Conception des systèmes de commande de véhicules : Guide de simulation des moteurs

<Retour au développement de la plateforme

Par Johnny Liu, PDG de Dowway Vehicle | Publié : 5 mars 2026

L’industrie des véhicules à énergies nouvelles (VEN) est en pleine expansion. Les moteurs automobiles constituent les unités centrales de puissance et d’exécution auxiliaires. Les performances de leurs systèmes de contrôle déterminent directement la dynamique, la consommation et la sécurité des véhicules. La technologie de simulation remplace le modèle traditionnel de recherche et développement par essais et erreurs. Elle permet de réduire les coûts, d’accroître l’efficacité et de garantir la reproductibilité des tests.

Ce guide décrit en détail le processus de conception de simulations pour les systèmes de commande de moteurs automobiles, un élément essentiel de la conception des systèmes de commande de véhicules. Il se concentre sur les moteurs synchrones à aimants permanents (MSAP), la modélisation du système, la conception de la stratégie de commande et la validation en conditions réelles.

1. Le passage à la simulation dans les systèmes modernes

Les moteurs entraînent les systèmes de direction et de freinage des véhicules électriques et hybrides. Le système de commande, véritable « cerveau », reçoit les instructions de l’unité de commande du véhicule (VCU) et exécute des algorithmes pour réguler la vitesse, le couple et le courant.

Le cycle traditionnel de R&D « construction matérielle → essais physiques → ajustement des paramètres » est trop long et trop coûteux. Les conditions extrêmes, comme les accélérations brusques ou les démarrages à basse température, endommagent souvent le matériel. En créant un environnement virtuel pour le moteur, le contrôleur et le véhicule, les ingénieurs repèrent les défauts de conception au plus tôt et corrigent les paramètres en toute sécurité. Cette méthode de « validation virtuelle et itération physique » est aujourd’hui une pratique courante.

2. Principes fondamentaux de la simulation pour la commande des moteurs de véhicules

Objectifs fondamentaux de la conception de simulation

En ingénierie, la simulation vise une modélisation précise, une validation rapide et des performances accrues. Plus précisément, nous avons pour objectif de :

• Reproduire les réponses dynamiques avec une marge d’erreur de ≤5% par rapport aux tests physiques.
• Valider les stratégies de contrôle dans toutes les conditions. Maintenir l’erreur de vitesse ≤±1% et ondulation de couple ≤±2%.
• Ajustez les paramètres pour réduire les pertes de cuivre et de fer et ainsi améliorer l’efficacité du système.
• Simuler des scénarios de panne (comme des capteurs défectueux) pour vérifier la tolérance aux pannes et répondre aux exigences. ISO 26262 normes.

Flux de travail de simulation en 7 étapes

Nous utilisons MATLAB/Simulink (avec Motor Control Blockset et Simscape Electrical) car il prend en charge la co-simulation multi-domaines (par exemple, avec Carsim) et la génération automatique de code C embarqué. Le flux de travail comprend :

1. Analyse des besoins : Définir les spécifications du moteur et l’état du véhicule.
2. Modélisation des systèmes : Concevez les modèles de l’installation, du capteur, du contrôleur et de l’onduleur.
3. Conception de la stratégie de contrôle : Appliquer des algorithmes comme la commande vectorielle (FOC).
4. Configuration de la simulation : Intégrez les modules et configurez les étapes variables.
5. Validation de la simulation : Tester le démarrage, l’accélération et le freinage.
6. Optimisation des paramètres : Réglez les variables PID et SVPWM.
7. Vérification du matériel : Porter le code vers l’unité microcontrôleur (MCU).

3. Modélisation système pour les contrôleurs de moteurs automobiles

Modélisation corporelle PMSM

Le modèle PMSM utilise le système de coordonnées tournantes $dq$ pour décrire les caractéristiques électromagnétiques. Les équations mathématiques fondamentales sont :

Équations de tension :

u_d=R_si_d+L_d\frac{di_d}{dt}-\omega_eL_qi_q

u_q=R_si_q+L_q\frac{di_q}{dt}+\omega_eL_di_d+\omega_e\psi_f

Équation du couple :

T_e=1,5p(\psi_fi_q+(L_d-L_q)i_di_q)

Équation mécanique :

T_e-T_L=J\frac{d\omega_m}{dt}+B\omega_m

Pour notre simulation, nous avons entré des paramètres typiques du véhicule : 50 kW puissance nominale, 15000 tr/min, 4 paires de pôles, 0,02 Ω résistance du stator, 0,5 mH inductance de l’axe dq, 0,175 Wb liaison de flux, et 0,01 kg·m² moment d’inertie.

Modélisation des convertisseurs de puissance et des capteurs

• Onduleur: Une topologie triphasée à deux niveaux (6 IGBT, 6 diodes). Nous avons fixé la fréquence de commutation des IGBT à 10 kHz, une zone morte de 3 μs, alimenté par un 400 V batterie (la plage standard est 300-800 V).
• Capteurs actuels : Capteurs à effet Hall mesurant -200 A à 200 A avec ±0,5% précision et 0,1% bruit simulé.

• Capteur de position : UN 16 bits Le modèle de résolution assure un suivi de rotor de haute précision.

Le modèle de contrôleur traite la conversion ADC, les transformations de Clarke (triphasée à αβ) et de Park (αβ à dq), les deux boucles fermées et la génération PWM finale.

4. Stratégies de contrôle fondamentales dans la conception des systèmes de véhicules

Commande vectorielle (FOC)

La commande vectorielle (FOC) transforme les courants statoriques en courant d’excitation (i_d) et en courant de couple (i_q). Pour les moteurs PMSM de véhicules montés en surface, nous utilisons… i_d=0 La stratégie consiste à réguler uniquement le couple par i_q, assurant ainsi un fonctionnement efficace du moteur.

Optimisation des paramètres et sécurité ISO 26262

La boucle de courant doit répondre 10 fois plus vite que la boucle de vitesse. Nous visons un temps de démarrage de ≤0,5s, dépassement ≤5%, erreur de vitesse ≤±1%et ondulation de couple ≤±2%. Nous ajoutons également une commande prédictive pour gérer les variations de charge soudaines, comme lors de la montée de côtes.

Pour garantir la sécurité et respecter la norme ISO 26262, le modèle coupe la modulation de largeur d’impulsion (PWM) si le courant dépasse une certaine valeur. 1,5x Les limites nominales ou la tension de la batterie dépassent les limites de fonctionnement ou dépassent les limites de fonctionnement. 1,1x. La puissance de sortie diminue si les températures dépassent 150°C et passe en mode boucle ouverte en cas de défaillance des capteurs.

5. Validation de la simulation et analyse des performances

Nous avons effectué une simulation pour 10s avec une taille de pas variable commençant à 1e-5s.

Nos paramètres PID optimisés :

• Boucle de vitesse : K_p=0,5, K_i=10, K_d=0,01
• Boucle actuelle : K_p=5, K_i=100, K_d=0,05

Résultats obtenus dans 4 conditions de conduite typiques :

1. Démarrage (0 → 1000 tr/min, 20 N·m) : Prend 0,35s, 3% dépasser, 0,5% erreur en régime permanent.
2. Accélération (1000 → 5000 tr/min, 50 N·m) : Finit une transition en douceur dans 1,2 s avec un suivi précis.
3. Régime permanent (5000 tr/min, 50 N·m) : fluctuation de vitesse ≤±5 tr/minondulation de couple ≤±1N·m.
4. Freinage régénératif (5000 → 0 tr/min, -40 N·m) : Décélération en toute sécurité 1,5 s avec une récupération d’énergie stable.

Chez Dowway Vehicle, l’utilisation de ce cadre de simulation précis a permis de réduire notre cycle de R&D de plus de 30% et une efficacité opérationnelle du moteur améliorée par > 5 %.

6. Questions fréquemment posées sur la conception des systèmes de commande des véhicules

Q1 : Comment doit-on construire un modèle de dynamique du véhicule pour la conception du système de contrôle ?

Réponse courte : Cela dépend de la manœuvre. Utilisez des modèles cinématiques pour les basses vitesses, des modèles de vélo pour la maniabilité et des modèles complets pour les tests finaux.

Explication: Les ingénieurs choisissent les modèles mathématiques en fonction du cas d’utilisation. Les modèles cinématiques gèrent les mouvements géométriques (comme le stationnement). Le modèle dynamique du vélo simplifie la voiture en ne considérant que les roues avant et arrière, ce qui le rend idéal pour le contrôle latéral. Les modèles de véhicule complets couvrent les dynamiques longitudinale, latérale et verticale pour une validation rigoureuse des simulations.

Q2 : Comment peut-on garantir la stabilité et la maniabilité du véhicule ?

Réponse courte : Des systèmes comme le contrôle électronique de stabilité (ESC) freinent automatiquement chaque roue individuellement pour éviter le dérapage.

Explication: Le contrôle dynamique latéral assure la stabilité. L’ESC détecte les pertes d’adhérence du volant et applique automatiquement une force de freinage précise sur les roues concernées pour corriger le survirage ou le sous-virage. Ce contrôle direct du moment de lacet maintient la voiture stable sur la route.

Q3 : Quels algorithmes de contrôle sont les plus couramment utilisés dans les systèmes de contrôle des véhicules ?

Réponse courte : L’industrie utilise le PID pour les fonctions de base, le contrôle robuste pour l’incertitude matérielle et le contrôle prédictif par modèle (MPC) pour la conduite autonome.

Explication: La commande classique (PID, régulateur linéaire quadratique) est adaptée aux systèmes linéaires. La commande robuste et non linéaire (commande par modes glissants, commande H-infini) gère les variations physiques imprévisibles. La commande prédictive par modèle anticipe le comportement futur afin de calculer des entrées optimales dans le respect de contraintes strictes, ce qui en fait la solution de choix pour le suivi de trajectoire.

Q4 : Comment gérer les non-linéarités et les incertitudes dans la dynamique des véhicules ?

Réponse courte : Les ingénieurs combinent des filtres d’estimation d’état avec des contrôleurs adaptatifs pour s’ajuster automatiquement aux changements physiques soudains.

Explication: Les véhicules réels doivent gérer la saturation des pneus et les variations d’adhérence. Les systèmes utilisent des outils comme le filtre de Kalman étendu pour estimer des états que nous ne pouvons pas mesurer directement (comme l’angle de dérive). Les contrôleurs adaptatifs exploitent ces données et s’ajustent aux chocs extérieurs, assurant ainsi la stabilité du véhicule même si le modèle de base est imparfait.

Q5 : Comment plusieurs sous-systèmes de véhicule peuvent-ils être contrôlés simultanément ?

Réponse courte : Les véhicules utilisent une architecture de contrôle dynamique intégré du véhicule (IVDC) qui fait office de cerveau central.

Explication: Le système IVDC coordonne des éléments qui pourraient autrement s’opposer. Il relie le système antiblocage des roues (ABS), l’antipatinage, le régulateur de vitesse électronique (ESC) et la suspension active. Cette répartition intelligente des commandes entre plusieurs actionneurs optimise simultanément la sécurité, la maniabilité et l’efficacité énergétique.

Bonus : Le flux de travail de conception du contrôle des véhicules MPC

La commande prédictive par modèle (MPC) est la norme en matière de contrôle avancé des véhicules. Les ingénieurs suivent un processus en quatre étapes pour la mettre en œuvre :

1. Modélisation des installations : Définir le modèle mathématique du véhicule pour prédire ses états futurs sur un horizon temporel défini.
2. Définition de la contrainte : Définir des limites mathématiques strictes pour le matériel physique (angle de braquage maximal, limites de frottement des pneus).
3. Formulation de la fonction de coût : Définir un objectif mathématique pour minimiser les erreurs (comme le franchissement d’une ligne) tout en limitant les à-coups de la commande afin de préserver le confort des passagers.

Optimisation en temps réel : Le contrôleur résout ce problème mathématique à chaque étape, applique la première action et recalcule tout à nouveau dans la boucle suivante.