Contrôle avancé pour véhicules électriques à quatre roues motrices
Le développement des véhicules autonomes a atteint un stade où la sécurité dans des conditions de conduite extrêmes devient la priorité absolue. Alors que ces véhicules quittent les environnements de test contrôlés pour affronter la complexité du monde réel, leur capacité à gérer des manœuvres d’urgence, comme l’évitement soudain d’un obstacle, est cruciale. Un progrès significatif dans ce domaine a été réalisé par une équipe de chercheurs de l’Université Tongji à Shanghai, qui a conçu une stratégie de contrôle hiérarchique innovante pour les véhicules électriques à traction indépendante sur les quatre roues (4WID-EV). Ce système promet d’améliorer considérablement non seulement la précision du suivi de trajectoire, mais aussi la stabilité dynamique du véhicule, même dans les situations les plus critiques.
Dirigé par le Dr Shuping Chen, le Professeur Zhiguo Zhao et Kun Zhao de l’École des études automobiles de l’Université Tongji, cette étude, publiée dans la revue Journal of Tongji University (Natural Science), introduit une architecture de contrôle sophistiquée en deux niveaux. Cette architecture vise à intégrer de manière cohérente le suivi de trajectoire et la stabilité du véhicule, un défi que de nombreux systèmes actuels traitent de façon séparée, sacrifiant souvent un objectif au profit de l’autre.
Le cœur de cette innovation réside dans la combinaison d’un contrôleur prédictif avancé au niveau supérieur et d’un algorithme d’allocation intelligente au niveau inférieur. Au niveau supérieur, le système utilise un Contrôle Prédictif par Modèle Linéaire Variant dans le Temps (LTV MPC). Cette technique est reconnue pour sa capacité à prédire le comportement futur du véhicule et à optimiser les commandes de contrôle sur un horizon de temps fini, tout en tenant compte des diverses contraintes du système. La particularité du système de l’Université Tongji réside dans le modèle de prédiction utilisé. Contrairement à de nombreuses approches qui s’appuient sur des modèles de véhicule simplifiés, le contrôleur supérieur est basé sur un modèle de dynamique du véhicule à 8 degrés de liberté (8-DOF). Ce modèle de haute fidélité capture des dynamiques critiques, notamment les mouvements longitudinaux, latéraux, de lacet et de roulis, offrant ainsi une représentation beaucoup plus précise du comportement du véhicule lors de manœuvres agressives.
Un des principaux points forts du contrôleur supérieur est l’intégration d’un contrôleur PID pour le suivi de la vitesse directement dans la boucle d’optimisation du MPC. Cela permet au système de prendre en compte dynamiquement les variations de la vitesse longitudinale lors de la phase de prédiction. Dans la conduite réelle, la vitesse du véhicule est rarement constante, surtout lors de manœuvres d’urgence impliquant une accélération ou un freinage rapide. En intégrant le contrôle de la vitesse longitudinale dans le cadre du MPC, le système génère une commande de couple total nécessaire qui est intrinsèquement synchronisée avec les objectifs de stabilité latérale et de lacet. Cette approche holistique garantit que la dynamique longitudinale et latérale du véhicule ne sont pas traitées comme des problèmes séparés, mais optimisées conjointement, ce qui se traduit par un comportement global plus fluide et stable.
Le contrôleur LTV MPC calcule deux sorties principales : l’angle de braquage des roues avant désiré et un couple de lacet supplémentaire. L’angle de braquage est utilisé pour guider le véhicule le long de la trajectoire souhaitée, tandis que le couple de lacet supplémentaire est un élément crucial pour maintenir la stabilité. Dans un véhicule conventionnel, ce couple est généré par la dynamique du châssis. Dans un 4WID-EV, il est produit activement par la distribution intelligente du couple aux quatre roues – une capacité exclusive aux véhicules à traction indépendante.
C’est ici que le niveau inférieur du système entre en jeu. Le deuxième niveau de la hiérarchie est responsable de l’allocation du contrôle, un processus qui détermine comment le couple total nécessaire et le couple de lacet supplémentaire, calculés au niveau supérieur, sont répartis entre les quatre roues. Les chercheurs de l’Université Tongji utilisent une méthode de Programmation Quadratique (QP) pour résoudre ce problème d’allocation. La programmation quadratique est une technique d’optimisation puissante capable de trouver efficacement la meilleure solution possible tout en respectant de multiples contraintes physiques et opérationnelles.
Les objectifs d’optimisation dans le problème de QP sont multifacettes, reflétant les compromis complexes impliqués dans le contrôle d’un véhicule. Le premier objectif est de minimiser l’erreur de suivi du couple, en garantissant que le couple réel délivré par chaque roue corresponde étroitement à la commande du niveau supérieur. Le deuxième objectif est de minimiser l’utilisation du pneu. L’utilisation du pneu est une mesure de la proximité d’un pneu avec sa limite de frottement physique. En maintenant cette utilisation faible, le système préserve une marge de sécurité, permettant aux pneus de générer des forces latérales ou longitudinales supplémentaires si nécessaire, ce qui est essentiel pour maintenir la stabilité. Le troisième objectif est de minimiser la perte d’énergie par glissement longitudinal, ce qui aide à prévenir le patinage excessif des roues et améliore l’efficacité énergétique.
Le solveur QP fonctionne sous plusieurs contraintes critiques. Celles-ci incluent les limites de couple maximales et minimales de chaque moteur électrique, dictées par les limitations matérielles de la transmission. Tout aussi importantes sont les contraintes de frottement de la route, qui garantissent que la somme des forces longitudinales et latérales sur chaque pneu n’excède pas l’ellipse d’adhérence disponible, une limite fondamentale imposée par la surface de la route et l’état du pneu. Pour représenter avec précision le couplage non linéaire entre les forces longitudinales et latérales des pneus, le contrôleur utilise un modèle de pneu à brosse en conditions de glissement combiné, une caractéristique vitale pour une simulation et un contrôle réalistes dans des conditions extrêmes.
Pour valider l’efficacité de la stratégie de contrôle proposée, l’équipe de recherche a mené des simulations étendues en utilisant un modèle de véhicule à 14 degrés de liberté (14-DOF) comme « plante » ou représentation du véhicule réel. Ce modèle détaillé, qui inclut la dynamique individuelle de chaque roue et la course de la suspension, sert de plateforme de test beaucoup plus réaliste que le modèle à 8-DOF utilisé pour la prédiction. Le scénario de test principal était une manœuvre de double changement de voie, un scénario de référence standard pour évaluer la stabilité et les performances de maniabilité d’urgence d’un véhicule. Cette manœuvre simule le changement rapide de voie nécessaire pour éviter un obstacle sur la route, imposant une pression considérable sur les systèmes de contrôle du véhicule.
Les résultats des simulations étaient convaincants. Les chercheurs ont testé le contrôleur à diverses vitesses, allant de 36 km/h à 90 km/h, sur une surface à haute adhérence (µ = 0,85). À toutes les vitesses, le véhicule a démontré un excellent suivi de trajectoire, l’écart latéral maximal restant inférieur à 0,28 mètre. Bien que, comme prévu, l’erreur de suivi augmente légèrement avec la vitesse en raison des forces dynamiques plus importantes impliquées, les performances sont restées dans des limites acceptables. Plus important encore, la vitesse de lacet et l’angle de dérapage latéral du véhicule – les principaux indicateurs de stabilité – sont restés dans des limites sûres tout au long de la manœuvre. Le contrôleur a utilisé efficacement le couple de lacet supplémentaire, généré en créant une différence de couple entre les roues gauche et droite, pour maintenir le véhicule stable et sur sa trajectoire.
La robustesse de la stratégie de contrôle a été encore démontrée par des simulations sur différentes surfaces routières. L’équipe a testé le système à une vitesse constante de 50 km/h sur une surface à haute adhérence (µ = 0,8) et sur une surface à faible adhérence (µ = 0,3), qui pourrait représenter des routes mouillées ou glissantes. Sur la surface à haute adhérence, le véhicule a suivi la trajectoire avec une précision exceptionnelle. Sur la surface à faible adhérence, comme anticipé, les performances de suivi étaient plus difficiles, avec une légère augmentation de l’erreur latérale et un petit retard dans la réponse. Cependant, l’écart latéral maximal était encore inférieur à 0,12 mètre, et le véhicule a maintenu sa stabilité sans aucun signe de perte de contrôle. Ce résultat est particulièrement significatif car il démontre la capacité du contrôleur à s’adapter à des conditions de conduite variables, une capacité critique pour un déploiement dans le monde réel.
La validation la plus révélatrice est venue d’une comparaison directe entre le contrôleur coordonné de stabilité proposé et un contrôleur plus simple se contentant de suivre la trajectoire. Dans une simulation à 72 km/h sur une surface à faible adhérence (µ = 0,4), la différence était marquée. Le contrôleur coordonné de stabilité a atteint une erreur de suivi latéral plus faible et une réponse de vitesse plus rapide et plus précise. Plus important encore, l’angle de dérapage latéral et la vitesse de lacet du véhicule étaient significativement plus faibles et plus stables lorsque le contrôle coordonné était actif. Cela démontre que le couple de lacet supplémentaire n’est pas qu’un concept théorique, mais un outil pratique qui améliore activement à la fois la stabilité et la précision du suivi. Le contrôleur a obtenu une meilleure trajectoire en rendant le véhicule plus stable, prouvant ainsi que stabilité et précision ne sont pas des objectifs contradictoires, mais peuvent se renforcer mutuellement.
Les implications de cette recherche vont bien au-delà de l’intérêt académique. Pour l’industrie automobile, ce travail fournit un plan clair pour le développement de systèmes de contrôle de stabilité de nouvelle génération. Alors que les plateformes 4WID-EV deviennent de plus en plus courantes, notamment dans les véhicules hautes performances et autonomes, la capacité d’exploiter le couple individuel de chaque roue pour la stabilité sera un facteur différenciant clé. La stratégie de contrôle de Tongji offre une solution pratique et efficace pour exploiter ce potentiel.
En outre, l’intégration d’un modèle de prédiction de haute fidélité et d’un cadre d’optimisation multi-objectif établit une nouvelle norme pour la conception des systèmes de contrôle. Elle s’éloigne de l’approche traditionnelle, où la direction, le freinage et la propulsion sont gérés par des systèmes séparés, pour s’orienter vers une approche holistique et intégrée. C’est essentiel pour l’avenir de la conduite autonome, où le véhicule doit agir comme un agent intelligent unique, capable de prendre des décisions complexes en temps réel qui équilibrent de multiples objectifs, souvent concurrents.
La recherche souligne également l’importance de la fidélité du modèle. En utilisant un modèle à 8-DOF pour la prédiction et un modèle à 14-DOF pour la simulation, l’équipe a garanti que sa stratégie de contrôle était testée dans des conditions réalistes. Ce soin accru augmente la confiance dans le fait que l’algorithme fonctionnera bien lorsqu’il sera implémenté sur un véhicule réel, une étape critique dans le processus de développement.
En regardant vers l’avenir, les auteurs ont identifié plusieurs pistes prometteuses pour des recherches futures. L’une d’elles est l’intégration de la stabilité de roulis dans le cadre de contrôle. Bien que le travail actuel se concentre sur la stabilité de lacet, la dynamique de roulis du véhicule est tout aussi importante, notamment lors de manœuvres à haute accélération latérale. Un système de contrôle capable de gérer simultanément le lacet et le roulis offrirait un niveau de sécurité encore plus élevé. Un autre domaine est le développement de méthodes adaptatives pour ajuster les facteurs de pondération dans l’optimisation de la QP. Ces facteurs déterminent l’importance relative du suivi du couple, de l’utilisation du pneu et de la perte d’énergie. Un système adaptatif capable d’ajuster ces poids en temps réel en fonction des conditions de conduite pourrait optimiser encore davantage les performances.
En conclusion, le travail de Chen, Zhao et Zhao représente un progrès significatif dans le domaine de la dynamique et du contrôle des véhicules. Leur stratégie de contrôle hiérarchique et prédictif pour les véhicules 4WID-EV réussit à combler efficacement l’écart entre le suivi précis de la trajectoire et la stabilité robuste du véhicule. Grâce à des simulations rigoureuses et une architecture de contrôle bien conçue, ils ont démontré un système qui fonctionne de manière fiable dans une large gamme de vitesses et de conditions routières. Cette recherche contribue non seulement au corpus des connaissances académiques, mais offre également une solution pratique avec le potentiel de rendre les futurs véhicules autonomes plus sûrs et plus performants.
Shuping Chen, Zhiguo Zhao, Kun Zhao, École des études automobiles, Université Tongji, Journal of Tongji University (Natural Science), DOI:10.11908/j.issn.0253-374x.24713