Académique Documents
Professionnel Documents
Culture Documents
5 février 2022
N◦ National de Thèse : XXX
UNIVERSITÉ DE TUNIS
ÉCOLE NATIONALE SUPÉRIEURE D’INGÉNIEURS DE TUNIS
ÉCOLE DOCTORALE DES SCIENCES ET TECHNOLOGIES
THÈSE
en vue de l’obtention du
DIPLOME DE DOCTORAT
en Génie Électrique
par
Fatah BEJAOUI
Maitre technologue à l’ISET de Radès
iii
i
TABLE DES MATIÈRES
Introduction générale 1
ii
TABLE DES MATIÈRES
1.5.3.3 Super-condensateurs . . . . . . . . . . . . . . . . . . . . . 32
1.5.4
Stratégies de gestion d’énergie dans les véhicules hybrides . . . . . . 32
1.5.5
Modélisation du système de gestion d’énergie d’une voiture hybride
et tout électrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5.5.1 Modélisation du convertisseur Boost . . . . . . . . . . . . 37
1.5.5.2 Modélisation du convertisseur Buck/Boost . . . . . . . . . 39
1.5.5.3 Modélisation globale du système . . . . . . . . . . . . . . 40
1.5.5.4 Modèle bilinéaire du système de gestion d’énergie . . . . . 42
1.5.5.5 Modèle hybride du système de gestion d’énergie . . . . . . 42
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
iii
TABLE DES MATIÈRES
iv
TABLE DES MATIÈRES
Bibliographie 121
v
Introduction générale
Afin de pallier ces problèmes, une solution est apparue au début des années quatre-vingt
se basant sur la traction toute électrique pour réduire la consommation du carburant et
les dégagements des gaz, mais cette solution s’est rapidement avérée limitée. En effet, la
faible autonomie de ces véhicules ainsi que les problèmes de leurs charges les rendent trop
difficiles à mettre en œuvre. Une infrastructure très complexe doit être mise en œuvre pour
assurer la charge de ce type de voiture, chose qui demande beaucoup d’investissement, ce
qui rend cette solution très coûteuse. De même, la puissance mécanique développée par
ces voitures est assez faible par rapport à celle proposée par les moteurs thermiques.
Ainsi, un compromis a été proposé entre la voiture à moteur thermique et la voiture tout
électrique, c’est le véhicule hybride qui se base essentiellement sur deux sources d’énergies
(thermique et électrique) afin d’utiliser les avantages de chaque système pour améliorer le
rendement global de la voiture. La traction électrique dans ce genre de véhicule est assurée
essentiellement par des piles à combustible ou à hydrogène et des supercondensateurs qui
permettent de supporter les piles pendant les phases de demande d’énergie tel que les
démarrages et de stocker de l’énergie pendant les phases de freinages.
Il faut signaler aussi que l’évolution des dispositifs de stockage d’énergie ont permis à
la surjection de nouveau des voitures tout électriques malgré les problèmes liés essentiel-
lement au temps de charge des batteries ainsi que l’autonomie de ce type de véhicules.
Pour ces derniers, un système de gestion d’énergie entre les différents éléments consti-
tuant le véhicule doit être mis en place pour garantir la commande. En effet, il assure non
seulement l’hybridation entre les différentes sources d’énergie, mais aussi la bonne gestion
de cette dernière pendant les phases de démarrage et de freinage. Ce système assure les
différentes transitions des flux énergétiques entre les différents composants pour répondre
1
Introduction
Dans cette thèse, nous nous concentrerons sur la gestion de l’énergie entre les différents
composants de la chaîne de traction ainsi que la détection et l’isolation des défauts qui
peuvent surgir pendant le fonctionnement.
Les travaux consignés dans ce mémoire de thèse de doctorat sont organisés en quatre
chapitres.
Le deuxième chapitre a été consacré en premier lieu à l’étude des observateurs d’état
des systèmes non linéaires, en particulier les systèmes bilinéaires afin de parvenir à l’ob-
servation des différents états du système de gestion d’énergie en vue de son diagnostic et
éventuellement sa commande. En deuxième lieu, un grand intérêt a été consacré à l’ob-
servation d’état du système en se basant sur des observateurs hybrides. En effet, pour
prendre en compte le comportement continu et discret du système de gestion d’énergie,
ce type d’observateurs convient très bien pour la reconstruction des différentes variables
d’état du processus étudié. Quant à la troisième partie de ce chapitre, elle a été consacrée
à l’observation d’état par intervalle. L’observateur consiste à un système dynamique auxi-
liaire qui permet de fournir une borne supérieure et une borne inférieure entre lesquelles
se trouve l’état. Ce qui nous donne une marge de robustesse assez importante pour assurer
le diagnostic et la commande en présence d’importantes perturbations inhérentes sur le
système étudié.
2
Introduction générale
3
Chapitre 1
Sur l’observation d’état et la détection de
défauts des systèmes dynamiques. Cas d’un
système d’entraînement électrique d’une
voiture hybride
1.1 Introduction
Ce premier chapitre porte sur la présentation de quelques rappels concernant l’ob-
servabilité et la synthèse d’observateurs d’état des systèmes non linéaires et les classes
des systèmes qui en dérivent à savoir les systèmes linéaires, les systèmes bilinéaires et les
systèmes à commutation. Cette démarche s’avère nécessaire afin de préciser, parmi les
nombreuses méthodes qui se trouvent dans la littérature et qui permettent l’étude de ces
classes des systèmes, quels ont été nos choix quant aux objectifs envisagés.
Compte tenu de nos objectifs visés et après un rappel sur l’observabilité des systèmes
dynamiques, nous nous focalisons sur la présentation des observateurs d’état à entrées
inconnues, bilinéaires, de Luenberger et hybrides. Ensuite, nous exposons les méthodolo-
gies développées dans la littérature pour aborder le problème de détection de défauts des
systèmes dynamiques tels que la détection de défauts basée sur la redondance des com-
posants, le diagnostic de défauts en se basant sur les signaux et la détection de défauts à
base d’observateurs d’état.
5
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
miques. Plus particulièrement et compte tenu de nos objectifs visés, cette étude sera dédiée
aux systèmes non linéaires, linéaires, bilinéaires et linéaires à commutation.
où
• x(t) est le vecteur d’état, x(t) ∈ Rn
• u(t) est le vecteur d’entrée ou de commande, u(t) ∈ Rm
• y(t) est le vecteur de sortie ou d’observation, y(t) ∈ Rp
• f (.) et h(.) sont des fonctions non linéaires analytiques en les variables dont elles dé-
pendent. La forme particulière de ces fonctions permet de définir plusieurs classes des
systèmes tels que les systèmes linéaires, les systèmes bilinéaires, les systèmes linéaires à
commutation et les systèmes non linéaires affines en la commande.
Ainsi, l’observabilité d’un système non linéaire ne suffit pas pour la synthèse d’un ob-
servateur d’état. Une telle synthèse doit prendre en compte le problème des entrées de
commande. Il en résulte que l’étude des propriétés des entrées pour un système donné est
d’une grande importance pour la synthèse d’observateurs d’état.
La distinguabilité est un concept global, la définition qui suit est de nature locale.
6
1.2. Observabilité des systèmes dynamiques
Le système (1.2) est dit complètement observable si, quel que soit t0 , il existe un in-
tervalle de temps fini [t0 , t1 ] tel que la connaissance de l’entrée u(t) et de la sortie y(t)
sur cet intervalle permet de reconstruire l’état initial x(t0 ) [2].
D’autre part, de nombreux critères d’observabilité sont présentés dans la littérature dont
les plus connus sont ceux utilisant le critère de Kalman basé sur la condition du rang [3].
En effet, l’observabilité du système (1.2) est garantie si et seulement si le rang de la
matrice d’observabilité
C
CA
O= .. (1.3)
.
CAn−1
est égal à n [2], [4].
De plus, il a été présenté dans [5] un autre critère d’observabilité pour la même classe des
systèmes. Il s’ensuit !
sI − A
rang =n (1.4)
C
pour tout s ∈ C.
Notons que si un système linéaire est complètement observable alors il est globalement
observable, c’est-à-dire que toutes les composantes du vecteur d’état du système sont
observables, et elles peuvent être donc reconstruites par un observateur d’état [4]. Si le
système est non linéaire alors d’autres critères d’observabilité sont utilisés [6], [7].
7
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Selon la forme de l’équation (1.6), nous distinguons plusieurs classes de systèmes bili-
néaires [8].
• Si B = 0 alors le système est dit bilinéaire en l’état ou régulier ;
• Si A0 = 0 alors le système est dit homogène en l’entrée ;
• Si A0 = 0 et B = 0 alors le système est dit strictement bilinéaire.
Contrairement au cas linéaire, l’observabilité des systèmes bilinéaires est une notion qui
dépend de l’entrée appliquée au système. Nous soulignons que les définitions d’observabi-
lité données précédemment n’impliquent pas que toute entrée distingue des couples d’états
initiaux. En pratique, nous aimerions se placer dans le cas où l’entrée u(t) est fixée, tout
couple d’états distincts donne lieu à des sorties différentes. En effet, ce n’est que dans
ce cas que l’on peut reconnaître l’état initial du système à partir des informations anté-
rieures sur l’entrée et la sortie. Ceci nous conduit au concept des entrées universelles et
des systèmes qui sont observables au sens du rang pour toutes les entrées appliquées.
Lorsqu’une entrée permet de distinguer tous les couples d’état initiaux sur l’intervalle
[0, T ], celle-ci est dite universelle. La notion d’entrée universelle permet de définir une
classe importante des systèmes, ce sont les systèmes uniformément observables.
En se basant sur les définitions 1.1, 1.2, 1.4 et 1.5, il s’avère possible d’étendre la condition
du rang utilisée pour l’étude de l’observabilité des systèmes linéaires pour le cas des
systèmes bilinéaires.
Définition 1.6 [9]
8
1.2. Observabilité des systèmes dynamiques
D’un autre côté, l’observabilité, dans ce cas, peut être définie comme suit
Définition 1.7 [10]
Le système linéaire à commutation (1.7) est dit observable, si pour t1 > 0 et pour l’indice
de commutation q : [0, t1 ] → J, l’état initial x(0) peut être calculé étant donné la connais-
sance de l’entrée u(t) et de la sortie y(t) pour t ∈ [0, t1 ]. L’observabilité des systèmes
commutés peut être étudiée sous divers angles. Comme indiqué précédemment, lorsque
le mode discret est considéré comme connu, chaque sous-système doit être observable.
Cependant, lorsque l’indice de commutation est considéré comme étant un état discret
inconnu, le problème devient plus difficile [11].
Plusieurs façons d’estimer l’état discret d’un système à commutation ont été abordées
dans la littérature [12], [13]. Ce problème a été posé de deux manières différentes, conti-
nues et discrètes. La conception d’un observateur continu pour reconstruire l’évolution du
signal de commutation est le fondement des méthodes continues. Dans ce cas, la contrainte
9
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
d’observabilité, qui est liée à l’état discret, est parfois confondue avec le concept de dis-
tinguabilité. Dans [14] et [15] , des conditions de distinguabilité nécessaires et suffisantes
pour détecter le temps de commutation ont été montrées. Les techniques discrètes, quant
à elles, sont basées sur la théorie des systèmes à événements discrets, consistant à utiliser
un observateur discret pour estimer le mode actif, qui est modélisé par un automate à
états finis. Les exigences d’observabilité ont également été mises en exergue [16], [17].
10
1.3. Observateurs d’état des systèmes dynamiques
où x(t) ∈ <n , u(t) ∈ <m et y(t) ∈ <p sont respectivement les vecteurs d’état, de com-
mande et de sortie. De plus, les matrices A ∈ <n×n , B ∈ <n×m , C ∈ <p×n et D ∈ <p×m
sont respectivement les matrices d’état, de commande, de sortie et de transmission directe.
Pour la synthèse d’un observateur d’état, le système (1.3.5) est supposé observable. Ainsi,
il vient les équations d’état de l’observateur comme suit
(
ż(t) = Âz(t) + B̂u(t) + Ly(t)
(1.13)
x̂(t) = Ĉz(t) + Du(t) + M y(t)
où z(t) ∈ <q est le vecteur d’état de l’observateur avec q ≤ n et x̂(t) ∈ <n est son vecteur
de sortie. Â, B̂ et Ĉ sont des matrices constantes de dimensions convenables. L et M
désignent les matrices mettant en évidence la dépendance de l’observateur de la sortie
mesurée y(t).
Selon la dimension du vecteur d’observation d’état z(t) ∈ <q , l’observateur est dit d’ordre
plein si q = n. Il est dit d’ordre réduit si q < n.
˙
x̂(t) = Âx̂(t) + B̂u(t) + Ly(t) (1.14)
En calculant l’erreur d’observation entre l’état réel et celui reconstruit telle que e(t) =
x(t) − x̂(t), il s’ensuit
Pour avoir une convergence asymptotique de l’observateur d’état vers l’état réel, il vient
la condition suivante :
lim e(t) = 0 (1.18)
t→∞
11
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Notons que la matrice L, appelé gain d’observation, pondère l’écart entre la sortie réelle et
la sortie estimée. Une telle matrice fixe la dynamique de l’observateur d’état et son choix
s’avère déterminant pour améliorer les performances de l’observateur étudié. Il s’ensuit
donc le théorème suivant :
Théorème 1.1 [2]
Les valeurs propres de A − LC peuvent être fixées arbitrairement si et seulement si la
paire (A, C) est observable.
Pour que l’erreur e(t) = x(t) − x̂(t) converge asymptotiquement vers 0 et en posant
P = In + EC, il vient le système suivant qui présente une condition suffisante de stabilité
en présence des entrées inconnues tel que [22]
N est une matrice de Hurwitz
LC = P A − N P
(1.22)
Q = PB
PD = 0
12
1.3. Observateurs d’état des systèmes dynamiques
Ce système est supposé complètement observable. De plus, aucune hypothèse sur les
entrées n’est exigée. Alors, un observateur bilinéaire est proposé par [23] sous la forme
m m
P P
ż(t) = Â + N̂i ui (t) z(t) + Ju(t) + B̂ + B̂i u(t) y(t)
i=1 i=1 (1.24)
x̂(t) = M z(t) + Ey(t)
D’après les travaux consignés dans [23], si les conditions suivantes sont vérifiées
N̂i = 0
ÂT + B̂C − T A = 0
(1.27)
N̂i T + Bi C − T Ni = 0
J = TB
La dynamique de l’erreur d’observation devient
Pour obtenir en régime permanent x̂(t) = x(t), c’est-à-dire lim e(t) = 0, il faut que
t→∞
M T + EC = In (1.30)
Alors le système d’équations (1.23) ainsi que (1.26) forment les conditions d’existence de
l’observateur d’état bilinéaire du système (1.20).
13
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Afin d’aborder cette approche, il vient l’utilisation d’une fonction de Lyapunov quadra-
tique commune définie par
V (e(t)) = e(t)T P e(t) (1.34)
où P = P T > 0.
14
1.3. Observateurs d’état des systèmes dynamiques
avec w(t) ∈ <r et v(t) ∈ <q respectivement les perturbations appliquées à l’état et à
la sortie du système étudié. Les conditions initiales d’un tel système vérifient x(0) = x0 .
Pour la synthèse de l’observateur par intervalle, nous considérons les conditions suivantes :
Dans d’autres travaux, issus de la littérature, le système non linéaire considéré est décrit
par la représentation d’état qui suit [33], [17], [34], [35].
(
ẋ(t) = Ax(t) + Φ(u(t), y(t), θ(t))
(1.43)
y(t) = Cx(t)
15
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
avec Φ(t) ∈ <n une fonction continue en u(t), y(t) et θ(t) où θ(t) représente les
paramètres variables assujettissant sur le système.
Hypothèse 1.1 [17]
Les bornes supérieure et inférieure de l’état initial, notées respectivement x+ (0) et x− (0),
sont choisies telles que
x− (0) ≤ x(0) ≤ x+ (0)
où w(t) ∈ <r et v(t) ∈ <q représentent respectivement les perturbations sur l’état et sur
la sortie du système.
L’objectif est de concevoir un observateur par intervalles pour le système linéaire (1.45).
Ainsi, les hypothèses suivantes sont considérées.
16
1.3. Observateurs d’état des systèmes dynamiques
Hypothèse 1.5
Les perturbations et les bruits de mesure sont caractérisés par
Hypothèse 1.6
Il existe un gain L tel que la matrice A − LC est de Metzler. Ainsi, l’observateur par
intervalles englobant la paire d’équations d’état est désigné par
(
ẋ+ (t) = (A − LC)x+ (t) + Bu(t) + w+ (t) + Ly + |L|V +
(1.47)
ẋ− (t) = (A − LC)x− (t) + Bu(t) − w+ (t) + Ly − |L|V +
La borne supérieure de l’erreur d’observation entre l’état réel et celui estimé est exprimée
par
Il s’ensuit donc
Notons que le système (1.47) doit valider à la fois la positivité et la convergence asymp-
totique de l’erreur d’observation. Ainsi, les théorèmes suivants sont proposés pour la
vérification de ces deux conditions.
Théorème 1.3
Considérons le système (1.45) et supposons que les hypothèses 1 et 2 sont vérifiées. Si la
condition initiale vérifie x− +
0 ≤ x0 ≤ x0 et le gain d’observation L est calculé tel que la
matrice (A − LC) est de Metzler, alors les inégalités suivantes sont vérifiées.
17
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Ainsi, si le gain d’observation L est choisi tel que (A − LC) est de Metzler, et x− +
0 , x0
− +
sont choisis tels que e0 , e0 sont définies positives, alors e− (t) ≥ 0, e+ (t) ≥ 0 et x− (t) ≤
x(t) ≤ x+ (t) ∀t ≥ 0.
Afin d’assurer le convergence d’un tel observateur, le théorème suivant est proposé.
Théorème 1.4
S’il existe une matrice P = P T ≥ 0 et les paramètres réels positifs α, β, σ, µ et en consi-
dérant que Z = P L telle que l’inégalité matricielle linéaire (LMI) qui suit est faisable.
AT P + P A − C T Z T − ZC P
P P P
P −αI 0 0 0
P 0 −βI 0 0
<0 (1.54)
P 0 0 −σI 0
P 0 0 0 −µI
C’est le défaut prépondérant qui affecte plus le système. En effet, une lecture incorrecte
de mesure d’un capteur ou une détérioration de ce dernier ou encore un mauvais étalonnage
provoque de fausses alertes pour le système. La plupart des défaillances qui affecte un
capteur est classée sous deux catégories : le défaut partiel tel qu’un mauvais étalonnage
ou une mauvaise mise en échelle et le défaut total caractérisant la détérioration totale du
capteur.
18
1.4. Détection de défauts des systèmes dynamiques
C’est tous simplement tous les défauts qui ne peuvent pas être classée parmi les défauts
de capteurs ou les défauts de l’actionneur. En général, c’est la conséquence d’un change-
ment de paramètres physiques des différents composants du système due au vieillissement
de tels composants par exemple.
Notons que les défauts peuvent être additifs ou multiplicatifs. Pour le premier cas le dé-
faut est considéré comme un signal externe supplémentaire donc il représente une entrée
inconnue. Dans ce cas le système de diagnostic doit se baser sur la technique d’observa-
teurs à entrées inconnues. Dans le deuxième cas, le défaut peut être multiplicatif ce qui
représente un écart entre la valeur réelle mesurée et la valeur normalement délivrée par
le capteur.
En outre, les défauts peuvent être classée en fonction de leurs évolutions dans le temps.
Dans ce cadre, il existe trois classes de défauts dont la première est connue sous le nom
de défaut brutal (figure 1.3-a). Ce genre de défaut se manifeste rapidement par rapport à
la dynamique nominale du système. Il affecte la stabilité du système c’est pour cela qu’il
faut les détecter avant que le système ne soit affecté d’une manière critique. Quant à la
deuxième classe, appelée défaut naissant, est représentée par la figure 1.3-b). Contraire-
ment au défaut brutal, ce défaut est très lent mais il peut causer ultérieurement de graves
endommagements au système. La dernière classe représente les défauts intermittents (fi-
gure 1.3-c) qui apparaissent et disparaissent rapidement avec une fréquence très élevée.
19
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Notons que ces différentes approches seront présentées dans ce qui suit mais l’accent
sera mis essentiellement sur l’approche à base d’observateurs d’état, et ce compte tenu
des objectifs visés quant à la synthèse des techniques d’observation d’état et de détection
des défauts des systèmes dynamiques.
Figure 1.4 – Détection des défauts basée sur la redondance des composants
20
1.4. Détection de défauts des systèmes dynamiques
La détection de ces défauts ainsi que leur isolation et identification est un objectif princi-
pal pour toute installation industrielle. La technique de détection, exposée dans ce para-
graphe, consiste à estimer, à l’aide d’un observateur d’état, les sorties et à les comparer
avec les sorties mesurées. Ainsi, le système génère des résidus sensibles aux défauts comme
le montre la figure 1.6.
D’autre part, un processus est généralement formé de plusieurs composants de types mé-
canique, électronique ou autres. Le nombre de capteurs et d’actionneurs savère alors assez
important. Un tel processus est souvent soumis à des contraintes qui peuvent nuire à son
21
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
bon fonctionnement tels que les défauts. En effet, des perturbations externes ou parfois
intense au système (vieillissement de certains composants) peuvent entraîner une dégra-
dation remarquable du système, c’est pour cette raison que nous nous focalisons sur le
diagnostic et la détection des défauts à base d’observateurs d’état. Ainsi, la procédure de
diagnostic passe par trois étapes essentielles qui sont la détection, l’isolation et l’identifi-
cation de défauts.
D’autre part, de nombreuses architectures ont vu le jour afin de répondre à ces exigences.
Ainsi, compte tenu de l’évolution de l’électronique embarquée, la commande de ce genre de
véhicules devient de plus en plus performante. En outre, l’évolution de la technologie des
batteries et des supercondensateurs rend le problème de gestion de l’énergie embarquée
de plus en plus probant [40],
22
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Ce n’est qu’en 1970 que plusieurs constructeurs Européens et Japonais ont commencé
à revoir ce concept en vue de minimiser les dégagements de CO2 et de réduire la consom-
mation du carburant. Pendant 20 ans, les grands constructeurs ont cherché à trouver
des solutions pratiques pour mettre en œuvre un tel concept, et ce n’est qu’en 1997 que
le constructeur Japonais "Toyota" a mis sur le marché le premier modèle d’une voiture
hybride s’agissant de la "Toyota Prius" qui a été vendue pour plus d’un million d’exem-
plaires. Dès lors, l’évolution de ce genre de voiture ne cesse d’augmenter surtout avec
l’augmentation de la puissance de traction des bus et des poids lourds hybrides ainsi que
leurs autonomies.
La gestion des flux énergétiques entre le moteur électrique et le moteur thermique ainsi
que les moyens de stockage à bord sont traités par un système de gestion d’énergie qui
représente la plaque tournante du véhicule hybride [42]. L’idée de base de ce véhicule est
la combinaison de deux ou plusieurs sources d’énergies afin de combiner les avantages de
différentes sources [43].
• Micro hybride : Pendant les phases d’arrêts, un système électronique assure une fonc-
tion "start and stop" qui permet la coupure et le démarrage du moteur thermique d’une
manière automatique. C’est une conception destinée pour un véhicule qui circule en ville
(embouteillage, beaucoup d’arrêt au feu de carrefour, etc.) [44]. Son principal avantage
réside dans le gain de la consommation de carburant, mais la limitation de la récupération
de l’énergie pendant les phases de freinage constitue son principal inconvénient [45], [46].
• Mild hybride : Dans ce type de véhicule, il se trouve à la fois le système "stop and start"
23
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
du micro hybride et la présence d’un moteur électrique qui apporte un couple supplémen-
taire pendant les phases de démarrage ou d’accélération. Ceci engendre une réduction de
la taille du moteur thermique et une augmentation de la tension de la batterie à cause
du besoin d’une puissance électrique plus importante que l’architecture Micro hybride. Le
moteur électrique remplace l’alterno-démarreur qui constitue ainsi un système de récupé-
ration d’énergie au freinage [47].
• Full hybride : Ce type d’hybridation est quasi identique à celui du mild hybride. La
seul différence réside dans la puissance du moteur électrique qui augmente considérable-
ment afin d’assurer la traction sans l’intervention du moteur thermique, et en particulier
dans les trajectoires qui ne nécessite pas une grande vitesse telle que la circulation en
ville [48], [49]. La gestion d’énergie dans ce genre d’hybridation est très importante. En
effet, il faut définir une stratégie pour répartir la puissance demandée par le véhicule
afin de minimiser la consommation en carburant. Un algorithme temps réel doit être
implémenté pour gérer la gestion d’énergie embarquée. Les gains en carburant peuvent
dépasser les 10%, de même la réduction d’émission de CO2 diminue considérablement [50].
• Plug-in hybride : Dans ce genre d’hybridation une batterie de forte capacité re-
chargeable par le réseaux électrique est présente dans le système de gestion d’énergie.
Ainsi, l’utilisation totale de la charge de la batterie est permis dans cette catégorie d’hy-
bridation. Dans ce genre de configuration, il y a combinaison des avantages à la fois du
full hybride et de la voiture entièrement électrique [51]. Le problème de l’autonomie de la
batterie (entre 30 et 150Km) reste un inconvénient majeur de cette hybridation [52], [53].
24
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
• Hybride série : L’architecture de la chaîne de traction hybride série est la plus simple
parmi les architectures proposées. A travers des convertisseurs statiques unis et bidirec-
tionnelles (buck et buck/boost). Le flux de puissance des différentes sources d’énergie se
met en commun afin d’assurer la traction [54]. Dans cette architecture, le moteur ther-
mique n’a pas de liaison mécanique directe avec les roues, ce qui nous permet de le faire
fonctionner avec un rendement maximal quelle que soit la puissance de traction demandée.
Ainsi, via cette spécification cette achitecture se rapproche d’une voiture tout électrique.
La figure 1.8 représente l’architecture hybride série. Son principal avantage réside dans la
simplicité de la gestion d’énergie entre les différents éléments de la chaîne mais la cascade
de ces derniers diminue énormément le rendement.
Il est à signaler aussi que dans cette architecture le moteur électrique est souvent uti-
lisé pour les grandes vitesses alors que le moteur électrique fonctionne pendant les faibles
vitesses. En cas d’une demande forte de puissance (cas d’accélération), les deux moteurs
fonctionnent ensemble pour satisfaire les demandes d’énergie du véhicule. Pendant les
25
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
• Hybride mixte : Cette architecture combine les avantages des deux architectures
série et parallèle. Le véhicule fonctionne en mode série pour les faibles vitesses et en
mode parallèle pour les grandes vitesses. Un embrayage ou un train épicycloïdal est mis
en œuvre entre le moteur thermique et la transmission. En effet, dans cette architecture
l’embrayage permet de basculer entre les deux architectures série ou parallèle tandis que
le train épicycloïdal assure la répartition en continu de l’énergie développée par le moteur
thermique et électrique. L’inconvénient de cette architecture réside dans la complexité et
le dimensionnement des différents composants de la chaîne, ce qui rend la gestion d’éner-
gie de ce type de véhicule assez délicate et par conséquent le coût de revient augmente
considérablement par rapport à d’autres architectures. La figure 1.10 représente l’archi-
tecture de cette configuration.
26
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Cette configuration est dédiée principalement à la circulation urbaine. En effet, avec l’ab-
sence totale d’émission de CO2 ainsi que l’absence quasi totale de nuisance sonore, la
voiture toute électrique se présente comme une solution idéale pour circuler en ville. Mais
sa faible autonomie liée à la faiblesse des performances des accumulateurs électriques qui
disposent d’une énergie massique inférieure à 120W h/Kg (contre 12000W h/Kg fournie
par les carburants pétroliers), la rend moins utilisée que les véhicules hybrides. De même,
l’absence d’infrastructure de recharge et les temps requis pour effectuer cette dernière ainsi
que le coût très élevé présentent des inconvénients majeurs de cette solution [59], [60].
27
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Architecture multi-moteurs :
Dans cette architecture, le moteur est accouplé soit directement aux roues soit par l’inter-
médiaire d’un réducteur à rapport fixe. Cette configuration permet une grande souplesse
de commande vue la grande liberté de commander chaque moteur à part. Mais le nombre
de moteur entraîne forcement une augmentation considérable du coût de l’installation. Le
schéma de cette structure est donné par la figure 1.15.
28
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
29
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Au cours de la circulation, les véhicules hybrides passent par plusieurs modes de fonc-
tionnement tels que les démarrages, les freinages, la circulation en ville (embouteillage),
la circulation dans des autoroutes, ce qui nécessite une électronique intelligente pour com-
mander et contrôler ces différentes phases. Un système de gestion d’énergie en temps réel
doit être implémenté afin d’assurer la gestion des flux énergétiques en tenant compte
des contraintes électriques et thermiques. Un tel système doit permettre le stockage et le
contrôle de l’énergie. La plupart des systèmes existant utilisent deux technologies diffé-
rentes : la première assure une puissance importante et disponible pour des durées assez
longues, alors que la deuxième est moins importante utilisée pendant les phases de courte
durée tel que les démarrages et les accélérations.
Le système de gestion d’énergie dans un véhicule hybride est formé de plusieurs éléments
technologiques de production et stockage de l’énergie, ainsi que des dispositifs électriques
(des convertisseurs statiques) qui assurent le transfert de l’énergie entre les différents élé-
ments. Pour assurer le stockage, deux technologies sont proposées à savoir le stockage
chimique telles que les piles à combustible et les batteries, et le stockage électrochimique
tels que les supercondensateurs. En effet, l’évolution technologique de ces deux supports,
ces dernières années, a permis d’augmenter la capacité de stockage embarquée au niveau
du véhicule ce qui agit directement sur l’autonomie et la diminution de la consommation
des carburants ainsi que le dégagement du CO2 . Dans ce qui suit nous présentons succinc-
tement les différentes technologies utilisées dans ces systèmes pour permettre de produire
et de stocker l’énergie.
Pour la production de l’énergie électrique à bord du véhicule, les premiers modèles de voi-
ture hybride ont utilisé la pile à combustible. Toutefois et à cause de leur non-réversibilité
en courant, la récupération d’énergie pendant les phases des freinages est interdite. Pour
remédier à cet inconvénient, la plupart des piles à combustible dans les chaînes de traction
sont hybridées par des batteries ou des supercondensateurs afin de récupérer de l’énergie.
30
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Quant au principe de fonctionnement d’une PAC, il est caractérisé par la figure 1.16.
Une cathode et une anode séparée par un électrolyte qui assure le transfert du cou-
rant [63], [64]. En effet, un flux d’électrons qui part de l’électrode positive en contact avec
l’hydrogène vers une deuxième électrode en contact avec de l’air riche en oxygène génère
un flux d’électron considérable entre les deux électrodes [65].
L’électricité est fournie par le déplacement des protons d’hydrogènes H + vers la ca-
thode où il se recombine avec les électrons de l’oxygène, ce qui dégage de la chaleur. Pour
assurer le bon fonctionnement d’une PAC il faut assurer l’alimentation permanente de
31
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
l’hydrogène ainsi que de l’oxygène. De même il faut assurer l’évacuation de la chaleur par
un système de refroidissement adéquat [66], [67].
Le concept principal de cette batterie se base sur l’échange réversible d’ions de lithium par
un processus chimique entre une électrode positive et une électrode négative lors de cycles
de charge/décharge. Le principe de fonctionnement de la réaction électrochimique réside
dans l’injection sous forme d’ions (Li+) dans la structure cristalline (en graphite) [69].
Pendant la phase de charge, le Lithium est relâché du graphite. Il migre vers le réseau
cristallin de l’électrode positive. Par contre, pendant la phase de décharge les ions Li+
réintègrent la structure en graphite. La réaction chimique suivante résume les différentes
interactions dans la batterie d’une manière globale [70], [71].
1.5.3.3 Super-condensateurs
Le super-condensateur utilise le phénomène de la double couche électrique pour sto-
cker l’énergie électrique. C’est un dispositif d’appui qui peut avoir des valeurs de capacité
très élevée, il a une énergie massique très importante. Ce composant a une meilleure cy-
clabilité (réaction chimique très limité) que les autres éléments de stockage disponibles
sur le marché [72], [73].
32
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
tel système. En effet, il faut trouver à chaque instant la meilleure répartition entre les difé-
rentes organes du système. L’hybridation de ces sources pemet de donner plusieurs degrés
de liberté pour mieux optimiser cette gestion selon des stratégies et des critères bien dé-
terminés. L’intervention de plusieurs critères de performance peuvent influencer le choix
de cette gestion. Ainsi, il vient, pa exemple, le critère relatif à la consommation de com-
bustible tel que l’hydrogène pour une PAC ou le fuel pour le moteur thermique [77], [78].
Plusieurs techniques de gestion ont été développé dans la litéatue. De telles techniques se
basent essentiellement sur l’optimisation de la consommation et surtout sur la robustesse
de la stratégie vis-à-vis des perturbations exogènes que le véhicule hybride peut subir telle
que la variation de la masse ou les changements de profils de circulation [79].
Le système de gestion d’énergie est formé essentiellement par les sources principales d’éner-
gie telles que les batteries et les piles à combustibles (source primaire) et par des sources
auxiliaires tel que les super-condensateurs [80] [81]. Ce système nécessite une stratégie
adopté afin de mieux gérer les flux d’énergie embarqué entre les différents éléments. Plu-
sieurs travaux ont été effectués sur ce sujet que nous pouons les classer en deux grandes
familles.
• Les stratégies qui se basent sur des règles ;
• Les stratégies qui se basent sur le problème d’optimisation.
Stratégie à base de la logique floue : Des algorithmes de la logique floue ont été
développés pour satisfaire la puissance demandée par le groupe moteur électrique afin
que la répartition de la puissance entre la batterie ou la pile à combustible d’un côté et le
super-condensateur d’un autre coté n’entraîne pas des pics de courant source en générale
de destruction des différents composants du système de gestion d’énergie, en particulier
les convertisseurs DC-DC. Cette algorithme doit garder toujours est en temps réel un
rendement global assez élevé [83], [84].
33
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Cette stratégie présente quelques inconvénients. En effet, de fort appelle de courant dans
le système peuvent apparaître lorsque ce dernier fonctionne au voisinage de deux modes
différents (au voisinage de deux limites). A ce niveau le système a besoin d’un temps de
réponse plus ou moins important pour se stabiliser à un état fini.
ou rien (ON/OFF) de chaque source d’énergie assure le partage de puissance entre elles.
On aurait alors soit la batterie ou le super-condensateur à la fois qui prend en charge
la totalité de la puissance demandée par le véhicule hybride comme s’est présenté sur la
figure 1.18.
34
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Une version modifiée de cette technique a été développée pour mieux gérer l’énergie entre
le super-condensateur et la batterie en faisant varier la limite maximale (le seuil maximale
de la batterie) en fonction du SOC du super-condensateur. Le système de gestion mesure
en temps réel la valeur du SOC du super-condensateur et selon cette valeur il détermine
la limite maximale de la batterie.
35
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Le passage d’une configuration hors ligne vers une application temps réels n’ai pas toujours
valide. En effet, les contraintes imposé par le système en ligne différent complètement de
celle demandé en hors ligne tel que les temps de réponse, les temps de charge et décharge
des super-condensateur.
D’autre part, un algorithme adaptatif connu sous le nom de "ECMS" (equivalent consump-
tion minimization strategy) a été utilisé, le principe d’un tel algorithme consiste à calculer
à chaque fois l’équivalent de consommation de carburant pour l’égaliser avec la charge de
la batterie.
36
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Le schéma bloc utilisé pour les voitures hybrides et électriques est illustré par la figure
1.21.
Figure 1.21 – Schéma bolc du système de gestion d’énergie dans un véhicule hybride et
électrique
Afin de transférer l’énergie d’une source de tension continue à une charge via un mécanisme
de commutation principalement basée sur des MOSFETs, des convertisseurs DC-DC sont
nécessaires. Ils servent à construire des sources d’énergie d’équipements électroniques en
raison de leur rendement élevé et de leur petite taille. De plus ils sont très efficaces pour
contrôler des moteurs électriques. Ces convertisseurs sont modélisés par des systèmes bili-
néaires ou par des systèmes hybrides du fait qu’ils sont constitués de composants électro-
niques fonctionnant comme des commutateurs tels que les MOSFETs qui sont considérés
comme des systèmes à temps discret, et des circuits électroniques fonctionnant comme
des systèmes à temps continu.
37
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
38
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
diL1
uBat = L1 + (1 − u1 )Vbus (1.59)
dt
dVbus
iL1 (1 − u1 ) = Cf + I0 (1.60)
dt
avec
uBat : Tension de la batterie ;
Vbus : Tension du bus DC ;
iL1 : Courant de la bobine L1 ;
L1 : Bobine ;
Cf : Capacité de la charge ;
Rch : Résistance de la charge ;
u1 : Signal de commande du MOSFET ;
I0 : Courant de charge.
Il est à noter que le supercondensateur est modélisé par une capacité de valeur constante
Csc qui est en série avec une faible résistance Rsc .
39
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Il convient de souligner que les MOSFETs sont contrôlés par les signaux u1 , u2 et u3 . De
plus, le courant dans la charge Ich = I1 + I2 et Ich = VRbus
ch
.
Pour décrire le système de gestion de l’énergie, deux cas peuvent être soulevés.
40
1.5. Présentation du système de gestion d’énergie de voitures hybride et tout électrique
Cas 2 : Le deuxième convertisseur fonctionne en mode Buck. Ainsi, les équations diffé-
rentielles des deux convertisseurs sont données par
Les deux cas peuvent être regroupés en un seul en effectuant le changement de variable
suivant :
u4 = (1 − u2 )T + u3 (1 − T ) (1.65)
où T est une variable binaire pouvant prendre deux valeurs T = 1 en mode Boost et
T = 0 en mode Buck.
Si on combine les equations (1.63), (1.64) en tenant compte de (1.65), les equations
41
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
Si l’on prend iL1 comme entrée, on prend alors comme sorties du processus étudié les
courants iL1 , iL2 , la tension du supercondensateur Vsc et la tension du bus DC notée Vbus .
avec x(t) ∈ <4 représente le vecteur d’état et u(t) ∈ <2 le vecteur de commande. Les
matrice A, B, D1 , D2 et C sont données par
− L11
0 0 0 1
0 0
L1
0 − RLsc2 0 1
L2
0 0 0
A= , B= ,
1
− Rch1Cf
0 0 0 0 0
Cf
0 − C1sc 0 0 0 0 0
1
0 0 L1
0 0 0 0 0
0 0 0 0 0 0 − L12 0
D1 = , D2 = ,
− C1f 1
0 0 0
0 Cf
0 0
0 0 0 0 0 0 0 0
0 0 1 0 Ustack
C = 0 1 0 0 , U = u1
0 0 0 1 u4
où le signal de commande est donné par u(t) = Ubat et les différentes matrices Aq =
{A1 , A2 , A3 , A4 } sont sélectionnées comme le montre le tableau 1.1.
42
1.6. Conclusion
− L11
0 0 0 0 0 0 0
Rsc 1
0 − L2 0 0 − RLsc2 0 1
L2 L2
A1 = , A2 = ,
− Rch1Cf 1
− Rch1Cf
0 0 0
Cf 0 0
0 − C1sc 0 0 0 − C1sc 0 0
− L11
0 0 0 0 0 0 0
0
− RLsc2 − L12 1
L2
0 − RLsc2 − L12 1
L2
A3 = , A4 = ,
1 1
− Rch1Cf 0 C1f − Rch1Cf
Cf Cf
0
0
0 − C1sc 0 0 0 − C1sc 0 0
1
L1 1 0 0 0
0
B= et C = 0 1 0 0 .
0
0 0 0 1
0
1.6 Conclusion
Dans le premier volet de ce chapitre, nous nous sommes intéressés à l’observabilité
et la synthèse d’observateurs d’état pour différentes classes des systèmes dynamiques.
Plus précisément et compte tenu de nos objectifs visés, nous avons exposé les techniques
d’observation d’état à entrées inconnues, les observateurs d’état par intervalles, les ob-
servateurs d’état bilinéaires et les observateurs d’état hybrides. Le deuxième volet du
chapitre a été destiné à la présentation des généralités sur la détection de défauts des
systèmes dynamiques. Un intérêt particulier a été consacré à la l’approche de détection
des défauts à base d’observateurs d’état. Quant au troisième volet de ce chapitre, il s’est
focalisé sur l’étude des voitures hybrides et électriques. Les différentes architectures ainsi
43
Chapitre 1. Sur l’observation d’état et la détection de défauts des systèmes dynamiques.
Cas d’un système d’entraînement électrique d’une voiture hybride
que les différentes classifications ont été mises en avant ainsi que le système de gestion
d’énergie dans un véhicule hybride. Dans la dernière partie de ce volet, nous avons pro-
posé deux modèles du système de gestion d’énergie des voitures hybrides. Il s’agit plus
particulièrement d’un modèle bilinéaire et d’un modèle hybride.
44
Chapitre 2
Approches d’observation d’état pour la
détection des défauts des systèmes
dynamiques
2.1 Introduction
Pour assurer la commande, le contrôle, la détection et l’isolation des défauts dans un
système, il faut non seulement connaître les procédés (qui forment le système), mais aussi
mesurer l’évolution d’un nombre important de ces paramètres, chose parfois s’avère diffi-
cile même impossible pour plusieurs raisons, citons parmi elles la non accessibilité de ces
grandeurs ou le coup énorme des capteurs qui permettent de lire ces paramètres, ce qui
nous amène généralement à la méthode de reconstitution de l’information non lu à partir
de quelque mesures disponible.
Cette reconstitution est assurée par les estimateurs ou observateurs d’états, qui consti-
tuent un système dynamique auxiliaire dont ces entrées représentent les Entrées/sorties
du système, alors que ces sorties représenteront les estimations de l’état du procédé ou
du système à contrôler. Ceci permet de réduire d’une maniéré considérable le nombre
de capteurs et transmetteurs dans les installations industrielles. De même, au moyen de
quelques techniques tel que la génération de résidu, ces observateurs nous permettent de
détecter et d’isoler les défauts éventuels qui peuvent apparaître au cours du fonctionne-
ment de l’installation ce qui influe directement la sécurité et le rendement des systèmes
industriels.
45
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
46
2.2. Synthèse d’observateurs bilinéaires
m
P m
P
ż(t) = Âz(t) + Ly(t) + Ju(t) + B̂i ui (t)y(t) + N̂i ui (t)z(t)
i=1 i=1 (2.2)
x̂(t) = M z(t) + Ey(t)
m
P
ẋ(t) = A1 x(t) + Bu(t) + Ni ui (t)x(t) + F11 y1 (t) + F12 d2 (t)y1 (t)
i=1
y1 (t) = C1 x(t) + d1 (t) (2.3)
y2 (t) = C2 x(t)
avec : " #
d1 (t)
A1 = A − F11 C1 , = V2−1 d(t) et d1 (t) ∈ <q1 , d2 (t) ∈ <q2 , q1 + q2 = q
d2 (t)
" #
y1 (t)
= V1T y(t) y1 (t) ∈ <q1 , y2 (t) ∈ <q2 et q1 + p2 = p
y2 (t)
" #
h i C1
F11 F12 = F1 V2 et = V1T C
C2
h i
Les matrices C2 et C F2 sont supposées de rang plein lignes, alors si le système
(2-1) est mis sous la forme (2-3), on posant
h i h i h i
L1 L2 = LV1 , 0 B̂2i = B̂i V1 , et 0 E2 = EV1
47
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
e(t) = x̂(t) − x(t) = z(t) − x(t) + E2 y2 (t) = z(t) − (In − E2 C2 )x(t) = z(t) − Sx(t) (2.5)
avec
S = In − E2 C2
ė(t) = Â1 e(t) + (Â1 S − SA1 + L2 C2 )x(t) + (J − SB)u(t) + L1 − SF11 )y1 (t)
m m (2.6)
−SF12 d2 (t) + (N̂i S − SNi + B̂2i C2)ui (t)x(t)+
P P
(N̂i ui (t)e(t)
i=1 i=1
h i h i
Na = N1 N2 ... Nm , B̂2a = B̂21 ... ... B̂2m
C2 0 ... 0
0 C
2 . . (2.7)
et C2a =
. . C2 .
0 0 ... C2
SF12 = 0 (2.10)
J = SB (2.11)
L1 − SF11 = 0 (2.12)
S = In − E2 C2 (2.13)
48
2.2. Synthèse d’observateurs bilinéaires
" #
h i C2 F12 C2 Na C + 2a C2 Na ker C2a h i
E2 B̂2a = F12 Na C + 2a Na ker C2a (2.17)
0 Im.p2 0
(In − E2 C2 )ϕ = 0 (2.22)
49
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
Donc Les matrices B̂2i ,J et L1 peuvent être déterminées respectivement à partir des
équations (2.18),(2.11) et (2.12). Par contre, pour déterminer les matrices Â1 ,L2 et E2 de
l’observateur (2.4) nous devons résoudre l’équation de Silvester (2.9) sous la contrainte
(2.22). Cette contrainte peut être transformée en un problème de placement de pôles de
la matrice SA1 . Pour cela nous posons :
avec :
K = L2 − Â1 E2 (2.24)
E2 C2 ϕ = ϕ (2.25)
Donc, toutes les matrices de l’observateur (2.4) ont été déterminée mais sous la condition
suivante :
" #
sIn − A1 ϕ
rang = n + rang(ϕ) ∀ s ∈ C, Re(s) ≥ 0 (2.30)
C2 0
50
2.2. Synthèse d’observateurs bilinéaires
0 0 −3.0303 0 0.0303 0 0
0 0 1 0
0 −0.0303 0 0.0303 0 0 0
A= B= C= 1 0 0 0
1250 0 −125 0 0 0 0
0 1 0 0
0 −1 0 0 0 0 0
0 0 0.0303 0 0 0 0 1
0 0 0 0 0 0 −0.0303 0
N1 = N2 = F12 = 0
−1250 0 0 0 0 −1250 0 0
0 −1 0 0 0 0 0 0
51
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
rang(Cϕ)
" = rang(ϕ)
# =1
sIn ϕ
rang = n + rang(ϕ) = 5
C 0
Les figures (2.1), (2.2), (2.3) et (2.4) illustres les xi avec i = 0..4 et leurs estimations.
52
2.3. Observation des systèmes Dynamiques Hybrides
Les systèmes dynamiques hybrides représentent une classe des systèmes dynamiques
qui intègre à la fois des phénomènes discrets et des phénomènes continus. En automatique,
on trouve plusieurs systèmes qui appartiennent à cette catégorie, citons parmi elles : les
systèmes qui englobent des convertisseurs DC-DC tel que les systèmes de commande
et contrôle des voitures hybrides. De même les systèmes de commandes du transport
ferroviaire, les systèmes de navigation maritime et aérienne. D’une maniéré générale, la
structure d’un système dynamique hybride est représentée par la figure(2.5).
La partie discrète est représentée par un espace d’états formé par un ensemble discret
fini. Le passage d’un état à un autre se fait selon une condition ou un seuil atteint. Dans
la littérature, plusieurs outils ont été développé et conçu pour gérer ce genre de système
tel que les machines à état fini, le réseau de Petri, le grafcet Etc. . . La partie continue
du système est représentée par des variables d’état continu. Plusieurs outils permettent
de représenter le comportement de cette partie tel que les équations différentielles, les
fonctions de transfert, les bonds de graphe etc. . .
53
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
avec x(t) ∈ <n ,u(t) ∈ <m ,y(t) ∈ <m ,d(t) ∈ <m et f (t) ∈ <l sont respectivement le vecteur
d’état, le vecteur des entrées, le vecteur de sortie, le vecteur des entrées inconnues (tel que
les perturbation, bruits etc...) et le vecteur des défauts. Aq , Bq , Bdq , Bfq , Cq , Dq , Ddq , et Dfq
sont des matrices connues de dimensions appropriées,q ∈ Q = {1, 2, ..., N } représente l’in-
dice du mode actif. L’estimation du vecteur d’états pour les observateurs hybrides consiste
à estimer les états discrets et les états continus. Pour prendre en compte le comportement
continu et discret de ces systèmes hybrides, plusieurs approches ont été développée afin de
synthétiser des observateurs hybrides pour estimer l’état de ce genre de système. En effet,
la détection et l’isolation des défauts de ce type de process n’est pas aussi simple que les
54
2.3. Observation des systèmes Dynamiques Hybrides
eω = ex + eu (2.33)
formé par les deux composantes ex et eu due au vecteur d’état x(t) et du vecteur d’entrées
u(t).
55
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
On suppose qu’il existe une matrice Pq̂T = Pq̂ > 0,Hq̂ et des scalaires tel que ρ > 0 ,
ϕ > 0, νq̂,q ≥ 0 et βq̂+ ,q̂ ≤ 1.
1. ρI ≤ Pq̂ ≤ ϕI q̂ ∈ Q (2.34)
ĀTq̂ + Pq̂ Aq̂ + I + νq̂,q I ĀTq̂ Pq̂ + I + νq̂,q I Pq̂ ∇Āq,q̂ Pq̂ ∇B̄q,q̂
T T
Āq̂ + Pq̂ Aq̂ + I + νq̂,q I Pq̂ ∇Āq,q̂ Pq̂ ∇B̄q,q̂
Āq̂ + I + νq̂,q I
2. φq̂,q = ≤0
∗ ∗ −ϕ2 νq̂,q I 0
∗ ∗ 0 −ϕ2 νq̂,q I
(q̂, q) ∈ Ig (2.35)
où λ est un scalaire positif, q̂ + est le mode successeur de q̂, (q̂, q̂ + ) ∈ Ig , ν̄ est le sup de
νq̂,q , (q̂, q) ∈ Ig , Ig est un ensemble d’uplet regroupant les différentes transitions possibles,
entre deux modes.
2.3.3.2 démonstration
Dans cette partie, on doit prouver la convergence et la borgnitude de l’erreur d’es-
timation eω . Pour cela, nous proposons une fonction de Lyapunov V (eω (t)) formée par
N fonction candidate locale selon le mode actif Vq̂ (eω (t)). Soit la fonction de lyapunov
définie comme suit :
avec Pq̂ ∈ <n×m sont des matrices symétriques définies positives.la dérivé de Vq̂ (eω (t))
nous donne :
56
2.3. Observation des systèmes Dynamiques Hybrides
h i
V̇q̂ (eω ) = ėTx ĀTq̂ Pq̂ + Pq̂ Āq̂ ex + eTu ĀTq̂ Pq̂ ex + xT ∇Āq,q̂ Pq̂ ex + uT ∇B̄q,q̂
T
Pq̂ ex +
h i
ėTx ĀTq̂ Pq̂ eu + eTu ĀTq̂ Pq̂ + Pq̂ Āq̂ eu + xT ∇ĀTq,q̂ Pq̂ eu + uT ∇B̄q,q̂
T
Pq̂ eu + (2.40)
T T T T
ex Pq̂ ∇Āq,q̂ x + eu Pq̂ ∇Āq,q̂ x + ex Pq̂ ∇B̄q,q̂ x + eu Pq̂ ∇B̄q,q̂ x
Cette équation peut être écrite sous la forme d’inégalité matricielle qui garantit la conver-
gence de l’erreur eω au sens de Lyapunov :
ex ĀTq̂ Pq̂ + Pq̂ Āq̂ ATq̂ Pq̂ Pq̂ ∇Āq,q̂ Pq̂ ∇Bq,q̂ ex
T T
eu Aq̂ Pq̂ Āq̂ Pq̂ + Pq̂ Āq̂ Pq̂ ∇Āq,q̂ Pq̂ ∇Bq,q̂ eu
(2.41)
T
u ∇Āq,q̂ Pq̂ ∇ĀTq,q̂ Pq̂ 0 0 u
x ∇B̄q,q̂ Pq̂ ∇B̄q,q̂ Pq̂ 0 0 x
kex + eu k2 ≥ 0, kex + eu k2 − λ2 kxk2 + kuk2 ≥ 0 (2.42)
T
ex ĀTq̂ Pq̂ + Pq̂ Āq̂ ATq̂ Pq̂ Pq̂ ∇Āq,q̂ Pq̂ ∇Bq,q̂ ex
T T
eu Aq̂ Pq̂ Āq̂ Pq̂ + Pq̂ Āq̂ Pq̂ ∇Āq,q̂ Pq̂ ∇Bq,q̂ eu
+
u ∇ĀTq,q̂ Pq̂ ∇ĀTq,q̂ Pq̂ 0 0 u
x ∇B̄q,q̂ Pq̂ ∇B̄q,q̂ Pq̂ 0 0 x
(2.43)
T T
ex I I 0 0 ex ex νq̂,q I νq̂,q I 0 0 ex
eu I I 0 0 eu eu νq̂,q I νq̂,q I 0 0 eu
+ ≤0
u 0 0 0 0 u u 0 0 −λνq̂,q I 0 u
x 0 0 0 0 x x 0 0 0 −λνq̂,q I x
avec νq̂,q ≥ 0
La vérification de (2.43) implique toujours la vérification de (2.42). L’introduction de la
matrice Hq̂ = Pq̂ Kq̂ avec Hq̂ ∈ <n×p dans l’expression (2.43) prouve la condition (2.35)
du théorème 2.2. A partir de l’inégalité (2.43), on peut alors écrire :
V̇q̂ (eω ) ≤ −(1 + νq̂,q )(eTx ex + eTu eu + eTx eu + eTu ex ) + λ2 νq̂,q (xT x + uT u) (2.44)
(1 + νq̂,q )
V̇q̂ (eω ) ≤ − Vq̂ (eω ) + νq̂,q λ2 (x2max + u2max ) (2.45)
ϕ
L’intégration de cette dernière expression nous donne alors :
57
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
1+ν
q̂,q
− (t−t0 ) 2 2 2
Vq̂ (eω ) ≤ e ϕ νq̂,qλ (xmax+umax )
R
1+ν q̂,q
+ cste
− ϕ (t−t0 )
1+ν " 1+ν #
q̂,q q̂,q
− (t−t0 ) νq̂,q (t−t0 )
Vq̂ (eω ) ≤ e ϕ
1+νq̂,q
ϕλ2 (x2max + u2max )e ϕ
+ cste
1+ν 1+ν !
q̂,q q̂,q
− (t−t0 ) νq̂,q − (t−t0 )
Vq̂ (eω ) ≤ e ϕ
Vq̂ (eω (t0 )) + 1+νq̂,q
ϕλ2 (x2max + u2max ) 1−e ϕ
1+ν
−( )(t−t0 ) V (e (t )) + ν̄ −( 1+ν̄
ϕ )
(t−t0 )
Vq̂ (eω ) ≤ e ϕ
q̂ ω 0 1+ν̄
ϕλ2 (x2max + u2max ) 1−e
( 1+ν # 12
ϕ )(t−t0 ) V (e (t ))
"
−
e ν̄ ϕ 2 2 −( 1+ν̄
ϕ )
(t−t0 )
keω k ≤ q̂ ω 0
ρ
+ 1+ν̄ ρ
λ (xmax + u2max ) 1 − e
Donc facilement on peut en déduire que lorsque t → ∞ l’erreur est bonder par la va-
leur suivante :
q
ν̄ ϕ 2 2
1+ν̄ ρ
λ (xmax + u2max )
" # " #
0 0 0 −1818.2
A1 = A2 =
0 −10 1000 −10
" # " # " #
1818.2 0 1 0
B1 = B2 = C=
0 0 0 0
58
2.3. Observation des systèmes Dynamiques Hybrides
" # " #
−0.0379 0 −1130.4 −1818.2
Â1 = Â2 =
0.0085 −10 1528.1 −100
" # " #
119.8115 1.4405 21.4329 15.5921
P1 = P2 =
1.4405 10.3267 15.5921 33.3230
" # " #
4.5335 −0.0335 15993 27
W1 = W2 =
−0.0335 3.6160 27 15929
" # " #
0.0379 −0.0045 1130.4 −525.3
K1 = K2 =
−0.0085 0.3508 −528.1 723.8
La simulation sous Matlab-Simulink nous donne pour les états x1 et x2 et leurs estimations
respectivement les courbes Figure 2.7 et Figure 2.8 :
De même, l’évolution des différents modes et leurs évolutions est donné par la Figure
2.9 :
59
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
60
2.4. Synthèse des observateurs par intervalle
2.4.1 Introduction
Les observateurs à intervalles sont apparus au cours des deux dernières décennies.
L’observation par intervalle d’un système représente une estimation de son état. C’est
une méthode qui se base sur une approche dite de garanties. L’observateur consiste à un
système dynamique auxiliaire qui permet de fournir une borne supérieure et une borne
inferieure (Un intervalle) dans lesquel se trouve l’état. En considérant qu’on connait les
bornes (sup et inf) des conditions initiales du système ainsi que la quantité incertaine, l’ob-
servateur par intervalle donne une robustesse assez importante en présence d’importante
perturbation. En effet, la majorité des observateurs classiques fournissent une estimation
d’état point par point. Cependant, pour certaines applications critiques, ce type d’estima-
tion n’est pas efficace et un intervalle d’adhésion garanti du véritable état est nécessaire,
notamment en présence d’incertitudes, de perturbations ou de défauts. Si ces incertitudes
sont limitées par des bornes, il est possible de donner un intervalle de toutes les trajec-
toires possibles de l’évolution de l’état en fonction des incertitudes Figure 2.10. Dans la
littérature, de nombreux travaux ont été consacré à la conception des observateurs d’in-
tervalle. En supposant que toutes les entrées, perturbations, incertitudes et bruits connus
et inconnus sont bornés par des bornes connues a priori, il existe trois approches prin-
cipales pour synthétiser un observateur d’intervalle. La première approche est basée sur
la méthode de prédiction/correction comme l’approche bien connue du filtre de Kalman.
La seconde approche consiste à transformer Le système incertain en deux modèles sans
tenir compte de l’effet d’incertitude, assurant ainsi les estimations des limites supérieures
et inférieures de l’état à tout moment. La dernière méthode est initialement proposée
par [103] ne traitant que des systèmes monotones incertains. Deux observateurs, basés
sur la structure de l’observateur de Luenberger, sont calculés pour garantir les limites
supérieures et inférieures de l’état à tout moment. Cette approche est basée sur la pro-
priété coopérative [104] des erreurs d’observation qui est l’un des principaux défis dans la
conception des observateurs à intervalles. Il faut signaler aussi que de nouvelles approches
sont proposées dans [17] et [105] pour concevoir des observateurs d’intervalle pour une
classe plus générale des systèmes incertains.
61
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
Avec x(t) ∈ <n ,y(t) ∈ <p ,y(t) ∈ <p et u(t) ∈ <m reflètent respectivement le vecteur
d’état, le vecteur de sortie et le vecteur d’entrée.Aq(t) ∈ <4x4 des matrice de dimension
approprier avec q(t) = 1..n représente l’indice du mode actif.
L’entrée inconnue d(t) est bornée par deux fonctions connues telles que :
ẋ+ (t) = (Aq(t) − Lq(t) C)x+ (t) + Bu(t) + Lq(t) y(t) + d+ (t)
ẋ− (t) = (Aq(t) − Lq(t) C)x− (t) + Bu(t) + Lq(t) y(t) + d− (t) (2.47)
−
x (t0 ) ≤ x(t) ≤ x+ (t0 )
avec :
Cela est l’équivalent à dire que les limites supérieures et inferieures e− (t) = x(t) − x− (t)
et e+ (t) = x+ (t) − x(t) sont positifs pour toutes les conditions initiales suivantes :
(
e− (t0 ) = x(t0 ) − x− (t0 )
(2.49)
e+ (t0 ) = x+ (t0 ) − x(t0 )
L’erreur d’intervalle est donnée par e(t) = x+ (t) − x− (t), qui est la différence entre les
états estimés supérieures et inférieures. L’erreur dynamique globale e(t) peut être donnée
par :
(
ė+ (t) = (Aq(t) − Lq(t) C)e+ (t) + ε+ (t)
(2.50)
ė− (t) = (Aq(t) − Lq(t) C)e− (t) + ε− (t)
avec :
(
ε+ (t) = d+ (t) − d(t)
(2.51)
ε− (t) = d− (t) − d(t)
62
2.4. Synthèse des observateurs par intervalle
" #
ATq(t) P − C T Mq(t)
T
+ P Aq(t) − Mq(t) C + αq(t) P P
<0 (2.53)
P −ξIn
Alors, l’observateur par intervalle (2.47) conduit à une erreur d’estimation positive (2.50)
telle que l’erreur d’estimation globale est stable asymptotiquement et uniformément bor-
née.
2.4.2.2 démonstration
Nous définissons une variable αq(t) telle que pour une fonction de Lyapunov commune
définie comme suit :
V (t) = e(t)T P e(t) avec P = P T > 0.
Alors la dérivé de V (t) satisfait la condition suivante :
eT (t)((Aq(t) − Lq(t) C)T P + P (Aq(t) − Lq(t) C))e(t) + εT P e(t) + eT (t)P ε < −αq(t) eT P e(t)
Donc, l’erreur totale fournie en (2.52) est stable si l’inégalité suivante est satisfaite pour
chaque mode q(t)
eT (t)((Aq(t) − Lq(t) C)T P + P (Aq(t) − Lq(t) C))e(t) + εT P e(t) + eT (t)P ε + αq(t) eT (t)P e(t) < 0
63
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
De plus, l’inégalité (9) donnée par P Aq(t) − Mq(t) C + σP ≥ 0 est obtenue en considérant la
matrice (Aq(t) − Lq(t) C)comme une matrice de Metzler telle que (Aq(t) − Lq(t) C) + σIn ≥ 0
. Alors si on multiplie cette expression du côté gauche de cette inégalité par p, cela nous
donne (2.54). Ce qui nous donne la fin de la démonstration.
la résoulution des LMI par le toolbox Yalmip sous Matlab nous donne :
" # " # " #
541.0034 0 −210.3348 0 −0.0377 0.4272
Â1 = Â2 = P1 =
−2.7033 0 3.5206 −1 0.4272 85.4928
" # " # " #
86.0107 0.0754 13.5816 −0.0140 17231 641
P2 = W1 = W2 =
0.0754 96.6549 −0.0140 10.0126 641 1.6753
" # " #
−340.9034 1.6060 200.3348 7.3049
K1 = K2 =
1.7033 0.1091 6.4794 173.3264
64
2.5. Conclusion
La simulation sous Matlab-Simulink nous donne pour les états x1 et x2 et leurs estimation
de x(t) respectivement les courbes Figure 2.11 et Figure 2.12 :
2.5 Conclusion
Au cours de ce chapitre, la synthèse d’observateur bilinéaire, hybride et par intervalle
a été illustrée, et ce afin d’assurer la commande du système de gestion d’énergie à bord
d’un véhicule hybride ainsi que son diagnostic en garantissant la détection et l’isolation
de défauts dans ce système. Dans le chapitre suivant nous nous proposons de prouver que
65
Chapitre 2. Approches d’observation d’état pour la détection des défauts des systèmes
dynamiques
ce système peut être modélisé en tant qu’un système bilinéaire ou un système hybride.
Ce qui nous permettra d’ utiliser les observateurs bilinéaires et hybrides pour assurer la
commande et le diagnostic du processus industriel étudié.
66
Chapitre 3
Application à la détection et l’isolation de
défauts du système de gestion d’énergie d’un
véhicule hybride
3.1 Introduction
Ce chapitre présente une application des résultats des chapitres précédents pour l’ob-
servation d’états, ainsi que la détection et l’isolation des défauts dans le système de gestion
d’énergie d’un véhicule hybride.
Les développements entrepris dans ce chapitre sont scindés comme suit. Le premier volet
est dédié à la conception et à la réalisation d’un simulateur du système de gestion d’énergie
d’une voiture hybride. Quant au deuxième volet, il est consacré à l’implémentation d’une
loi de commande du système de gestion d’énergie basée sur l’approche de machine à états
finis (FSM : finite state machine) avec une carte à microprocesseur DSPACE 1104. Le
troisième volet illustre l’implémentation d’un observateur bilinéaire et d’un observateur
hybride afin de détecter et d’isoler les défauts dans le processus étudié et d’assurer sa
commande en adoptant la stratégie à base de FSM.
67
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Le système de commande est formé de la carte DS1104 de Dspace caractérisée par ses
multiples processeurs et son architecture qui n’est pas complexe. Elle permet d’implé-
menter, sous l’environnement Matlab/Simulink, les différents programmes et simulations
numériques réalisés. La fréquence de cette carte ainsi que le nombre d’entrées/sorties nu-
mériques et le nombre des signaux PWM matériels et software nous permet de tester en
temps réel les différents observateurs ainsi que les stratégies de commande de détection
et de localisation de défauts.
Une deuxième carte a été développée dont le but est d’assurer l’interfaçage entre la carte
Dspace et la partie puissance. Une telle carte comporte deux convertisseurs DC-DC de
type boost et buck/boost ainsi que le circuit d’isolation galvanique entre la partie puis-
sance et la partie commande formée de GPIOs. En effet, le circuit TLP351 assure une
isolation galvanique parfaite avec une fréquence de commutation assez élevée. De même, ce
composant permet de commander facilement le deuxième IGBT (Q2) puisqu’il fonctionne
à masse flottante entraînant beaucoup de problèmes pendant les phases de commutation
si le TLP est absent. Le schéma électrique du simulateur est illustré par la figure 3.1.
Des fusibles dans chaque ligne ont été installées dans la carte de simulation afin de proté-
ger la carte Dspace et les IGBTs contre les surintensités pendant les phases de démarrage
et freinage du véhicule.
Afin de bien superviser les différentes stratégies de commande ainsi que le contrôles des
observateur implémentés dans le simulateur, nous avons utilisé l’outil graphique de super-
vision de Dspace "Control Desk" qui nous permet non seulement de comparer les valeurs
simulées avec celles réelles, mais aussi d’afficher tous les paramètres du simulateur.
68
3.3. Gestion d’énergie par la commande hystérésis du courant
69
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
résis du courant de sortie avec une boucle de fréquence fonctionnant à fréquence constante
est présentée. Selon cette technique, une boucle de fréquence maintient constante la fré-
quence de commutation du signal de commande pour que le courant du condensateur de
sortie reste constant. Une commande de courant d’hystérésis modifié (MHCC :Modified
hysteresis current control ) est donné dans [112]. Cette technique peut ajuster automa-
tiquement la valeur du temps de commutation pour augmenter rapidement le courant
de l’inducteur, ainsi que pour raccourcir le temps de réponse transitoire. Le contrôle des
systèmes non linéaires avec des contrôleurs linéaires (contrôleur PI ou PID) ne donne pas
des résultats très précis, et l’utilisation de contrôle non linéaire comme le contrôle de cou-
rant d’hystérésis avec des modèles linéaires ne donne pas non plus de bonnes performances.
Ainsi, nous consacrons cette partie à l’élaboration d’un modèle hybride innovant du sys-
tème de gestion de l’énergie et à assurer sa commande par une machine à états finis (FSM :
Finite State Machine). Plus particulièrement, il s’agit de contrôler le courant d’hystéré-
sis des deux convertisseurs DC-DC dans différents modes relatifs au freinage ou au dé-
marrage du système de la voiture hybride. En effet, dans ce système, la charge actuelle
change à chaque fois. La commande d’hystérésis ajuste la fréquence pour compenser le
changement. Cette méthode nous donne une réponse transitoire rapide puisque le contrôle
d’hystérésis ne nécessite pas d’amplificateur d’erreur ou de composants de compensations
externes [113]. Classiquement, les systèmes hybrides basculent entre différents modes de
fonctionnement où chaque mode est représenté par une loi dynamique spécifique [114].
Les transitions entre les modes sont déclenchées par des variables qui dépassent certaines
limites ou par des entrées externes. L’idée est d’exprimer les configurations du conver-
tisseur en utilisant un temps de modèle continu ou discret et en utilisant une expression
logique ou une variable pour sélectionner le mode de la configuration active à tout mo-
ment. En d’autres termes, les modèles hybrides sont des représentations mathématiques
qui décrivent le comportement dynamique de systèmes non linéaires et notamment avec
une structure variable comme les convertisseurs DC-DC. Ces modèles peuvent prendre en
compte les différentes configurations du circuit d’un convertisseur DC-DC selon les modes
de fonctionnement CCM (Continuous Current Mode) ou DCM (Discontinuous Current
Mode) [115].
70
3.3. Gestion d’énergie par la commande hystérésis du courant
mande du système. La description du FSM a été donnée par la figure 3.3. En fonction des
valeurs des courants mesurés dans les bobines IL1 et IL2 et en fonction de la demande de
tension dans le bus DC, la FSM détermine le mode courant du système q(t) et configure
le deuxième DC-DC en mode buck ou boost. En fonction de la tension demandée, la FSM
contrôle les IGBTs des deux convertisseurs avec un signal PWM matériel qui permet de
maintenir les deux courants dans une certaine bande limitée par deux références maximale
et minimale.
Dans notre cas, huit états discrets, Q = {1, 2, . . . , 8}, sont possibles comme s’est illustré
par la figure 3.3.
71
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Pour le convertisseur buck/boost les conditions de garde G14 , G23 et G41 , G32 sont définies
respectivement comme suit iL2 ≥ Iref2 et IL2 ≤ Iref2 − ∆Iref2 , ces gardes maintiennent le
système dans une certaines limites et par conséquent le courant de charge Ich et la tension
continue Vbus restent dans leurs intervalles prédéfinis.
Dans notre cas les variables d’état du sstème sont définies comme suit :
72
3.3. Gestion d’énergie par la commande hystérésis du courant
h iT h iT
x1 x2 x3 x4 = IL1 IL2 Vbus Vsc
IL1 et IL2 représentent respectivement les courants dans les bobines des deux hacheurs
alors que Vbus représente la tension du bus continu et Vsc la tension aux borne du pack
super-condensateur. Pour la simulation de la commandes les gardes suivants ont été choisi
afin de maintenir le Vbus dans un intervale bien déterminer :
• Entre 17V et 23V en mode Buck :
Iref2 = −0.2A, Iref2 − ∆Iref2 = 0.3A.
• Entre 24V et 28V en mode Boost :
Iref1 = 0.4A, Iref1 − ∆Iref1 = 0.3A.
Les figures 3.4 et 3.5 montrent respectivement les courants dans les inductances L1 et
L2 . D’après ces figures, il est clair que le courant IL1 est positif mais le courant IL2 est
négatif et le supercondensateur se charge. Les tensions de sortie Vbus et Vsc sont illustrées
respectivement par les figures 3.6 et 3.7.
Figure 3.4 – Le courant IL1 en mode Figure 3.5 – Le courant IL2 en mode
buck buck
73
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Figure 3.6 – La tension Vbus en mode Figure 3.7 – La tension Vsc en mode
buck buck
Dans ce cas, les deux courants des convertisseurs sont positifs, ce qui provoque une dé-
charge de supercondensateur à travers la charge. Pour le premier courant boost IL1 est
choisi de telle sorte qu’il soit compris entre 0, 28A comme valeur minimale et 0, 42A comme
valeur maximale, tandis que la valeur de courant du deuxième convertisseur boost IL2 est
comprise entre 0, 18A et 0, 32A. Les figures 3.8 et 3.9 représentent respectivement les cou-
rants dans les bobines L1 et L2 . Les tensions de sortie Vbus et Vsc sont données par les
figures 3.10 et 3.11.
Figure 3.8 – Le courant IL1 en mode Figure 3.9 – Le courant IL2 en mode
boost boost
74
3.4. Implémentation de la commande du système de gestion d’énergie sur la carte
DSPACE
Figure 3.10 – La tension Vbus en mode Figure 3.11 – La tension Vsc en mode
boost boost
Figure 3.12 – Le courant IL1 en mode Figure 3.13 – Le courant IL2 en mode
buck/boost buck/boost
Figure 3.14 – La tension Vbus en mode Figure 3.15 – La tension Vsc en mode
buck/boost buck/boost
75
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
mode CCM. Il est à noter que le processus considéré est constitué d’une carte électronique
Component Value
L1 330mH
L2 330mH
Rch 120Ω
Rsc 0.001Ω
Csc 140F
Cf 1800µF
qui intègre les deux convertisseurs DC-DC (le boost et le buck/boost) interconnectés avec
les différents éléments à savoir les inductances, les charges et le pack supercondensateur
constituant la partie puissance du système de gestion. Le système de contrôle est fourni
par la carte R&D DS1104, il contrôle les MOSFETs des convertisseurs DC-DC via des
pilotes TLP 351 qui assurent en même temps le contrôle et l’isolation électrique entre le
bloc d’alimentation et le système de commande numérique. Ce système de gestion d’éner-
gie est illustré par la figure 3.16.
D’autre part, la carte DS1104 assure les différentes acquisitions de données via son panel
de mesure. Les courants dans les deux inductances L1 et L2 sont mesurés en utilisant
des capteurs de courant. La tension du pack supercondensateur et la tension du bus DC
sont mesurées avec des sondes différentielles de tension. La récupération des données et
76
3.4. Implémentation de la commande du système de gestion d’énergie sur la carte
DSPACE
Pour le premier test, le convertisseur réversible (buck/boost) est maintenu en mode buck,
tandis que le deuxième test est effectué dans le cas contraire. C’est-à-dire que le deuxième
convertisseur ne fonctionne qu’en mode boost. Enfin, le troisième test représente une syn-
thèse des deux modes précédents. Dans ce cas, la stratégie de commande est testée dans
les deux modes lorsque le second convertisseur fonctionne dans les deux modes buck et
boost.
77
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Figure 3.18 – Le courant IL1 en mode Figure 3.19 – Le courant IL2 en mode
buck buck
Figure 3.20 – La tension Vbus en mode Figure 3.21 – La tension Vsc en mode
buck buck
Figure 3.22 – Le courant IL1 en mode Figure 3.23 – Le courant IL2 en mode
boost boost
78
3.4. Implémentation de la commande du système de gestion d’énergie sur la carte
DSPACE
Figure 3.24 – La tension Vbus en mode Figure 3.25 – La tension Vsc en mode
boost boost
convient de souligner que le courant inducteur IL1 du convertisseur boost est toujours
positif et sa valeur est comprise entre 0, 22A et 0, 42A comme le montre la figure 3.26.
Pendant la phase boost, le courant IL2 est positif et sa valeur est comprise entre 0, 2A et
0, 3A. Dans cette phase, le supercondensateur se décharge en traversant la charge, tandis
que pour la phase buck, le courant change de signe et sa valeur devient entre −0, 2A et
−0, 1A, voir figure 3.27. De ce fait, la tension Vbus diminue car une partie de la tension
sera récupérée par le supercondensateur. Cette caractéristique est exposée par la figure
3.28 et de même pour la tension Vsc qui est décrite dans la figure 3.29.
Figure 3.26 – Le courant IL1 en mode Figure 3.27 – Le courant IL2 en mode
buck/boost buck/boost
Figure 3.28 – La tension Vbus en mode Figure 3.29 – La tension Vsc en mode
buck/boost buck/boost
En comparant les résultats de simulation avec ceux de la pratique, il est clair que pour
79
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
les trois modes, l’ondulation réelle des courants IL1 et IL2 est légèrement différente de
la simulation. Cela est dû à la résistance des bobines internes des deux convertisseurs
DC-DC, qui est pratiquement négligeable dans la simulation car le modèle de la bobine
utilisé dans Matlab/Simulink est presque idéal.
Par ailleurs, il convient de signaler que les courants IL1 et IL2 varient strictement dans
la bande d’hystérésis respectivement entre [0.29A 0.41A] et [0.2A 0.3A] sans dépasser
cette limite, et ce pour tous les cycles de simulation.
Dans la plupart des cas pour le système réel, le courant est inclus dans cette bande
de [0.29A, 0.41A] (respectivement [0.2A, 0.3A]). Mais il y a parfois quelques excès en rai-
son du temps de réponse du système. En effet, le temps de réponse du FSM dépend des
temps de réponse des capteurs pour passer d’un état à un autre. Ainsi, si les mesures
arrivent avec un certain retard, le FSM réagit également avec un certain retard. Ainsi,
dans la plupart des cas, la réaction du FSM est instantanée, les transitions sont rapides
et les résultats obtenus sont très adéquats avec ceux de la simulation numérique.
avec x(t) ∈ <4 représente le vecteur d’état et u(t) ∈ <2 le vecteur de commande. Les
matrice A, B, D1 , D2 et C sont données dans la partie (1.5.5.4) Ainsi, il vient l’observa-
teur bilinéaire suivant :
2
P
ż(t) = Hz(t) + Ly(t) + JU (t) + Ni ui y(t)
i=1 (3.2)
x̂(t) = z(t) + Ey(t)
Définition 3.1
Le système défini par les équations (3.2) est un observateur DDO (Disturbance Decoupled
Observer) pour le système bilinéaire défini par l’équation (3.1) si et seulement si
dk
lim (x(t) − x̂(t)) = 0 avec k = 0, . . . , n (3.3)
t→∞ dtk
80
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
D’autre part, le calcul de l’erreur d’observation entre x̂(t) et x(t) est donné par
avec S = In − EC.
En remplaçant ż(t), présentée par (3.2), dans l’équation (3.5), il s’ensuit que
2
X
ė(t) = He(t) + (HS + LC − SA)x(t) + (J − SB)U (t) + ui (t)(Ni C − SDi )x(t) (3.6)
i=1
Pour assurer une erreur nulle, il vient les conditions consignées dans le système suivants :
J = SB
HS + LC − SA = 0 (3.7)
Ni C − SDi = 0 i = 1, 2
Ainsi, le système défini par le système (3.2) est un observateur d’ordre plein pour le
système bilinéaire (3.1) si et seulement si les équations du système (3.7) sont satisfaites
et la matrice H est de Hurwitz.
0 0 0 0 0 0 1 0 0 0
0 0 0 0 0 0 0 1 0 0
E=
φ=
S=
(3.9)
1 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1
81
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
La matrice K est déterminer alors par un placement de pôles ce qui nous donne :
−3.0303 0 17.0 0
K=
3.0578 −2.0887 0 −1.6575
(3.10)
−1.8791v 46.939 0 30.143
Le fait de définir
" #
h i C 0 h i
N̄ = N1 N2 , C̄ = et D̄ = D1 D2
0 C
alors, il vient
N̄ C̄ − S D̄ = 0 (3.13)
h i
D’autre part, la matrice C̃ est définie tel que C̃ = C̄ + ker(C̄) , et en multipliant
l’équation (3.13) par C̃, il s’ensuit
h i h i h i
N̄ C̄ C̄ + ker(C̄) − S D̄ C̄ + ker(C̄) = 0 0 (3.14)
Ce qui donne
N̄ C̄ C̄ + − S D̄C̄ + = 0 (3.15)
N̄ C̄ker(C̄) − S D̄ker(C̄) = 0 (3.16)
N̄ = S D̄C̄ + (3.17)
S D̄ker(C̄) = 0 (3.18)
82
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
D’autre part, en remplaçant S par sa valeur dans l’équation (In − EC)Φ = 0, il s’ensuit
E = Φ(CΦT ) (3.19)
Cette équation existe si et seulement si
Rang CΦ = Rang Φ (3.20)
Ainsi, l’équation qui suit forme la première condition d’existence de l’observateur bili-
néaire.
E = Φ(CΦ)+ + Y (In − (CΦ)(CΦ)+ ) (3.21)
où (CΦ)+ est le pseudo-inverse de (CΦ) et Y est une matrice arbitraire de dimension
appropriée.
Notons que Y est choisi tel que E soit de Rang maximal (par exemple Y = 0). Ce
qui donne
E = Φ(CΦ)+ (3.22)
Dans cette phase, nous déterminerons la matrice H en résolvant l’équation de Sylvester
définie dans (3.7) sous la contrainte (3.21). Ainsi, par substitution de S = In − EC dans
(3.7), il vient
H(In − EC) − SA + LC = 0 (3.23)
Ce qui donne
H − HEC − SA + LC = 0 (3.24)
D’où, il vient
H = SA − LC + HEC
= SA − (L − HE)C (3.25)
En posant K = L − HE où K est déterminé par un placement de pôle.
Les performances de l’observateur bilinéaire sont testées par simulation numérique sur
le système de gestion d’énergie. De telles simulations sont effectuées pour les modes buck,
boost et buck/boost suivant :
83
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Figure 3.30 – Le courant IL1 et son és- Figure 3.31 – Le courant IL2 et son es-
timation en mode buck timation en mode buck
Figure 3.32 – La tension Vbus et son es- Figure 3.33 – La tension Vsc et son es-
timation en mode buck timation en mode buck
Figure 3.34 – Le courant IL1 et son és- Figure 3.35 – Le courant IL2 et son es-
timation en mode boost timation en mode boost
84
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
Figure 3.36 – La tension Vbus et son es- Figure 3.37 – La tension Vsc et son és-
timation en mode boost timation en mode boost
Figure 3.38 – Le courant IL1 et son esti- Figure 3.39 – Le courant IL2 et son esti-
mation en présence d’une entrée inconnue mation en présence d’une entrée inconnue
en mode boost en mode boost
Figure 3.40 – La tension Vbus et son es- Figure 3.41 – La tension Vsc et son esti-
timation en présence d’une entrée incon- mation en présence d’une entrée inconnue
nue en mode boost en mode boost
85
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
où z(t) représente l’état du générateur résiduel et r(t) représente le signal de sortie dit
résidu. H, Ni , J, L, R1 et R2 sont des matrices appropriées à déterminer.
Le système défini par les équations (3.27) est un générateur résiduel pour le système
(3.26) s’il satisfait les trois conditions suivantes :
La première condition assure que le résidu de l’observateur est égal à zéro quelle que soit la
présence du signal d’entrée u(t) ou la perturbation inconnue d(t). Tandis que la deuxième
condition, elle fournie l’estimation de l’état du système en présence de perturbations d(t).
Quant au troisième condition, elle garantit que le résidu soit sensible au vecteur de défaut
f (t). Par ailleurs, la figure 3.42 illustre le système générateur de résidu.
86
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
avec
R1 T + R2 C = 0 (3.31)
J = TB (3.33)
TF = 0 (3.34)
HT + LC − T A = 0 (3.35)
Ni C − T Di = 0 avec i = 1, 2 (3.36)
87
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
D’un autre côté et pour déterminer Ni , la dernière equation de (3.33) peut être réécrite
sous la forme compacte suivante :
N̄ C̄ − T D̄ = 0 (3.37)
Ce qui donne
N̄ = T D̄C̄ + (3.38)
T D̄ker(C̄) = 0 (3.39)
De plus, enh combinant ila deuxième équation de (3.33) avec la deuxième équation de (3.38),
il vient T F D̄ker(C̄) = 0 qui peut être s’écrire sous la forme
TΦ = 0 (3.40)
h i
avec Φ = F D̄ker(C̄) .
Pour déterminer les matrices R1 et R2 , nous supposons que la matrice Φ est de rang
plein. Alors, il existe une matrice Φc tel que [Φ Φc ] est non singulière. En multipliant
l’égalité (3.31) par [Φ Φc ], il vient
[R1 T + R2 C] [Φ Φc ] = 0 (3.41)
R2 CΦ = 0 (3.43)
88
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
Si est seulement si
Il vient
h i
R1 T + V C Ip − Φ(CΦ)+ C = 0 (3.47)
d’où
h i
H = T A − L − HΦ(CΦ)+ C (3.49)
L = K + HΦ(CΦ)+ (3.50)
Pour localiser et isoler les défauts, nous avons utilisé un banc d’observateurs à entrées
inconnues comme le montre la figure 3.43. Par ailleurs, dans le cas où le système étudié
est affecté par k défauts di (t), i = 1, . . . , k, le banc d’observateurs devrait être capable de
générer suffisamment de résidus pour détecter et isoler l’occurrence de chaque coordon-
née du vecteur de défauts di (t). En effet, la solution la plus simple est de synthétiser k
générateurs de résidus à entrées inconnues pour le ième résidu ri (t) pour di (t) 6= 0.
89
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Notons, par ailleurs, que le résidu r1 (t) est généré dans l’intervalle [4s 4.5s] comme
le montre la figure 3.45. La constatation que nous pouvons alors dégagé est que le résidu
r1 (t) est sensible au défaut d1 (t).
Il est clair, d’après les figures 3.46, 3.47, 3.48 et 3.49, que tous les signaux de sortie
IL1 , IL2 , Vbus et Vsc du système de gestion d’énergie sont affectés par le défaut d1 (t) entre
les instants 4s et 4.5s.
90
3.5. Détection et isolation du défaut dans le système de gestion d’énergie à base
d’observateurs bilinéaires
91
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Les sorties du modèle bilinéaire étudié sont affectées par ces défauts. Néanmoins, chaque
résidu doit être sensible uniquement à un seul défaut et non pas à l’autre. En effet, le
résidu r1 (t) est sensible uniquement au défaut d1 (t) alors que le résidu r2 (t) n’est sensible
que’au défaut d2 (t) comme le montre les figures 3.52 et 3.53.
En l’occurrence, les figures 3.54, 3.55, 3.56 et 3.57 montrent clairement l’affectation de
toutes les variables d’état par les deux défauts mis en exergue.
92
3.6. Detection et isolation de défauts dans le système de gestion d’énergie à base
d’observateurs hybrides
93
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Dans ce qui suit, nous proposons, dans une première partie, une méthode de commande
par courant d’hystérésis des convertisseurs DC-DC à base d’un observateur hybride pour
la régulation de tension aux bornes du bus DC du système de gestion d’énergie. Nous
consacrons la deuxième partie à l’observation d’état hybride du système afin d’assurer la
detection et l’isolation de défauts des différents composants du système mis en œuvre.
94
3.6. Detection et isolation de défauts dans le système de gestion d’énergie à base
d’observateurs hybrides
d’état suivante :
(
ẋ(t) = Aq x(t) + Bu(t)
(3.52)
y(t) = Cx(t)
où les matrices Aq , B et C sont des matrices constantes de dimensions appropriées.
Théorème 3.1
Considérons le système défini par (3.52) muni de l’observateur (3.53) et supposons que
pour T0 > 0 alors il vient
sup kx(t)k ≤ xmax et sup ku(t)k ≤ umax
t>T0 t>T0
En supposant qu’il existe des matrices Pi = PiT ≥ 0 et des scalaires ε ≥ 0, α > 0, µi,j ≥
0, νi,j ≥ 0 et que les deux conditions formulées ci-dessous soient remplies.
• Les contraintes LMI sont faisables
λI ≤ P " i ≤ δI i ∈# IS
Φ11 12
i,j Φi,j
Φi,j = ≤ 0 (i, j) ∈ IS (3.54)
Φ21 22
i,j Φi,j
P = Pi + dTi,j C + C T di,j (i, j) ∈ IS
j
avec
T T
Φ11
i,j = (Ai − Ki C) Pi + Pi (Ai − Ki C) + I + νi,j I
Φ12 22 2
i,j = Pi (Aj − Ai ), Φi,j = µi,j Qj − ε νqi,j I
12 T
Φ21
i,j = (Φi,j )
95
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Les gains d’observation Ki sont obtenus par résolution des contraintes LMI (3.54). De
plus, afin de limter ses valeurs, il est possible d’introduire une nouvelle variable inconnue
Wi ∈ <n×p telle que
Wi = Pi Ki (3.57)
d’où
Ki = Pi−1 Wi (3.58)
Les paramètres de l’observateur sont obtenus grâce à un algorithme que nous avons dé-
veloppé pour cet effet.
96
3.6. Detection et isolation de défauts dans le système de gestion d’énergie à base
d’observateurs hybrides
La commande est réalisée par utilisation de la même carte électronique donnée par la
figure 3.1.
La tension continue de sortie Vbus est égale à 20V . Les commandes MOSFETs sont connec-
tées aux sorties du panneau numérique out0 , out1 et out2 avec u1 = out0 , u2 = out1 et
u3 = out2 ) de la carte DSPACE1104 R&D via le TLP351.
Figure 3.58 – Le courant IL1 et son es- Figure 3.59 – Le courant IL2 et son es-
timation en mode buck timation en mode buck
97
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Figure 3.60 – La tension Vbus et son es- Figure 3.61 – La tension Vsc et son es-
timation en mode buck timation en mode buck
Pour le convertisseur boost, la commande reste dans l’intervalle [0.1A 0.5A] comme
l’illustre la figure 3.63. Les tensions de sortie Vbus et Vsc sont données par les figures 3.64
et 3.65.
Figure 3.62 – Le courant IL1 et son es- Figure 3.63 – Le courant IL2 et son es-
timation en mode boost timation en mode boost
98
3.6. Detection et isolation de défauts dans le système de gestion d’énergie à base
d’observateurs hybrides
Figure 3.64 – La tension Vbus et son es- Figure 3.65 – La tension Vsc et son es-
timation en mode boost timation en mode boost
D’autre part, le signe actuel de IL2 dans le deuxième convertisseur change lors du passage
du mode buck au mode boost. Ainsi, pendant la phase de boost, le courant IL2 est positif
et sa valeur est comprise entre 0.5A et 0.3A. Dans cette phase, l’ultra-condensateur se
décharge en traversant la charge. Tandis que pour la phase buck, le courant change de
signe et sa valeur devient comprise entre −0, 5A et −0, 1A comme l’illustre la figure 3.67.
Par ailleurs, la tension Vbus diminue car une partie de la tension sera récupérée par l’ultra-
condensateur. Les figures 3.68 et 3.69 montrent respectivement les sorties Vbus et Vsc en
mode buck/boost.
Figure 3.66 – Courant IL1 et son esti- Figure 3.67 – Courant IL2 et son esti-
mation en mode buck/boost mation en mode buck/boost
99
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
Figure 3.68 – Tension Vbus et son esti- Figure 3.69 – Tension Vsc et son esti-
mation en mode buck/boost mation en mode buck/boost
Dans [121], un observateur hybride robuste pour les systèmes linéaires commutés avec
des entrées inconnues a été proposé. L’observateur proposé est synthétisé afin d’assurer la
détection de défaut robuste sans connaître le mode actif. En effet, le problème de détec-
tion de défaut robuste a été considéré comme un appariement de modèle H∞ standard.
Un compromis entre la robustesse des entrées inconnues et la sensibilité aux défauts a été
obtenu grâce à un indice de performance H∞ . Ce dernier est optimisé par une approche
itérative de résolution LMI.
Par ailleurs, dans [122], un observateur hybride des systèmes linéaires commutés a été
proposé. La méthode proposée vise à identifier et à localiser un défaut du mode actif du
système hybride étudié. Pour chaque mode, un observateur de Luenberger a été synthé-
tisé pour détecter un défaut. L’idée est basée sur l’utilisation d’un observateur hybride
pour générer des résidus pour chaque erreur d’estimation du système étudié. La technique
proposée de diagnostic a été appliquée à un convertisseur boost.
100
3.7. Détection et isolation de défaut dans le système de gestion d’énergie à base
d’observateurs hybrides
D’autre part, dans [123], la synthèse des observateurs hybrides robustes dédiés au mode
d’identification et de détection et isolation de défauts d’un système dynamique hybride,
modélisé par des automates hybrides, a été proposé. La conception de l’observateur est
divisée en deux modules. La première est utilisée pour identifier le courant et le second est
synthétisé autour d’un schéma d’observateur pour détecter les défauts. Une comparaison
entre cette technique et la méthode de placement des pôles a été proposée.
En l’occurrence, dans [124] a été développée une approche de calcul de résidus pour dé-
terminer le mode actuel, pour estimer le temps de commutation entre deux modes et pour
détecter les défauts pouvant survenir dans le système. Dans de nombreuses situations, et
en particulier lorsque des événements internes ont eu lieu, le temps de commutation d’un
champ vectoriel à un autre n’est pas connu. Le principe général des algorithmes de détec-
tion et d’isolation de défauts sont basés sur un modèle de comparaison du comportement
attendu du système, donné par un modèle, avec son comportement réel, connu par des
observations en ligne. L’approche bien connue de l’espace de parité permet de générer des
résidus qui reflètent l’écart entre les deux modèles.
Ainsi, dans le système de gestion d’énergie, la détection de défauts uniquement est insuf-
fisante. La localisation avec précision de tels défauts devient prédominante pour assurer
la sécurité des personnes ainsi des véhicules. Bien évidemment, les défauts peuvent être
généré par les capteurs ou par les actionneurs selon le fonctionnement de l’installation.
L’architecture du banc d’observateurs, proposé pour la génération des résidus, est donnée
par la figure 3.70. Une telle architecture d’observateurs à entrées inconnues, utilisée pour
la détection et l’isolation de défauts, permet de générer suffisamment de résidus à entrées
inconnues. Ainsi, pour chaque défaut fi (t), i ∈ {1, . . . , m}, il vient
ri (t) 6= 0 si fi (t) 6= 0
Le système de gestion d’énergie peut être modélisé sous la forme d’une représentation
d’état de la forme
(
ẋ(t) = Ai x(t) + Bu(t) + Bdi d(t) + Bfi f (t)
(3.63)
y(t) = Cx(t)
où d(t) ∈ <m est le vecteur d’entrées inconnues et f (t) ∈ <m est le vecteur de défaut.
Ai , i = 1, . . ., n, sont les matrices données par les différents états du système, Bdi ∈ <n×m
et Bfi ∈ <n×m sont les matrices de distrubution des entrées inconnues et des défauts,
101
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
respectivement.
˙
x̂(t) = Aj x̂(t) + Bu(t) + Lj (y(t) − ŷ(t))
ŷ(t) = C x̂(t) (3.64)
r(t) = V (y(t) − ŷ(t))
où x̂(t) ∈ <n et ŷ(t) ∈ <p sont respectivement les vecteurs d’état de sortie observés, r(t)
est le vecteur de résidus, Lj est la matrice gain d’observation et V est le gain résiduel.
r(t), Lj et V sont de dimensions appropriées.
Notons que i est le mode du système et j est le mode de l’observateur hybride. Les
paires (Ai , C), i = 1, . . ., n, sont observables.
Si nous considérons l’erreur d’observation entre l’état réel et l’état estimé e(t) = x(t)−x̂(t),
la dynamique d’une telle erreur alors explicitée par
ė(t) = (Aj − Kj C)e(t) + (Ai − Aj )x(t) + Bdi d(t) + Bfi f (t) (3.65)
102
3.7. Détection et isolation de défaut dans le système de gestion d’énergie à base
d’observateurs hybrides
Ainsi, pour garantir la détection de défauts, il convient de déterminer les gains Lj et V qui
assurent la convergence de l’erreur d’observation. Le résidu généré doit être conjointement
sensible aux défauts f (t) et robuste aux entrées inconnues d(t).
Il vient
!
T T
V̇j (e(t)) = e (t) [Aj − Lj C] Pj + Pj [Aj − Lj C] e( t)
(3.68)
T T
+ e (t)Pj ∆Ai,j x(t) + x (t)∆ATi,j Pj e(t)
avec Ai,j = Ai − Aj .
Pour que l’erreur d’observation soit asymptotiquement stable et bornée, nous nous basons
sur le théorème suivant :
Théorème 3.2
Considérons le système (3.63) et l’observateur (3.64) et supposons que sup kx(t)k ≤ xmax
et sup ku(t)k ≤ umax pour tout t ≥ 0.
D’autre part, nous supposons qu’il existe des matrices Pi = PiT ≥ 0 et des scalaires
ε ≥ 0, α > 0, µi,j ≥ 0, νi,j ≥ 0 tels que les conditions LMI suivantes sont vérifiées.
αI ≤ Pî ≤ ξI î ∈ IN (3.69)
Λ11 Λ12
" #
î,i î,i
Λî,i = ≤0 (î, i) ∈ IS (3.70)
Λ21
î,i
Λ 22
î,i
avec :
Λ11
î,i
= ATî Pî − CWîT + Pî Aî − Wî C + I + νî,i I
Λ12
î,i
= Pî (Ai − Aî ) , Λ22 î,i
= µî,i Qi − ε2 νî,i I (3.72)
Λ21
î,i
= (Λ12î,i
)T
D’autre part, l’état d’observateur est mis à jour par l’équation suivante :
103
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
où R† est le pseudo inverse de R et Rj ∈ <n×n est une matrice symétrique définie positive.
Pour résoudre la LMI (??), nous introduisons Tj ∈ <n×p comme une nouvelle variable
selon le changement de variables suivant Pj = Tj Kj−1 , ce qui nous permet d’introduire
une autre contrainte dont l’objectif est de restreindre le domaine de faisabilité des LMI
pour contrôler la dynamique de l’observateur. Ainsi, en limitant Tj sous la forme
Pour les essais de simulation numériques que nous avons effectué sur le processus étu-
dié, npus considéons valeurs numériques des paramètres du système de gestion d’énergie
comme suit
L1 = 0.330H, L2 = 0.330H, Cb = 0.0008F , Rcs = 0.001Ω, Csc = 70F , RBus = 100Ω.
Par ailleurs, en injectant un seul défaut f1 (t) pour les quatres modes (q = 1, . . . , 4), il
s’ensuit alors le résultat de simulation illustré par la figure 3.72 où le défaut se produit
dans l’intervalle [1s 1, 2s].
104
3.7. Détection et isolation de défaut dans le système de gestion d’énergie à base
d’observateurs hybrides
D’après ce résultat de simulation, il est clair que les sorties du système sont affectées par
ce défaut comme le montre les figures 3.73, 3.74, 3.75 et 3.76 qui représentent respective-
ment les dex courants IL1 et IL2 ainsi que les deux tensions Vbus et Vsc .
Nous signalons que l’affectation de la tension du supercondensateur Vsc est moins im-
portante que les autres sorties à cause de la forte valeur de sa capacité 70F qui engendre
une affectation très minime par rapport aux autres variables d’états.
En injectant le même défaut pour les quatre modes, nous constatons que les quatre rési-
dus (chaque mode a son propre résidu) réagissent entre l’instant t = 1s et 1.8s, et leurs
valeurs deviennent différentes de zéro comme le montre les figures 3.77, 3.78, 3.79 et 3.80.
105
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
106
3.7. Détection et isolation de défaut dans le système de gestion d’énergie à base
d’observateurs hybrides
.5
Figure 3.79 – Résidu r3 (t) Figure 3.80 – Résidu r4 (t)
Les deux défauts affectent simultannément les variables d’états à savoir les courants des
deux convertisseurs ainsi que les deux tensions Vbus et Vsc comme le montre les figures
3.83, 3.84, 3.85 et 3.86.
Pour la détection de défauts, nous avons conçu deux observateurs hybrides. Le premier
détecte f1 (t) alors que le défaut f2 (t) est considéré comme une entrée inconnue. Dans ce
cas, l’observateur hybride génère les résidus r11 (t), r12 (t), r13 (t), r14 (t) comme le montre
les figures 3.87, 3.91, 3.89 et 3.92.
107
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
sidus r21 (t), r22 (t), r23 (t), r24 (t) comme l’illustre les figures 3.88, 3.93, 3.90 et 3.94.
108
3.7. Détection et isolation de défaut dans le système de gestion d’énergie à base
d’observateurs hybrides
Il est à noter que les résidus r1i (t) pour i = 1, . . . , 4 ne sont sensibles qu’au premier
défaut. Par contre, les résidus r2i (t) i = 1, . . . , 4 sont sensibles uniquement au deuxième
défaut.
109
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
où Aq(t) , q(t) = 1, . . . , 4, sont les matrices caractérisant le processus étudié et qui sont
réppéles ici par
110
3.8. Application à l’observation par intervalles à entrées inconnues du système de gestion
d’énergie
− L11
0 0 0 0 0 0 0
0 − RLsc2 0 1
L2
0
− RLsc2 0 1
L2
A1 = , A2 = ,
− Rch1Cf 1
− Rch1Cf
0 0 0
Cf 0 0
0 − C1sc 0 0 0 − C1sc 0 0
− L11
0 0 0 0 0 0 0
0
− RLsc2 − L12 1
L2
0 − RLsc2 − L12 1
L2
A3 = , A4 = ,
1 1
− Rch1Cf 0 C1f − Rch1Cf
Cf Cf
0
0
0 − C1sc 0 0 0 − C1sc 0 0
1
L1 1 0 0 0
0
B=
et C= 0 1 0 0
.
0
0 0 0 1
0
Notons que les deux convertisseurs DC-DC sont commandés en courant. Pour passer d’un
mode à l’autre, les courants de référence (iL1 max , iL1 min , iL2 min et iL2 min ) sont fixés pour
chaque convertisseur en respectant les deux conditions suivantes :
iL1 min < iL1 < iL1 max et iL2 min < iL2 < iL2 max (3.80)
Un observateur par intervalles, proposé pour le système (3.78), est explicité par
ẋ+ (t) = (Aq(t) − Lq(t) C)x+ (t) + Bu(t) + Lq(t) y(t) + d+ (t)
ẋ− (t) = (Aq(t) − Lq(t) C)x− (t) + Bu(t) + Lq(t) y(t) + d− (t) (3.81)
−
x (t0 ) ≤ x(t) ≤ x+ (t0 )
La figure 3.96 montre le courant IL1 en mode boost. Ce convertisseur DC-DC est com-
mandé en courant pour maintenir la valeur de IL1 dans une certaine limite. IL1 + et IL1 −
présentent l’estimation d’état supérieure et inférieure du courant IL1 . La figure 3.97 montre
le courant dans le convertisseur buck/boost. Dans ce cas le courant IL2 est positif car le
convertisseur fonctionne en survolteur. Le supercondensateur fournit le courant IL2 pour
supporter la batterie pendant le démarrage du véhicule hybride. IL+2 et IL−2 représentent
l’observation d’état supérieure et inférieuer du courant IL2 . Quant aux figures 3.98 et 3.99,
elles représentent respectivement la tension Vbus et Vsc et leurs états observés supérieur et
inférieur en mode boost.
111
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
112
3.8. Application à l’observation par intervalles à entrées inconnues du système de gestion
d’énergie
La figure 3.102 décrit le courant dans le premier convertisseur DC-DC. Les figures 3.103
et 3.104 montrent respectivement les tensions Vbus et Vsc et leurs états observés supérieur
et inférieur en mode abaisseur.
113
Chapitre 3. Application à la détection et l’isolation de défauts du système de gestion
d’énergie d’un véhicule hybride
que le courant IL2 qui passe d’une valeur positive (au démarrage du véhicule) à une
valeur négative (en mode de freinage). La figure 3.107 met en évidence le courant dans
le convertisseur boost. Alors que les figures 3.108 et 3.109 représentent respectivement la
tension Vbus et Vsc et leurs observés supérieur et inférieur.
114
3.9. Conclusion
3.9 Conclusion
Au cours de ce chapitre, l’estimation des différentes variables d’états du système de
gestion d’énergie du véhicule hybride a été simulé et implémenté dans un simulateur réel.
Trois types d’observateurs ont été testés à savoir l’observateur bilinéaire a entrée inconnue,
l’observateur hybride et l’observateur par intervalles. L’utilisation de ces estimateurs a été
mise en œuvre pour la commande du système de gestion d’énergie ainsi que la détection
et l’isolation de défauts.
115
Conclusion générale
D’autre part, le système étudié est formé essentiellement par une pile à combustible ou
une batterie comme source d’alimentation principale et d’un module de superconden-
sateur comme source auxiliaire. Pour maintenir la tension du Bus DC constant, deux
convertisseurs Boost et Buck/boost commandés en courant sont intégrés dans le système.
En premier lieu, une modélisation de ce système a été proposée afin de déterminer l’ob-
servateur adéquat qui permet d’assurer la commande par retour d’état observé avec le
minimum de capteurs ainsi que le diagnostic pour la détection et l’isolation des défauts
du processus étudié. Principalement deux types de modèles ont été retenus qui sont le
modèle bilinéaire et le modèle hybride.
Afin de valider les différentes simulations numériques, nous avons conçu un simulateur
pour implémenter les différentes stratégies de commande du système de gestion d’énergie
ainsi que les différentes méthodes de détection et isolation de défauts.
La synthèse des différentes lois d’observation d’état pour commander les sorties d’un pro-
cessus étudié fait partie des contributions de ce travail. En effet, l’implémentation pratique
d’une loi de commande du système basé sur une machine à état finie faisant intervenir la
commande par hystérésis des courants de deux convertisseurs DC-DC a montré des per-
formances très probantes. L’idée est d’élaborer à partir d’un graphe d’état une commande
qui peut laisser les courants des convertisseurs dans une certaine limite prédéfinie quelque
soit les demandes énergétiques du système et quel que soit le scénario de la conduite du
véhicule. Les tests pratiques avec le simulateur du système de gestion d’énergie à base
d’une carte Dspace 1104 ont montré que les temps de réponse malgré les perturbations
extérieures rend le temps de réponse de ce système très rapide et précis.
117
Conclusion
linéaire à entrée inconnue a été proposé afin d’estimer les différents états du système tel
que les courants des deux convertisseurs Boost et Buck/Boost, ainsi que l’estimation de
la tension du pack supercondensateur et la tension du Bus DC a été présenté afin d’as-
surer le diagnostic du système pour la détection et l’isolation de défauts. Pour cela, la
technique de banc de résidu a été testé pour localiser et isoler des pannes qui peuvent
affecter les composants du système de gestion d’énergie. De plus, le dysfonctionnement
de quelques composants tels que le pack supercondensateur ou la batterie à combustible
peut engendrer des problèmes énormes pour tout le système ce qui influe directement sur
la sécurité du véhicule et de leur utilisateur.
Dans le même contexte, vue la nature du modèle du système, nous avons proposé un
observateur hybride afin d’estimer en temps réel les différentes variables d’état du sys-
tème. En effet, contrôler ces convertisseurs a toujours été difficile car ils sont constitués
de circuits de commutation dont les structures changent fréquemment au cours du temps.
Ils sont considérés comme des systèmes hybrides où la partie discrète est représentée par
la haute fréquence de commutation des MOSFETs et la partie continue est décrite par les
courants et les tensions dans les convertisseurs. Pour prendre en compte le comportement
continu et discret de ces convertisseurs, des méthodes de modélisation hybrides sont uti-
lisées. Un observateur hybride est conçu pour améliorer les performances de l’observateur
d’état et de la commande en utilisant un algorithme avec le minimum de capteurs afin
d’assurer la robustesse et d’augmenter la fiabilité du système étudié. La combinaison de
l’observateur hybride avec une machine à état fini nous a permis de garantir une robus-
tesse importante pour le contrôle du système. L’implémentation pratique de l’algorithme
de commande montre bien son efficacité vis-à-vis des contraintes engendrés par le temps
de réponse de certain capteur.
Un banc de résidu basé sur un observateur hybride a été testé pour détecter et isoler
les défauts. En effet, en se basant sur la résolution de plusieurs LMI, le générateur de
résidu a montré une grande efficacité pour isoler les défauts. Ainsi, chaque résidu généré
se déclenche uniquement pour un seul défaut, ce qui nous permet de détecter facilement
l’origine de la panne dans le véhicule hybride qui est nécessaire pour assurer le bon fonc-
tionnement du système. Le banc d’observateurs doit générer de résidus pour détecter et
isoler l’occurrence de chaque coordonnée du vecteur de défauts.
Un observateur par intervalle robuste à entrées inconnues a été conçu pour reconstruire les
variables d’état non mesurables. Les simulations numériques ont montré les performances
exceptionnelles de la technique de d’observation proposée. En effet, malgré l’entrée incon-
nue considérée comme étant une perturbation extérieure affectant le comportement du
processus, l’observateur est parvenu à fournir des performances concurrentielles en termes
de précision et de robustesse.
L’étude présentée dans ce mémoire nous a permis de mettre en avant plusieurs tech-
niques d’observation d’état des systèmes non linéaires et de les tester pour la détection de
défauts d’un système d’entraînement électrique. Il serait intéressant d’associer ces obser-
vateurs à d’autres systèmes de commande non linéaires en général, et du processus étudié
en particulier, et de tester leurs performances dans le cas pratique, et c’est dans ce sens
118
Conclusion générale
119
Bibliographie
121
BIBLIOGRAPHIE
122
BIBLIOGRAPHIE
[27] J.-L. Gouzé, A. Rapaport, and M. Z. Hadj-Sadok, “Interval observers for uncertain
biological systems,” Ecological modelling, vol. 133, no. 1-2, pp. 45–56, 2000.
[28] M. D. Di Benedetto, S. Di Gennaro, and A. D’Innocenzo, “Discrete state observa-
bility of hybrid systems,” International Journal of Robust and Nonlinear Control :
IFAC-Affiliated Journal, vol. 19, no. 14, pp. 1564–1580, 2009.
[29] D. Efimov, W. Perruquetti, T. Raïssi, and A. Zolghadri, “Interval observers for time-
varying discrete-time systems,” IEEE Transactions on Automatic Control, vol. 58,
no. 12, pp. 3218–3224, 2013.
[30] T. N. Dinh, F. Mazenc, and S.-I. Niculescu, “Interval observer composed of observers
for nonlinear systems,” in 2014 European control conference (ECC), pp. 660–665,
IEEE, 2014.
[31] T. Raïssi and D. Efimov, “Some recent results on the design and implementation of
interval observers for uncertain systems,” at-Automatisierungstechnik, vol. 66, no. 3,
pp. 213–224, 2018.
[32] H. Ethabet, T. Raissi, M. Amairi, and M. Aoun, “Interval observers design for
continuous-time linear switched systems,” IFAC-PapersOnLine, vol. 50, no. 1,
pp. 6259–6264, 2017.
[33] R. E. H. Thabet, T. Raissi, C. Combastel, D. Efimov, and A. Zolghadri, “An effective
method to interval observer design for time-varying systems,” Automatica, vol. 50,
no. 10, pp. 2677–2684, 2014.
[34] Z. He and W. Xie, “Control of non-linear switched systems with average dwell time :
interval observer-based framework,” IET Control Theory & Applications, vol. 10,
no. 1, pp. 10–16, 2015.
[35] H. Ethabet, D. Rabehi, D. Efimov, and T. Raïssi, “Interval estimation for
continuous-time switched linear systems,” Automatica, vol. 90, no. 1, pp. 230–238,
2018.
[36] M. Moisan and O. Bernard, “Robust interval observers for global lipschitz uncertain
chaotic systems,” Systems & Control Letters, vol. 59, no. 11, pp. 687–694, 2010.
[37] N. Meskin, K. Khorasani, and C. A. Rabbath, “A hybrid fault detection and isolation
strategy for a network of unmanned vehicles in presence of large environmental
disturbances,” IEEE Transactions on Control Systems Technology, vol. 18, no. 6,
pp. 1422–1429, 2010.
[38] S. A. Gadsden and S. R. Habibi, “Model-based fault detection of a battery system in
a hybrid electric vehicle,” in 2011 IEEE Vehicle Power and Propulsion Conference,
pp. 1–6, IEEE, 2011.
[39] Y. Fang, H. Min, W. Wang, Z. Xu, and X. Zhao, “A fault detection and diagno-
sis system for autonomous vehicles based on hybrid approaches,” IEEE Sensors
Journal, vol. 20, no. 16, pp. 9359–9371, 2020.
[40] C. Xiang, F. Ding, W. Wang, and W. He, “Energy management of a dual-mode
power-split hybrid electric vehicle based on velocity prediction and nonlinear model
predictive control,” Applied energy, vol. 189, pp. 640–653, 2017.
[41] X. Tang, W. Yang, X. Hu, and D. Zhang, “A novel simplified model for torsional
vibration analysis of a series-parallel hybrid electric vehicle,” Mechanical Systems
and Signal Processing, vol. 85, pp. 329–338, 2017.
123
BIBLIOGRAPHIE
124
BIBLIOGRAPHIE
125
BIBLIOGRAPHIE
126
BIBLIOGRAPHIE
[84] H. Li, H. Chaoui, and H. Gualous, “Cost minimization strategy for fuel cell hy-
brid electric vehicles considering power sources degradation,” IEEE Transactions
on Vehicular Technology, vol. 69, no. 11, pp. 12832–12842, 2020.
[85] X. Lü, Y. Wu, J. Lian, Y. Zhang, C. Chen, P. Wang, and L. Meng, “Energy manage-
ment of hybrid electric vehicles : A review of energy optimization of fuel cell hybrid
power system based on genetic algorithm,” Energy Conversion and Management,
vol. 205, p. 112474, 2020.
[86] R. Katuri and S. Gorantla, “Design and comparative analysis of a control stra-
tegy approach implemented to hybrid energy storage system based electric vehicle,”
Journal Europeen des Systemes Automatises, vol. 50, no. 3, p. 257, 2017.
[87] Y. Liu, J. Liu, D. Qin, G. Li, Z. Chen, and Y. Zhang, “Online energy management
strategy of fuel cell hybrid electric vehicles based on rule learning,” Journal of
Cleaner Production, vol. 260, p. 121017, 2020.
[88] H. S. Das, C. W. Tan, and A. Yatim, “Fuel cell hybrid electric vehicles : A review
on power conditioning units and topologies,” Renewable and Sustainable Energy
Reviews, vol. 76, pp. 268–291, 2017.
[89] Y. Zhou, A. Ravey, and M.-C. Péra, “Multi-mode predictive energy management for
fuel cell hybrid electric vehicles using markov driving pattern recognizer,” Applied
Energy, vol. 258, p. 114057, 2020.
[90] H. F. Gharibeh, A. S. Yazdankhah, M. R. Azizian, and M. Farrokhifar, “Online
energy management strategy for fuel cell hybrid electric vehicles with installed pv
on roof,” IEEE Transactions on Industry Applications, vol. 57, no. 3, pp. 2859–2869,
2021.
[91] P. M. Munoz, G. Correa, M. E. Gaudiano, and D. Fernández, “Energy manage-
ment control design for fuel cell hybrid electric vehicles using neural networks,”
International Journal of Hydrogen Energy, vol. 42, no. 48, pp. 28932–28944, 2017.
[92] X. Hu, C. Zou, X. Tang, T. Liu, and L. Hu, “Cost-optimal energy management of
hybrid electric vehicles using fuel cell/battery health-aware predictive control,” ieee
transactions on power electronics, vol. 35, no. 1, pp. 382–392, 2019.
[93] L. Li, S. Coskun, F. Zhang, R. Langari, and J. Xi, “Energy management of hybrid
electric vehicle using vehicle lateral dynamic in velocity prediction,” IEEE Transac-
tions on Vehicular Technology, vol. 68, no. 4, pp. 3279–3293, 2019.
[94] H. Wang, Y. Huang, A. Khajepour, H. He, and D. Cao, “A novel energy manage-
ment for hybrid off-road vehicles without future driving cycles as a priori,” Energy,
vol. 133, pp. 929–940, 2017.
[95] D. Saoudi, C. Mechmeche, et al., “Ts fuzzy bilinear observer for a class of nonlinear
system,” in 18th Mediterranean Conference on Control and Automation, MED’10,
pp. 1395–1400, IEEE, 2010.
[96] B. Tibken, E. Hofer, and A. Sigmund, “The ellipsoid method for systematic bilinear
observer design,” IFAC Proceedings Volumes, vol. 29, no. 1, pp. 2774–2779, 1996.
[97] M. Kinnaert, “Robust fault detection based on observers for bilinear systems,” Au-
tomatica, vol. 35, no. 11, pp. 1829–1842, 1999.
127
BIBLIOGRAPHIE
[98] Y. Li and R. G. Sanfelice, “A robust finite-time convergent hybrid observer for linear
systems,” in 52nd IEEE Conference on Decision and Control, pp. 3349–3354, IEEE,
2013.
[99] H. Ríos and A. R. Teel, “A hybrid observer for fixed-time state estimation of linear
systems,” in 2016 IEEE 55th Conference on Decision and Control (CDC), pp. 5408–
5413, IEEE, 2016.
[100] F. Hamdi, N. Manamanni, N. Messai, and K. Benmahammed, “Hybrid observer
design for linear switched system via differential petri nets,” Nonlinear Analysis :
Hybrid Systems, vol. 3, no. 3, pp. 310–322, 2009.
[101] A. L. Juloski, “Observer design and identification methods for hybrid systems :
Theory and experiments.,” 2002.
[102] A. Birouche, J. Daafouz, and C. Iung, “Observer design for a class of discrete time
piecewise-linear systems,” in Analysis and Design of Hybrid Systems 2006, pp. 12–
17, Elsevier, 2006.
[103] D. Xu, J. Liu, X.-G. Yan, and W. Yan, “A novel adaptive neural network constrained
control for a multi-area interconnected power system with hybrid energy storage,”
IEEE Transactions on Industrial Electronics, vol. 65, no. 8, pp. 6625–6634, 2017.
[104] Z. Wang, C.-C. Lim, and Y. Shen, “Interval observer design for uncertain discrete-
time linear systems,” Systems & Control Letters, vol. 116, pp. 41–46, 2018.
[105] F. Cacace, A. Germani, and C. Manes, “A new approach to design interval obser-
vers for linear systems,” IEEE Transactions on Automatic control, vol. 60, no. 6,
pp. 1665–1670, 2014.
[106] M. Nachidi, A. El Hajjaji, and J. Bosche, “An enhanced control approach for dc–dc
converters,” International Journal of Electrical Power & Energy Systems, vol. 45,
no. 1, pp. 404–412, 2013.
[107] M. Castaneda, A. Cano, F. Jurado, H. Sánchez, and L. M. Fernández, “Sizing
optimization, dynamic modeling and energy management strategies of a stand-
alone pv/hydrogen/battery-based hybrid system,” International journal of hydrogen
energy, vol. 38, no. 10, pp. 3830–3845, 2013.
[108] S. Delprat, J. Lauber, T.-M. Guerra, and J. Rimaux, “Control of a parallel hybrid
powertrain : optimal control,” IEEE transactions on Vehicular Technology, vol. 53,
no. 3, pp. 872–881, 2004.
[109] A. Mirzaei, A. Jusoh, Z. Salam, E. Adib, and H. Farzanehfard, “Analysis and design
of a high efficiency bidirectional dc–dc converter for battery and ultracapacitor
applications,” Simulation Modelling Practice and Theory, vol. 19, no. 7, pp. 1651–
1667, 2011.
[110] B. Kiran, P. Parthiban, D. Jena, and P. Prakash, “Design and implementation of
sliding mode voltage controller for dc to dc buck converter by using hysteresis mo-
dulation and pulse width modulation,” in 2016 Biennial International Conference
on Power and Energy Systems : Towards Sustainable Energy (PESTSE), pp. 1–6,
IEEE, 2016.
[111] P. Alou, J. Á. Oliver, O. Garcia, J. A. Cobos, A. M. Abou-Alfotouh, et al., “Nonli-
near control for dc–dc converters based on hysteresis of the current with a frequency
128
BIBLIOGRAPHIE
129