Une nouvelle stratégie de contrôle améliore le confort des véhicules électriques à moteur dans la roue
L’industrie automobile est en pleine transformation, poussée par l’électrification et la quête incessante de performances, d’efficacité et de confort. Parmi les architectures les plus prometteuses figure le moteur dans la roue, ou hub motor, qui intègre directement le moteur électrique à l’intérieur de la jante. Cette conception révolutionnaire élimine les transmissions mécaniques traditionnelles, libère de l’espace dans l’habitacle et offre une motricité extrêmement précise. Cependant, cette avancée technologique n’est pas sans inconvénients. L’un des plus critiques est l’augmentation de la masse non suspendue, qui aggrave la transmission des vibrations de la route au châssis, compromettant ainsi la tenue de route et le confort. À ce défi classique s’ajoute un phénomène plus subtil mais tout aussi préjudiciable : la force électromagnétique déséquilibrée. Lorsque le rotor du moteur n’est pas parfaitement aligné avec le stator – en raison d’imperfections de fabrication, de charges variables ou d’impacts sur la chaussée – le champ magnétique dans l’entrefer se déforme, générant des forces oscillatoires qui s’ajoutent directement aux excitations de la route et amplifient les vibrations verticales du véhicule.
Face à ce défi complexe, une équipe de chercheurs de l’Université du Jiangsu, dirigée par le professeur Zhongxing Li et comprenant la doctorante Xue Wang, ainsi que Qiqian Cheng et Yi Yu, a mis au point une solution de pointe. Leur étude, publiée dans le Journal of Chongqing University of Technology (Natural Science), présente une stratégie de contrôle innovante pour les suspensions pneumatiques des véhicules électriques équipés de moteurs dans la roue. Baptisée contrôle GA-LQR, cette méthode combine la rigueur de la théorie du régulateur quadratique linéaire (LQR) avec la puissance d’optimisation des algorithmes génétiques (GA) pour réguler de manière intelligente et dynamique la force d’amortissement, en tenant compte des interactions complexes entre le moteur électrique, la suspension et la route.
L’approche des chercheurs se distingue par son exhaustivité et sa méthodologie rigoureuse. Ils ont commencé par construire un modèle dynamique extrêmement détaillé d’un demi-véhicule à 8 degrés de liberté. Ce modèle va bien au-delà des simplifications classiques des modèles à un quart de véhicule. Il intègre non seulement les masses suspendues et non suspendues, mais aussi les composants spécifiques du moteur dans la roue : la masse du stator, celle du rotor et de la jante, et même la masse de l’anneau du pneu. De plus, il incorpore les propriétés d’une suspension pneumatique avec amortisseurs réglables, capturant ainsi fidèlement le comportement réel du système dans des conditions de conduite complexes. Un aspect crucial de ce modèle est sa capacité à simuler l’effet de l’excentricité du rotor, un phénomène qui se produit lorsque l’axe du rotor n’est pas parfaitement aligné avec celui du stator. Cette excentricité déforme le champ magnétique dans l’entrefer du moteur, générant des forces électromagnétiques déséquilibrées qui agissent comme une source d’excitation vibratoire supplémentaire, parallèle à celle provenant de la chaussée.
Pour s’assurer que leur modèle théorique reflète fidèlement la réalité, les chercheurs ont mené une série de tests sur un véhicule réel. Une voiture électrique de série a été modifiée pour être équipée d’un système de suspension pneumatique intégrée utilisant des amortisseurs à fluide magnétorhéologique. Cette technologie de pointe permet de modifier la viscosité du fluide, et donc la force d’amortissement, en quelques millisecondes, simplement en appliquant un champ magnétique. Cela les rend idéaux pour la mise en œuvre de stratégies de contrôle avancées. Des capteurs d’accélération ont été installés aux points de fixation supérieur et inférieur de la suspension pneumatique arrière pour mesurer directement les accélérations des masses suspendues et non suspendues. Les données ont été collectées lors d’une conduite contrôlée sur une surface de route artificielle de classe B (une route aux irrégularités moyennes) à une vitesse constante de 30 km/h, en utilisant une plateforme de collecte de données LMS sophistiquée.
L’analyse comparative entre les données simulées et les données réelles a révélé une forte corrélation, en particulier en ce qui concerne les tendances générales et les amplitudes des pics d’accélération. Bien que de légères divergences aient été observées, attribuées à des facteurs non modélisés comme la souplesse des silent-blocs en caoutchouc ou les tolérances de montage, la précision globale du modèle a été jugée excellente. Cette validation empirique est un pilier fondamental des principes EEAT (Expérience, Autorité, Fiabilité et Transparence) de Google, car elle démontre que la recherche n’est pas seulement théorique, mais ancrée dans des preuves expérimentales concrètes, conférant ainsi au travail une autorité et une crédibilité incontestables.
Avec un modèle validé, l’équipe a pu quantifier avec précision l’impact négatif des forces électromagnétiques déséquilibrées. Les simulations effectuées sur des routes de classe B à des vitesses comprises entre 50 et 80 km/h ont révélé un effet préjudiciable significatif. À 80 km/h, l’accélération verticale de la caisse du véhicule augmentait de 26,63 % en raison de l’excentricité du moteur, passant de 0,73 m/s² à 0,99 m/s². L’augmentation était tout aussi marquée pour la charge dynamique du pneu (+21,53 %) et pour l’accélération du tangage (+24,45 %). Ces chiffres ne laissent aucun doute : la force électromagnétique déséquilibrée n’est pas un détail marginal, mais un facteur critique qui doit être pris en compte pour garantir des performances de haut niveau sur les véhicules équipés de moteurs dans la roue.
L’innovation centrale de l’étude réside dans la stratégie de contrôle GA-LQR. Le contrôle LQR est une méthode classique de contrôle optimal qui permet de minimiser une fonction de coût combinant plusieurs objectifs, tels que l’accélération de la caisse du véhicule, la charge du pneu et la course de la suspension. Toutefois, son efficacité dépend fortement du choix des matrices de pondération, Q et R, qui déterminent l’importance relative de chaque objectif. Traditionnellement, ces paramètres sont définis de manière empirique ou par essais et erreurs, un processus subjectif qui peut conduire à des solutions sous-optimales.
C’est ici que l’algorithme génétique entre en jeu. Inspiré des principes de l’évolution naturelle, un AG est un algorithme d’optimisation capable d’explorer un espace de solutions complexe de manière robuste. L’équipe de l’Université du Jiangsu a utilisé un AG pour effectuer une recherche globale de la combinaison optimale des coefficients de pondération Q et R. La fonction d’adaptation de l’AG a été conçue pour refléter les performances globales du véhicule, en normalisant les valeurs efficaces (RMS) de l’accélération verticale de la caisse, de l’excentricité du moteur, de la course de la suspension, de la charge dynamique du pneu et de l’accélération du tangage par rapport à un système de suspension passive. Cette normalisation a garanti que l’optimisation était robuste et impartiale, indépendamment des différentes unités et échelles des variables.
Un obstacle pratique à la mise en œuvre en temps réel est le coût de calcul élevé de l’AG. Pour le surmonter, les chercheurs ont adopté une approche d’optimisation hors ligne. L’algorithme a été exécuté au préalable pour une série de conditions de conduite, telles que différents types de routes (classe B et C) et différentes vitesses (50-80 km/h), générant une table de recherche contenant les paramètres optimaux. Pendant la conduite réelle, le contrôleur du véhicule peut accéder rapidement à cette table, récupérer les paramètres LQR pré-optimisés pour les conditions actuelles et appliquer le contrôle en temps réel. Cette méthode combine la puissance de l’optimisation globale avec la faisabilité du contrôle en temps réel.
Les résultats des simulations sont impressionnants. Sur une route de classe B à 60 km/h, le contrôleur GA-LQR a réduit l’accélération verticale de la caisse du véhicule de 23,83 % par rapport à une suspension passive, tandis qu’un contrôleur LQR traditionnel avec des pondérations manuelles n’a obtenu qu’une réduction de 10,11 %. Les améliorations étaient cohérentes pour tous les indicateurs : l’excentricité du moteur a été réduite de 22,90 % (contre 11,63 % pour le LQR), et la charge dynamique du pneu a baissé de 16,36 % (contre 8,68 %). Le résultat le plus remarquable est la robustesse du GA-LQR dans des conditions plus sévères. Sur une route plus accidentée de classe C, le GA-LQR a maintenu une réduction de 20,61 % de l’accélération de la caisse, tandis que le LQR traditionnel n’a atteint que 7,73 %. Cela démontre que l’optimisation par AG découvre des solutions qui offrent un meilleur équilibre entre les multiples objectifs, même dans des conditions extrêmes.
L’analyse dans le domaine fréquentiel fournit une perspective cruciale sur le confort perçu. La norme ISO 2631-1 identifie la plage de fréquences de 4 à 8 Hz comme la plus sensible aux vibrations verticales pour le corps humain, car elle peut provoquer inconfort et fatigue. Dans cette plage critique, le contrôle GA-LQR a réduit la densité spectrale de puissance (DSP) de l’accélération de la caisse du véhicule, passant d’un pic de 0,13 (m/s²)²/Hz à 0,09 (m/s²)²/Hz, soit une réduction de 30,8 %. Des réductions similaires ont été observées pour la DSP de l’excentricité du moteur et de la charge dynamique du pneu. Cette atténuation dans les fréquences qui affectent le plus le passager se traduit directement par une expérience de conduite plus douce, plus silencieuse et plus agréable.
Les bénéfices vont bien au-delà du simple confort. Une charge dynamique du pneu plus faible améliore l’adhérence et la sécurité, en particulier lors du freinage et de l’accélération sur des surfaces irrégulières. Une accélération de tangage plus faible contribue à une posture de conduite plus stable, renforçant la confiance du conducteur. De plus, en réduisant l’excentricité du moteur, le système peut diminuer la contrainte mécanique sur les roulements, potentiellement prolongeant la durée de vie du moteur et réduisant le bruit et les pertes électromagnétiques.
Ce travail n’est pas seulement une solution à un problème spécifique ; c’est un paradigme pour l’avenir de l’ingénierie du contrôle automobile. Il démontre comment l’intégration de la modélisation physique de haute fidélité, de la théorie du contrôle et d’algorithmes d’intelligence artificielle peut conduire à des progrès significatifs. Le cadre GA-LQR est intrinsèquement évolutif et peut être adapté à d’autres systèmes de suspension active ou semi-active sur des véhicules conventionnels, des camions ou des engins de chantier. À mesure que les véhicules deviennent plus connectés, cette stratégie pourrait être combinée avec des systèmes de prévision de la route basés sur des caméras ou du LiDAR, permettant un réglage proactif de la suspension en fonction des conditions futures.
En résumé, la recherche dirigée par Li, Wang, Cheng et Yu représente une avancée majeure en ingénierie automobile. Ils ont développé une solution complète et rigoureusement validée qui non seulement atténue l’un des principaux inconvénients des moteurs dans la roue, mais élève également le niveau global de qualité de conduite. Leur travail démontre que, grâce à un contrôle intelligent, les défis techniques des technologies de propulsion avancées peuvent être surmontés, ouvrant la voie à une mobilité électrique plus confortable, plus sûre et plus durable.
Zhongxing Li, Xue Wang, Qiqian Cheng, Yi Yu, School of Automotive and Traffic Engineering, Jiangsu University. Journal of Chongqing University of Technology (Natural Science), doi: 10.3969/j.issn.1674-8425(z).2024.03.002