L’hybridation électrique de la chaîne de traction automobile est l’une des solutions adoptées pour respecter les règlementations futures sur ses émissions. La stratégie de supervision de la chaîne de traction hybride répartit la puissance produite par le moteur à combustion interne et la machine électrique. Elle répond habituellement à un problème d’optimisation où l’objectif est de réduire la consommation de carburant mais nécessite à présent d’y ajouter les émissions polluantes. La chaîne de dépollution, placée à l’échappement du moteur, permet de diminuer la quantité de polluants émise dans l’atmosphère. Cependant, elle n’est efficace qu’à partir d’un seuil de température, et dépend de la chaleur apportée par les gaz d’échappement du moteur thermique. La première partie de ce travail est donc consacrée à la modélisation de la consommation énergétique et des émissions polluantes de la chaine de traction hybride. La modélisation de l’efficacité de la chaîne de dépollution est réalisée selon deux contextes. Le modèle zéro-dimensionnel est adapté aux contraintes de calcul de la commande optimale. Le modèle unidimensionnel associé à un estimateur d’état permet d’être embarqué et calculé en temps réel. À partir de ces travaux, la seconde partie de cette thèse déduit des stratégies de supervision à l’aide de la théorie de la commande optimale. Dans un premier cas, le principe de Bellman permet de calculer la commande optimale d’un véhicule hybride Diesel selon des critères de supervision ayant plus ou moins connaissance de l’efficacité de la chaîne de dépollution des émissions de NOX. Dans un second cas, une stratégie issue du Principe du Minimum de Pontryagin, embarquée sur un véhicule hybride essence, fonctionnant en temps réel et calibrée selon deux paramètres est proposée. L’ensemble de ces travaux est validé expérimentalement au banc moteur et montre une réduction significative des émissions polluantes pour une faible pénalité de carburant. / Powertrain hybridization is a solution that has been adopted in order to conform to future standards for emissions regulations. The supervisory strategy of the hybrid powertrain divides the power emitted between the internal combustion engine and the electric machine. In past studies, this strategy has typically responded to an optimization problem with the objective of reducing consumption. However, in addition to this, it is now necessary to take pollutant emissions into account as well. The after-treatment system, placed in the exhaust of the engine, is able to reduce pollutants emitted into the atmosphere. It is efficient from a certain temperature threshold, and the temperature of the system is dependent on the heat brought by the exhaust gas of the engine. The first part of this dissertation is aimed at modelling the energy consumption and pollutant emissions of the hybrid powertrain. The efficiency model of the after-treatment system is adapted for use in two different contexts. The zero-dimensional model conforms to the constraints of the optimal control calculation. The one-dimensional model associated with a state estimator can be embedded in a vehicle and calculated in real time. From this work, the second part of this dissertation deduces supervisory strategies from the optimal control theory. On the one hand, Bellman’s principle is used to calculate the optimal control of a Diesel hybrid vehicle using different supervisory criteria, each having more or less information about the after-treatment system efficiency over NOX emissions. On the other hand, a strategy from Pontryagin’s minimum principle, embedded in a gasoline hybrid vehicle, running in real time and calibrated with two parameters, is proposed. The whole of this work is validated experimentally on an engine test bed and shows a significant reduction in pollutant emissions for a slight fuel consumption penalty.
Identifer | oai:union.ndltd.org:theses.fr/2018ORLE2010 |
Date | 05 July 2018 |
Creators | Simon, Antoine |
Contributors | Orléans, Chamaillard, Yann |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.017 seconds