar att det är möjligt att erhålla hyfsad termisk prestanda för elmotor och växelriktare med en termisk modell med en nodklumpad parameter och en femnodsmodell med klumpparametrar för kylvätskekretsen. Att inkludera termisk dynamik i regulatorn kan begränsa temperaturen inom gränserna och ge en optimal vridmomentfördelning. Fördelen med att lägga till temperaturberoende termiska kartor har visat sig vara begränsad till vissa driftsområden. Den statiska styrenheten med vridmomentdelning baserad på momentan effektförlust fungerade också bra för den givna konfigurationen. Det största bidraget till energibesparingen erhölls genom dynamisk urkoppling av kopplingen i form av minskade magnetiska motståndsförluster.

Thèse produite en partenariat avec la Ferme d'hiver, centre de recherche industrielle pour l'agriculture en environnement contrôlé. / L’agriculture en environnement contrôlé (AEC) est une pratique agricole de haute technologie où la culture de plantes et son environnement sont soumis à une certaine forme de contrôle afin d’obtenir des rendements plus élevés et une efficacité de production accrue. L’AEC est essentielle en raison de son impact sur la disponibilité des terres arables, l’utilisation de l’eau et l’efficacité énergétique face à l’augmentation de l’insécurité alimentaire mondiale. Les systèmes de AEC sont contrôlés par le biais d’indicateurs de performance clés (IPC) complexes que les experts de plusieurs domaines, dont les ingénieurs et les agronomes, doivent optimiser. L’optimisation des IPC nécessite l’exploration de l’immense espace d’états du système d’AEC. Étant donné que ces systèmes sont complexes et hétérogènes, ils nécessitent une approche de modélisation et de co-simulation multi-paradigme dans laquelle les modèles utilisent les formalismes et les niveaux d’abstraction les plus appropriés. Nous proposons une architecture de co-simulation de AEC capable de capturer la dynamique des entités qui composent notre système à plusieurs niveaux d’abstraction. Nous présentons nos résultats démontrant la validité de notre approche / Controlled environment agriculture (CEA) is a high-tech agricultural practice where the crop and its environment are subject to some form of control to achieve higher yields and produc- tion efficiency. CEA is critical for its impacts on arable land availability, water usage, and energy efficiency amid the rise of global food insecurity. CEA systems are controlled through complex key performance indicators (KPI) that experts of multiple domains, including engi- neers and agronomists, must optimize. The optimization of KPI requires exploring the vast state space of the CEA system. As such systems are complex and heterogeneous, they re- quire a multi-paradigm modeling and co-simulation approach in which models use the most appropriate formalisms and levels of abstraction. We provide a co-simulation architecture for CEA to capture the dynamics of the entities that comprise our system at multiple levels of abstraction and present our results showing the validity of our approach.