Une nouvelle stratégie de contrôle améliore la traction des véhicules électriques
L’industrie automobile se trouve à un carrefour décisif. Alors que l’électrification et l’automatisation redéfinissent le paysage, la course à la puissance et à l’autonomie cède progressivement la place à une quête plus subtile : la maîtrise parfaite de la dynamique du véhicule. Dans ce contexte, un défi persistant émerge : comment exploiter toute la puissance instantanée des moteurs électriques sans perdre l’adhérence sur des surfaces glissantes comme la neige, le verglas ou l’asphalte mouillé ? Ce phénomène, connu sous le nom de « patinage en accélération », peut transformer une accélération explosive en un simple tour d’essieu, compromettant la sécurité, la stabilité et l’efficacité énergétique. Pour les véhicules à traction distribuée, où chaque roue est propulsée par un moteur indépendant, la complexité de ce problème est multipliée. Une équipe de chercheurs de l’Université de technologie de Hefei, dirigée par Jiujian Chang, Jiahao Wu et Jianping Fang, a relevé ce défi avec une stratégie de contrôle de traction d’une sophistication remarquable, promettant de transformer la conduite dans des conditions extrêmes.
La recherche, publiée dans la prestigieuse revue Journal of Chongqing University of Technology (Natural Science), ne se contente pas d’améliorer un composant existant ; elle repense fondamentalement la manière dont un véhicule comprend et interagit avec son environnement. Les systèmes de contrôle de traction traditionnels, souvent basés sur des algorithmes PI (Proportionnel-Intégral), fonctionnent comme des réacteurs. Ils attendent que la roue commence à patiner pour ensuite appliquer un correctif, ce qui entraîne inévitablement des oscillations, un temps de réponse lent et une conduite parfois saccadée. La solution proposée par les chercheurs de Hefei adopte une approche proactive et holistique, qui peut être résumée en trois piliers : observer, comprendre et agir.
Le premier pilier, « observer », repose sur une estimation extrêmement précise de l’état du véhicule. Contrairement à de nombreuses études qui supposent une masse constante et une route plane, cette équipe reconnaît que deux facteurs critiques sont souvent ignorés : la masse totale du véhicule et la pente de la route. Un véhicule chargé de bagages ou de passagers se comporte de manière radicalement différente d’un véhicule vide. De même, l’accélération en côte ou en descente modifie la répartition du poids sur les roues motrices, ce qui affecte directement la quantité de traction disponible. Le système développé par les chercheurs utilise une technique mathématique puissante appelée « moindres carrés récursifs » pour estimer la masse du véhicule en temps réel, en analysant des données provenant du couple moteur, des capteurs de vitesse des roues et de l’accéléromètre longitudinal. Cette méthode est non seulement rapide mais aussi robuste face aux variations soudaines de charge.
Pour la pente de la route, l’équipe a mis en œuvre une ingénieuse « fusion de capteurs ». Elle combine deux sources d’information. La première est dérivée du modèle dynamique du véhicule, qui calcule la pente en fonction des forces en jeu. La seconde est une mesure directe d’un accéléromètre, qui détecte la composante de la gravité selon l’inclinaison. Chaque méthode a ses faiblesses : le modèle dynamique peut être sensible aux erreurs de mesure de couple, tandis que l’accéléromètre peut être affecté par les mouvements du véhicule. L’innovation réside dans le fait de combiner ces deux flux de données à l’aide d’un filtre intelligent. Ce filtre supprime les hautes fréquences (bruit) de la mesure dynamique et les basses fréquences (dérive) de la mesure par accéléromètre, produisant ainsi une estimation de la pente qui est à la fois stable et précise. Cette compréhension fine de la charge verticale sur chaque roue est la base indispensable pour le prochain pas.
Le deuxième pilier, « comprendre », est un algorithme de reconnaissance de la surface de la route qui brille par son élégance et son efficacité. Plutôt que de s’appuyer sur des modèles de pneus complexes et difficiles à calibrer, qui nécessitent une connaissance détaillée des propriétés du caoutchouc, l’algorithme s’appuie sur une loi fondamentale de la physique de l’adhérence. Il est bien établi que la force de traction d’un pneu augmente avec le patinage, atteint un pic, puis diminue. Le point de ce pic est le point de traction maximale, et c’est là que le véhicule doit opérer. Le génie de l’algorithme réside dans la manière dont il localise ce pic. Il ne cherche pas à modéliser toute la courbe, mais surveille en continu la pente de la courbe force de traction/patinage. Lorsque cette pente s’approche de zéro, cela signifie que le système est au sommet de la courbe. En détectant ce point, le système peut déduire avec une grande confiance le coefficient d’adhérence de la route. Une fois ce coefficient connu, il est possible de déterminer instantanément le taux de patinage optimal, car il existe une relation linéaire bien connue entre ces deux valeurs. Par exemple, une route sèche en asphalte a un coefficient d’adhérence élevé et tolère un taux de patinage plus élevé, tandis qu’une route verglacée exige un contrôle beaucoup plus strict. Cette capacité à identifier la surface et à définir un objectif de contrôle dynamique est ce qui distingue cette stratégie des autres.
Le troisième et dernier pilier, « agir », est un algorithme de contrôle lui-même. Ici, les chercheurs ont fait un choix audacieux : abandonner le contrôleur PI conventionnel au profit d’une technique plus avancée appelée « contrôle par mode glissant » (Sliding Mode Control, SMC). Le SMC est une méthode de contrôle non linéaire réputée pour sa robustesse exceptionnelle et sa rapidité de réponse. Il fonctionne en définissant une « surface de glissement » qui représente l’erreur entre le taux de patinage réel et le taux de patinage cible. L’algorithme calcule alors une force de contrôle qui pousse le système vers cette surface et le force à y « glisser » jusqu’à atteindre l’objectif, même en présence de perturbations imprévues comme un changement soudain d’adhérence. Pour éviter le principal inconvénient du SMC, qui est un phénomène de « broutement » (chattering) pouvant endommager les composants mécaniques, les chercheurs ont incorporé une « fonction de saturation ». Cela permet de lisser la commande de couple envoyée au moteur, offrant ainsi une réponse rapide sans sacrifier le confort de conduite.
Pour valider cette stratégie sophistiquée, l’équipe a mené une campagne de tests rigoureuse en deux phases. La première phase a utilisé une plateforme de simulation avancée, reliant le logiciel de dynamique véhicule CarSim à l’environnement de modélisation Simulink. Cette approche permet de créer des scénarios de conduite extrêmement réalistes. Trois conditions particulièrement exigeantes ont été simulées : une accélération en ligne droite sur une surface à très faible adhérence, un véhicule qui passe brusquement d’une surface à haute adhérence à une surface à faible adhérence (une condition « split-μ »), et un véhicule qui démarre en côte avec un côté sur une surface à haute adhérence et l’autre sur une surface à faible adhérence (une condition « split-μ en pente »).
Les résultats de la simulation ont été éloquents. Dans tous les cas, la nouvelle stratégie de contrôle par mode glissant a surpassé de loin le contrôle PI traditionnel. Le critère d’évaluation principal a été l’erreur quadratique moyenne (RMSE) du taux de patinage, qui mesure l’écart moyen entre le patinage réel et le patinage optimal. En moyenne, l’erreur RMSE a été réduite de 75,1 %. Cela signifie que les roues ont été maintenues beaucoup plus près du point de traction maximale, permettant une accélération plus puissante et plus fluide. La vitesse de réponse a été un autre point fort majeur. Dans le test « split-μ », le nouveau contrôleur a stabilisé le patinage en seulement 0,05 seconde, un temps infinitésimal comparé au contrôleur PI. Cette rapidité est cruciale pour maintenir la stabilité directionnelle, car un patinage prolongé d’une seule roue peut rapidement entraîner une perte de contrôle.
Les simulations sont un outil puissant, mais la véritable épreuve du feu se déroule sur la route. L’équipe a donc construit un véhicule de test, une voiture électrique à traction avant distribuée, équipée d’une batterie de capteurs de haute précision, notamment un système OxTS RT3000 pour mesurer l’accélération, la vitesse de lacet et la vitesse du véhicule. Pour simuler une route de verglas, ils ont créé une piste de test à faible adhérence en recouvrant le sol de vinyle et en y appliquant un lubrifiant.
Les tests en conditions réelles ont confirmé les résultats des simulations. Lorsque le véhicule est passé du béton normal à la surface de vinyle lubrifié, le système de contrôle a réagi presque instantanément. Le contrôleur par mode glissant a démontré une réponse beaucoup plus rapide et une sur-régulation (overshoot) nettement inférieure à celle du PI. Le patinage des roues a été contenu plus rapidement, et le véhicule a accéléré avec une stabilité accrue. Cependant, les chercheurs ont observé une légère différence entre le monde virtuel et le monde réel. La performance sur le terrain, bien que supérieure, n’a pas atteint la perfection des simulations. Le taux de patinage réel a montré de petites oscillations autour de la valeur cible, et la sortie de couple du moteur n’a pas été aussi lisse. Ce phénomène, connu des ingénieurs du contrôle, est attribué à des facteurs inévitables dans le monde réel : le bruit des capteurs, les délais de communication dans le réseau du véhicule, et la précision avec laquelle un moteur réel peut exécuter une commande de couple.
Malgré ces petites disparités, la conclusion est claire. Cette nouvelle stratégie de contrôle représente un progrès significatif. Elle intègre avec succès une compréhension sophistiquée et en temps réel de l’état du véhicule — sa masse, la pente de la route et le coefficient de friction de la surface — avec un algorithme de contrôle puissant et rapide. Cette approche holistique permet au véhicule de s’adapter à son environnement en temps réel, en extrayant le maximum de performance possible de la traction disponible.
Les implications de cette recherche sont vastes. Pour les conducteurs, cela signifie une expérience de conduite plus sûre, plus confiante et plus confortable, surtout par mauvais temps. Pour les constructeurs automobiles, cela ouvre la voie à des véhicules électriques plus efficaces et performants. En minimisant le patinage des roues, le système réduit le gaspillage d’énergie, ce qui pourrait potentiellement augmenter l’autonomie du véhicule. Il réduit également l’usure des pneus, un coût opérationnel significatif. De plus, les méthodes utilisées — moindres carrés récursifs et fusion de capteurs pour l’estimation de l’état, et contrôle par mode glissant pour l’actionnement — sont bien établies en théorie du contrôle, ce qui les rend relativement faciles à intégrer dans les véhicules de série.
Ce travail illustre également une tendance cruciale en ingénierie automobile : la transition de systèmes isolés vers des systèmes intégrés et intelligents. Les véhicules modernes ne sont plus simplement une collection de pièces mécaniques, mais des systèmes cyber-physiques complexes. L’avenir de la sécurité et de la performance automobile réside dans l’intégration parfaite du capteur, de l’estimation et du contrôle. Cette recherche de l’Université de technologie de Hefei est un excellent exemple de cette philosophie en action, démontrant comment une compréhension approfondie de la dynamique du véhicule, combinée à une théorie de contrôle avancée, peut résoudre des problèmes du monde réel et repousser les limites de ce que les véhicules électriques peuvent accomplir.
L’étude pointe également vers des domaines de développement futur. Les oscillations de couple observées lors des tests en conditions réelles suggèrent la nécessité d’un raffinement supplémentaire, peut-être par l’utilisation de techniques de filtrage plus avancées ou en intégrant un modèle plus détaillé de la dynamique du moteur et de la transmission dans le contrôleur. Le système pourrait également être étendu pour inclure le contrôle de la stabilité latérale, en utilisant la même information en temps réel sur la surface de la route pour améliorer la performance en virage. Alors que la technologie des capteurs continue de s’améliorer et que la puissance de calcul devient moins chère, des systèmes de contrôle intelligents et adaptatifs comme celui-ci deviendront la norme, rendant nos routes plus sûres et notre expérience de conduite plus agréable.
En résumé, le travail de Jiujian Chang, Jiahao Wu et Jianping Fang présente une solution complète et hautement efficace au problème centenaire du patinage des roues. En abordant les défis fondamentaux de l’estimation de l’état du véhicule et de la réponse du contrôle, ils ont développé une stratégie qui n’est pas seulement théoriquement solide, mais aussi éprouvée dans la pratique. C’est un témoignage du pouvoir de l’innovation en ingénierie pour améliorer la sécurité, l’efficacité et la performance des véhicules dont nous dépendons tous les jours.
Jiujian Chang, Jiahao Wu, Jianping Fang, Journal of Chongqing University of Technology (Natural Science), doi:10.3969/j.issn.1674-8425(z).2024.02.007