Return to search

Développement et expérimentation d’une stratégie optimale de freinage régénératif pour les véhicules électriques basée sur la commande avancée du glissement de la roue

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 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-[lambda], 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.

Identiferoai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/10599
Date January 2015
CreatorsBoisvert, Maxime
ContributorsMicheau, Philippe
PublisherUniversité de Sherbrooke
Source SetsUniversité de Sherbrooke
LanguageFrench
Detected LanguageFrench
TypeThèse
Rights© Maxime Boisvert

Page generated in 0.0024 seconds