Contributions to model-based predictive energy management in hybrid electric vehicles - Université d'Orléans Accéder directement au contenu
Thèse Année : 2017

Contributions to model-based predictive energy management in hybrid electric vehicles

Contributions à la commande prédictive pour la gestion d'énergie d'un véhicule hybride électrique

Résumé

For a hybrid electric vehicle, one of the most challenging aspects from a control perspective is the power split between the engine and the motors, problem referred to as energy management. The question that arises is how to exploit the additional degree of freedom - the electric path - such that the vehicle performance related to consumption is improved. The required robustness for the control strategies encourage the choice of model-based methods and in the present context of telemetry data acquisition, model predictive control emerges as an attractive option, motivated in addition by its ability to handle the constraints. Most of the current energy management strategies are application-oriented and therefore, a generic hybrid powertrain model would provide more flexibility. This thesis is developed on two main axes: the synthesis of a generic model and of a MPC-based control strategy for the energy management, with a self-tuning mechanism. If the torque split is the main control objective, other functionalities can be introduced, such as engine stop/start and coasting. The latter is usually handled in the literature with a map-based strategy, but here an analytical solution was proposed. A validation on a vehicle high-fidelity model for a mild hybrid with a dual-clutch transmission closes the work and shows the potential of the proposed strategy.
Pour un véhicule électrique hybride, un des challenges les plus compliqués d’une perspective orientée contrôle est la distribution de puissance entre le moteur thermique et les machines électriques, problème appelé gestion d’énergie. La question qui surgit est comment exploiter le degré de liberté supplémentaire - la voie électrique - afin que la performance véhicule, liée à la réduction de la consommation carburant, soit améliorée. Le besoin de robustesse des stratégies de contrôle encourage le choix de méthodes basées sur des modèles et dans le contexte actuel de possibilité d’acquisition des données télémétriques, la commande prédictive à base de modèle apparaît comme une option attractive, motivée aussi par sa capacité à gérer des contraintes. La plupart des stratégies courantes de gestion d’énergie sont orientées application et par conséquent, un modèle générique du GMP hybride offrirait plus de flexibilité. Cette thèse se construit sur deux axes principaux : la synthèse d’un modèle générique et d’une stratégie de contrôle basée sur la commande prédictive pour la gestion d’énergie, avec un mécanisme de calibration auto-adaptable. Si la distribution de couple est l’enjeu majeur du contrôle, d’autres fonctionnalités peuvent être introduites, comme l’arrêt/démarrage du moteur et le découplage du GMP des roues. Cette dernière est généralement traitée dans la littérature avec une stratégie basée sur cartographies, mais ici une approche analytique innovante a été proposée. Une validation sur un modèle haute-fidélité d’un véhicule hybride léger (mild) avec une transmission double-embrayage clôture les travaux et montre le potentiel de la stratégie proposée.
Fichier principal
Vignette du fichier
nicoleta-stroe_3804.pdf (8.38 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03032939 , version 1 (01-12-2020)

Identifiants

  • HAL Id : tel-03032939 , version 1

Citer

Nicoleta Stroe. Contributions to model-based predictive energy management in hybrid electric vehicles. Electric power. Université d'Orléans, 2017. English. ⟨NNT : 2017ORLE2073⟩. ⟨tel-03032939⟩
121 Consultations
207 Téléchargements

Partager

Gmail Facebook X LinkedIn More