ABS : modélisation, simulation

et algorithmes de contrôle

Pierre Duysinx
Ingénierie des Véhicules Terrestres
Université de Liège
Année Académique 2009-2010

Plan de l’exposé
„ Introduction
„ Modélisation et simulation
„ Systèmes bang-bang
„ PID
„ Contrôleur en mode glissant
„ Contrôleurs tabulés
„ Exemples (Ulsoy, 1997)
„ Conclusions

1
Modélisation

Modélisation
„ Dynamique du système =
„ Dynamique longitudinale du véhicule
„ Dynamique de la roue

„ Hypothèses: on néglige
„ Dynamique du moteur
„ Dynamique de la ligne de transmission
„ Dynamique du système de freinage
„ Transfert de charge
„ Dynamique de la suspension

„ Modèle de comportement roue sol

2
Modélisation
„ Dynamique longitudinale de la voiture
Daero Laero
ha
max
Frlt = f mg h mg sinθ
Daero = 1 / 2 ρ S C x (v + vwind ) 2
Frlt,f
θ Fxf mg=W
b mg cosθ
Wf c Rrlt,r
L Fxr

Wr

mV = N w Fx − Frlt − Daero ∓ mg sin ϑ

Frlt = f mg
Daero = 1 / 2 ρSC x (v + vwind )²

Modélisation
Te
„ Dynamique de la roue ω Tb
v
Jω = Te − Tb − Fx Re − Tw
Fz R
„ Te: couple moteur e

„ Tb: couple de freinage Fx

„ Tw: couples dissipatifs= moment de résistance au roulement +
friction visqueuse
Tw = f Re Fz + bwω
„ Inertie de la roue et de la ligne de transmission (si traction)
J = I roues + i ² I engine

3
Modélisation
„ Equation constitutive : force de traction
Fx = µ (λ ) Fz
„ Glissement longitudinal du pneumatique:
ω − ω0
En traction (accélération) λ= avec ω0 = v / Re
ω
„

ω − ω0
„ En freinage (décélération) λ= avec ω0 = v / Re
ω0

Soit en général ω − ω0
„
λ= avec ω0 = v / Re
max(ω , ω0 )

Modélisation
„ Modèle de Pacejka:

Fx = Dx sin(C x arctan( Bxφ x )) + sv

Ex
avec φ x = (1 − E x )(σ + sh ) + arctan( Bx (σ + sh ))
Bx
ω
„ Glissement σ= −1
ω0
„ B stiffness factor
„ C shape factor
„ D curvature factor
„ sh horizontal offset
„ sv vertical offset

4
Modélisation
3500

3000

2500

2000
Bx=23
1500 Cx=1,35
Dx=3444
1000 Ex=-2,9
Shx=0
500 Svx=0

0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2

Modèle de Pacejka
„ Pour les cas simples de dérive (latéral) et de glissement
longitudinal pur, la formule suivante peut être employée pour
décrire les courbes d’évolution de Fy , Mz et Fx en fonction de
l’angle de dérive α ou du taux de glissement longitudinal κ.

y(x) = D sin [C arctanfB x ¡ E (B x ¡ arctan(B x) ) g ]

avec

Y (X ) = y(x) + Sv
x = X + Sh

5
Modèle de Pacejka
„ Interprétation des paramètres de la formule magique
y(x) = D sin [C arctanfB x ¡ E (B x ¡ arctan(B x) ) g ]

„ BCD = pente à l’origine

¯
d ¯
y(x)¯¯ = BC D
dx x= 0

„ D maximum de la courbe
xm = inf y(x) et D = min y(x)
x x

Modèle de Pacejka
y(x) = D sin [C arctanfB x ¡ E (B x ¡ arctan(B x) ) g ]
„ Le paramètre C contrôle les limites du champ de l’argument du
sinus. Il détermine donc la forme de la courbe. Valeurs typiques
de C:
„ C = 1.3 force latérale,
„ C = 2.4 moment d’auto-alignement,
„ C = 1.65 force de freinage

6
 Modèle de Pacejka

¯
d ¯
y(x)¯¯ = BC D
dx x= 0

„ Le paramètre restant B permet d’ajuster la pente de la courbe à

l’origine et est appelé facteur de raideur

Modèle de Pacejka

B xm ¡ tan( 2¼C )
E =
B xm ¡ arctan(Bxm )

„ Le dernier paramètre E permet de contrôler la valeur du

glissement maximum xm (s’il y a un maximum à la courbe)

7
 Modélisation
„ Modèle de Burchardt:

[( ) ]
µx = c1 (1 − e − c2σ − c3σ e c4Vσ (1 − c5 Fz )

Effet de la vitesse
ω Sensibilité à la charge verticale
σ= −1
ω0

Modélisation

C1 C2 C3

Asphalte, sec 1.2801 23.99 0.52

Asphalte, mouillé 0.857 33.822 0.347

Béton, sec 1.1973 25.168 0.5373

Grenailles, sec 1.3713 6.4565 0.6691

Grenailles, mouillées 0.4004 33.708 0.1204

Neige 0.1946 94.129 0.0646

Glace 0.05 306.39 0

8
 Modélisation
„ Variables d’état
„ Vitesse de rotation associée à la vitesse d’avance V
x1 = V / Re
„ Vitesse de rotation de la roue
x2 = ω
„ Glissement
En freinage
ω − V / Re x2 − x1
„

λ= =
V / Re x1
„ En accélération
ω − V / Re x2 − x1
λ= =
ω x2

Modélisation
„ Equations d’état

⎧mV = −0,5ρSC x (V + Vwind ) 2 − f mg cos ϑ − mg sin ϑ + ∑ Fz µ(λ )

⎨
⎩ Jω = − f Re Fz − bwω − Re Fz µ(λ ) + Te − Tb

„ Introduisons

V = x1 Re et ω = x2
„ Il vient

⎧⎪ x1 = ⎡ −0,5 ρ SCx ( Re x1 + Vwind ) 2 − f mg cosϑ − mg sin ϑ + ∑ Fz µ(λ ) ⎤ / mRe

⎣ ⎦
⎨
⎪⎩ x2 = [ − f Re Fz − bw x2 − Re Fz µ(λ ) + Te − Tb ] / J

9
 Modélisation
„ Remarques: on n’a pas modélisé la dynamique des actionneurs.
Une autre manière de voir les choses est de dire qu’on a ignoré
la dynamique des actionneurs

„ La dynamique du système de freinage requiert l’introduction

d’un retard (de l’ordre de 100 ms) et d’un déphasage du
premier ordre

„ La dynamique de la manette des gaz est plus rapide, mais elle

est connectée au moteur qui requiert une dynamique non
linéaire de l’admission

Modélisation
„ Modélisation de la manette des gaz

dmadm (ωe , pm ) p
= β f ( m )TC (α )
dt patm

„ madm: débit d’air à „ α: angle de manette des

l’admission gaz
„ ωe: vitesse de rotation du „ β: débit d’air maximum
moteur „ TC: fonction caractéristique
„ pa: pression d’air de la valve de manette des
atmosphérique gaz
„ pm: pression d’air
d’admission

10
Modélisation
„ Equations d’état
⎧ x1 = − f1 ( x1 ) + b1N µ(λ )
⎨
⎩ x2 = − f 2 ( x2 ) − b2 N µ(λ ) + b3T
avec
[
f1 ( x1 ) = 0,5 ρSC x Re2 x12 + fmg cos ϑ + mg sin ϑ / mRe ]
f 2 ( x2 ) = [ fRe Fz + bw x2 ] / J
b1N = N w Fz / mRe b2 N = Re Fz / J
b3 = 1 / J T = Te − Tb
x2 − x1
λ=
max( x1 , x2 )

Modélisation
„ Dynamique du système en terme du taux de glissement
longitudinal
x2 − x1
λ=
x1

„ En dérivant, il vient
x2 x1 x2 − x1 x x
λ= − − 2
x1 = 2 − (1 + λ ) 1
x1 x1 x1 x1 x1
„ On trouve

λ=
[(1 + λ ) f1 ( x1 ) − f 2 ( x2 )] − [(1 + λ )b1N + b2 N ]µ(λ ) + b3T
x1

11
Modélisation
„ Dynamique du système en terme du taux de glissement

λ=
[(1 + λ ) f1 ( x1 ) − f 2 ( x2 )] − [(1 + λ )b1N + b2 N ]µ(λ ) + b3T
x1
„ Equation d’état fortement non linéaire
„ λ est une fonction non linéaire de x1 et x2;
„ µ(λ) est une fonction fortement non linéaire de x1 et x2;
„ f1(x1) et f2(x2) sont non linéaires
„ Le système comporte des sources d’incertitudes importantes:
„ Fz change avec la dynamique
„ µ(λ) n’est pas connue et dépend fortement des conditions de route
„ Les forces de résistance à l’avancement changent avec les
conditions atmosphériques

Algorithmes de Contrôle

12
Algorithmes de contrôle
„ Le système est hautement non linéaire
„ courbes caractéristiques µ-λ (glissement - coefficients de friction
longitudinaux et latéraux)
„ équations du mouvement
„ Les contrôleurs linéaires se montrent peu performants
„ Les contrôleurs non linéaires s’imposent:
„ basés sur des règles et des solutions tabulées pour modifier le
couple de freinage et arriver au résultat désiré
„ difficiles à mettre au point (paramètres de réglages)
„ un système non linéaire simple: le contrôleur bang bang

Contrôleurs à 2 positions (on/off)

„ Dans un contrôleur à deux positions, l’actionneur peut prendre
uniquement 2 positions, soit souvent ouvert / fermé. C’est un
moyen courant et peu cher pour contrôler les systèmes.
„ Exemple contrôleur de remplissage d’une cuve
„ Un contrôleur à 2 positions suit la règle basique suivante:

13
Contrôleurs à 2 positions (on/off)
„ Même si l’évolution du système linéaire reste linéaire quand le
contrôleur est dans une position donnée, les contrôleurs on/off
sont considérés comme systèmes de contrôle non-linéaire, car
leur comportement ne peut être décrit que dans le cadre de
cette théorie.
„ Parfois les contrôleurs on/off peuvent avoir de l’hystérésis et
l’amplitude de l’erreur que le signal doit traverser avant
actuation est appelé « écart différentiel »

Contrôleurs à 2 positions (on/off)

„ L’hystérésis introduit par les systèmes on/off peut être non
intentionnel (causé par du frottement ou des jeux dans le
mécanisme) ou bien désiré.
„ Une raison pour inclure de l’hystérésis est d’introduire une
temporisation pour le basculement entre les 2 états
„ Le basculement trop fréquent est intempestif, ce qui peut
réduire la durée de vie de l’actionneur
„ Par nature un écart différentiel va causer une oscillation de la
commande qui peut être réduite en diminuant l’écart

14
Contrôleur bang-bang
„ Le principe bang-bang du contrôle dit qu’un système qui
travaille sous la contrainte de puissance limitée peut être amené
d’un état à un autre en un temps le plus court possible en
utilisant tout le temps la puissance maximale disponible.
„ Ceci a été suggéré, puis démontré d’abord expérimentalement,
théoriquement ensuite il y a longtemps déjà.
„ Toutes les implantations du contrôleur bang-bang ne
garantissent pas un temps optimal, mais pour certains systèmes
tels que les systèmes suivants avec des entrées bornées,
Y b
G ( s) = = − u0 ≤ u ≤ u0
U an s + an −1s n −1 + … + a0
n

il peut être montré que le contrôle bang-bang donne le contrôle

optimal et atteint l’état final en n-1 basculements au plus.

Contrôleur bang-bang pour ABS

„ Le contrôle bang-bang est basé sur le principe qu’un système
peut être déplacé d’un état à un autre dans le temps le plus
court possible en utilisant de manière appropriée toute la
puissance disponible.
„ Dans ce sens le contrôleur bang-bang est optimal d’un point de
vue temporel tout au moins pour une certaine classe de
problème.
„ A cause de son implantation très simple (basée sur des relais),
le contrôleur bang-bang est très populaire.

15
Contrôleur bang-bang pour ABS
„ Le basculement entre les deux états est affecté par la loi de
basculement (switching law) qui dépend de la valeur des
variables d’état du système.
„ Le lieux de tous les états auxquels on bascule se présente sous
la forme d’une surface dans l’espace d’état appelée surface /
courbe de basculement.
„ Pour un système d’ordre II comme le modèle de quart de
voiture, le basculement apparaît sur une courbe que l’on
détermine de manière appropriée dans l’espace de phase.

Contrôleur bang-bang pour ABS

„ Pour les ABS, le taux de glissement longitudinal (défini en
termes des variables d’état) peut être choisi comme variable
gouvernant la loi de basculement.
„ La partie intéressante de la courbe de glissement longitudinal –
coefficient d’adhérence correspondant au maximum se situe
dans l’intervalle [λlow, λhigh]
„ Le couple de freinage de contrôle est τbrake. Il va évoluer entre
τmax et 0 pour garder le glissement dans sa zone optimale
„ La loi de basculement s’écrit
⎧ τ max λ < λlow
⎪
τ i
brake =⎨ 0 λ > λhigh
⎪τ i −1 λlow < λ < λhigh
⎩ brake

16
 Exemple de contrôleur en opération
„ Exemple d’un véhicule lourd
avec des freins
pneumatiques sur sol mouillé
(Wong, 1993)
„ Le cycle de réduction et de
restauration de la pression
dans les freins peut être
répété entre 5 à 16 fois par
secondes
„ La fonction ABS est dé-
enclenchée lorsque la vitesse
du véhicule est en dessous
de 5-6 km/h

Simulation

17
 Simulation des systèmes ABS
„ Équations du systèmes: dynamique longitudinale du véhicule et
de la roue
„ Fonctions de transfert des capteurs de vitesse
„ Fonctions de transfert du modulateur hydraulique et des
électrovannes
„ Modèle du système de contrôle (logique, fonctions de
diagnostic)
„ Autres:
„ Course de la pédale de frein
„ Accéléromètres
„ Accumulateur et énergie électrique primaire

Schéma blocks de l’ABS

⎧mV = −0,5ρSC x (V + Vwind ) 2 − f mg cos ϑ − mg sin ϑ + ∑ Fz µ(λ )

⎨
⎩ Jω = − f Re Fz − bwω − Re Fz µ(λ ) + Te − Tb

18
 Simulation dans Matlab-Simulink

Modèle de
freinage ABS

Voir démo
simulink
complex models

Simulation dans Matlab-Simulink

Modèle de freinage ABS

19
 Résultat d’une simulation

Résultat d’une simulation

Sur sol avec bas coefficient de friction

20
 Résultat d’une simulation
Utiliser la simulation pour
comparer 3 scénarios:
• Haut coefficient de friction µ
avec un ABS
• Bas coefficient de friction µ
avec un ABS
• Bas coefficient de friction sans
ABS

Ceci démontre l’avantage

d’utiliser un ABS

Autres exemples: Ulsoy (1997)

„ Contrôleur ABS linéaire
„ utilise un modèle linéarisé du modèle de freinage
„ Système à retour sur intégrale d’erreur + retour des
variables d’état (proportionnel)
„ pauvres performances même pour des systèmes linéarisés
„ pas pratique de faire des suppositions sur la courbe µ-λ et il
y a encore d’autres paramètres d’incertitude
„ Contrôleur non-linéaire
„ basé sur des règles et des solutions tabulées pour modifier
le couple de freinage et arriver au résultat désiré
„ difficile à mettre au point
„ difficile de donner des garanties de performance

21
Contrôleur linéaire (Ulsoy, 1997)

Contrôleur linéaire (Ulsoy, 1997)

Évaluation des performances sur le système linéarisé

Large overshoot à cause d’un zéro à l’origine

22
 Contrôleur linéaire (Ulsoy, 1997)
Évaluation des performances sur le système non-linéaire

Contrôleur non linéaire (Ulsoy, 1997)

Règle de contrôle:

23
Conclusions
„ Beaucoup de bons articles dans la littérature
„ Contrôle non linéaire: e.g. contrôle en mode glissant
„ Solutions tabulées
„ Il existe de très bonnes solutions même s’il existe toujours des
questions sans réponses: en général ce qui va en production est
une solution propriétaire

Références
„ R.G. Langoria. « Vehicle System Dynamics and Control ». Partim
ABS. The University of Texas Austin. 2002.
„ A.G. Ulsoy & H. Peng. « Vehicle Control Systems ». Chapter 8
Traction Control. University of Michigan. 1997.
„ J.Y. Wong. Theory of Ground Vehicles. 3rd Edition. J. Wiley
Interscience. 2001.
„ U. Kiencke & L. Nielsen. Automotive Control Systems for Engine,
Driveline and Vehicle. Springer Verlag. 2000.
„ R. Bosch. Driving Safety Systems. 2nd edition. SAE
international. 1999.

24