1/47 Contrôle des systèmes rapides non linéaires Application au moteur à allumage commandé turbocompressé à distribution variable Guillaume COLIN 12 octobre

1/47

Contrôle des systèmes rapides non linéaires

Application au moteur à allumage commandé turbocompressé

à distribution variable

Guillaume COLINGuillaume COLIN

12 octobre 200612 octobre 2006

2/47

IntroductionIntroduction

Evolution des normes de pollution Evolution des normes de pollution

Engagement des constructeurs sur les émissions de COEngagement des constructeurs sur les émissions de CO22

Optimisation du fonctionnement du moteurOptimisation du fonctionnement du moteur

Contrôle moteurContrôle moteur Augmentation du Augmentation du nombre nombre degrés de libertédegrés de liberté

0

0,2

0,4

0,6

0,8

1

g/km

Euro I Euro II Euro II Euro IV Euro V

Normes

Evolution des normes européennes de pollution

CO/10

HC+NOx

HC

Nox

Emissions de CO2 (données ACEA)

100

120

140

160

180

200

1995 2000 2005 2010

Années

g/k

m

)

Objectifs

Essence

Diesel

3/47

IntroductionIntroduction

Emissions de COEmissions de CO22

Motorisations à allumage commandé (AC) Motorisations à allumage commandé (AC) Motorisations dieselMotorisations diesel

Technologies principalement étudiées pour Technologies principalement étudiées pour améliorer le améliorer le rendementrendement du moteur AC du moteur AC Mélange pauvre homogène ou stratifiéMélange pauvre homogène ou stratifié Distribution variable seuleDistribution variable seule Downsizing : Déplacement, à iso performance, des points de Downsizing : Déplacement, à iso performance, des points de

fonctionnement moteur vers des zones à meilleur rendementfonctionnement moteur vers des zones à meilleur rendement

Meilleur choix technologique à court termeMoteur à allumage commandé

turbocompressé à distribution variable

Challenge : contrôler ce système complexe

4/47

Plan de la présentationPlan de la présentation

1. Problématique1. Problématique 1.1 Moteur AC turbocompressé à distribution variable1.1 Moteur AC turbocompressé à distribution variable

1.2 Phénomènes associés1.2 Phénomènes associés1.3 Méthodologie1.3 Méthodologie

2. Contrôle d’un moteur turbocompressé2. Contrôle d’un moteur turbocompressé2.1 Contrôle du papillon par modèle interne2.1 Contrôle du papillon par modèle interne2.2 Contrôle prédictif de la wastegate2.2 Contrôle prédictif de la wastegate2.3 Conclusion partielle2.3 Conclusion partielle

3. Extension au moteur turbocompressé à distribution 3. Extension au moteur turbocompressé à distribution variablevariable

3.1 Observateur de masse d’air3.1 Observateur de masse d’air3.2 Contrôle des déphaseurs3.2 Contrôle des déphaseurs3.3 Résultats au banc moteur3.3 Résultats au banc moteur3.4 Résultats sur véhicule3.4 Résultats sur véhicule3.5 Conclusion partielle3.5 Conclusion partielle

4. Conclusions et perspectives4. Conclusions et perspectives

5/47

1. Problématique1. Problématique

1.1 Moteur AC turbocompressé à distribution variable1.1 Moteur AC turbocompressé à distribution variable

1.2 Phénomènes associés1.2 Phénomènes associés

1.3 Méthodologie1.3 Méthodologie

6/47

Moteur AC turbocompressé à distribution variableMoteur AC turbocompressé à distribution variable

Amélioration du rendementAmélioration du rendement

Boucle BPBoucle BP OptimiserOptimiserBoucle HPBoucle HP

Ouverture Ouverture du papillondu papillon

Réduction cylindréeRéduction cylindrée

Baisse de la performanceBaisse de la performance

TurbocompressionTurbocompression

Augmentation Augmentation du temps de réponsedu temps de réponse

VPMH VPMB

Vcyl

pcyl

+-

Suivi de couple à consommation minimale

1. Problématique 2. Contrôle d’un moteur AC turbocompressé

3. Extension au moteur turbocompressé à

distribution variable

4. Conclusions

-

+

+

Gaz résiduelsGaz résiduels

Distribution pilotéeDistribution pilotée

Réduction des émissions polluantes

Balayage d’airBalayage d’air

Injection directeInjection directe

7/47

Moteur AC turbocompressé à distribution variableMoteur AC turbocompressé à distribution variable

Objectif principalObjectif principalContrôler le couple Contrôler le couple

en minimisant les polluantsen minimisant les polluants

et la consommationet la consommation

Moyens d’actionsMoyens d’actions InjecteursInjecteurs Bobines d’allumageBobines d’allumage Chaîne d’airChaîne d’air

PapillonPapillon WastegateWastegate DéphaseursDéphaseurs




4. Conclusions

pman

Tman

Sthr

WG

Dcyl

Dthr

VCTexhVCTin

Sonde de richesse

turbine

compresseur

PapillonCollecteur

pint

pamb

Tamb

WasteGate

Déphaseur admission Déphaseur échappement

8/47

Phénomènes associésPhénomènes associés

AvantagesAvantages

Pertes par pompagePertes par pompage NOxNOx

Nécessité : de les estimer de les contrôler

InconvénientsInconvénients

instabilité de combustioninstabilité de combustion

Favorise le cliquetisFavorise le cliquetis

Pas de mesure directePas de mesure directe

Gaz résiduelsGaz résiduelsGaz d’échappement qui restent Gaz d’échappement qui restent dans le cylindre une fois les dans le cylindre une fois les soupapes fermées et avant la soupapes fermées et avant la nouvelle combustionnouvelle combustion




4. Conclusions

(Giansetti et al. 2006)

9/47

Nécessité : de l’estimer de le contrôler

InconvénientsInconvénients Richesse dans le cylindre différente de la Richesse dans le cylindre différente de la

richesse à l’échappementrichesse à l’échappement Pas de mesure directePas de mesure directe

Balayage d’airBalayage d’airQuand pQuand pmanman>p>pcylcyl>p>pexhexh

AvantagesAvantages Vidange des gaz brûlés Vidange des gaz brûlés

recul de la limite cliquetisrecul de la limite cliquetis Diminution du temps de réponseDiminution du temps de réponse



4. Conclusions3. Extension au moteur turbocompressé à


10/47


Nécessité de contrôler Nécessité de contrôler Gaz brûlés résiduelsGaz brûlés résiduels Balayage d’airBalayage d’air

Contrôle par une variable uniqueContrôle par une variable uniqueMasse de gaz recirculésMasse de gaz recirculés

Intérêt Intérêt Réduction du nombre de variables à contrôler Réduction du nombre de variables à contrôler

RGM = mgaz brûlés,- mair balayé,

si mgaz brûlés > mair balayé

sinon

010

2030

40

010203040

-80

-60

-40

-20

0

20

40

VCTexh

RGM (mg)

VCTin

Masse d'air balayé

Masse de gaz brûlés




11/47

MéthodologieMéthodologie

Objectifs : contrôler la chaîne d’air Suivi de couple en minimisant les polluants

Variables contrôlées

Variables manipulées

Couple Masse d’airPapillon

Wastegate

PolluantsMasse de gaz

brûlés

Déphaseurs admission et échappement




12/47

MéthodologieMéthodologieM

oteur

1. identification

Simulateur moteur

Modèle 0D-BF/HF Temps réel

Modèle 0D/1D-HF

ou

3. Schéma

de Contrôle

Modèle 0D-BF

2. apprentissagede variables non mesurées

Contrôle moteur

4. Pré-calibration 5. Validation du contrôle

Utilisation de modèlesUtilisation de modèles ApprentissageApprentissage Pré-calibrationPré-calibration ValidationValidation Minimisation des essais Minimisation des essais

sur moteursur moteur

6. apprentissage de variables mesurées

7. Calibration8. Test du contrôle




13/47

Modèles pour le contrôle moteurModèles pour le contrôle moteur

Combinaison de modèles Combinaison de modèles Modèles physiquesModèles physiques Modèles neuronauxModèles neuronaux

Modèles non linéaires globauxModèles non linéaires globaux Modèles statiques ou dynamiquesModèles statiques ou dynamiques Modèles aisément embarquablesModèles aisément embarquables Approche générique de modélisation et de contrôleApproche générique de modélisation et de contrôle

Propriétés des modèles neuronauxPropriétés des modèles neuronaux Approximateurs universels Approximateurs universels Parcimonieux Parcimonieux Flexibles Flexibles Facilement dérivablesFacilement dérivables




14/47

Périmètre des travauxPérimètre des travaux

MOTEUR À COMBUSTION INTERNE

Modèles physiques0D BF ou HF – 1D

CONTRÔLE MOTEUR

AUTOMATIQUE

Modèles « commande »

Contrôle par modèle interne

Commande prédictive

Observateurs

Papillon

Gaz résiduels

Balayage d’air

Turbocompresseur

Commande optimale

Distribution pilotée

Masse d’air

Cha

îne

d’ai

rC

ontrôle à base de m

odèles

15/47

2. Contrôle d’un moteur 2. Contrôle d’un moteur turbocompresséturbocompressé

2.1 Contrôle du papillon par modèle interne2.1 Contrôle du papillon par modèle interne

2.2 Contrôle prédictif de la wastegate2.2 Contrôle prédictif de la wastegate

2.3 Conclusion partielle2.3 Conclusion partielle

16/47

ConsignesConsignes

Relation entre le couple indiqué et la masse d’airRelation entre le couple indiqué et la masse d’air Relation entre la masse d’air et la pression collecteurRelation entre la masse d’air et la pression collecteur

Contrôle en pression collecteurContrôle en pression collecteur




17/47

Schéma général de contrôleSchéma général de contrôle

mair_sp

Sthr

WG

Sup

erviseur

Consigne en

Couple indiqué

Chaîne d’air

pman_spModèle de pression collecteur

Contrôle du papillonpman

Contrôle de la WasteGate

pintContrôle de la masse d’air




18/47

Contrôle par modèle interne du papillonContrôle par modèle interne du papillon

Modèle inverse Système

Sortie

-+ ++

Perturbations

ConsigneSystème inverse

+-Modèle direct

Filtre

Principe du contrôle par modèle internePrincipe du contrôle par modèle interne

CaractéristiquesCaractéristiques Synthèse et implémentation faciles Synthèse et implémentation faciles Restriction aux systèmes stables uniquementRestriction aux systèmes stables uniquement Connaissance d’un modèleConnaissance d’un modèle Réglage aisé : uniquement le filtreRéglage aisé : uniquement le filtre

= Consigne




19/47


Variable contrôlée : Variable contrôlée : ppmanman

Variable manipulée : Variable manipulée : SSthrthr




+-

++-+

Perturbations

Modèle direct de pression collecteur

CollecteurModèle inverse de pression collecteur

Filtre de robustesse

Sthr

Tman Ne

Tman Nepintpman sp

pint

pman

20/47


Modèle directModèle direct Papillon

Soupape

Collecteur

DcylD thr

Sthr

pint pman

Modèle inverse statiqueModèle inverse statique

Filtre de robustesse : 1Filtre de robustesse : 1erer ordre ordre

Equation de Equation de Barré de Saint VenantBarré de Saint Venant

Cartographie Cartographie de remplissagede remplissage

man man man manp V m rT=

( )man manthr cyl

man

dp rTD D

dt V= -

0mandpdt

=5 10 15 20 25

5

10

x 104 Pression collecteur (Pa)

5 10 15 20 25-5

0

5

temps (s)

Erreur relative (%)

Modèle BO Mesure




21/47


Moyens expérimentauxMoyens expérimentaux Prototypage rapide du contrôlePrototypage rapide du contrôle Moteur Smart 3 cylindres Moteur Smart 3 cylindres

turbocompresséturbocompressé

Résultats très satisfaisantsRésultats très satisfaisants Temps de réponseTemps de réponse Dépassement Dépassement Sollicitation du papillonSollicitation du papillon

10 20 30 406

7

8

9

10x 10

4

Temps (s)

Pression collecteur (Pa)

ConsigneMesure IMCMesure PID

10 20 30 4010

15

20

25

Temps (s)

Ouverture papillon (%)

ConsigneMesure




22/47

5 10 15 20 25 300.4

0.6

0.8

1

1.2

1.4

1.6

Temps (s)

Pressions (bar)

pman

pint

pman_sp

Contrôle de la wastegateContrôle de la wastegate

Caractéristiques du contrôle du turbo Caractéristiques du contrôle du turbo Variable à contrôler Variable à contrôler Variable manipulée Variable manipulée Variable d’état Variable d’état ContraintesContraintes Système non linéaire Système non linéaire Dynamique lente du turbocompresseur Dynamique lente du turbocompresseur Papillon le plus ouvert possiblePapillon le plus ouvert possible Temps de calcul limitéTemps de calcul limité

Contrôle classique Contrôle classique Non linéarités + dynamique du turboNon linéarités + dynamique du turbo Résultats médiocresRésultats médiocres

Commande prédictive Commande prédictive

intp

cylDWG

min maxWG WG WG£ £




Non linéarités

23/47

1ère étape 1ère étape Modèle de référence Modèle de référence exponentielle exponentielle

2ème étape2ème étapeModèle de prédiction Modèle de prédiction linéaire ou non linéaire ou non

physique/génériquephysique/générique

3ème étape3ème étapeMinimisation Minimisation

IntérêtsIntérêts Concept intuitifConcept intuitif Système dynamique, multivariable, non linéaireSystème dynamique, multivariable, non linéaire

InconvénientsInconvénients Calculs lourds : systèmes rapidesCalculs lourds : systèmes rapides StabilitéStabilité

Commande prédictiveCommande prédictive

Référence

Sortie prédite du système

temps

FuturPassé

Sortie mesurée

Signal de commande BO

Signal de commande BF

minU D

IÎ

Consigne

t + tpt + tct + tet




24/47

Commande prédictiveCommande prédictive

Problème de minimisationProblème de minimisation Sous contraintes avec modèle non linéaire : calculs lourdsSous contraintes avec modèle non linéaire : calculs lourds Sous contraintes avec modèle linéaire : calculs assez lourdsSous contraintes avec modèle linéaire : calculs assez lourds Sans contraintes avec modèle linéaire : calculs légersSans contraintes avec modèle linéaire : calculs légers

Risque de pertes de performancesRisque de pertes de performances

Linéarisation instantanéeLinéarisation instantanée

Minimisation avec modèle linéariséMinimisation avec modèle linéarisé Avec contraintes : résolution itérative (programmation quadratique)Avec contraintes : résolution itérative (programmation quadratique) Sans contraintes : résolution directe (analytique + saturation)Sans contraintes : résolution directe (analytique + saturation)

( ) ( ) ( )( )ˆ 1 ,y t f y t u t+ = ( )( ) ( )( )0 0000

fff y t y u t u

y u¶ ¶

» + - + -¶ ¶

( ) 0 0 0ˆ 1 ( ) ( )y t a by t c u tÞ + = + +




25/47

Contrôle prédictif de la wastegate Contrôle prédictif de la wastegate Choix du modèle de prédictionChoix du modèle de prédiction

Modèle physiqueModèle physique Non linéaireNon linéaire Difficile à dériverDifficile à dériver Basé sur des cartographies pauvresBasé sur des cartographies pauvres Impliquant des variables non mesuréesImpliquant des variables non mesurées

Modèle identifié à partir de donnéesModèle identifié à partir de donnéesModèle neuronalModèle neuronal

ApprentissageApprentissage Génération des signaux Génération des signaux Banc moteur ou simulateurBanc moteur ou simulateur Optimisation de la structureOptimisation de la structure Validation : corrélations, tests de prédictionValidation : corrélations, tests de prédiction

mesuré estimécalculé

( ) ( ) ( ) ( )( )ˆ 1 , ,int nn int cylp t f p t WG t D t+ =




26/47

Contrôle prédictif de la wastegate Contrôle prédictif de la wastegate Schéma de commandeSchéma de commande

22èmeème étape : Modèle neuronal de prédiction étape : Modèle neuronal de prédiction

11èreère étape : Modèle de référence étape : Modèle de référence

sous les contraintes

avecavec

minWGJ WGmin · WG · WGmax

J =tpP

j =1[(pintref (t+j )¡ p̂int(t+j )]2+½

tp ¡ 1P

j =0¢WG(t+j )2




33èmeème étape : Minimisation étape : Minimisation

p̂int(t +1) = f nn (pint(t);WG(t);Dcyl(t))

) pint(t +1) = at +btpint(t) +ctWG(t)

pman sp ! pintref

27/47

Contrôle prédictif de la wastegate Contrôle prédictif de la wastegate Schéma de commandeSchéma de commande

Comparaison entre 3 approches Commande prédictive non linéaire neuronale sous contraintes Commande prédictive linéarisée neuronale sous contraintes Commande prédictive linéarisée neuronale saturée

Différences négligeables

(100%)

(4%4%)(0.06%0.06%)




mais temps de calculs très différentstemps de calculs très différents

28/47

Contrôle prédictif de la wastegate Contrôle prédictif de la wastegate Résultats au banc moteurRésultats au banc moteur

Solution choisieSolution choisie Commande prédictive neuronale Commande prédictive neuronale

linéarisée saturée linéarisée saturée Comparaison avec un contrôle PIDComparaison avec un contrôle PID

Moyens expérimentauxMoyens expérimentaux Prototypage rapide du contrôlePrototypage rapide du contrôle Moteur Smart 3 cylindres Moteur Smart 3 cylindres

turbocompresséturbocompressé

Objectifs satisfaitsObjectifs satisfaits Temps de calcul <0.5msTemps de calcul <0.5ms Pas de dépassementPas de dépassement Bon suiviBon suivi Faible sollicitation des actionneursFaible sollicitation des actionneurs Papillon le plus ouvert possiblePapillon le plus ouvert possible




29/47

Conclusion partielleConclusion partielle

Structure générale Structure générale Structure générique (masse d’air)Structure générique (masse d’air) Décomposition en blocs interconnectésDécomposition en blocs interconnectés Contrôle à base de modèlesContrôle à base de modèles Facilité de réglageFacilité de réglage

ApplicationApplication Contrôle de la pression collecteur par modèle interneContrôle de la pression collecteur par modèle interne

Performances très satisfaisantesPerformances très satisfaisantes Réglage aiséRéglage aisé

Contrôle prédictif neuronal du turbocompresseurContrôle prédictif neuronal du turbocompresseur Excellentes performances Excellentes performances Approche générique et rapideApproche générique et rapide




30/47

3. Extension au moteur 3. Extension au moteur turbocompressé à distribution turbocompressé à distribution

variablevariable

3.1 Observateur de masse d’air3.1 Observateur de masse d’air

3.2 Contrôle des déphaseurs3.2 Contrôle des déphaseurs

3.3 Résultats au banc moteur3.3 Résultats au banc moteur

3.4 Résultats sur véhicule3.4 Résultats sur véhicule

3.5 Conclusion partielle3.5 Conclusion partielle

31/47


mair_sp

Sup

erviseur

Consigne en

Couple indiqué

Chaîne d’air (pap

illon, turbo)

Contrôle de la masse d’air

pman_spModèle de pression collecteur

Δmair

Contrôle des déphaseurs d’arbre à cames

RGMsp VCTin

VCTexh

Contrôle de la masse de Gaz Recirculés

pman

Contrôle du papillon et de la WasteGate




4. Conclusions

Capteurs

Actionneurs

Chaîne d’air (pap

illon, turbo, distribution variab

le)

32/47

Modèle statique de pression collecteurModèle statique de pression collecteur

Relation directe entre couple et masse d’air Relation directe entre couple et masse d’air Relation mRelation mairair ppmanman??

Prise en compte des déphaseurs dans le modèlePrise en compte des déphaseurs dans le modèle

Prise en compte du biais de modèle Prise en compte du biais de modèle




pman sp= fnn (mair sp;Ne;VCTin;VCTexh)

pman sp= fnn (mair sp ¡ ¢mair;Ne;VCTin;VCTexh)

pman sp= f (mair sp;Ne)

33/473. Extension au moteur


Observateur de masse d’airObservateur de masse d’air

Objectif Objectif Estimer la masse d’air enfermée dans le cylindreEstimer la masse d’air enfermée dans le cylindre

Estimer biais de modèleEstimer biais de modèle

Modèle statiqueModèle statique

Données disponiblesDonnées disponibles Apprentissage (en simulation, 6800 points)Apprentissage (en simulation, 6800 points) Validation (en simulation et au banc moteur, 80 points)Validation (en simulation et au banc moteur, 80 points)

f (pman;Ne;VCTin;VCTexh)


4. Conclusions

mair cyl = ´vol(pamb;Tman)pambVcylrTman




Comparaison des modèles statiques sur les données de Comparaison des modèles statiques sur les données de validationvalidation

Problème Problème Biais de l’estimateur (boucle ouverte) dû à l’erreur intrinsèque du Biais de l’estimateur (boucle ouverte) dû à l’erreur intrinsèque du simulateur simulateur estimer ce biais estimer ce biais

RMSE (mg)RMSE (mg) BancBanc SimuSimu CoefficientsCoefficients

NeuronalNeuronal 28.4928.49 9.369.36 3737

Polynomial linéaire en pPolynomial linéaire en pmanman 30.6730.67 15.6615.66 6969

PolynomialPolynomial 28.8728.87 9.889.88 7070


4. Conclusions




Idée : Reboucler l’estimateur sur la pression collecteurIdée : Reboucler l’estimateur sur la pression collecteur

Bilan des débits au collecteurBilan des débits au collecteur

½ _X =AX +BUY =CX

½ dpm andt = rTm an

Vm an(Dmesure ¡ Dcyl ¡ ¢ Dcyl ¡ Dbalaye)

_¢Dcyl =0

avec:

½X k+1 =AdX k +BdUk +w(k)Yk =CX k +v(k)

Filtre de Kalman


4. Conclusions

PintPint PmanPman

DcylDcyl

DbalayeDbalaye

DmesureDmesure

U =

0

@DmesureDcylDbalaye

1

A X =

µpman¢Dcyl

¶

¢mair




Estimateur rebouclé :Estimateur rebouclé : Résultat au banc moteurRésultat au banc moteur

m̂ai r cyl = ´vol(pamb;Tman)pam bVcy lrTman

+¢mai r


4. Conclusions



Contrôle des déphaseursContrôle des déphaseurs

Schéma de contrôleSchéma de contrôle

Estimateur neuronal de la masse de gaz recirculésEstimateur neuronal de la masse de gaz recirculés

minJ0· V C T i n · 400· V C Tex h · 40

\RGM = f nn (pman;Ne;VCTin ;VCTexh)

J =³\RGM ¡ RGMsp

´2+½1¢VCT2in +½2¢VCT

2exh


4. Conclusions

38/47

Tests de la structure de contrôleTests de la structure de contrôle

Couple constant pour toute la plage utile de RGM Couple constant pour toute la plage utile de RGM Test de la sensibilité du contrôle en couple Test de la sensibilité du contrôle en couple

Résultats dynamiques au banc moteur (moteur F5P, IFP)Résultats dynamiques au banc moteur (moteur F5P, IFP)2000 tr/min, 35Nm2000 tr/min, 35Nm




4. Conclusions

39/47

Tests de la structure de contrôleTests de la structure de contrôle

Variation de consigne de couple Variation de consigne de couple Comparaison contrôle classique/contrôle RGMComparaison contrôle classique/contrôle RGM

Résultats dynamiques au banc moteur (moteur F5P, IFP)Résultats dynamiques au banc moteur (moteur F5P, IFP)2000tr/min, 10Nm2000tr/min, 10Nm210Nm210Nm




4. Conclusions

40/47

Point de référence

Choix des consignesChoix des consignes

Structure de contrôle Structure de contrôle Iso-couple avec différentes masses de gaz recirculésIso-couple avec différentes masses de gaz recirculés Possibilité d’optimisationPossibilité d’optimisation

Quelle est la meilleure consigne à donner au contrôle?Quelle est la meilleure consigne à donner au contrôle? Essai stationnaire à iso-couple de consigne, iso-masse d’air, iso-richesse Essai stationnaire à iso-couple de consigne, iso-masse d’air, iso-richesse

à 1500 tr/minà 1500 tr/min Point à choisir




4. Conclusions

Point instable à supprimer



Conclusion partielleConclusion partielle

Structure générale Structure générale Structure générique (variables internes de haut niveau)Structure générique (variables internes de haut niveau) Décomposition en blocs interconnectésDécomposition en blocs interconnectés Contrôle à base de modèlesContrôle à base de modèles Facilité de réglageFacilité de réglage

ApplicationApplication Construction d’estimateurs et d’observateursConstruction d’estimateurs et d’observateurs

Nombreuses grandeurs physiques non mesurées Nombreuses grandeurs physiques non mesurées

Contrôle des déphaseursContrôle des déphaseurs Optimisation d’un critère Optimisation d’un critère Améliore le temps de réponseAméliore le temps de réponse

Du banc moteur au véhiculeDu banc moteur au véhicule Stratégies de gestion moteur novatricesStratégies de gestion moteur novatrices


4. Conclusions

42/47

4. Conclusions et perspectives4. Conclusions et perspectives

43/47

Conclusions et perspectivesConclusions et perspectives

DownsizingDownsizingCombinaison de nombreuses technologies existantesCombinaison de nombreuses technologies existantes

Gestion du moteur complexeGestion du moteur complexe

Recours à des techniques évoluées de contrôle et de modélisationRecours à des techniques évoluées de contrôle et de modélisation

Contrôle d’un système rapide non linéaireContrôle d’un système rapide non linéaire Méthodologie reposant sur des commandes à base de modèlesMéthodologie reposant sur des commandes à base de modèles

ApplicationsApplications Moteur AC turbocompresséMoteur AC turbocompressé Moteur AC turbocompressé à distribution variableMoteur AC turbocompressé à distribution variable




4. Conclusions

44/47


Commande du papillon par modèle interneCommande du papillon par modèle interne Performance très satisfaisantesPerformance très satisfaisantes Réglage aiséRéglage aisé

Commande prédictive du turbocompresseurCommande prédictive du turbocompresseur Non linéarités Non linéarités modèle neuronal modèle neuronal Linéarisation et saturation Linéarisation et saturation temps réel temps réel Performances Performances pas de dépassement pas de dépassement

Commande des déphaseursCommande des déphaseurs Variable de haut niveau Variable de haut niveau RGM RGM Sollicitation des actionneurs Sollicitation des actionneurs réglable réglable Temps de réponse en couple Temps de réponse en couple amélioré amélioré

Observateur de masse d’airObservateur de masse d’air Modèle neuronal Modèle neuronal validé sur simulateur validé sur simulateur Biais de modèle Biais de modèle filtre de Kalman filtre de Kalman




4. Conclusions

45/47


DownsizingDownsizing Amélioration du temps de réponse et du suivi de coupleAmélioration du temps de réponse et du suivi de couple Contrôle de la masse de gaz brûlésContrôle de la masse de gaz brûlés

Décomposition du contrôle en modulesDécomposition du contrôle en modules Structure simple et caractère génériqueStructure simple et caractère générique

Extension du schéma initial aux déphaseursExtension du schéma initial aux déphaseurs

Variables internes : masse d’air / masse de gaz recirculésVariables internes : masse d’air / masse de gaz recirculés

Schéma de contrôle proposéSchéma de contrôle proposé Découplage couple/polluants Découplage couple/polluants optimisation optimisation Nouvelles possibilités offertesNouvelles possibilités offertes




4. Conclusions

46/47


Perspectives « Énergétique »Perspectives « Énergétique » Quantification du balayage d’air à l’aide de mesures et de modèles Quantification du balayage d’air à l’aide de mesures et de modèles

physiquesphysiques Travail nécessaire sur le superviseurTravail nécessaire sur le superviseur

Observateur des espèces dans le cylindre et des polluants générésObservateur des espèces dans le cylindre et des polluants générés Trajectoires dynamiques des variables de haut niveau : Trajectoires dynamiques des variables de haut niveau :

masse d’air, masse de gaz brûlés, masse d’air balayéemasse d’air, masse de gaz brûlés, masse d’air balayée ……

Perspectives « Automatique »Perspectives « Automatique » Apprentissage d’un modèle neuronal sur des données de simulation Apprentissage d’un modèle neuronal sur des données de simulation

(exhaustives) tout en étant proche des mesures (limitées)(exhaustives) tout en étant proche des mesures (limitées) Pertinence des signaux d’identification des modèles dynamiques non Pertinence des signaux d’identification des modèles dynamiques non

linéaires linéaires Optimisation globale d’un systèmeOptimisation globale d’un système ……




4. Conclusions

47/47

Merci de votre attentionMerci de votre attention

48/47

Résultats sur véhiculeRésultats sur véhicule

Moyens expérimentaux (IFP)Moyens expérimentaux (IFP) Véhicule Renault VelSatisVéhicule Renault VelSatis Moteur identique au bancMoteur identique au banc

Exemple obtenu sur une partie d’un cycle européen Exemple obtenu sur une partie d’un cycle européen normalisénormalisé




4. Conclusions et perspectives

49/47


Modèle de pression collecteur

pman_sp

Ne

2 Contrôle prédictif neuronal de la WasteGate

pint

pman

Contrôle avec prépositionnement du papillon

4

3

mair_sp

Super-

viseur

Consigne

en Couple indiqué

Sthr

WG

Chaîne d’air

Contrôle de la masse d’air

RGMsp VCTin

VCTexh

VCTinVCTexh

Ne

Contrôle optimal des déphaseurs d’arbre à cames

5

Contrôle de la masse de Gaz Recirculés

Observateur de masse d’airΔmair

pman

Dmesure1

m̂ai r cyl

50/47

Modèle de pression collecteurModèle de pression collecteur

0 20 40 60 800

2

4

Pression collecteur sur des données de validation (simulation)

0 20 40 60 800

0.02

0.04

0.06Erreur absolue (bar), RMSE : 0.011525 bar

Numéro du point

Neuronal Amesim

0 20 40 60 800

2

4

Pression collecteur sur des données de validation (banc moteur)

0 20 40 60 800

0.1

0.2Erreur absolue (bar), RMSE : 0.058366 bar

Numéro du point

Neuronal Banc

pman sp = fnn³(mair sp ¡ ¢mair ) rTm anpam bVcy l

;Ne;VCTin;VCTexh´

Equation générant la consigne de pression collecteur :

Documents

1/47 Contrôle des systèmes rapides non linéaires Application au moteur à allumage commandé turbocompressé à distribution variable Guillaume COLIN 12 octobre