Une nouvelle stratégie de contrôle améliore la stabilité et la précision des véhicules électriques à transmission intégrale
Dans l’ère de la mobilité intelligente, la capacité d’un véhicule à naviguer en toute sécurité dans des situations critiques définit la frontière entre une technologie prometteuse et une solution véritablement mature. Face à ce défi, les véhicules électriques dotés d’une transmission indépendante aux quatre roues émergent comme une plateforme idéale, offrant un contrôle sans précédent sur chaque roue. Une équipe de chercheurs de l’Université Tongji, dirigée par Shuping Chen, Zhiguo Zhao et Kun Zhao, a récemment mis au point une stratégie de contrôle hiérarchique novatrice qui redéfinit les standards en matière de précision de suivi de trajectoire et de stabilité dynamique, en particulier lors de manœuvres d’évitement d’urgence.
Publiée dans le prestigieux Journal of Tongji University (Natural Science), cette étude introduit une architecture de contrôle coordonné qui fusionne habilement le contrôle prédictif basé sur des modèles avec une allocation optimale du couple. Le résultat est un système capable d’équilibrer l’agilité et la sécurité comme jamais auparavant, une avancée cruciale alors que les normes de sécurité pour la conduite autonome deviennent de plus en plus exigeantes.
Le système, conçu spécifiquement pour les véhicules électriques à transmission intégrale, repose sur une structure en deux niveaux. Le niveau supérieur, l’unité de planification, est animé par un algorithme de contrôle prédictif linéaire variant dans le temps (LTV MPC). Contrairement aux modèles simplifiés souvent utilisés, ce contrôleur s’appuie sur un modèle de véhicule à 8 degrés de liberté (8-DOF) pour prédire le comportement futur du véhicule. Ce modèle sophistiqué intègre non seulement les mouvements longitudinaux et latéraux, mais aussi la dynamique du lacet (mouvement de rotation autour de l’axe vertical) et du roulis (inclinaison latérale), ainsi que les effets des suspensions. Cette représentation plus fidèle du monde réel est essentielle pour simuler avec précision le comportement du véhicule lors de manœuvres complexes, comme une accélération combinée à un virage serré.
L’innovation la plus significative réside dans la manière dont le système gère la vitesse. Plutôt que de traiter la régulation de vitesse comme une tâche indépendante, les chercheurs ont intégré un contrôleur de vitesse PID directement dans le cadre d’optimisation du MPC. Cela signifie que, à chaque cycle de calcul, le contrôleur MPC prend en compte non seulement la trajectoire latérale souhaitée, mais aussi la vitesse longitudinale actuelle et ses variations. En mettant à jour constamment la vitesse longitudinale dans son modèle de prédiction, le système peut réagir de manière proactive aux changements de vitesse, garantissant une trajectoire plus cohérente même pendant des phases de freinage ou d’accélération brusques. Cette intégration fluide de la gestion de la vitesse et de la trajectoire est la clé pour des manœuvres d’évitement réussies.
Le contrôleur supérieur ne se contente pas de calculer un angle de braquage idéal pour les roues avant. Il génère également un couple de lacet additionnel, une force de rotation cruciale pour stabiliser activement le véhicule. Ce couple n’est pas produit par un freinage sélectif ou des corrections de direction brutales, mais par la vectorisation du couple, une technique unique aux véhicules à transmission intégrale. En appliquant des couples légèrement différents aux roues gauche et droite, le système crée un moment de rotation qui peut contrer les tendances au sous-virage (le véhicule ne tourne pas assez) ou au survirage (le véhicule tourne trop). Cette capacité à stabiliser le véhicule par la propulsion, plutôt que par la direction, permet de corriger la trajectoire avec des angles de braquage plus petits, réduisant ainsi la charge sur les pneus avant et améliorant le confort.
Ce couple total et ce couple de lacet additionnel sont ensuite transmis au niveau inférieur, le contrôleur d’allocation. Sa mission est de traduire ces commandes de haut niveau en actions physiques précises pour les quatre moteurs des roues. Pour y parvenir, les chercheurs ont mis en œuvre un algorithme de programmation quadratique (QP), un outil mathématique puissant pour résoudre des problèmes d’optimisation en temps réel. L’objectif du QP n’est pas simplement de satisfaire les demandes du niveau supérieur, mais de le faire de la manière la plus efficace et la plus sécurisée possible.
L’algorithme QP poursuit simultanément trois objectifs stratégiques. Premièrement, il minimise l’erreur entre le couple demandé et le couple réellement appliqué à chaque roue, assurant une réponse précise et immédiate. Deuxièmement, il cherche à réduire au minimum la « charge des pneus » (tire utilization). Ce paramètre représente le rapport entre la force exercée sur un pneu et la force maximale de friction disponible. Un pneu fortement chargé est proche de ses limites, ce qui réduit sa capacité à générer des forces latérales en cas de perturbation. En maintenant cette charge basse, le système préserve une marge de sécurité importante, garantissant que le véhicule peut réagir à des événements imprévus. Troisièmement, le contrôleur vise à minimiser la perte d’énergie due au glissement longitudinal, ce qui améliore non seulement l’efficacité énergétique, mais aussi la durée de vie des pneus.
Pour garantir que les solutions calculées soient réalisables dans le monde réel, l’algorithme QP respecte des contraintes physiques strictes. Celles-ci incluent les limites de couple maximal que chaque moteur de roue peut fournir, ainsi que les limites d’adhérence de la route, définies par le coefficient de friction. Cette considération des limites du système est ce qui transforme une théorie élégante en une solution robuste et pratique.
La validité de cette stratégie de contrôle a été rigoureusement testée par le biais de simulations numériques approfondies. Pour reproduire avec fidélité les conditions extrêmes, les chercheurs ont utilisé un modèle de véhicule à 14 degrés de liberté (14-DOF) comme « plante » de test. Ce modèle, bien plus détaillé que le modèle de prédiction à 8-DOF, inclut la dynamique des suspensions et un modèle de pneu sophistiqué de type « brosse » (brush tire model). Ce dernier est particulièrement précieux car il capture avec précision la non-linéarité et le fort couplage entre les forces longitudinales et latérales lorsque le pneu opère près de sa limite d’adhérence. Ce cadre de simulation réaliste fournit un banc d’essai idéal pour évaluer les performances du contrôleur dans des scénarios de conduite limite.
Le scénario de test principal était la manœuvre de « double changement de voie » (double lane change), un test standard de l’industrie pour évaluer la capacité d’un véhicule à éviter un obstacle de manière autonome. Les simulations ont été menées à différentes vitesses (36 km/h, 72 km/h et 90 km/h), sur des surfaces présentant différents coefficients d’adhérence (μ = 0,85, 0,8 et 0,3), et avec ou sans le contrôle de stabilité activé.
Les résultats ont été concluants. Dans toutes les conditions, le véhicule contrôlé par le nouveau système a démontré une précision exceptionnelle dans le suivi de la trajectoire souhaitée. Même à une vitesse élevée de 90 km/h, l’écart latéral maximal est resté inférieur à 0,28 mètre, un seuil de sécurité acceptable. Le véritable triomphe, cependant, a été observé dans les conditions de faible adhérence (μ = 0,3). Là où un véhicule doté d’un système de contrôle plus simple aurait perdu le contrôle, le système développé à Tongji a maintenu les angles de dérive du centre de gravité et les vitesses de lacet bien dans les limites de sécurité, évitant tout risque de dérapage.
Une comparaison directe avec un contrôleur qui ne se concentre que sur le suivi de la trajectoire a mis en évidence l’avantage décisif du système intégré. L’intégration active du contrôle de stabilité a amélioré la précision du suivi de la trajectoire jusqu’à 35 % et a réduit de manière significative les erreurs dans l’angle de cap. Cette découverte est fondamentale : elle démontre que la stabilité n’est pas un objectif secondaire qui compromet la performance, mais un facteur qui améliore directement la capacité de suivi de la trajectoire.
Un autre bénéfice majeur est la réduction de l’angle de braquage nécessaire. En corrigeant la trajectoire par la vectorisation du couple plutôt que par des corrections de direction importantes, le système permet des angles de braquage plus petits. Cela réduit non seulement la contrainte sur les pneus avant, améliorant leur durée de vie et le confort de conduite, mais rend aussi le comportement du véhicule plus prévisible pour les passagers.
L’utilisation du LTV MPC confère au système une adaptabilité intrinsèque. En linéarisant le modèle du véhicule autour du point de fonctionnement actuel à chaque pas de temps, le contrôleur peut s’adapter dynamiquement aux changements de vitesse, de répartition de la charge et des conditions de la route. Cela le rend beaucoup plus robuste que les contrôleurs à gain fixe, qui supposent que les paramètres du système sont constants.
Du point de vue de la faisabilité pratique, la stratégie est hautement réalisable. Les véhicules électriques modernes à transmission intégrale sont déjà équipés de l’infrastructure nécessaire : des moteurs individuels pour chaque roue, des réseaux de communication haute vitesse et une gamme étendue de capteurs. Les exigences en matière de puissance de calcul pour le LTV MPC et le QP sont gérables avec les processeurs automobiles de dernière génération, en particulier avec des horizons de prédiction relativement courts.
L’architecture modulaire du système offre également une grande flexibilité. Les matrices de pondération dans la fonction de coût du MPC peuvent être ajustées pour privilégier différents aspects selon le mode de conduite : l’efficacité énergétique en mode « eco », le confort en mode « normal » ou la dynamique en mode « sport ». De même, l’objectif d’allocation de couple au niveau inférieur peut être modifié pour privilégier l’efficacité énergétique ou la traction maximale.
Les implications de cette recherche vont bien au-delà du cadre académique. Alors que des organisations de sécurité comme Euro NCAP intensifient leurs tests sur les capacités d’évitement autonome, les constructeurs automobiles auront besoin de solutions comme celle-ci pour répondre aux normes de sécurité les plus strictes. Ce système ne fait pas que renforcer la sécurité ; il peut aussi devenir un facteur de différenciation clé dans un marché automobile de plus en plus concurrentiel.
Le travail de Chen, Zhao et Zhao jette les bases de recherches futures. Les auteurs suggèrent que des développements ultérieurs pourraient intégrer des métriques de stabilité contre le renversement, particulièrement importantes pour les véhicules plus hauts comme les SUV. De plus, la mise en œuvre de méthodes de réglage adaptatif pour les coefficients de pondération, peut-être par le biais de techniques d’apprentissage automatique, pourrait encore améliorer les performances dans des conditions variables.
En conclusion, cette recherche représente un progrès significatif dans le domaine du contrôle des véhicules autonomes. En unifiant le suivi de trajectoire et la stabilité du lacet dans une architecture de contrôle cohérente et efficace, elle propose une solution pratique à l’un des défis les plus critiques de la mobilité future. Alors que les véhicules électriques à transmission intégrale deviendront de plus en plus courants, des stratégies de contrôle comme celle-ci seront fondamentales pour garantir que la promesse de la conduite autonome se réalise avec le plus haut niveau de sécurité et de confiance.
Shuping Chen, Zhiguo Zhao, Kun Zhao, School of Automotive Studies, Tongji University. Journal of Tongji University (Natural Science), DOI: 10.11908/j.issn.0253-374x.24713