Model-based System Engineering for Powertrain Systems Optimization
Optimisation multi-objectifs inter-systèmes des groupes motopropulseurs
Résumé
Powertrain systems optimization in modern automobiles relies on model-based systems engineering to cope with the complex automotive systems and challenging control design requirements. Two prerequisites for model-based powertrain optimization are the powertrain simulator and the control design, which ensures a desirable powertrain operation during driving cycles. This thesis revolves around these prerequisites and belongs to the model-in-the-loop phase of the control development lifecycle. It first aims at identifying control-oriented powertrain systems models, particularly linear black-box models because of the merits they present in terms of accessibility to linear control design and facility of integrating changes in the powertrain system technical definition. It also aims at identifying and controlling powertrain systems featuring transport time delay because integrating the delay in the model and control design is crucial on the former’s system representability and on the latter’s optimality. Based on these premises, we address the powertrain from the engine air-path perspective. We first identify a linear black-box state-space (SS) model of a gasoline engine air-path, using an identification algorithm based on subspace methods. Different model orders and algorithm parameters are tested and those yielding the best identification and validation results are made clear, which leads to an 85% time gain in future similar identifications. While this part considers the air-path as a whole, the rest of the work focuses on specific air-path components, notably the electric throttle (ET), the heat-exchanger, and the exhaust gas recirculation (EGR). Regarding the ET, we inspire from the physical laws governing the throttle functioning to construct a linear-parameter-varying (LPV) mathematical SS model, which serves to set the regression vector structure of the LPV black-box ARX model, which is representative of an ET test bench and reflects its nonlinearities and discontinuities as it varies from one functioning zone to another. To address the questions of heat and mass transport time delays in the engine air-path, we refer to the heat exchanger and the EGR respectively. Recasting the infinite-dimensional hyperbolic partial differential equations (PDEs) describing these transport phenomena as a time-delay system facilitates the adjoint system identification and control design. To that end, a space-averaging technique and the method of characteristics are used to decouple the hyperbolic PDEs describing the advective flows in a heat exchanger, and to reformulate them as a time-delay system. Reducing the error between the output temperature of the model and that of a heat exchanger test-bench is what seeks the gradient-descent method used to identify the parameters of the time-delay system, which surpasses the PDEs in terms of identification accuracy and computational efficiency. On the other hand, the EGR is addressed from a control-oriented perspective, and the PDEs describing the mass transport phenomenon in its tubular structure are recast as a SS system subject to output delay. To regulate the burned gas ratio in the intake gas, the amount of recirculated gas is controlled using two indirect optimal control approaches, taking into account the model’s infinite-dimensional nature and accompanied with the Augmented Lagrangian Uzawa method to guarantee the respect of the input and state constraints, thus resulting in a controller of superior performance than the initially existing PID. In general, this thesis is located half-way between the academic and the industrial sectors. By evaluating the eligibility of integrating existing system identification and control theories in real automotive applications, it highlights the merits and demerits of these theories and opens up new prospects in the domain of model-based powertrain systems optimization.
L’optimisation des systèmes de groupes motopropulseurs (GMP) dans les automobiles modernes repose sur l’ingénierie des systèmes basée sur des modèles pour faire face à la complexité des systèmes automobiles et aux exigences de conception des commandes. Deux prérequis à l’optimisation du GMP sont le simulateur de GMP et la conception des commandes, assurant un fonctionnement satisfaisant du GMP pendant les cycles de conduite. Cette thèse s’articule autour de ces prérequis et fait partie de la phase model-in-the-loop du cycle de développement du contrôle. Elle vise d’abord à identifier des modèles linéaires boîtes noires de systèmes de GMP, car ils présentent des avantages d’accessibilité à la conception de la commande linéaire et de facilité d’intégration des modifications dans la définition technique du GMP. Elle vise également à identifier et à contrôler les systèmes de GMP à retard de transport car l’intégration du retard est cruciale pour la précision du modèle et l’optimalité de son contrôle. Sur ces bases, nous abordons le GMP du point de vue de la chaîne d’air d’un moteur essence. Nous identifions d’abord un modèle linéaire boîte noire state-space (SS), via un algorithme d’identification basé sur les méthodes subspace. Différents ordres de modèles et paramètres d’algorithmes sont testés et ceux donnant les meilleurs résultats d’identification et de validation sont indiqués, conduisant à un gain de temps de 85% pour des identifications futures similaires. Bien que cette partie considère l’ensemble de la chaîne d’air, le reste s’adresse aux certains de ses composants, notamment le papillon électrique, l’échangeur de chaleur et la recirculation des gaz d’échappement (EGR). Concernant le papillon électrique, nous nous inspirons des lois physiques régissant son fonctionnement pour construire un modèle mathématique linéaire à paramètres variables (LPV) SS, qui définit la structure vectorielle de régression du modèle LPV boîte noire ARX qui représente un banc d’essais du papillon et reflète ses nonlinéarités et discontinuités en variant entres ses zones fonctionnelles. Pour traiter les délais de transport de chaleur et de masse dans la chaîne d’air, nous nous référons respectivement à l’échangeur de chaleur et à l’EGR. La refonte des équations aux dérivées partielles (EDP) hyperboliques à dimensions infinies décrivant ces phénomènes de transport sous la forme d’un système à retard facilite l’identification du système et la conception du contrôle. Pour ce faire, le moyennage spatiale et la méthode des caractéristiques sont utilisés pour découpler les EDP hyperboliques décrivant les flux advectifs dans un échangeur de chaleur et pour les reformuler en un système à retard temporel. La méthode à descente de gradient cherche à réduire l’erreur entre la température de sortie du modèle et celle d’un banc d’essai d’échangeur de chaleur, pour identifier les paramètres du système à retard, qui dépasse les EDP en termes de précision d’identification et de temps de calcul. D’autre part, les EDP décrivant le transport de masse dans une EGR sont refondus en un système SS soumis à un retard de sortie. Pour réguler le rapport de gaz brûlé dans le gaz d’admission, la quantité de gaz recirculé est contrôlée à l’aide de deux approches de contrôle optimale indirecte, qui prennent en compte la nature infinie du modèle et qui sont accompagnées des méthodes du Lagrangien Augmenté et d’Uzawa pour respecter des contraintes d’entrée et d’état, permettant ainsi d’obtenir un contrôleur plus performant que le PID initialement existant. En générale, cette thèse se situe à mi-chemin entre les secteurs académique et industriel. En évaluant l’éligibilité de l’intégration des théories existants d’identification et de contrôle des systèmes dans des applications automobiles réelles, elle indique les avantages et les inconvénients de ces théories et ouvre de nouvelles perspectives dans l’optimisation des systèmes du GMP basée sur les modèles.
Domaines
Automatique
Origine : Version validée par le jury (STAR)
Loading...