Stratégie innovante de freinage régénératif pour véhicules électriques
Dans le paysage en constante évolution de la mobilité électrique, chaque kilowattheure compte. Alors que les constructeurs rivalisent d’ingéniosité pour étendre l’autonomie et améliorer l’efficacité, l’une des frontières les plus prometteuses réside dans la gestion intelligente de l’énergie pendant la décélération. Une étude pionnière de l’Université du Jiangsu a introduit une stratégie de contrôle de freinage régénératif sophistiquée, capable de redéfinir la manière dont les véhicules électriques (VE) récupèrent l’énergie en mouvement. En intégrant une identification en temps réel de la surface de la route avec une compréhension nuancée de la dynamique des moteurs doubles, l’équipe de recherche a atteint un taux de récupération d’énergie de freinage de 65,55 % dans des conditions standard, établissant ainsi une nouvelle référence en matière d’efficacité pour les véhicules électriques à traction intégrale.
L’étude, menée par le professeur Pan Gongyu et le chercheur Xu Shen de l’École d’ingénierie automobile et des transports de l’Université du Jiangsu, a été publiée en janvier 2024 dans le Journal of Jiangsu University (Natural Science Edition). Leur travail s’attaque à un défi fondamental de la conception des VE : comment maximiser la récupération d’énergie sans compromettre la sécurité ou la stabilité. Bien que le freinage régénératif soit une caractéristique standard des VE modernes, son efficacité est souvent limitée par des stratégies de contrôle conservatrices qui ne parviennent pas à exploiter pleinement l’adhérence disponible entre les pneus et la route. Les systèmes traditionnels supposent généralement une condition de route fixe, ce qui conduit à des performances sous-optimales, en particulier sur des surfaces variables ou à faible adhérence.
L’approche de Pan et Xu rompt avec la convention en considérant la route non pas comme un décor statique, mais comme une variable dynamique qui doit être évaluée en continu. Au cœur de leur stratégie se trouve un nouveau système d’identification de la route qui estime le coefficient d’adhérence de crête — l’adhérence maximale disponible — entre chaque pneu et la surface de la route. Cette estimation n’est pas uniforme ; il s’agit d’un calcul par roue qui tient compte des différences de charge, d’usure et des conditions locales de la route. Le système compare les données en temps réel sur le glissement des roues et l’adhérence de la route à une bibliothèque de huit types de routes standard, allant de l’asphalte sec à la glace. En utilisant la logique floue, il détermine le degré de similitude entre les conditions actuelles et chaque surface de référence, puis calcule une moyenne pondérée pour aboutir à une estimation précise du coefficient d’adhérence de crête.
Ce niveau de granularité est crucial. Dans les systèmes conventionnels, une estimation inexacte de l’adhérence routière peut conduire à deux résultats également indésirables : trop peu de freinage régénératif, gaspillant ainsi de l’énergie récupérable, ou trop, risquant le blocage de la roue et la perte de contrôle. En s’adaptant dynamiquement aux conditions réelles de la route, la stratégie de l’équipe de l’Université du Jiangsu garantit que le véhicule fonctionne aussi près que possible du rapport de glissement optimal — le point où la friction et l’adhérence sont équilibrées pour une récupération maximale de l’énergie sans compromettre la stabilité.
Mais détecter la route n’est qu’une partie de l’équation. L’autre partie réside dans la manière dont le véhicule répartit la force de freinage entre ses moteurs électriques et ses freins à friction hydrauliques. Les chercheurs se sont concentrés sur les VE à traction intégrale équipés de moteurs doubles, où les deux essieux, avant et arrière, sont propulsés et capables de régénération. Dans de telles architectures, le potentiel de récupération d’énergie est nettement supérieur à celui des configurations à traction avant ou arrière, mais la complexité de la gestion de l’interaction entre les deux transmissions est également accrue.
La stratégie de contrôle de Pan et Xu exploite les caractéristiques externes des moteurs doubles — essentiellement leurs profils couple-vitesse — pour déterminer le moyen le plus efficace de répartir l’effort de freinage. Lorsque le conducteur actionne le frein, le système évalue d’abord la vitesse du véhicule, l’état de charge (SOC) de la batterie et l’intensité du freinage. Si la vitesse est supérieure à 5 km/h, le SOC est inférieur à 90 % et la demande de freinage n’est pas urgente (moins de 0,8 g), le système active le freinage régénératif. L’innovation clé réside dans la manière dont il répartit ensuite la charge entre les moteurs avant et arrière.
La stratégie est conçue pour prioriser la récupération d’énergie tout en respectant les contraintes de sécurité. Elle utilise les coefficients d’adhérence de crête estimés pour les roues avant et arrière afin de définir des limites supérieure et inférieure pour la force de freinage admissible sur chaque essieu. Si les roues avant ont une meilleure adhérence que les arrière — un scénario courant dû au transfert de charge pendant le freinage — le système peut allouer plus de couple de freinage régénératif à l’essieu avant, où il peut être exploité de manière plus efficace. Inversement, si l’adhérence est plus uniformément répartie, le système équilibre la charge pour maintenir la stabilité du véhicule.
Ce qui distingue cette approche, c’est sa capacité à s’adapter aux conditions changeantes en temps réel. Par exemple, lors d’une manœuvre de freinage sur une surface qui passe de l’asphalte mouillé à l’asphalte sec, le système met continuellement à jour ses estimations d’adhérence et ajuste la répartition du couple en conséquence. Cela garantit que le véhicule n’excède jamais l’adhérence disponible, même lorsque les conditions de la route évoluent pendant la décélération. Le résultat est une expérience de freinage plus fluide et plus prévisible qui maximise la récupération d’énergie sans nécessiter d’intervention du conducteur.
Pour valider leur stratégie, les chercheurs ont mené des simulations approfondies à l’aide de CarSim et Simulink, en modélisant un compact VE à traction intégrale d’un poids à vide de 940 kg, d’une empattement de 2,26 mètres et équipé de batteries lithium-ion. Dans l’un des scénarios de test, le véhicule a décéléré de 40 km/h à l’arrêt avec une intensité de freinage de 0,3 g sur une surface dont le coefficient d’adhérence connu était de 0,6. Dans ces conditions, le système a atteint un taux de récupération d’énergie de freinage de 65,55 % — un chiffre qui représente une amélioration significative par rapport à de nombreux systèmes existants, qui ont souvent du mal à dépasser les 50 % dans des conditions similaires.
La simulation a également révélé les sources de perte d’énergie, fournissant des informations précieuses pour de futures optimisations. Environ 20 % de l’énergie récupérable a été dissipée par les freins mécaniques, principalement lors de la phase finale de la décélération, lorsque la vitesse du véhicule est tombée en dessous de 5 km/h et que le freinage régénératif a été désactivé. Environ 10 % a été perdu en raison d’inefficacités dans le moteur, la batterie et la transmission — des pertes inhérentes à tout processus de conversion d’énergie, mais qui pourraient potentiellement être réduites grâce à des progrès dans la conception des composants. Les 5 % restants ont été attribués à des imperfections du système de contrôle, suggérant que des affinements supplémentaires de l’algorithme pourraient faire grimper encore les taux de récupération.
Dans un test plus complexe, le véhicule a été soumis à une condition de route variable, passant d’une surface à faible adhérence (coefficient d’adhérence de 0,2) à une surface à haute adhérence (0,8) et inversement, tout en décélérant de 80 km/h. Ce scénario est particulièrement difficile pour les systèmes conventionnels, qui peuvent soit sous-utiliser l’adhérence disponible sur le segment à haute adhérence, soit risquer de l’instabilité lors du retour sur le segment à faible adhérence. La stratégie de l’Université du Jiangsu a toutefois démontré des performances robustes, les coefficients d’adhérence prédits suivant de près les valeurs réelles tout au long de la manœuvre. Bien que le taux global de récupération d’énergie dans ce test ait été plus faible — 28,90 % — cela était principalement dû à l’adhérence intrinsèquement limitée des surfaces à faible adhérence, où le freinage mécanique était nécessaire pour assurer la sécurité. Le fait que le système puisse identifier et répondre précisément à ces changements rapides souligne son potentiel d’application dans le monde réel.
Les implications de cette recherche vont bien au-delà du laboratoire. Alors que les véhicules électriques deviennent de plus en plus répandus, la capacité de récupérer l’énergie de manière efficace jouera un rôle de plus en plus important dans la réduction de la fréquence de recharge, le prolongement de la durée de vie de la batterie et la réduction du coût total de possession. Pour les constructeurs automobiles, l’adoption d’une stratégie de contrôle comme celle proposée par Pan et Xu pourrait offrir un avantage concurrentiel, offrant aux conducteurs une expérience de freinage plus efficace et plus réactive. En outre, l’intégration de l’identification de la surface de la route pourrait améliorer les performances d’autres systèmes du véhicule, tels que le contrôle de stabilité électronique et le régulateur de vitesse adaptatif, créant ainsi un environnement de conduite plus cohérent et intelligent.
Sur le plan technique, le succès de cette stratégie repose sur l’intégration fluide de plusieurs disciplines : dynamique du pneu, contrôle du moteur, logique floue et traitement des données en temps réel. L’utilisation de la logique floue est particulièrement remarquable, car elle permet au système de gérer l’incertitude et la non-linéarité inhérentes aux interactions pneu-route. Contrairement à la logique binaire traditionnelle, qui fonctionne sur des conditions strictes vrai/faux, la logique floue peut gérer des vérités partielles, ce qui la rend idéale pour les applications où les entrées sont imprécises ou en constante évolution. En associant les données de glissement et d’adhérence à des variables linguistiques telles que « faible », « moyen » et « élevé », le système peut prendre des décisions nuancées qui imitent l’intuition humaine.
Une autre caractéristique clé de la conception est son accent mis sur la sécurité. Les chercheurs ont mis en œuvre un principe de « sélection minimale » pour le coefficient d’adhérence, ce qui signifie que le système utilise toujours la valeur la plus basse des deux estimées pour les roues gauche et droite du même essieu. Cette approche conservatrice garantit que le véhicule n’estime jamais une adhérence supérieure à celle réellement disponible, réduisant ainsi le risque d’instabilité latérale ou de dérapage. De plus, le système désactive le freinage régénératif en cas de freinage d’urgence, priorisant la puissance de freinage immédiate sur la récupération d’énergie — une décision qui s’aligne sur les meilleures pratiques en matière d’ingénierie de la sécurité automobile.
L’étude met également en lumière l’importance de la pensée systémique dans la conception des véhicules électriques. Alors que le discours public sur les véhicules électriques se concentre souvent sur la capacité de la batterie et la vitesse de recharge, la réalité est que des gains d’efficacité peuvent être trouvés dans l’ensemble de l’architecture du véhicule. Le freinage régénératif est l’un des leviers les plus efficaces pour améliorer l’efficacité, mais ses avantages ne sont pleinement réalisés que lorsque la stratégie de contrôle est optimisée pour les caractéristiques spécifiques de la transmission et de l’environnement de conduite. Le travail de Pan et Xu illustre parfaitement cette approche holistique, démontrant comment une compréhension approfondie du matériel et des logiciels peut conduire à des améliorations tangibles de la performance.
En regardant vers l’avenir, les principes exposés dans cette recherche pourraient être appliqués à une vaste gamme de types de véhicules, des voitures particulières aux camions commerciaux. À mesure que la technologie des capteurs progresse, des itérations futures du système pourraient intégrer des données provenant de sources supplémentaires, telles que des caméras, des radars ou même une communication véhicule-infrastructure, afin d’affiner encore les estimations d’adhérence. Des algorithmes d’apprentissage automatique pourraient également être utilisés pour personnaliser la stratégie de contrôle en fonction des habitudes de conduite individuelles et des conditions routières régionales.
Dans une industrie où les améliorations incrémentielles sont souvent célébrées comme des percées, le taux de récupération d’énergie de 65,55 % atteint par la stratégie de Pan et Xu se distingue comme un saut significatif en avant. C’est un témoignage du pouvoir de la recherche universitaire pour stimuler l’innovation et résoudre des problèmes du monde réel. Alors que la transition mondiale vers la mobilité électrique s’accélère, des études comme celle-ci joueront un rôle crucial dans la définition de la prochaine génération de transports durables.
Le travail de Pan Gongyu et Xu Shen à l’Université du Jiangsu ne fait pas que faire progresser l’état de l’art en matière de freinage régénératif ; il sert également de modèle sur la manière dont la recherche en ingénierie peut avoir un impact direct sur la performance et l’efficacité des technologies du quotidien. Leur stratégie est un rappel que l’avenir de la mobilité ne concerne pas seulement des batteries plus grandes ou des recharges plus rapides, mais des systèmes plus intelligents et adaptables qui exploitent au maximum chaque joule d’énergie.
Publié par Pan Gongyu et Xu Shen, École d’ingénierie automobile et des transports, Université du Jiangsu, dans le Journal of Jiangsu University (Natural Science Edition), DOI: 10.3969/j.issn.1671-7775.2024.01.001