L’interconnexion entre domaines fonctionnel et multi-physiques [106, 107]

L’interface proposée contient les équations de transition entre les domaines physique et fonctionnel. Elle accomplit les fonctions suivantes :

• déterminer les références physiques équivalentes exigées par le modèle multi-physiques et fondées sur le besoin de puissance fourni par le modèle fonctionnel,

• mesurer/estimer la fourniture de puissance que le système est capable de livrer en utilisant les informations du modèle multi-physiques et le transfert de fourniture de puissance estimé au modèle fonctionnel.

Pour chaque élément du modèle fonctionnel, une interface d’interconnexion est obliga-toire afin de calculer/adapter les consignes nécessaires.

Si l’on considère l’élément de transformation électromécanique, l’interface entre cet élé-ment et le groupe de traction électrique (commande et machine électrique pour cet exemple) doit utiliser les équations suivantes (cas de démarrage est négligé) :

P_{f nc}^∗ |ω_br| ^=τ

∗

P_mech= Pb_{f nc} (4.4) où P^∗_{f nc}est la consigne de puissance ;ω_brest la vitesse angulaire estimée/mesurée du rotor de la machine électrique ; τ_cns^∗ est la consigne de couple ; P_mechest la puissance mécanique de sortie calculée de la machine électrique et bP_{f nc} est la puissance de sortie de la machine électrique estimée/mesurée.

Une fois que les éléments du modèle fonctionnel ont été adaptés afin d’assurer la compa-tibilité avec les composants du modèle multi-physiques et que les interfaces d’interconnexion ont est développées, le modèle fonctionnel peut être utilisé pour la conception du système de gestion globale de ressources (GGR) au niveau multi-physiques. Cette utilisation facilite les travaux des concepteurs pour obtenir le superviseur du modèle multi-physiques car le choix de la stratégie de gestion des ressources, le dimensionnement des groupes des com-posants et le choix de l’architecture du système sont faits au niveau fonctionnel. L’approche proposée permet de diminuer le nombre des essais et le temps de validation des étapes citées précédemment, avant de s’intéresser à l’analyse du modèle multi-physiques obtenu.

4.2 Formalisme du problème d’optimisation

La problématique de répartition d’énergie dans le contexte des véhicules hybrides fait l’objet des nombreuses études. Généralement, l’intérêt est dirigé vers l’utilisation des mé-thodes de gestion énergétique pour assurer une distribution d’énergie optimale entre les différents groupes de composants. Plusieurs approches ayant comme objectif la minimisation de la consommation de carburant et d’émissions du véhicule ont été étudiées et comparées dans la littérature [40,41,46,53,122-126]. L’état de l’art (réalisé enChapitre 1) des différentes approches de gestion d’énergie utilisées pour les véhicules électriques hybrides a amené les travaux de cette thèse à s’intéresser à la stratégie de la commande prédictive à base de modèle (en anglais, Model Predictive Control - MPC) qui permet la résolution des problèmes d’op-timisation sous contraintes pour les systèmes multi-sources/multi-consommateurs. Cette approche a été déjà utilisée pour optimiser la gestion des flux d’énergie pour les VEHs [49,

51,52,54,55,127]). De ce fait, cette stratégie a été étudiée au niveau multi-physiques afin d’analyser ces performances en vue d’une éventuelle mise en œuvre au niveau fonctionnel (les principes et l’application à un VEH sont donnés enAnnexe B).

L’utilisation de la commande prédictive au niveau de supervision permet d’optimiser les consignes de couples demandées au moteur thermique et à la machine électrique tout en respectant les limitations physiques du véhicule. D’après les premiers résultats obtenus, on peut conclure que l’approche MPC pourrait être l’une des solutions envisageables pour l’optimisation énergétique globale des VEHs. Néanmoins, l’intégration de l’algorithme de commande prédictive dans le modèle fonctionnel n’est pas évidente car elle limite l’utili-sation des distributeurs. La raison est liée à la disponibilité des informations utilisées par l’algorithme de commande au niveau d’éléments distributeurs ; ces informations pourront être collectées par le superviseur et envoyées aux distributeurs, mais cela engendra une

éventuelle augmentation du temps de simulation et une dégradation de la modularité du système. Cependant, la modularité est l’un des plus importants avantages de la modélisation fonctionnelle. Si le modèle perd cette propriété, l’évaluation du même algorithme pour une autre architecture du véhicule ou la comparaison des performances pour des architectures différentes ne seront pas réalisable. De plus, la prédiction des états du système nécessaire pour le calcul de la commande, ajoute une charge de calcul non-négligeable dans la simula-tion du modèle foncsimula-tionnel. Celle-ci s’oppose au principe de la modélisasimula-tion foncsimula-tionnelle qui consiste à développer un modèle énergétique composée par des éléments simples afin de limiter la complexité et le temps de simulation. Une autre difficulté d’implémentation de l’algorithme est la nécessité de transformation des natures des signaux et des commandes. Dans l’exemple donné enAnnexe B, les signaux de commandes sont des couples qui ne peuvent pas être utilisés directement par les éléments de la modélisation fonctionnelle. Pour s’affranchir de ce problème, une estimation de la vitesse du véhicule est nécessaire pour calculer la consigne de puissance équivalente et l’utiliser pour la commande du modèle fonctionnel.

Même si la dynamique de la vitesse peut être remplacée par la dynamique de l’énergie du véhicule pour faire appel à des références en énergie et des commandes en puissance, la mise en œuvre reste conditionnée par la présence d’un système de supervision centralisé du système qui assure la transmission des informations entre les distributeurs et les autres éléments du modèle fonctionnel. Par la suite, l’approche de la commande prédictive fonction-nelle (PFC) a été proposée afin de garder la modularité de la méthodologie de modélisation fonctionnelle.

4.2.1 Principes de la commande prédictive fonctionnelle

Le principe de la stratégie de commande prédictive fonctionnelle peut être résumé dans les étapes suivantes (Figure 4.12) :

i. estimation du comportement futur du processus à l’aide d’un modèle, ii. choix d’une trajectoire de référence pour joindre la consigne,

iii. calcul du scénario de commande qui permet d’atteindre la trajectoire de référence aux points de coïncidence,

iv. utilisation de la première commande du scénario et réitération de la procédure selon le principe de « la stratégie à horizon glissant ».