Vous êtes sur la page 1sur 71

KHIAR Djamel

Ingénieur de l’Université de Tizi-Ouzou

Modélisation et commande d’un


moteur thermique à allumage
commandé
1
Contexte 2

Contexte Contexte
environnemental économique
• Épuisement des réserves
énergétiques mondiales en
pétrole

• Nouvelles exigences du
consommateur (confort,
Répartition par secteur des émissions sécurité, consommation,…)
de CO2 dans le monde
• Nouvelles exigences du
• Gaz à effet de serre  CO2  marché (concurrence)

• Pollution atmosphérique  NOx , CO, HC ,...


Réduction des coûts
Des réglementations antipollution plus strictes
3

Contexte

Amélioration des
carburants, traitement
des polluants, nouveaux
an ts carburants (hydrogène,
b ur
Car GPL, GNV
biocarburants,…)

Solutions envisagées
(Pollution atmosphérique, effet de Amélioration des
serre, consommation de Mo performances des
carburant, autres performances Au tori moteurs thermiques
tom sa t
(puissance, confort,…)) (co
mm atiqu ion
existants (exemple :
obs
erv ande e Suralimentation,…)
ate ,
urs
,… Motorisation hybride,
)
électrique, pile à
combustible,…
4

Contexte
Quelques références bibliographiques

Modélisation /Heywood, 1988/ /Bidan 1989/ /Hendricks & Sorensen,1990/


pour la /Moraal & Kolmanovsky, 1999/ /Pursifull et al., 2000/
/Kiencke & Nielsen, 2000/ /Hendricks & Luther, 2001/
commande /Ericsson et al., 2002a/ /Frei, 2004/ …
Moteur suralimenté

Contrôle /Stefanopoulou et al., 1994/ /Bortolet, 1998/ /Kiencke &


Nielsen, 2000/ /Passaquay, 2000/ /Ingram et al., 2003/
moteur /Lauber, 2003/ /Chamaillard et al., 2004/ /Colin, 2006/ …

/Rizzoni, 1989/ /Rizzoni & Connolly, 1993/ /Chen &


observateurs Moskwa, 1997/ /Kim et al., 1999/ /Andersson & Erikson,
2001/ /Stotsky & Kolmanovski, 2002/ /Park & Sunwoo,
2003/ /Chauvin et al., 2004//Andersson, 2005/ …
Sommaire
5

 Introduction
 Modèle orienté « contrôle » d’un moteur thermique
 Lois de commande pour le moteur thermique
 Modélisation floue de type Takagi-Sugeno (T-S)
 Lois de commande pour la stabilisation des modèles flous T-S
 Application à la commande du moteur thermique à allumage commandé
 Estimation du couple moteur instantané
 Régulation de la richesse du mélange air/essence
 Conclusions et perspectives
Introduction
6

Fonctionnement d'un moteur thermique 4-temps à allumage


commandé
Introduction
7

Turbine
Soupape (ou vanne)
de décharge
. : Capteurs (positions angulaires (a),
vitesses (w), pressions (p), températures (T),
débits (d), cliquetis (c), richesse (r), …)

r
Arbre du
Filtre à air turbocompresseur Vanne papillon

Pot
w motorisée
c
catalytique T p y
d a l
Air Aspiration i Collecteur
frais moteur n d’échappement
d
r
T p
e
Compresseur s
Echangeur Collecteur
de chaleur d’admission w c

Schéma de principe d’un moteur à essence turbocompressé


8

Problématiques

Réduction de la cylindrée (Downsizing)


Amélioration de performances
des moteurs thermiques +
Suralimentation en air

Degré de liberté supplémentaire (vanne de


gestion plus fine du décharge)
fonctionnement du moteur
(pertes dues aux accessoires, Rendement, consommation, pollution, …
boite de vitesse robotisée,
confort de conduite, …)
Pas de Commande indirecte (variable
mesure de intermédiaire : pression
Commande en couple du couple ! collecteur, remplissage, …)
moteur Estimation du couple moteur
9

Le banc d’essais moteur

Banc moteur
+ LME de l’université
d’Orléans
PC cible
MOTEUR (essence) MCC Smart injection indirecte
multipoints essence (2 soupapes
par cylindre)

Cylindrée 0,599 litre


Nombre de cylindres 3 cylindres en ligne

Puissance Max  Kw / Hp 1  40/55 à 5250 tr.min


1

Couple max 88 Nm
PC Rapport de compression 10:1

hôte Distribution Fixe


Turbocompresseur Garrett GT12 (turbine à géométrie fixe)

caractéristiques du moteur
thermique utilisé
10

Points traités

Commande Observateur

Couple, Admission d’air Couple moteur


instantané
et d’essence
Dynamique de
Dynamiques de
rotation du
la pression à Admission vilebrequin
l’admission, couple d’essence
fourni par le moteur

Modèles?
Modèle orienté « contrôle » d’un moteur 11

thermique

Principe de modélisation pour le contrôle d'un moteur thermique


12

Méthodes d’estimation des paramètres des modèles

Linéaire par rapport Moindres carrés


aux paramètres  simples
      T Y
* T 1
Modèle statique
Non linéaire par
/Ljung, 1987/
rapport aux paramètres  /Walter & Pronzato, 1994/

Algorithme de moindres carrés


Modèle dynamique non linéaires /Dennis, 1977/
/Coleman, 1996/:
1 1
J  x k   f  x k   i  
2 2
 f x k
2 2 2 i Choix entre plusieurs options:
méthode de Newton avec PCG (preconditioned
f  x    f1  x  f2  x   f n  x  
T
conjugate gradients), algorithme de Levenberg-
Marquardt /Marquardt, 1963/ )


*  arg min J  x  k    Même contexte dans /Anderson, 2005/
13
Admission d’air frais
Pression dans le collecteur d’admission
d’air pcol  
 pap

Aspiration
pam _ pap  moteur m cyl pcol : pression collecteur
m pap
pcol , Tcol , Vcol
pam _ pap : pression en amont de la vanne papillon

m pap : débit massique d’air papillon


Collecteur
d’admission
m cyl : débit massique d’air dans les cylindres

RTcol
p col  t  
Vcol
 m pap  t   m cyl  t  
RTcol
p col  t  
Vcol
  pap  t   m cyl  t  
m
14

Modèle du remplissage des cylindres en air /Hendricks, 2001/ :

Vd
m cyl  N e , pcol , t  
120 RTcol
 s1 pcol  t   s2  N e  t 

N e : régime moteur s1 , s2 : paramètres constants avec  s1  0  et  s2  0 

Modèle du débit massique air traversant la vanne papillon /Heywood,


1988/ /Lauber, 2003/:

pam _ pap  t 
m pap  t   Cd Sres   pap  g  pr  t  
RTam _ pap
pcol  t 
pam _ pap , Tam _ pap : pression et température en amont de la vanne papillon pr  t  
pam _ pap  t 
pam _ pap  t  15
m pap  t   Cd Sres   pap  g  pr  t  
RTam _ pap

Section efficace Seff   pap  d’ouverture de la vanne papillon


/Ericsson et al., 2002a/ /Frei, 2004/

Cd : coefficient de perte de charge


Seff   pap   Cd Sres   pap 
ai  i  1,..., 4 : Paramètres du modèle

Seff   pap   a1 cos  a2 pao p  a3   a4 
Equations de Barré-St Venant /Heywood, 1988/, /Kim et al., 2001/
/Ericsson et al., 2002a/ /Lauber, 2003/

  1
 2  p  t    1   p  t     , si  2   1
1
  pr  t    
  1 r 
r
    1 

g  pr  t   
 1 
  1, 4
  2  2  1  2   1
   , si pr  t    
    1    1
16

Estimation des paramètres constants des


modèles

algorithme Moindres Lsqnonlin


modèle
carrés simples (Matlab)
Débit cylindres s1 , s2
Débit massique air
traversant la vanne ai  i  1,..., 4
papillon

Méthodes associées à l’estimation des paramètres des


modèles
17
Vd
mcyl  N e , pcol , t  

120 RTcol  t 
 s1 pcol  t   s2  N e  t 

1
Essai de validation à 2500 trs.min
120

110

100

90

80
mo dèle (g/s)

70

60

50

40

30

20

10
10 20 30 40 50 60 70 80 90 100 110 120
mesure (g/s)

Comparaison entre le modèle et des données


expérimentales du débit cylindre
18
RTcol
p col  t  
Vcol
  pap  t   m cyl  t  
m

5
x 10
40
2 pression collecteur mesurée
modèle de la pression collecteur 30
1.8
20
1.6
10
pression (Pa)

1.4

erreur (%)
0

1.2
-10

1
-20

0.8 -30

0.6 -40

0.4 -50
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
temps (s) temps (s)

Sortie du modèle de la dynamique Erreur de Sortie du modèle de la


de la pression collecteur pression collecteur
19
Pression de suralimentation en air
 pic  c _ wg

Modèle simplifié :
pic  t 
pic  t  
1
 ic

 pic  t   f  N e , c _ wg ,  pap , pcol , t  
1 N e   2 N ec _ wg   3 pap   4 pcol si pcol  patm
f  N e , c _ wg ,  pap , pcol  
 5 si pcol  patm

c _ wg : commande vanne de décharge

 ic et  i  i  1,...,5 : paramètres constants du modèle


Validité du modèle pour : pcol  patm
1
 
20

p ic  t    pic  t   f  N e , c _ wg ,  pap , pcol , t 


 ic
Essai de validation à 2500 trs.min 1
5
x 10
120 2
commande du papillon en ouverture pression de suralimentation mesurée
commande en fermeture de la vanne de décharge 1.9 modèle de la pression de suralimentation
100
1.8

1.7
80

pression (Pa)
1.6
(%)

60 1.5

1.4
40
1.3

1.2
20
1.1

0 1
0 10 20 30 40 50 60 0 10 20 30 40 50 60
temps (s) temps (s)

Variations de la pression de
Commandes des actionneurs
suralimentation
21

p ic  t  
1
 ic

 pic  t   f  N e , c _ wg ,  pap , pcol , t  
Essai de validation à 2500 trs.min 1
15

10

5
erreur (%)

-5

-10

-15
0 10 20 30 40 50 60
temps (s)

Erreur de modélisation de la pression de suralimentation


22

Admission d’essence

 dynamique de l’essence m fv

 dm ff  t  1
    m ff  t    m fi  t  
 dt f m fi
m f

m fv   1    m fi  t  m ff
m  t   m  t   m  t 
 f fv ff

 , f : paramètres constants du modèle


Phénomène de
mouillage /Hendricks et al.,
1992/ 
23

Richesse du mélange

Richesse dans les cylindres:

m cyl  t 
cyl  t  
s m f  t 

s  14, 67
cyl
1
 t
Sonde de richesse : Sonde de
richesse
1 1
  t      t   cyl  t    N e  
    Ne  t  
  cyl
  N e  : retard variable
24

Couple moteur moyen

 Couple moyen Cm  t  fourni par le moteur

Cm   1 + 2 pcol +  3 pcol
2
+ 4 pcol
3
+ 5  + 6  2 + 7  pcol + 8  2 pcol
 2
+ 9  pcol
2
+ 10 N e + 11 N e pcol + 12  N e pcol + 13 av + 14 av + 15 av 
Ne


Modèle statique Moteur Frein


 av : angle d’avance à l’allumage
 : richesse mesurée du mélange air/essence
 i  i  1,...,15 : paramètres constants du modèle

Validité du modèle pour : pcol  patm


25
Cm   1 + 2 pcol +  3 pcol
2
+ 4 pcol
3
+ 5  + 6  2 + 7  pcol + 8  2 pcol
 2
+ 9  pcol
2
+ 10 N e + 11 N e pcol + 12  N e pcol + 13 av + 14 av + 15 av 
Ne
Essai de validation à 2500 trs.min 1
70

60
modèle du couple (Nm)

50

40

30

20

10

0
0 10 20 30 40 50 60 70
couple issu du frein (Nm)

Comparaison entre le modèle et la


mesure du couple issue du frein
Lois de commande pour le contrôle 26

du moteur thermique

Représentation d’état d’un modèle non linéaire affine en la


commande :
 x  t   f  x  t  , t   g  x  t  , t  u  t 
 (1)
 y  t   H  x  t  , t 

x  t   R n est le vecteur d'état Linéarisation Commande non linéaire


et
u  t   Rm est le vecteur des entrées Commande (modes glissants
linéarisante / /Perruquetti, 2002/,
y t R q
est le vecteur des sorties Slotine & Li, approche LPV
1999/ ,… /Scorletti et al., 1997/,
 
f  x  t  ,t  , g x  t  ,t , H  x  t  ,t commande floue T-S
/Takagi & Sugeno, 1985/,
sont des fonctions non linéaires …)
27
Obtention du modèle flous de type Takagi-
Sugeno (T-S)

(1) Modèle flou de type Takagi-Sugeno (T-S) /Takagi & Sugeno


1985/

 r

 x  t    hi  z  t    Ai x  t   Biu  t  
 i 1
 r
y t  h  z t  C x t (2)
 
i 1
i i

0  hi  z  t    1 Prémisses (non Modèles linéaires


linéarités du modèle) (conclusions des règles)

h  z t  1
i 1
i
propriété de somme convexe
28
Obtention du modèle flous de type Takagi-
Sugeno (T-S)
Obtention du modèle T-S /Taniguchi et al., 2000/ /Morère 2001/
Approche par secteur
nl : nombre de non linéarités distinctes du modèle (1) non linéaire
/Tanaka & Wang., 2001/
Modèle flou T-S composé de r  2nl règles.
Représentation exacte
dans un compact de
Pour une non linéarité fi  x  du modèle (1) : l’espace d’état

fi  inf fi  x  fi  fi  x  fi  x   fi
xI
fi  x    fi   fi T-S
fi  fi fi  fi
fi  sup f i  x         
xI hi1  x  hi 2  x 
29

Stabilisation des modèles flous T-


S

yc  t  u t  y t 
+- Système
Conditions de base :
Loi de commande PDC (Parallel Distributed
Commande x t 
Compensation) /Tanaka & Wang, 2001/ : PDC

/
r
u  t    hi  z  t   Fi x  t  Fi : Matrices (gains)
i 1
constantes
Stabilisation quadratique
des modèles flous TS fonction de Lyapunov V  x  t  

V  x  t    xT  t  Px  t 
/  P  P T
 0
30

Stabilisation des modèles flous T-


S
Boucle fermée : r r
x  t    hi  z  t   h j  z  t    Ai  Bi F j  x  t 
i 1 j 1

Condition de stabilité (méthode directe de Lyapunov):


 A BF  
r r
V  t    hi  z  t   h j  z  t   xT  t  P  P  Ai  Bi F j  x  t   0
T
i i j
i 1 j 1

r r

Double somme :  h  z  t   h  z  t   
i 1 j 1
i j ij 0

ij   Ai  Bi Fj  P  P  Ai  Bi Fj 
T
Avec :
31

Stabilisation des modèles flous T-


S
r r

Boucle fermée :  h  z  t   h  z  t   
i 1 j 1
i j ij 0

r r r

 h  z     h  z  h  z   
i 1
i
2
ii
i 1 j  i
i j ij   ji   0

Théorème 1 /Tanaka et al., 1998/ :


L'équilibre du modèle flou continu (2) est asymptotiquement
stable s'il existe une matrice P  PT  0 telle que :

/
 ii  0
ij   Ai  Bi Fj  P  P  Ai  Bi Fj 
T

 ij   ji  0 i  j
pour tout i, j  1, 2,  , r , exceptées les paires  i, j  telles que hi  z  t   h j  z  t    0, t
32

Stabilisation des modèles flous T-


S
Obtention des gains de commande :

Changement de variables : X  P 1 Fi  M i P 1

ij  Ai X  XAiT  Bi M j  M Tj BiT

Le problème du Théorème 1 devient LMI (pour Linear Matrix


Inequalities /El Ghaoui, 1997/)
LMI toolbox de Matlab (Problème d’optimisation convexe (point
intérieur /Boyd et al., 1994 /)
Il existe des relaxations des conditions du Théorème 1 introduisant
ou non des variables supplémentaires /Tanaka & Wang, 2001/ /Tuan et al.,
2001/ /Liu & Zhang, 2003/
33

Stabilisation des modèles flous T-


S
Structure intégrale et rejet de perturbation /Guerra &Vermeiren, 2003/
x I  t   yc  t   y  t  État augmenté : X ( t ) = éêëx ( t ) x I ( t ) ùúû
T T T

yc  t  xI  t  u t y t  A 0

r r

hh zz tt ML xx  tt  Ai   i


0 
 i i I  Système
 Ci
 i 1 i
i 1
i I

B 
x t Bi   i 
r 0
h  z t  F x t
i i

Ci   Ci 0
i 1

stabilisation
Structure intégrale
r  x t  r

La commande u  t    hi  z  t     Fi Li      hi  z  t   K i X  t 
.
i 1  xI  t   i 1
34

Stabilisation robuste des modèles flous T-S


incertains

Modèles flous T-S incertains /Lauber et al.,2005/ /Khiar et al., 2007/


 r

 x  t    hi  z  t     Ai  Ai  x  t    Bi  Bi  u  t   D1w  t  


 i 1 (3)
 r
 y  t   h  z  t     C  C  x  t   D w  t  
 
i 1
i i i 2

a  t  a  t   I
T

A  H a  t  E
b  t  b  t   I
T
B  H1b  t  E1
C  H 2 c  t  E2  c  t  c  t   I
T

. H , H1 , H 2 , E , E1 , E2 sont des matrices constantes de dimensions appropriées


35

r
Loi de commande PDC : u  t    h  z t  F x t
i 1
i i

Critère de performances H  /Gahinet, 1996/ :


 
0
y T
 t  y  t  dt   2

0
wT  t  w  t  dt

V  x  t    yT  t  y  t    2 wT  t  w  t   2V  x  t  

  0 : un taux de décroissance (decay rate)


. Conditions de stabilité de la boucle fermée et minimisation de 
Théorème 2 /Lauber et al.,2005/
Applications à la commande 36

du moteur thermique : but

Variables mesurées

Consigne Couple
de Couple
Commande Moteur moteur

Mesure ?
Applications à la commande 37

du moteur thermique : but

« estimation »
Variables mesurées
statique
partielle (frein)

Consigne Couple
de Couple
Commande Moteur moteur
Applications à la commande 38

du moteur thermique : but

Variables mesurées

Couple
Consigne
de Pression
Commande Moteur Pression moteur
collecteur collecteur
Applications à la commande 39

du moteur thermique : but

« estimation »
Variables mesurées
statique
partielle (frein)

Consigne Couple
de Couple
Commande Moteur moteur

Estimation
du couple
40

Suivi de consigne en pression dans le collecteur


d’admission d’air

Cas d’un moteur atmosphérique : Pcol  Patm , Pam _ pap  Patm


Considérons : x1  Pcol , x2   pap , u  cmd

Modèle sans la

 x1  f1  x1 , x2  x2  f 2 x1 ,  x1


Modèle
suralimentation  1
en air x
 2   u  x2  flou T-S
  pap
,
y  x1
RTcol
Et les fonctions : f1  x1 , x2   m pap  x1 , x2 
x2Vcol f i  f i    f i , i   1, 2
RT
  
f 2 x1 ,   col m cyl  , x1
x1Vcol

41

Suivi de consigne en pression dans le collecteur


d’admission d’air

Matrices du modèle flou T-S :

2 non linéarités 22  4 règles floues


 f2 f1   f2 f1   f2 f1   f2 f1 
      A  1 

A1   1  A2   1  A3   1  4  0 
0  0  0 
 
 pap    pap    pap    pap 
  
 0 
C  C2  C3  C4   1 0
B1  B2  B3  B4   1  , 1
 pap  f1  0.5, f1  2, f 2  10, f 2  60,  pap =0.027s
Matrices des incertitudes :
1 0    0.1 0.1 E1i  0.3 0.1
 , H1    , H 2   0 0 , Ei  
H  0 D1    , D2  0,1
0 1 , 1
  1
   0 0  E2 i  0,
yc  t  xI  t  u t y t
42

rr



 hh  zztt  M L xx tt
i 1
i
i
i I
i I


Système
i 1

x t
r

h  z  t  F x  t
i 1
i i

 x t   x1  t  
Avec structure intégrale X  t   x t   
 où  
x 
 I  t  x
 2  t
x I  t   yc  t   y  t 

Théorème 2 Gains de la loi de commande PDC


  2, 68

éK 1 K3ù é0,1 - 0, 8 - 27, 3 - 0, 5 - 0, 8 - 17, 5ù


ê ú ê ú
ê ú= ê52, 9 2.6
êK 2 K4ú êë - 903, 8 52, 3 2, 5 - 894 úú
ë û û

  0, 015
Variables
Résultat mesurées 43

expérimental
Couple
Consigne Commande Moteur
de Pression moteur
Pression collecteur
collecteur

1 28
pression mesurée
consigne de pression 26
0.9
24

ouverture papillon(%)
0.8 22
pression(bar)

20
0.7

18

0.6
16

14
0.5

12
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
temps(s) temps(s)

Suivi de consigne en pression collecteur Commande de la vanne papillon


sans la suralimentation en air d’air
Suivi de consigne en pression collecteur avec 44

suralimentation en air

Moteur suralimenté : Pcol  Pmax , Pmax  Patm , Pam _ pap  Pic

Réduction de la Vanne papillon la plus ouverte possible


consommation lorsque pcol  patm /Ericsson et al., 2002/
/Colin et al., 2005/
Moins de pollution
Suivi de consigne en pression collecteur avec 45

suralimentation en air

Moteur suralimenté : Pcol  Pmax , Pmax  Patm , Pam _ pap  Pic

Réduction de la Vanne papillon la plus ouverte possible


consommation lorsque pcol  patm /Ericsson et al., 2002/
/Colin et al., 2005/
Moins de pollution
Il est alors possible de minimiser les pertes de pompage dont le travail W pomp

W pomp  Vd  pech  pcol  réduire pech  pcol /Ericsson et al., 2002/

pech pression à l’échappement


réduire pic  pcol
46

Commandes du papillon et de la vanne de décharge


calculées séparément
Gestion de la consigne de la
pression de suralimentation
 pap , N e , pcol , pic 

c _ wg
pcol _ cons pcol _ cons pmax pic _ cons
Commande Moteur
cmd pcol p  patm

Schéma de commande en pression


collecteur du moteur suralimenté
c _ wg 47

c _ wg pic  t 

pic  t 
Commande floue T-S du Même méthode de calcul avec :
la vanne papillon pcol  t 
pr  t  
pic  t 

 Avec une commande PI de la vanne de


décharge :
Linéarisation du modèle de pic  t  Nouvelle entrée du modèle
/Slotine & Li, 1990/
p ic  t   
1
 ic
pic  t   f   pap , c _ wg , N e , pcol   v  t   f   pap , c _ wg , N e , pcol 

1
p ic  t   
 ic
 pic  t   v  t  
Commande linéaire de type PI
Résultat pic _ cons 48
c _ wg pic  t 
expérimental pcol _ cons pmax
+_
patm
Commande Moteur

essai à 2500 trs  min 1

pression collecteur mesurée ouverture papillon


1.6 consigne de pression collecteur 120 commande de fermeture de la vanne de décharge
pression de suralimentation mesurée
1.4 100
pression(bar)

1.2 80

(%)
1 60

0.8 pic  pcol 40

0.6 20

10 15 20 25 30 10 12 14 16 18 20 22 24 26 28 30
temps(s) temps(s)

Suivi de consigne pour


la pression collecteur avec Commandes des actionneurs
suralimentation en air
pcol _ cons pmax pic _ cons
yc  t  xI  t  u t pic
y t 49

rr



 hh  zztt  ML xx  tt
i
i 1 i
i I
i I


Système
patm i 1

x t
r

 hi  z  t   Fi x  t 
i 1

 Commande floue T-S de la pression de suralimentation


à l’aide de la vanne de décharge :
1 N e   3 pap   4 pcol 1
1  
p ic  1  N e ,  pap , pcol  pic   2  N e  c _ wg  ic pic  ic
 N
2  2 e
Où : 1  1  1 et  2   2   2  ic

Loi de commande PDC avec ajout d’une structure intégrale


X T  t    xT  t  xTI  t   avec x  t   y  t   pic
 K1   3,168 -13,939 
Théorème 1   
-5,8003 3
 K 2   1,3237 .10 /   2.95
(Conditions de base  K 3   3,293 -14,453
avec taux de décroissance)    
 K 4  1,3269 -5,8057 
Résultat 50

expérimental
La commande floue de la vanne de décharge :
1
Essai à 2500 trs  min
1.8
pression collecteur mesurée ouverture papillon
1.6 consigne de pression collecteur commande de fermeture de la vanne de décharge
100
pression de suralimentation mesurée
1.4
80
1.2
pression (bar)

60

(%)
1

0.8
40

0.6
20
0.4

0.2 0
0 5 10 15 20 25 30 0 5 10 15 20 25 30
temps(s) temps (s)

Suivi de consigne en pression Commandes floues


collecteur du moteur suralimenté des actionneurs
Variables
Commande en couple mesurées 51

du moteur Consigne Commande Moteur


Couple
de Couple moteur

Estimation
du couple

Modèle pour la commande en couple du moteur :



F x1 , x2 ,  ,  al ,  
 
 x1  f1  x1 , x2  x2  f 2 x1 ,  x1

 
f 3 x1 , x2 ,  ,  al ,  
x2
 1
 x2    u  x2  
f3  f3 x1 , x2 ,  ,  al ,   f3 
 pap

 
y  f 3 x1 , x2 ,  ,  al ,  x2
Modèle statique
du couple 
Cm  t   F x1 , x2 ,  al ,  ,  

3 non linéarités : 
f1  x1 , x2  , f 2  x1 ,  , f 3 x1 , x2 ,  ,  al ,  
Modèle T-S à 8 règles de la forme (3)
Résultat  52

expérimental Moteur Frein

40
consigne en couple
60
mesure du couple(frein)
35

50
30

ouverture papillon(%)
40
couple(Nm)

25

30 20

20 15

10 10

5
0
0 50 100 150 200 250 0 50 100 150 200 250
temps(s) temps(s)

Suivi de consigne en couple Variations de l'ouverture


moyen du papillon d'air motorisé
Résultat  53

expérimental Moteur Frein

50 2600
estimation du couple(modèle)
2580
45 consigne en couple
mesure du couple(frein) 2560
40
2540
35

régime(tr/min)
2520
couple(Nm)

30 2500

25 2480

2460
20
2440
15
2420

10
2400
0 5 10 15 20 25 30 35 0 50 100 150 200 250
temps(s) temps(s)

Estimation et suivi
Variations du régime moteur
de consigne en couple
54

Estimation du couple moteur instantané

Objectif : Estimation du couple moteur instantané à partir


de la mesure du régime moteur
Dynamique de rotation du vilebrequin :

   
I e  ,    Tcomb  t   f  ,  2  Tload
*
 t

 
I e  ,   I eq  cste
 dh   d h 
ncyl 2

f   ,   M  

 
j j

  d
osc 2
 d j 1  
T *
load  t couple de charge étendu (couple de frottement
+ couple de charge)
/Swoboda, 1984/ /Kiencke & Nielsen, 2000/ /Khiar et al, 2005/ /Khiar et al, 2006/
55

Le modèle de la dynamique de rotation du vilebrequin peut


se mettre sous la forme :

 
I eq u  f  ,   2 Avec : u  Tcomb  t   Tload
*
 t
2
Tc o mb
ts et(k )

Observations : /Kiencke & Nielsen, 2000/ 1.5

c o up le (Nm .1 e -2 )
1
PMH
1) le couple moteur instantané
s’annule lors du passage par les 0.5

PMH. 0

2) Le couple de charge varie -0.5


0 2 4 6 8
a ng le vile b re q uin (r a d )
10 12

lentement / couple moteur tSET  k  1  tSET  k  


4 120
, k 0
3 
tSET  0   tSET0
x z 56
y Système
observateur x̂
Observateur à entrée inconnue

Observateur à grand gain Algorithme de super-twisting


/Stotsky & Kolmanovski, 2002/  /Levant, 1998/ /Fridman & Levant, 2002/
z  x  y z  x  y
z , y Variables mesurées Observateur :
x Variable inconnue ẑ  y    s  / s  z  zˆ
Observateur : 1
     y   z 2
  s   u1   s sgn  s 
2

e   z   x u1   sgn  s 
x̂   z  
  0,   0 /Levant, 1998/
Erreur de l’observateur :
1 u
e  t   e  0 e
2  t b12
 2

z   , y  
I eq
 
f  ,   2 , x 
I eq
Résultat 57

de simulation 60

40

20

c o up le (Nm)
0

250 -20
co up le d e co mb ustio n
o b serv a te ur à g ra nd g a in
co up le d e co mb ustio n
a lg o rithme d e Sup er-twisting -40
200 PMH
o b serva te ur à g ra nd g a in
a lg o rithme d e Sup er-twisting
-60
150 1 2 3 4 5 6 7 8 9 10 11
c o up le ( Nm)

te mp s (s) x 10
-3

100
40
o b serv a teur à g ra nd g a in
50 30
a lg orithme d e Super-twisting

20
0

e r r e u r ( Nm )
10

-50
0 0.01 0.02 0.03 0.04 0.05 0.06 0
te mp s (s)
-10

Estimation du couple -20

moteur instantané
-30
0 0.01 0.02 0.03 0.04 0.05 0.06
temp s (s)

Erreur d'estimation du
  4700 /   30,   480 couple moteur instantané
Régulation de la richesse du mélange
58

air/essence

Objectif de la commande Richesse à 1  5% 

Modèle pour la régulation de la richesse :

cyl  t   f  . cyl  t   g  . u  t  Retard variable



 1 1
   t   

  t  


cyl t    N e  t   
  

y t    t

 1 m  s 
 , g  . 

avec f  .     cyl
  f m cyl
et f  f  .  f , g  g  .  g
   f m cyl

u  t   m fi  t  Débit des injecteurs


59

Stabilisation des modèles T-S avec retard


variable

 r


 x  t    hi  z  t   Ai x  t   Di x  t   i  t    Bi u  t   Ei u  t   i  t   
 i 1

x  t     t  , t    , 0 (4)
 r
 y  t    hi  z  t   Ci x  t 
 i 1

 i  t  , i   1, , r , sont des retards variables (fonctions continues) bornés  i  t   

Exemples de résultats existants pour la stabilisation de ces modèles :


retards variables
retards constants
conditions indépendantes conditions dépendantes
du retard du retard (dérivée ou
/Cao & Frank 2001/ /Wang et al., 2004/ bornes du retard)
.
(conservatif) /Guan & Chen 2004/
/Lin et al., 2006/
60

Stabilisation des modèles T-S avec retard


variable

 r Stabilisation
 
 x  t    hi  z  t   Ai x  t   Di x  t   i  t    Bi u  t   Ei u  t   i  t  
 i 1

(4)  x  t     t  , t    , 0
 r
PDC
 y  t    hi  z  t   Ci x  t  r

 i 1
u  t    hi  z  t   Fi x  t 
i 1

 i  t  , i   1, , r sont des retards variables (fonctions continues) bornés  i  t   

Exemples de résultats existants pour la stabilisation de ces modèles :


retards variables
retards constants
conditions indépendantes conditions dépendantes
du retard du retard (dérivée ou
/Cao & Frank 2001/ /Wang et al., 2004/ bornes du retard)
.
(conservatif) /Guan & Chen 2004/
/Lin et al., 2006/
61

Stabilisation des modèles T-S avec retard


variable

Théorème 3 : /Lin et al., 2006/ 


La loi de commande PDC stabilise le modèle TS à retards (4)
s’il existe des matrices X  0,U i  0,Vi  0,Wi  0, Si  0, et M i ,i   1, , r
telles que les conditions LMI suivantes soient satisfaites pour
i, j , k , l   1, , r , i  j :
 Ai  Di  X  Bi M i   *   Di  U i  Vi  Wi  DiT  Ei Si EiT   3  1 X  0
 A D A
i i j  D j  X  B j M i  Bi M j   *
 Di  U i  Vi  Wi  DiT   D j  U j  V j  W j  DTj  Ei Si EiT  E j S j E Tj  2  3  1 X  0

 X  *   0,  X  *   0,  X  *   0,  X  *   0
       
 Ak X  Bk M l U i   Dk X Vi   Ek M l Wi   Ml  Si 
.

La notation (*) correspond à la transposée d’un élément d’une matrice symétrique


62

Stabilisation des modèles T-S avec retard


variable

Gains de la PDC?
1
Théorème 3 : /Lin et al., 2006/  Fz  M z X
La loi de commande PDC stabilise le modèle TS à retards (4)
s’il existe des matrices X  0,U i  0,Vi  0,Wi  0, Si  0, et M i ,i   1, , r
telles que les conditions LMI suivantes soient satisfaites pour
i, j , k , l   1, , r , i  j :
 Ai  Di  X  Bi M i   *   Di  U i  Vi  Wi  DiT  Ei Si EiT   3  1 X  0
 A D A
i i j  D j  X  B j M i  Bi M j   *
 Di  U i  Vi  Wi  DiT   D j  U j  V j  W j  DTj  Ei Si EiT  E j S j E Tj  2  3  1 X  0

 X  *   0,  X  *   0,  X  *   0,  X  *   0
       
 Ak X  Bk M l U i   Dk X Vi   Ek M l Wi   Ml  Si 
.

La notation (*)correspond à la transposée d’un élément d’une matrice symétrique


63
Sonde de
richesse
   Ne  t  

Régulation de la richesse cyl

Approximation du retard variable


pour la simulation /Hendricks & Luther, 2001/    Ne  t   
60 
1 
1 

Ne  t   ncyl 

X  cyl  t    t xI  t  
T
avec Modèle flou T-S avec retard de la forme
(4) par découpage des non linéarités
f 0 0 f 0 0 g  g 
     
A1  A2   0 
1
0 , A3  A4   0 
1
0 , B1  B3   0  , B2  B4   0  , C1  C2  C3  C4   0 1 0 ,
       
    0  0 
0 1 0 0 1 0  
0 0 0
0

D1  D2  D3  D4  
1

0 0 , E1  E2  E3  E4   0 
Borne supérieure du retard   40 ms
  
   0   K1  3,73 0,33 -5,95
0 0 0   
 K 2   3,56 0,32 -5,15
Théorème 3  K 3  5,54 0,17 -5,91
   
 K 4  5,53 0,16 -5,95
Résultat 64

de simulation
60  1 
  Ne  t    1  
Ne  t   ncyl 
Régulation de la richesse
19 0.04

0.038
18
0.036
déb it massiq ue (g/s)

17
0.034

retard (s)
16 0.032

0.03
15

0.028

14
0.026

13 0.024
0 5 10 15 20 25 30 0 5 10 15 20 25 30
temps (s) temps (s)

Débit entrant dans les cylindres Évolution du retard variable


(perturbation) sur la mesure de la richesse
Résultat 65

de simulation

Régulation de la richesse
1.5

1.06
1.4

1.04
1.3

débit massique (g/s)


1.02 1.2
richesse

1 1.1

0.98 1

0.9
0.96

0.8
0 5 10 15 20 25 30 0 5 10 15 20 25 30
temps (s) temps (s)

Régulation de la richesse
(bruits + perturbations) Commande associée
66

Conclusions et perspectives

Modèle moyen :
-- approche simplifiée et quasi systématique de modélisation du moteur
-- complexité réduite pour la commande

Lois de commande pour le moteur thermique suralimenté ou non


-- commande du circuit d’air du couple du moteur avec validation sur banc
-- résultat sur la stabilisation floue robuste des modèles T-S incertain

-- premier résultat sur l’estimation du couple moteur instantané


-- premier résultat sur la modélisation et la commande de l’admission d’essence
tenant compte du retard variable
67

Conclusions et perspectives

à court terme :
-- identification du modèle de la dynamique de l’admission d’essence
-- amélioration du résultat de la commande de l’essence (Stabilisation robuste de
modèle T-S /Tian & Peng, 2006/) et validation sur banc d’essais.
-- validation expérimentale de l’approche d’estimation du couple moteur instantané
-- test de lois de commande robustes (modes glissants) pour la commande de la
vanne de décharge
68

Conclusions et perspectives

à moyen terme
-- traiter la commande du moteur pour des régimes plus faibles et pendant les phases
du ralenti
-- approche systématique du calcul des lois de commande T-S pour une génération
automatique de commande de certaines variables des moteurs
Modélisation et commande d’un moteur 69

thermique à allumage commandé

Merci pour votre


attention…
70

Stabilisation robuste des modèles flous T-S


incertains

 ij  *  *  *  *  *  *  *  *  * 
 
 Ci X I 0 0 0 0 0 0 0 0 
 H 2T X 0  ij I 0 0 0 0 0 0 0 
 T 
 D1  D2 Ci X
T
0 0 D2T D2   2 I 0 0 0 0 0 0 
 HTD 0 0 0 ij I 0 0 0 0 0 
 2 2i

ij   Ei X 0 0 0 0  ij I 0 0 0 0 
 E M 0 0 0 0 0 ij I 0 0 0 
 1i j

 E2 XT
0 0 0 0 0 0  ij I 0 0 
 
 E T
2 D2 X 0 0 0 0 0 0 0 ij I 0 
  X  T  
  j
 0 0 0 0 0 0 0 0 T 
 j   j
    Tj AiT  
   
.

avec : ij   j AiT  Ai Tj  M Tj BiT  Bi M j   ij HH T  ij H1 H1T  2 X


71
Stabilisation robuste des modèles flous T-S
incertains

Théorème 2 /Lauber et al.,2005/


Considérons le modèle T-S incertain défini (3) auquel est
appliquée la loi de commande PDC alors, la boucle fermée est
globalement asymptotiquement stable et assure une atténuation
H
, s’il existe des matrices et des scalaires
  0 X  0, M i ,  i ,  i
tels que :
 ii  0,  ij ,ii  0,ij , ii  0, ij , ii  0 / i, j   1,  , r

ii  0
/Tuan et al., 2001/
2
ii  ij   ji  0 relaxation des conditions classiques
r 1