Une nouvelle stratégie de contrôle du couple améliore la stabilité des véhicules électriques à haute vitesse
Dans l’univers en perpétuelle évolution de la mobilité électrique, où la performance et la sécurité sont des exigences fondamentales, une innovation de rupture émerge pour redéfinir la manière dont les véhicules électriques distribués (DEV) abordent les virages à grande vitesse. Des chercheurs de l’Université de technologie de l’architecture de Xi’an ont mis au point une stratégie avancée de contrôle électronique différentiel basée sur le couple, conçue pour améliorer la stabilité du véhicule, réduire sa consommation d’énergie et renforcer la sécurité dans des conditions de conduite exigeantes, en particulier à haute vitesse.
Alors que l’industrie automobile mondiale accélère sa transition vers l’électrification, les véhicules électriques distribués — équipés de moteurs indépendants sur chaque roue — gagnent en popularité en raison de leur agilité supérieure, de leur contrôle précis du couple et de leur simplicité mécanique. Contrairement aux véhicules traditionnels à moteur à combustion interne ou même aux transmissions électriques centralisées, les DEV offrent une flexibilité inégalée pour gérer la distribution de la puissance vers chaque roue de manière indépendante. Cette capacité ouvre la voie à des stratégies de différentiel électronique sophistiquées qui peuvent influencer profondément la dynamique du véhicule.
Cependant, les stratégies conventionnelles de différentiel électronique basées sur la vitesse ont montré leurs limites, particulièrement à haute vitesse. Ces systèmes s’appuient généralement sur le modèle de direction Ackermann pour calculer les vitesses idéales des roues lors d’un virage. Bien que simple et intuitif, le modèle Ackermann traite le véhicule comme un corps rigide et ignore des facteurs non linéaires critiques tels que l’interaction pneu-route, le transfert de charge et les forces latérales. En conséquence, ces modèles échouent souvent à maintenir la stabilité lorsqu’ils sont poussés à leurs limites, notamment sur des surfaces à faible adhérence ou lors de manœuvres agressives comme les tests de changement de voie double.
C’est précisément pour pallier ces insuffisances que le Dr Nannan Zhao et Bo Shi, de l’École de génie mécanique et électrique de l’Université de technologie de l’architecture de Xi’an, ont développé un nouveau cadre de contrôle à deux niveaux pour la distribution du couple. Leur travail, publié dans la revue Mechanical Science and Technology for Aerospace Engineering, présente une solution robuste qui combine l’intelligence artificielle et la théorie de l’optimisation pour offrir des performances de conduite et une efficacité supérieures.
L’innovation centrale réside dans le passage d’une logique de contrôle centrée sur la vitesse à une approche fondée sur le couple comme variable de contrôle principale. Ce changement de paradigme permet au système d’influencer directement le moment de lacet du véhicule — la force de rotation autour de son axe vertical — qui est crucial pour maintenir la stabilité directionnelle lors des virages. En calculant et en appliquant un moment de lacet supplémentaire en temps réel, le contrôleur peut corriger activement les écarts dans le comportement du véhicule avant qu’ils ne dégénèrent en instabilité.
Le cœur de cette stratégie est une architecture de contrôle en deux couches. La couche supérieure utilise un réseau neuronal BP optimisé par un algorithme génétique (GA-BP) pour déterminer le couple de lacet correctif requis. Les réseaux neuronaux sont des outils puissants pour modéliser des systèmes complexes et non linéaires, mais ils souffrent souvent d’une convergence lente et d’une sensibilité aux paramètres initiaux. Pour surmonter ces défauts, les chercheurs ont intégré un algorithme génétique — une technique d’optimisation inspirée par les processus biologiques — afin de pré-ajuster les poids et les seuils du réseau. Cette approche hybride accélère le processus d’apprentissage et améliore la précision des prédictions, garantissant ainsi que le système réponde rapidement et de manière fiable aux conditions dynamiques de conduite.
La couche inférieure du contrôleur utilise la programmation quadratique pour répartir le couple de traction total entre les quatre roues. Cette méthode d’optimisation mathématique assure que la distribution du couple minimise la charge sur les pneus tout en respectant les limites physiques, telles que l’adhérence de la route et la capacité du moteur. En maintenant les pneus dans leur plage d’adhérence optimale, le système préserve une marge de force latérale élevée, essentielle pour éviter les dérapages ou la perte de contrôle.
L’un des principaux avantages de cette approche est sa capacité à prendre en compte les changements en temps réel de la dynamique du véhicule. Lors d’un virage, le poids se transfère des roues intérieures vers les roues extérieures, modifiant la charge verticale sur chaque pneu. Le système de contrôle proposé surveille en continu ces variations de charge et ajuste la distribution du couple en conséquence. Cela améliore non seulement la stabilité, mais réduit également la résistance au roulement et la demande énergétique globale.
Pour valider leur stratégie, l’équipe de recherche a mené des simulations couplées en utilisant CarSim et Simulink — deux outils standards de l’industrie pour l’analyse de la dynamique du véhicule. Le scénario de test impliquait une manœuvre de changement de voie double à haute vitesse à 90 km/h sur une surface avec un coefficient de frottement de 0,5, simulant des conditions de route mouillée. Ce type de test est largement utilisé pour évaluer la réponse transitoire et les performances du contrôle de stabilité d’un véhicule.
Les résultats ont été convaincants. Les véhicules équipés du nouveau système de contrôle basé sur le couple ont montré un écart de 6,24 % par rapport à la trajectoire idéale, contre un écart de 17,47 % pour ceux utilisant une simple distribution égale du couple. Cela signifie que le véhicule est resté beaucoup plus proche du chemin souhaité, réduisant considérablement le risque d’empiéter sur les voies adjacentes lors de manœuvres d’évitement d’urgence.
Plus important encore, le système a considérablement amélioré le contrôle sur les indicateurs critiques de stabilité. L’angle de dérapage latéral maximal — l’angle entre la direction de déplacement du véhicule et son orientation réelle — a été réduit de 3,35° à seulement 0,73°, soit une diminution de près de 89 %. L’angle de dérapage latéral est une métrique fondamentale en dynamique du véhicule ; des valeurs excessives indiquent que l’arrière de la voiture commence à glisser vers l’extérieur, un signe précurseur du survirage et de possibles embardées. En maintenant cet angle dans une plage de ±2,5°, le système garantit que le véhicule reste prévisible et maîtrisable même sous forte contrainte.
De même, la vitesse de lacet — la vitesse à laquelle le véhicule tourne autour de son centre — était beaucoup plus proche du modèle de référence idéal. Le véhicule contrôlé a affiché un comportement de lacet plus fluide et plus cohérent, évitant les fluctuations brutales observées dans le système de base. Cela se traduit par une expérience de conduite plus stable et plus rassurante, particulièrement pour les conducteurs moins expérimentés qui pourraient avoir des difficultés à corriger des événements soudains de survirage ou de sous-virage.
Un autre résultat significatif a été l’impact du système sur l’efficacité énergétique. Dans la simulation, la consommation totale d’énergie des moteurs de traction a diminué de 8,2 %, passant de 106 710 joules à 97 930 joules. Cette réduction provient de deux facteurs principaux : premièrement, la distribution intelligente du couple minimise les rotations inutiles des roues et le patinage, qui gaspillent de l’énergie ; deuxièmement, le système permet une légère modulation de la vitesse pendant les virages, réduisant ainsi la résistance aérodynamique et au roulement. Bien qu’une réduction de 8,2 % puisse sembler modeste, dans le contexte des véhicules électriques, où chaque watt-heure compte, de telles économies peuvent prolonger l’autonomie de conduite et réduire la dégradation de la batterie au fil du temps.
En outre, la stratégie de contrôle permet des transitions plus fluides entre la conduite en ligne droite et les virages. Plutôt que de maintenir une vitesse élevée constante dans un virage — ce qui augmente les forces latérales et déséquilibre le châssis — le système réduit proactivement la vitesse à un niveau plus sûr (environ 87-88 km/h dans le test), puis accélère de nouveau à la vitesse cible une fois la manœuvre terminée. Cette gestion adaptative de la vitesse n’est pas seulement une question de conformité avec les lois de la physique ; elle reflète un style de conduite plus intelligent et plus humain qui privilégie la sécurité sans sacrifier la performance.
D’un point de vue de l’ingénierie, l’intégration de techniques d’IA et d’optimisation représente un progrès significatif dans les systèmes de contrôle des véhicules. Les contrôleurs PID traditionnels, bien que fiables, nécessitent souvent un réglage poussé et ont du mal à gérer les non-linéarités. La logique floue et le contrôle par mode glissant ont été explorés comme alternatives, mais ils présentent leurs propres défis en termes de complexité et de bruit. L’approche du réseau neuronal GA-BP offre une alternative fondée sur les données qui apprend à partir de scénarios de conduite réels et s’adapte à des conditions changeantes sans recalibration manuelle.
L’utilisation de données d’entraînement générées par CarSim à partir d’un véhicule conventionnel équipé d’un différentiel mécanique renforce encore la pertinence pratique du modèle. En imitant le comportement d’un système de référence bien compris, le réseau neuronal peut généraliser son apprentissage à une large gamme de situations de conduite, y compris les entrées en échelon, les virages sinusoïdaux et les manœuvres d’évitement.
Peut-être l’un des aspects les plus sous-estimés de cette recherche est son accent mis sur la minimisation des pertes de puissance internes. Dans les systèmes à traction intégrale, notamment ceux dotés de moteurs à roues indépendants, existe un risque de « puissance circulante » — une condition où le couple est appliqué simultanément aux deux côtés du véhicule, créant des forces opposées qui s’annulent mutuellement et gaspillent de l’énergie. Le solveur de programmation quadratique prend explicitement cela en compte en limitant la différence de couple entre les essieux avant et arrière, améliorant ainsi l’efficacité de la transmission.
Cette approche holistique — équilibrant stabilité, consommation d’énergie et efficacité mécanique — s’aligne parfaitement avec les objectifs plus larges de la mobilité durable. Alors que les villes du monde entier poussent à des solutions de transport plus écologiques, les technologies qui prolongent la durée de vie de la batterie et réduisent la fréquence de recharge deviendront de plus en plus précieuses. De plus, une meilleure stabilité signifie moins d’accidents, des coûts d’assurance réduits et une plus grande confiance du public dans les systèmes de conduite autonome, qui reposent souvent sur des architectures de contrôle similaires.
Les implications de cette recherche vont bien au-delà des véhicules particuliers. Les mêmes principes pourraient être appliqués à des autobus électriques, des fourgonnettes de livraison ou même à des véhicules tout-terrain, où la traction et la stabilité sont critiques. Par exemple, dans les applications de transport urbain, des virages plus doux réduisent l’inconfort des passagers et l’usure de l’infrastructure. Dans les flottes logistiques, une meilleure efficacité énergétique se traduit directement par des coûts d’exploitation plus bas et une empreinte carbone réduite.
En regardant vers l’avenir, la prochaine étape pourrait impliquer l’intégration de cette stratégie de contrôle avec des systèmes avancés d’aide à la conduite (ADAS) et la communication véhicule-tout (V2X). Imaginez un avenir où votre voiture reçoit des mises à jour en temps réel sur les conditions de la route à partir de l’infrastructure intelligente et ajuste préventivement sa distribution de couple avant d’entrer dans un virage glissant. Ou considérez des scénarios de convoi où plusieurs véhicules électriques coordonnent leurs caractéristiques de conduite pour maintenir une formation serrée à haute vitesse.
Bien que l’étude actuelle se concentre sur la validation par simulation, la prochaine étape logique est les tests en boucle matérielle et les essais grandeur nature. La charge de calcul du réseau neuronal GA-BP et du solveur de programmation quadratique doit être évaluée par rapport aux capacités de traitement des unités de contrôle électronique (ECU) automobiles modernes. Heureusement, avec les progrès rapides des puces d’IA embarquée et des systèmes d’exploitation en temps réel, le déploiement de tels algorithmes dans des véhicules de série devient de plus en plus réalisable.
Il convient également de noter que cette stratégie de contrôle ne nécessite pas de capteurs supplémentaires au-delà de ceux déjà présents dans la plupart des véhicules modernes. Elle s’appuie sur des entrées standard telles que l’angle de braquage, la vitesse du véhicule, la vitesse de lacet et l’accélération latérale — toutes mesurées en routine par les systèmes de contrôle de stabilité électronique (ESC). Cette compatibilité avec le matériel existant rend la technologie hautement évolutible et rentable.
En résumé, le travail de Zhao et Shi représente une avancée significative dans le domaine de la dynamique des véhicules électriques. En repensant les fondements du contrôle électronique différentiel et en adoptant des méthodes de calcul modernes, ils ont créé un système qui n’est pas seulement plus sûr et plus efficace, mais aussi plus en phase avec le comportement naturel des conducteurs expérimentés. Alors que l’industrie automobile poursuit sa transition vers l’électrification et l’automatisation, des innovations de ce type joueront un rôle crucial dans la définition de l’avenir de la mobilité.
Leurs découvertes soulignent une tendance plus large : la fusion de l’ingénierie mécanique classique avec les technologies de l’information de pointe débloque de nouvelles possibilités en matière de performance des véhicules. Il ne suffit plus de construire des voitures plus rapides ou plus puissantes ; le défi est désormais de les rendre plus intelligentes, plus réactives et plus en harmonie avec l’environnement et le conducteur.
Pour les ingénieurs, les décideurs politiques et les consommateurs, cette recherche offre un aperçu d’un avenir où les véhicules électriques ne se contentent pas de remplacer les moteurs à combustion interne — ils les surpassent dans toutes les dimensions de la performance, de la sécurité et de la durabilité.
Zhao Nannan, Shi Bo. Torque Electronic Differential Control of Distributed Electric Vehicle. Mechanical Science and Technology for Aerospace Engineering, 2024. DOI: 10.13433/j.cnki.1003-8728.20230085