Stratégie avancée pour véhicules électriques à propulsion distribuée
Alors que la mobilité électrique redéfinit rapidement le paysage automobile, garantir la stabilité des véhicules—particulièrement dans des conditions de conduite extrêmes—est devenu une priorité technique absolue. Une étude novatrice publiée dans le Journal de l’Université de Technologie de Chongqing (Sciences Naturelles) présente une architecture de contrôle hiérarchique inédite qui améliore significativement la stabilité latérale des véhicules électriques à propulsion distribuée (VEPD) en coordonnant intelligemment le contrôle direct du moment de lacet (CDML) et la direction intégrale (DI). Dirigée par le professeur Changgao Xia et l’étudiant diplômé Yazhou Li de l’École d’Ingénierie Automobile et des Transports de l’Université de Jiangsu, cette recherche propose une stratégie robuste et temps réel exploitant l’analyse du plan de phase, le double contrôle par mode glissant et une répartition optimale des forces de pneus pour maintenir la stabilité du véhicule même sur surfaces à faible adhérence.
Les véhicules électriques à propulsion distribuée—équipés de moteurs individuels sur chaque roue—offrent une flexibilité de contrôle inégalée comparée aux groupes motopropulseurs conventionnels. Cependant, cet avantage architectural introduit également une dynamique complexe exigeant une coordination sophistiquée entre les systèmes de direction et de distribution du couple. Les approches traditionnelles traitent souvent la stabilité de lacet et le contrôle de direction comme des fonctions séparées, conduisant à des performances sous-optimales lorsque les deux systèmes opèrent simultanément sans synergie appropriée. La nouvelle stratégie proposée par Xia et Li comble cette lacune en intégrant la DI et le CDML dans un cadre unifié s’adaptant dynamiquement selon l’état instantané du véhicule et les conditions routières.
Au cœur de cette innovation réside une architecture de contrôle à deux couches. La couche supérieure utilise un double contrôleur par mode glissant qui suit deux signaux de référence clés dérivés d’un modèle linéaire bicyclette à deux degrés de liberté : la vitesse latérale idéale et le taux de lacet idéal. Ces références représentent le comportement désiré du véhicule en conditions de conduite stables. Le contrôleur compare continuellement les valeurs mesurées par les capteurs avec ces idéaux et génère deux sorties principales : une correction angulaire de direction additionnelle et une demande de moment de lacet supplémentaire. Le contrôle par mode glissant a été choisi pour sa robustesse inhérente face aux incertitudes paramétriques et aux perturbations externes—une caractéristique essentielle pour les scénarios de conduite réels incluant vents latéraux, surfaces routières irrégulières ou manœuvres brusques.
Ce qui distingue cette approche réside dans la manière dont la couche inférieure interprète et exécute ces commandes de haut niveau. Plutôt que d’appliquer des corrections aveuglément, le système utilise le plan de phase ω–β—traçant le taux de lacet contre l’angle de dérive—pour évaluer la proximité du véhicue avec l’instabilité. Cette méthode du plan de phase, longtemps utilisée en dynamique théorique des véhicules, est opérationnalisée ici comme un outil décisionnel temps réel. À l’intérieur d’une frontière de stabilité mathématiquement définie (exprimée comme ω + B₁β ≤ B₂), le système repose principalement sur des ajustements de direction. Mais une fois que l’état du véhicule franchit ce seuil—indiquant un sous-virage ou survirage naissant—le contrôleur active simultanément le CDML pour compléter la direction par une distribution différentielle du couple aux roues.
Cette transition n’est pas abrupte mais soigneusement coordonnée. Lorsque le véhicule approche la limite de stabilité, le système DI commande les angles de direction maximaux réalisables basés sur les charges actuelles des pneus et la friction routière. Toute demande de stabilité résiduelle au-delà de ce que la direction seule peut fournir est ensuite satisfaite par le CDML via une manipulation précise des forces longitudinales à chaque roue. Cette synergie garantit que les deux systèmes opèrent dans leurs domaines optimaux : la direction pour des corrections fines à haute bande passante dans la région linéaire des pneus, et le vectoring de couple pour des interventions brutes de grande amplitude dans le régime non linéaire.
Une réalisation technique clé de l’étude est la formulation du problème de répartition des forces de pneus comme une tâche d’optimisation sous contraintes. Le contrôleur inférieur minimise une fonction de coût représentant l’utilisation des pneus—spécifiquement, la somme des forces longitudinales normalisées au carré sur les quatre roues—sous réserve des contraintes physiques imposées par l’ellipse de friction. Cela garantit qu’aucun pneu n’excède sa limite d’adhérence tout en générant collectivement la force longitudinale exacte et le moment de lacet demandés par la couche supérieure. La solution respecte à la fois les contraintes d’égalité (équilibre total des forces et moments) et les contraintes d’inégalité (limites de force des pneus dictées par la charge verticale et le coefficient de friction routière). Les commandes de couple résultantes sont ensuite mappées aux moteurs de roues individuels via un modèle simplifié mais précis de moteur de moyeu.
Pour valider leur stratégie, Xia et Li ont conduit des co-simulations haute fidélité utilisant CarSim et MATLAB/Simulink. Ils ont sélectionné la manœuvre de double changement de voie—un test standard pour évaluer la capacité d’évitement d’urgence—à une vitesse constante de 54 km/h sur diverses conditions routières (μ = 0,3, 0,6 et 0,9). Trois configurations de contrôle ont été comparées : DI seule, CDML seul, et la stratégie coordonnée DI+CDML proposée. Les résultats furent sans équivoque. Dans toutes les conditions testées, l’approche coordonnée a produit le suivi le plus proche de la réponse idéale du véhicue en termes de vitesse latérale, taux de lacet et déplacement latéral. Notamment, sur la surface à faible friction (μ = 0,3)—simulant des routes humides ou verglacées—le contrôleur coordonné a maintenu la précision de trajectoire avec un dépassement et une oscillation minimaux, tandis que le système DI seul exhibait une déviation significative due à une autorité corrective insuffisante, et le système CDML seul, bien que stabilisant, produisait des erreurs d’état stationnaire plus importantes.
L’avantage de performance était particulièrement évident durant les phases hautement dynamiques de la manœuvre. Dans le cas de la DI seule, une fois que les angles de dérapage des pneus dépassaient la plage linéaire, des entrées de direction supplémentaires produisaient des rendements décroissants et même des effets déstabilisants. Au contraire, le système coordonné activait le CDML précisément quand nécessaire, utilisant le couple différentiel pour générer un moment de lacet additionnel sans augmenter la charge latérale des pneus. Cela non seulement rétablissait la stabilité mais préservait également l’intention du conducteur en minimisant la déviation de trajectoire non intentionnelle. Les angles de direction des quatre roues, calculés en temps réel basés sur le transfert de charge et le comportement de virage désiré, ont démontré des trajectoires lisses et physiquement plausibles respectant les limites mécaniques.
Au-delà des bénéfices immédiats de stabilité, l’architecture proposée offre plusieurs avantages pratiques pour une implémentation réelle. Premièrement, elle repose uniquement sur des données de capteurs couramment disponibles—vitesse du véhicule, taux de lacet, accélération latérale et angle de direction—la rendant compatible avec les matériels existants de contrôle électronique de stabilité (ESC). Deuxièmement, la logique décisionnelle du plan de phase est computationally légère, permettant une exécution sur microcontrôleurs automobiles standard sans nécessiter des unités de traitement haut de gamme. Troisièmement, la conception modulaire permet une intégration incrémentale : les manufacturiers pourraient initialement déployer le composant DI et ajouter ultérieurement le CDML à mesure que les capacités de contrôle moteur mûrissent.
D’une perspective de sécurité, les implications sont profondes. La perte de contrôle du véhicule en virage reste une cause principale d’accidents à un seul véhicule, particulièrement sur les routes rurales avec des changements de surface imprévus. En gérant proactivement la transition entre les régimes de conduite linéaires et non linéaires, cette stratégie de contrôle pourrait prévenir nombre de tels incidents. De plus, alors que les systèmes de conduite autonome deviennent plus prévalents, de tels contrôleurs de stabilité robustes seront essentiels pour assurer une opération sécuritaire dans des conditions dégradées—que ce soit dû à une défaillance de capteur, des conditions météorologiques adverses ou des obstacles inattendus.
La recherche contribue également au discours académique plus large sur le contrôle intégré de la dynamique du véhicule. Bien que des études antérieures aient exploré la coordination AFS/CDML ou la répartition hiérarchique des forces de pneus, peu ont combiné l’évaluation de stabilité par plan de phase avec le double contrôle par mode glissant et une allocation optimale temps réel dans un cadre unifié taillé pour les VEPD. Le travail de Xia et Li fait le pont entre la rigueur théorique et la faisabilité pratique, offrant un modèle pouvant être adapté pour diverses architectures véhiculaires—incluant les plateformes à direction et propulsion indépendantes sur les quatre roues (4WIS-4WID).
En prospective, les auteurs suggèrent plusieurs pistes pour des travaux futurs. Celles-ci incluent l’extension de la stratégie pour gérer des manœuvres longitudinales et latérales combinées (par exemple, le freinage en virage), l’incorporation d’éléments prédictifs utilisant des données de prévision routière, et la validation du contrôleur sur des véhicules d’essai physiques. Additionnellement, l’intégration de la surveillance de l’état du conducteur pourrait permettre des interventions de stabilité personnalisées—plus agressives pour les conducteurs performants, plus conservatrices pour les utilisateurs âgés ou novices.
En résumé, cette étude représente un pas significatif en avant dans la quête de véhicules électriques plus sûrs et plus contrôlables. En harmonisant la direction et le vectoring de couple à travers une prise de décision intelligente et informée par la physique, la stratégie de contrôle proposée n’améliore pas seulement la stabilité mais maximise également les capacités uniques des architectures à propulsion distribuée. Alors que l’industrie automobile accélère vers l’électrification et l’automatisation, de telles innovations seront cruciales pour bâtir la confiance du public et réaliser le plein potentiel de la mobilité de prochaine génération.
Auteurs : Changgao Xia, Yazhou Li
Affiliation : École d’Ingénierie Automobile et des Transports, Université de Jiangsu, Zhenjiang 212013, Chine
Publié dans : Journal de l’Université de Technologie de Chongqing (Sciences Naturelles), 2024, Vol. 38, No. 4, pp. 31–38
DOI : 10.3969/j.issn.1674-8425(z).2024.04.005