Dimensionnement de la chaîne de traction dun véhicule électrique hybride basé sur une...
-
Upload
doriane-bonnet -
Category
Documents
-
view
156 -
download
8
Transcript of Dimensionnement de la chaîne de traction dun véhicule électrique hybride basé sur une...
Dimensionnement de la chaîne de tractiond’un véhicule électrique hybride
basé sur une modélisation stochastiquede ses profils de mission
Gwenaëlle Souffran
Directeur de thèse : Patrick GuérinEncadrante : Laurence Miègeville
Réchauffement climatiqueet pollution de l’air
Epuisement desressources fossiles
2
Transports : Vers le développement durable
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d’un véhicule Conclusion
Réduction de la consommation de carburant fossile
3
Transports : Quelles solutions ?
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
CritèreVéhicule
électriqueà batterie
Véhicule électriqueà PAC (H)
Véhicule à moteur à
combustion
Véhicule électrique
hybrideBicyclette
Energie embarquée
Rendement
Rejet de polluants
Recyclage
Maintenance
Durée de vie Autonomie
NOTE 0 1 1 2 5
Véhicule hybride : un compromis…
4
Moyens de productionMoteur thermiquePile à combustible
Eléments de stockageBatterieSuper Capacité
Convertisseurs d’énergieMoteur électriqueGénératrice
Véhicules hybrides : Quels composants ?
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
5
Comment concevoir et optimiser la chaîne de traction ?
Véhicules hybrides : Quelle architecture ?
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Conclusion
Structure Série Parallèle Combinée
Degré d’hybridation
Pré-dimensionnement d’un véhicule
Pmt ?Ebat ?
Pme ?
?
6
Critères possibles :MasseVolumeDurée de vieCoûtEmissions de CO2 et de NOxConsommation énergétique
Critère d’optimisation
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
7
Par rapport à l’usage réel du véhiculeSur une mission réalisteSur un usage spécifique (urbain, routier, livraison…)
De manière « robuste »En prenant en compte la variabilité de la missionSur un grand nombre de missions
Sans faire de choix « a priori »Sur la structureSur les composants (Pnominale)
Objectif : Dimensionnement d’une chaîne de traction hybride
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Missions du véhicule Dimensionnement
Pmt
Pme
Ebat
Sommaire
1. Modèle de l’usage d’un véhicule Qu’est-ce que la mission d’un véhicule ? Comment la modéliser ?
2. Modèle de la chaîne de traction Quels modèles des composants ? Quelle gestion de l’énergie ?
3. Pré-dimensionnement d’un véhicule urbain Quelle méthode ? Quelle mission choisir ? Quels résultats ?
4. Conclusion & Perspectives
8Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Influence du processus de dimensionnement
Dépendance de {Pmt, Pme, Ebat} à Proues (difficilement mesurable) Utilisation du modèle mécanique du véhicule avec 2 entrées
Masse du véhicule Grandeurs caractérisant la mission du véhicule
Problème : mvéhicule dépend de mtraction qui dépend du dimensionnement
mission {?}
9
Comment définir la mission d’un véhicule ?
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Modèle mécanique
Dimension- nement
Calcul de mtraction
masse mchâssis
ProuesPmt
Pme
Ebat
mtraction
mvéhicule+
10
Bilan des forcesForce aérodynamique
Fw = ½ Af Cw ν²Force de roulement
Fr = m g Cr cosForce due à l’inclinaison
Fh = m g sinForce d’accélération
Fa = m λ γ
Seconde loi de NewtonPuissance aux roues
Proues = (Fw + Fr + Fh + Fa ) x ν = f (m, ν, γ, )
Modèle mécanique
Bilan des forces agissant sur le véhicule
poidsrésistance au
roulement
force d’inertie
force aérodynamique
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
3 variables définissant la mission du véhicule :• Vitesse : ν• Accélération : γ• Inclinaison : α
1 paramètre dépendant du dimensionnement :• Masse du véhicule m
0 20 40 60 80 100 120-10
-5
0
5
10
15
20
25
30
35
Vitesse du véhicule (km/h)
Pu
iss
an
ce
(k
W)
Analyse de sensibilité (Puissance)
-0.5 0 0.5-10
-5
0
5
10
15
20
25
30
35
Accélération du véhicule (m/s²)
Pu
iss
an
ce
(k
W)
-5 0 5-10
-5
0
5
10
15
20
25
30
35
Inclinaison de la route (%)
Pu
iss
an
ce
(k
W)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Sensibilité de Proues à la vitesse
Sensibilité de Proues à l’inclinaison
Sensibilité de Proues à l’accélération
0 - 3%
x2
0 - 0,3 m/s²
x2Variation quadratique
0 - 130 km/h
+29 kW
Variation linéaire
Variation linéaire
11
m=1500kgγ=0m/s²=0%
m=1500kgν=90km/hγ=0m/s²
m=1500kgν=90km/h=0%
Sensibilité de la puissance aux 3 variables de la mission du véhicule : {ν, γ, }
Qu’en est-il de la masse ?
0 à 100 km/h en 93s
0 20 40 60 80 100 120-10
-5
0
5
10
15
20
25
30
35
Vitesse du véhicule (km/h)
Pu
iss
an
ce
(k
W)
Analyse de sensibilité (Puissance)
-0.5 0 0.5-10
-5
0
5
10
15
20
25
30
35
Accélération du véhicule (m/s²)
Pu
iss
an
ce
(k
W)
-5 0 5-10
-5
0
5
10
15
20
25
30
35
Inclinaison de la route (%)
Pu
iss
an
ce
(k
W)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Sensibilité de Proues à la vitesse
Sensibilité de Proues à l’inclinaison
m=1500kgγ=0m/s²=0%
m=1500kgν=90km/hγ=0m/s²
Sensibilité de Proues à l’accélération
m=1500kgν=90km/h=0%
12
m=750kgγ=0m/s²=0%
m=750kgν=90km/h=0%
m=750kgν=90km/hγ=0m/s²
Sensibilité de la puissance à la masse notamment pour γ et non nulles
Comment la mission du véhicule est-elle prise en
compte dans la littérature ?
13
Mission d’un véhicule : état de l’art
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Dans quel objectif ces cycles ont-ils été développés ?
Ces cycles sont-ils adaptés à notre étude de dimensionnement ?
Trois types de cyclesCycles de conduite à réalité limitéeCycles développés à partir de mesuresCycles générés de manière stochastique
14
Adaptation au dimensionnement ? Parfaitement défini Simple Profil de vitesse non réaliste ! Inclinaison non prise en compte…
Mission d’un véhicule : état de l’art
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Exemples de cycle Usage Véhicule Objectif Ex. d’utilisation
NEDC (New European Driving Cycle)
Mixte urbain et extra-urbain
Léger Emissions + Consommation
Conception + Contrôle (Kleimaier, 2000)
JPN 10-15 (Japonais) Mixte urbain et extra-urbain
Léger Emissions + Consommation
Contrôle (Barsali, 2004)
0 200 400 600 800 10000
50
100
Temps (s)
Vit
es
se
(k
m/h
)
0 100 200 300 400 500 6000
50
100
Temps (s)
Vit
es
se
(k
m/h
)
Cycles de conduite à réalité limitée
NEDC
JPN 10-15
15
Adaptation au dimensionnement ? Parfaitement défini Réalisme (mesures >1000h et >7000 véhicules) Cycle unique pour représenter une mission Inclinaison non prise en compte…
Mission d’un véhicule : état de l’art
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Exemples de cycle Usage Véhicule Objectif Ex. d’utilisation
ARTEMIS(André, 2004)
Urbain, routier et autoroutier
Léger Estimation des émissions
Dimensionnement batterie (Bertram,2011)
West Virginia University (WVU)
Urbain + Inter-urbain + Banlieue
Lourd Estimation des émissions
Analyse rendement traction (Li, 2008)
0 200 400 600 8000
50
100
Temps (s)
Vit
es
se
(k
m/h
)
0 500 1000 15000
50
100
Temps (s)
Vit
es
se
(k
m/h
)
Cycles développés à partir de mesures
Artemis urbain
WVU inter-urbain
16
Adaptation au dimensionnement ? Prise en compte du caractère
aléatoire (variabilité) Prise en compte d’un grand
nombre de missions (robustesse) Prise en compte de l’inclinaison Non prise en compte de la
corrélation entre les variables
Mission d’un véhicule : état de l’art
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Exemples de cycle Usage Véhicule Objectif Méthode
(Ravey, 2010) Ramassage des ordures
Lourd Dimensionnement pile à combustible
Approche probabiliste
(Lin, 2004) Basé sur les cycles WVU
Lourd Optimisation de la gestion de l’énergie
Matrice de Markov
Cycles générés de manière stochastique
Exemple de mission générée (Ravey, 2010)
17
Adaptation au dimensionnement ? Prise en compte du caractère
aléatoire (variabilité) Prise en compte d’un grand
nombre de missions (robustesse) Conservation de la corrélation entre
les variables Non prise en compte de
l’inclinaison
Mission d’un véhicule : état de l’art
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Exemples de cycle Usage Véhicule Objectif Méthode
(Ravey, 2010) Ramassage des ordures
Lourd Dimensionnement pile à combustible
Approche probabiliste
(Lin, 2004) Basé sur les cycles WVU
Lourd Optimisation de la gestion de l’énergie
Matrice de Markov
Cycles générés de manière stochastique
Exemple de mission générée (Lin, 2004)
18
Mission à modéliser
Trio de variables Vitesse ν Accélération γ Inclinaison
Mission spécifique Ex. : trajet urbain
Basée sur des profils réels
Mesures GPS
Objectifs de la modélisation
Modèle
Trio de variablesConservation des relations entre
les variablesConservation des caractéristiques
Statistiques Dynamiques
SimulationsAléatoires (variabilité)
Nombre élevé (« robustesse »)
Modèle par Matrice de Markov
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
19
Processus de Markov
Caractéristique :L’état futur ne dépend que de l’état présent et non pas du passé
Probabilité de transition :pij = ℙ ( E(t+1) = Ej | E(t) = Ei )
Modèles matriciels :Matrice de transitionsMatrice de Markov
Modèle de Markov
E1
E3 E2
p31
p13
p23
p32
p21
p12
p33 p22
p11
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
20
2ème étape : estimation de la matrice de Markov
Modèle de Markov
E1 E1 E3 E1
r11 = r11 + 1 r31 = r31 + 1r21 = r21 + 1 r13 = r13 + 1
DébutE2
FinE1
r11 = r11 + 1
000
000
000
R
000
001
000
R
000
001
001
R
000
001
101
R
001
001
101
R
001
001
102
R
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
n
j ij
ijij
r
rpjiM
1
),(
001
001
102
R
001
0013
1032
M
Matrice de transitions Matrice de Markov
1ère étape : estimation de la matrice de transitions
21
Traitement des mesures GPS(pas d’échantillonnage de 1s) Latitude Longitude Altitude
Deux campagnes de mesures
Mission extra-urbaine Trajets St Nazaire – Rennes 4 allers-retours x 1h30 voie rapide + route + urbain
Mission urbaine Trajets auto-école à Nantes 22 trajets - 29h de mesures urbain + périphérique
Campagnes de mesures
VitesseAccélérationInclinaison
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
22
Campagnes de mesures
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Traitement des mesures GPS(pas d’échantillonnage de 1s) Latitude Longitude Altitude
Deux campagnes de mesures
Mission extra-urbaine Trajets St Nazaire – Rennes 4 allers-retours x 1h30 voie rapide + route + urbain
Mission urbaine Trajets auto-école à Nantes 22 trajets - 29h de mesures urbain + périphérique
VitesseAccélérationInclinaison
23
Modélisation d’une mission par Markov
Matrice de Markov
Mission urbaine mesurée
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
La matrice de Markov contient les probabilités de transition de l’état présent à l’état futur
ν(t)
γ(t)
(t)
Etat présent E1
{ν1(t), γ1(t), 1(t)}Etat futur E2
{ν2(t+1), γ2 (t+1), 2 (t+1)}
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)In
cli
na
iso
n (
%)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)In
cli
na
iso
n (
%)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)In
cli
na
iso
n (
%)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
Matrice de Markov
24
Simulation de missions aléatoires
Missions urbaines simulées
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
ν(t)
γ(t)
(t)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
Etat présent E1
{ν1(t), γ1(t), 1(t)}Etat futur E2
{ν2(t+1), γ2 (t+1), 2 (t+1)}
25
Vitesse
Inclinaison
Validation des simulations urbaines
Accélération
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Bonne reproduction des caractéristiques
de la mission mesurée en simulations
26
Statistique
Dynamique
Validation en termes de puissance
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Bonne reproductiondes caractéristiques
statistiques et dynamiques en termes de puissance
27
=f()
=f()
Validation de la corrélation entre les variables
0 20 40 60 80 100 120-1.5
-1
-0.5
0
0.5
1
1.5
Vitesse (km/h)
Ac
cé
léra
tio
n (
m/s
²) 1 simulation
-1.5 -1 -0.5 0 0.5 1 1.5-4
-2
0
2
4
Accélération (m/s²)In
cli
na
iso
n (
%)
1 simulation
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Bonne conservation de la corrélation entre l’accélération et la vitesse
Bonne conservation de la corrélation entre l’inclinaison et l’accélération
28
Avantages du modèlePrise en compte de missions réalistes & spécifiquesPrise en compte des trois variables { ν, γ, }
Possibilité de prendre en compte d’autres variables (vent, qualité de la route)Conservation des caractéristiques statistiques et dynamiquesConservation de la corrélation entre les variablesSimulations aléatoires (variabilité) et nombreuses (robustesse)
LimiteEtat non mesuré non simulé
Synthèse sur la modélisation de l’usage du véhicule
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Sommaire
1. Modèle de l’usage d’un véhicule Qu’est-ce que la mission d’un véhicule ? Comment la modéliser ?
2. Modèle de la chaîne de traction Quels modèles des composants ? Quelle gestion de l’énergie ?
3. Pré-dimensionnement d’un véhicule urbain Quelle méthode ? Quelle mission choisir ? Quels résultats ?
4. Conclusion & Perspectives
29
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.0
5
0.05
0.05 0.05
0.05
0.0
5
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.1
5
0.1
5
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.2
5
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.3
5
0.3
5
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%
30
Modélisation de la chaîne de traction
Structure hybride série
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
{U,I}{,} {,}Energie carburant
Machine électrique
Machine électrique
Moteur thermique
Batterie
Energie chimique
Energie thermique directe
Energiede charge
Energie deboost ou tout
électrique
Récupération au freinage
Cette modélisation impose un choix a priori des composants
Groupe électrogène
{,}
Modélisation par les flux de puissance (Dupriez, 2010)
31
Structure hybride série
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Energie carburant
Machine électrique
Machine électrique
Batterie
Moteur thermique
Energie chimique
pge pme
pbat
pchim
pcarb proues
Introduction de modèles génériques adimensionnels
mt ? me ? me ?
bat ?
32
Moteur thermique pour groupe électrogène
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.3
5
0.3
5
0.350.35
0.35
0.35
0.35
0.4
0.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
Cartographies de différents moteurs thermiquesayant une caractéristique de groupe électrogène
(base de données Matlab PSAT)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Cartographie d’un moteur thermiquemt = f ( Γ , Ω )
pmt(t)/Pmt = 50%
maxExtraction de la
caractéristique
mt = f (pmt(t)/Pmt)
maximisant mt
33
Moteur thermique pour groupe électrogène
Placement au point de rendement maximal
Moyenne des courbes de rendements
0 20 40 60 80 1000
5
10
15
20
25
30
35
40
45
50
Puissance (% Pmt)
Re
nd
em
en
t m
axi
mis
é (
%)
Moteurs du logiciel PSATModèle générique adimensionnel
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.4
0.4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
Cartographies de différents moteurs thermiques à caractéristiques de groupe électrogène
(base de données Matlab PSAT)
Modèle générique d’un moteur thermique pour groupe électrogène
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
80 100 120 140 160 180 2000
200
400
600
800
1000
1200
1400
1600
1800
2000 0.05
0.05
0.05 0.05 0.05
0.1 0.1
0.1
0.1 0.1 0.1
0.15 0.15
0.15
0.15 0.15 0.15
0.2 0.2
0.2
0.2 0.2 0.2
0.25 0.25
0.25
0.25 0.25 0.25
0.3
0.30.3
0.3 0.30.3
0.3
0.3
0.35
0.35
0.350.35
0.35
0.35
0.35
0.40.4
0.40.
4
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (324kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
34
Machine électrique pour groupe électrogène
0 20 40 60 80 1000
10
20
30
40
50
60
70
80
90
100
Puissance (% Pme)
Re
nd
em
en
t m
axi
mis
é (
%)
Machines du logiciel PSATModèle générique adimensionnel
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (7kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (7kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (7kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
Cartographies de différentes machines électriques(base de données Matlab PSAT)
Modèle générique d’une machine électrique pour groupe électrogène
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.850.
85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (7kW)Iso-puissance 50%Iso-puissance 10%Rendement maximisé
Même processus pour la machine électrique
35
Groupe électrogène
0 20 40 60 80 1000
5
10
15
20
25
30
35
40
45
50
Puissance (% Pge)
Re
nd
em
en
t m
axi
mis
é (
%)
Modèle générique adimensionnel
Modèle génériqued’un groupe électrogène
0 20 40 60 80 1000
5
10
15
20
25
30
35
40
45
50
Puissance (% Pmt)
Re
nd
em
en
t m
axi
mis
é (
%)
Moteurs du logiciel PSATModèle générique adimensionnel
Modèle génériqued’un moteur thermique
pour groupe électrogène
0 20 40 60 80 1000
10
20
30
40
50
60
70
80
90
100
Puissance (% Pme)
Re
nd
em
en
t m
axi
mis
é (
%)
Machines du logiciel PSATModèle générique adimensionnel
Modèle génériqued’une machine électriquepour groupe électrogène
me
meme
mt
mtmt
ge
gege P
tp
P
tp
P
tp )()()(
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
36
Approximation linéaire du rendement en fonction de la puissance réduite
Limites en profondeur de déchargeEtat de charge min 40%Etat de charge max 100%
Limites en puissance10C en décharge5C en charge
Batterie
-100 -50 0 50 100
40
60
80
100
0.8
0.8
0.8
0.85
0.85
0.85
0.9 0.9
0.9
0.90.9
250.925
0.925 0.92
50.
925
0.92
50.950.95
0.95 0.95
0.95
0.9
50.97
0.970.97 0.
970.
970.
970
.99
0.99
0.99 0.
990.
99
0.9
9
Puissance (% Pbat)
Éta
t d
e ch
arg
e (
%)
-100 -50 0 50 10075
80
85
90
95
100
Puissance (% Pbat)
Re
nd
emen
t (%
)
déchargecharge
Rendement d’une cellule Lithium-Ion(base de données Matlab PSAT)
Modèle générique d’une batterie
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
37
Machine électrique (synchrone à aimants permanents)
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.850.
85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.8
5
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
Cartographies de différentes machines électriques(base de données Matlab PSAT)
Cartographie d’une machine électriqueme = f ( Γ , Ω )
Extraction de lacaractéristique
me = f (pme(t)/Pme)
moyennant me
pme(t)/Pme = 50%
moy
38
Autorisation de surcharge à 200% pendant 180s
Machine électrique (synchrone à aimants permanents)
0 50 100 150 2000
10
20
30
40
50
60
70
80
90
100
Puissance (% Pme)
Re
nd
em
en
t m
oy
enn
é (%
)
Machines du logiciel PSATModèle générique adimensionnel
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.85
0.85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
0 100 200 300 400 500 600 7000
5
10
15
20
25
30
35
40
45
50
55 0.5
0.55
0.6 0.
7
0.75
0.75
0.8
0.80.8
0.850.
85
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance maximale (15kW)Iso-puissance nominale(7kW)Iso-puissance 50%Iso-puissance 10%
Modèle générique d’une machine électrique
Cartographies de différentes machines électriques(base de données Matlab PSAT)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
1. Moyenne des rendements par iso-puissance pour chaque moteur
2. Moyenne de ces courbes de rendements pour obtenir le modèle générique
39
Structure hybride série
Architecture de la chaîne de traction
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
-100 -50 0 50 10075
80
85
90
95
100
Puissance (% Pbat)
Re
nd
em
en
t (%
)
décharge
charge
Batterie
Energie carburant
0 20 40 60 80 1000
5
10
15
20
25
30
35
40
45
50
Puissance (% Pge)
Ren
dem
ent
max
imis
é (%
)
Modèle générique adimensionnel
Groupeélectrogène
0 50 100 150 2000
10
20
30
40
50
60
70
80
90
100
Puissance (% Pme)
Ren
dem
ent
mo
yen
né
(%)
Machines du logiciel PSATModèle générique adimensionnel
Machineélectrique
Energie chimique
Estimationde la consommation
de carburant Ccarb
et de l’état d’énergie SOE à la fin de la mission
pme
pchim
pcarb
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
Stratégie de
gestion
pbat
pge proues
ν(t)
γ(t)(t)
Besoin d’unegestion de l’énergie
indépendante du dimensionnement
40
ObjectifsIndépendance au dimensionnement des composantsStratégie en ligne « légère »
Trois stratégies« Optimale »« Charge »« Décharge »
Gestion de l’énergie
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Conditions de passage entre stratégies
41
Etude du rendement de la chaîne de traction
Gestion de l’énergie
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Mode Rendement = Putile / Pabsorbée
Boost / Electrique
Thermique
Régénération
Récupération
moycbat
optge
chimcarb
carbchimcarb
me tppoù
ptptp
tp
,
)(
)()(
)(
)(
)(
tp
tp
carb
me
)(
)()(
tp
tptp
carb
chimme
)()(
)(
tptp
tp
mecarb
chim
Cartographie = f (pge(t), pbat(t) )
42
Cartographie du rendement de la chaîne de traction = f (pge(t), pbat(t) )
Extraction descaractéristiques
pge(t) = f (pme(t))
pbat(t) = f (pme(t))
maximisant
Gestion de l’énergie
-10 -5 0 5 10 15 200
2
4
6
8
10
12
14
16
18
20
20
25
25
25
30
30
30
30
33
33
33
33
35
35
35
35
37
37
37
37
374
0
404
0
40
40
45
45
50
50
556065707580859095 969798
-5 0
0
5
5
5
10
10
10
10
15
15
15
15
20
20
20
20
25
25
25
30
3035
pbat
(t) (kW)
pg
e(t
) (k
W)
Iso-rendements (%)Iso-puissances p
me(t) (kW)
Rendement max
(t)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
pme(t) = 5kW
pge(t) = 12kW
Pbat(t) = -7kW
max
p ge(t
) (kW
)
pbat(t) (kW)
43
Stratégie « optimale » maximisant le rendement de la chaîne de traction
pge(t) = f (pme(t)) pbat(t) = f (pme(t))
Gestion de l’énergie
-10 -5 0 5 10 15 20 25 30 35 40-10
-5
0
5
10
15
20
pme
(t) (kW)
pb
at(t
) (k
W)
OptimalApproximation
-10 -5 0 5 10 15 20 25 30 35 400
2
4
6
8
10
12
14
16
18
20
pme
(t) (kW)
pg
e(t)
(kW
)
OptimalApproximation
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
pge(t) = 12kW
pme(t) = 5kW pme(t) = 5kW
Pbat(t) = -7kW
p ge(t
) (kW
)
p bat(t
) (kW
)
pme(t) (kW) pme(t) (kW)
44
Bilan de puissance pour Pge = 10 kW et Ebat = 4 kWh (cycle NEDC)
Mise en œuvre des modèles de composants + gestion
0 200 400 600 800 1000 1200-50
0
50
Pu
iss
an
ce
(k
W)
pme
pge
0 200 400 600 800 1000 1200-50
0
50P
uis
sa
nc
e (
kW
)
pme
pbat
0 200 400 600 800 1000 120040
60
80
100
SO
E (
%)
Temps (s)
Fonctionnement du groupe électrogène à ses points de meilleur rendement
Modes boost et récupération assurés par la batterie associée à la machine électrique
SOEfin > SOEdébut
Conservation de la gestion de l’énergie en mode « optimal »
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
45
Modélisation des composants Avantages
Pas de choix a priori Compacte
Limites Plusieurs approximations (à valider avec un modèle dédié à la simulation) Prendre en compte la consommation à chaque démarrage du moteur thermique
Stratégie de gestion de l’énergie Avantages
Stratégie en ligne Indépendante du dimensionnement
Limites « Rudimentaire » A optimiser
Synthèse sur la chaîne de traction
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Simulation très rapide (10s pour une mission de 29h)
Logiciel Matlab v7.0.4Processeur Intel Core 2 Duo CPU E7500 @ 2,93 GHzWindows XP 3,5 Go de mémoire RAM
Sommaire
1. Modèle de l’usage d’un véhicule Qu’est-ce que la mission d’un véhicule ? Comment la modéliser ?
2. Modèle de la chaîne de traction Quels modèles des composants ? Quelle gestion de l’énergie ?
3. Pré-dimensionnement d’un véhicule urbain Quelle méthode ? Quelle mission choisir ? Quels résultats ?
4. Conclusion & Perspectives
46
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
47
Algorithme de dimensionnement
Objectif : Trouver le couple {Pge , Ebat} minimisant Ccarb
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Boucle pour parcourir les dimensionnements {Pge , Ebat}
(plan d’expériences)
Boucle pour tester un grand nombre de missions
Boucle pour converger sur la masse
Calcul de la consommation de carburant moyenne Ccarb
Ebat 1 Ebat 2 … Ebat q
Pge 1 Ccarb 1,1 Ccarb 1,2 … Ccarb 1,q
Pge 2 Ccarb 2,1 Ccarb 2,2 … Ccarb 2,q
… … … … …
Pge n Ccarb n,1 Ccarb n,2 … Ccarb n,q
Pge 1 Pge 2 … Pge n
Ebat 1 Ebat 2 … Ebat q
Table de groupes électrogènes
Table de batteries
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-1
0
1
2
Temps (s)
Inc
lin
ais
on
(%
)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
-0.5
0
0.5
1
Temps (s)
Ac
cé
léra
tio
n (
m/s
²)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
200 400 600 800 1000 1200
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
ν(t)
γ(t)
(t)
Ensemble de missions
Consommations moyennessur l’ensemble des missions
en fonction du dimensionnement
Identification du dimensionnement
{Pge ; Ebat}minimisant Ccarb
48
Exemple de résultat de l’algorithme
Consommations moyennes pour les 1000 missions urbaines simulées
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
En considérant les pré-dimensionnements assurant 95% des missionsla consommation est réduite d’un dizième et Pge est divisée par 2
Consommation de carburant moyenne Ccarb (ℓ/100km)Standard
ECE x4Artemisurbain
22 trajetsurbains mesurés
1000 simulations urbaines
Pge = 10 kW mtraction =44 kg 2,80
Ebat = 2 kWhPge = 17 kW mtraction =
83 kg 3,06 3,83Ebat = 4 kWhPge = 10 kW mtraction =
80 kg 3,21 4,07 3,28Ebat = 5 kWhPge = 13 kW mtraction =
104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh
49
Résultats en fonction de la mission
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Dimensionnement
Mission
Pré-dimensionnement optimal pour le cycle standard ECE Ne satisfait pas les autres missions urbaines
Consommation de carburant moyenne Ccarb (ℓ/100km)Standard
ECE x4Artemisurbain
22 trajetsurbains mesurés
1000 simulations urbaines
Pge = 10 kW mtraction =44 kg 2,80
Ebat = 2 kWhPge = 17 kW mtraction =
83 kg 3,06 3,83Ebat = 4 kWhPge = 10 kW mtraction =
80 kg 3,21 4,07 3,28Ebat = 5 kWhPge = 13 kW mtraction =
104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh
50
Résultats en fonction de la mission
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Pré-dimensionnement satisfaisant les cycles ECE et Artemis urbain Non optimal pour le cycle ECE Ne satisfait pas les missions urbaines mesurée et simulées
Dimensionnement
Mission
Consommation de carburant moyenne Ccarb (ℓ/100km)Standard
ECE x4Artemisurbain
22 trajetsurbains mesurés
1000 simulations urbaines
Pge = 10 kW mtraction =44 kg 2,80
Ebat = 2 kWhPge = 17 kW mtraction =
83 kg 3,06 3,83Ebat = 4 kWhPge = 10 kW mtraction =
80 kg 3,21 4,07 3,28Ebat = 5 kWhPge = 13 kW mtraction =
104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh
51
Résultats en fonction de la mission
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Pré-dimensionnement satisfaisant les cycles ECE, Artemis et mesuré Non optimal pour les cycles standards Ne satisfait pas l’ensemble des missions simulées
Dimensionnement
Mission
Consommation de carburant moyenne Ccarb (ℓ/100km)Standard
ECE x4ArtemisUrbain
22 trajetsurbains mesurés
1000 simulations urbaines
Pge = 10 kW mtraction =44 kg 2,80
Ebat = 2 kWhPge = 17 kW mtraction =
83 kg 3,06 3,83Ebat = 4 kWhPge = 10 kW mtraction =
80 kg 3,21 4,07 3,28Ebat = 5 kWhPge = 13 kW mtraction =
104 kg 3,38 4,25 3,46 3,44Ebat = 6 kWh
52
Résultats en fonction de la mission
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Pré-dimensionnement satisfaisant toutes les missions Pré-dimensionnement optimal pour les simulations Consommation plus élevée pour les autres missions
Pré-dimensionnements optimauxdifférents pour chacune des missions
Qu’en est-il de la structure parallèle ?
Dimensionnement
Mission
53
Type de missionurbaine
Architec-ture
Moteur thermique
Pge / Pmt
(kW)
Batterie
Ebat
(kWh)
Machine électrique
Pme
(kW)
Masse de la chaîne de traction
m(kg)
Consommation de carburant
moyenneCcarb
(ℓ/100km)
StandardECE x4
Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64
Artemisurbain
Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87
22 trajetsmesurés
Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72
1000 simulations
Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51
Résultats en fonction de l’architecture
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
-6% de consommation avec la structure parallèleMasse de chaîne de traction inférieure
54
Type de missionurbaine
Architec-ture
Moteur thermique
Pge / Pmt
(kW)
Batterie
Ebat
(kWh)
Machine électrique
Pme
(kW)
Masse de la chaîne de traction
m(kg)
Consommation de carburant
moyenneCcarb
(ℓ/100km)
StandardECE x4
Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64
Artemisurbain
Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87
22 trajetsmesurés
Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72
1000 simulations
Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51
Résultats en fonction de l’architecture
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Meilleure structure : série Fonctionnement du moteur thermique à son meilleur rendement
dans le groupe électrogène
55
Type de missionurbaine
Architec-ture
Moteur thermique
Pge / Pmt
(kW)
Batterie
Ebat
(kWh)
Machine électrique
Pme
(kW)
Masse de la chaîne de traction
m(kg)
Consommation de carburant
moyenneCcarb
(ℓ/100km)
StandardECE x4
Série 10 2 8 44 2,80Parallèle 15 2 2 34 2,64
Artemisurbain
Série 17 4 18 83 3,83Parallèle 27 6 17 91 3,87
22 trajetsmesurés
Série 10 5 24 80 3,28Parallèle 13 7 20 83 3,72
1000 simulations
Série 13 6 35 104 3,44Parallèle 30 16 23 167 3,51
Résultats en fonction de l’architecture
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Globalement la nature de la mission a plus d’impact sur la consommation que le type de structure choisi
Obtention de résultats différents si masse du châssis réduite
56
AvantagesPas de choix a prioriOutils d’aide à la conceptionRapide (7h pour tester 564 dimensionnements sur 1000 missions de
20min)
Améliorations à apporterAlgorithme basique (plan d’expériences) à optimiserTables des composants testés à resserrerNombre de missions simulées utile à étudier
Synthèse sur le pré-dimensionnement d’un véhicule
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
Sommaire
1. Modèle de l’usage d’un véhicule Qu’est-ce que la mission d’un véhicule ? Comment la modéliser ?
2. Modèle de la chaîne de traction Quels modèles des composants ? Quelle gestion de l’énergie ?
3. Pré-dimensionnement d’un véhicule urbain Quelle méthode ? Quelle mission choisir ? Quels résultats ?
4. Conclusion & Perspectives
57
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction Pré-dimensionnement d'un véhicule Conclusion
58
Modèle de l’usage d’un véhicule3 variables contraignantes { ν, γ, }Calcul de proues = f ( mtraction ) possibleGénération de missions aléatoires
vraisemblables
Modèle des composantsGénérique adimensionnelSans choix « a priori »
Stratégie de gestion de l’énergieAdimensionnelleEn ligne (mission de 29h 10s)
Processus de dimensionnement Minimisation de Ccarb
Bilan des travaux
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Optimisation du dimensionnement minimisant la consommation énergétique sur un ensemble de missions : « robustesse »
Matrice de Markov
Batterie
Groupe électrogène
Machine électrique
Ccarb S
59
Etude de sensibilité à d’autres critèresDurée de la missionEtat d’énergie initial de la batterieCaractéristiques du châssisConsommation des accessoires
Développer une optimisation multicritèresCoût du systèmeDurée de vie des composants
Optimiser la gestion de l’énergieLois de gestion plus évoluées déjà existantesUtilisation de la matrice de Markov dans une stratégie en ligne
Perspectives
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
60
Etendre l’étude à d’autres structures de véhiculeVéhicule hybride série-parallèleVéhicule électrique
Etendre l’étude à d’autres types de véhiculeVéhicule à plusieurs organes de stockageVéhicule à pile à combustibleVélo hybride ?
Autres perspectives
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d'un véhicule
Dimensionnement de la chaîne de tractiond’un véhicule électrique hybride
basé sur une modélisation stochastiquede ses profils de mission
Merci de votre attention
Gwenaëlle Souffran
Directeur de thèse : Patrick GuérinEncadrante : Laurence Miègeville
Bilan des forces Force aérodynamique
Fw = ½ Af Cw ν² Force de roulement
Fr = m g Cr cos Force due à l’inclinaison
Fh = m g sin Force d’accélération
Fa = m λ γ
Modèle mécanique
Bilan des forces agissant sur le véhicule
poidsrésistance au
roulement
force d’inertie
force aérodynamique
Paramètre Symbole Valeur
Densité de l’air 1,22 kg/m3
Surface frontale Af 2,7 m²
Coefficient de frottement aérodynamique Cw 0,25
Accélération gravitationnelle g 9,81 m/s²
Coefficient de résistance des roues au roulement Cr 0,018
Facteur de masse λ 1,06
Vitesse Accélération
Traitement des mesures
500 1000 1500 2000 2500 3000 3500 4000 4500 50000
20
40
60
80
100
Temps (s)
Vit
esse
(km
/h)
Vitesse mesuréeVitesse filtrée
500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1
-0.5
0
0.5
Temps (s)
Acc
élér
atio
n (
m/s
²)
Filtrage Matlab“filtfilt” aller-retour(pas de déphasage)sur 10 points
Altitude Inclinaison de la route
Traitement des mesures
20 40 60 80 100 120
-20
0
20
40
60
80
Distance (km)
Alt
itu
de
(m)
Altitude mesuréeAltitude interpolée
500 1000 1500 2000 2500 3000 3500 4000 4500 5000
-20
0
20
40
60
80
Temps (s)
Alt
itu
de
(m)
0 20 40 60 80 100 120
-6
-4
-2
0
2
4
Distance (km)
Incl
inai
son
(%
)
Inclinaison interpoléeInclinaison filtrée
500 1000 1500 2000 2500 3000 3500 4000 4500 5000
-4
-2
0
2
4
Temps (s)
Incl
inai
son
(%
)
1) Profil temporel de l’altitude
2) Altitude = f (Distance)
3) Inclinaison = f (Distance)
4) Profil temporel d’inclinaison
Interpolation tous les 100m
Filtrage “filtfilt”
65
Nombres maximaux d’états par variable
Choix des nombres optimaux selon 3 facteurs :erreur relative en puissance maximale ≤ 3%erreur relative en puissance moyenne ≤ 1%nombre d’états minimisé pour un modèle le plus léger possible
soit 40x80x50 = 160 000 états possiblesréduits à 19 805 (-88%) apparaîssant au cours de la mission
Choix du nombre d’états de la modélisation par Markov
1201,0
12))(min())(max(
111036,0
4))(min())(max(
1300001,0
130))(min())(max(
max
max
max
précision
ttnb
précision
ttnb
précision
ttnb
inc
acc
vit
50;80;40 urbainurbainurbain incaccvit nbnbnb
Validation de la corrélation entre les variables (extra-urbain)
=f()
=f()
Indicateurs de caractérisation des missions
Distribution des simulations urbaines
Distribution des simulations
t
moyrouesbat
batbatu
rouesmax
rouesmoy
dPpte
teteE
tpP
tpP
0))(()(
))(min())(max(
))(max(
))(moy(
u
moymax
max
moy
E
PPPHE
P
PPHP
1
Distribution des simulations
Puissance carburant (kW)
Energie carburant (kWh)
Coefficient d’ajustement
Variation de l’état d’énergie
Consommation de carburant (ℓ/100km)
Calcul de la consommation
Initialisation des variables d’optimisation
- Dimensionnement des composants { Pge ; Ebat ; Pme }
- Architecture de la chaîne de traction { Série }
Calcul de la masse du véhicule
m = f ( mchâssis, Pge, Ebat, Pme )
Calcul de la consommation de carburant
Ccarb = f ( Ecarb, (t) )
Calcul de l’énergie carburant consommée
Ecarb = f ( pge(t), ge, SOE(t) )
Calcul de la puissance aux roues
proues(t) = f ( (t), (t), (t), m, Af, Cw, Cr, )
Application de la stratégie de gestion de l’énergie
{ pge(t) ; SOE(t) } = f ( proues(t), Pge, Ebat, Pme )
Initialisation des données d’entrée du modèle
- Mission du véhicule { (t) ; (t) ; (t) }
- Technologie des composants { Diesel ; MSAP ; Li-ion }
- Stratégie de gestion de l’énergie { Modes de gestion }
- Paramètres du châssis { mchâssis ; Af ; Cw ; Cr ; }
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.05
0.05
0.05 0.05
0.05
0.05
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.15
0.15
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.25
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.35
0.35
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%
Moteur thermique (Diesel)
0 20 40 60 80 1000
5
10
15
20
25
30
35
40
45
50
Puissance (% Pmt)
Re
nd
em
en
t m
oy
enn
é (%
)
Moteurs du logiciel PSATModèle générique adimensionnel
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.05
0.05
0.05 0.05
0.05
0.05
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.15
0.15
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.25
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.35
0.35
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.05
0.05
0.05 0.05
0.05
0.05
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.15
0.15
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.25
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.35
0.35
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.05
0.05
0.05 0.05
0.05
0.05
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.15
0.15
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.25
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.35
0.35
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%
Cartographies de différents moteurs thermiques
Modèle générique d’un moteur thermique
Cartographies de différents moteurs thermiques(base de données Matlab PSAT)
100 150 200 250 300 350 400 4500
50
100
150
200
250
0.0
5
0.05
0.05 0.05
0.05
0.0
5
0.05 0.05 0.05
0.1
0.1
0.1 0.1
0.1
0.1
0.1 0.10.1
0.1
5
0.1
5
0.15 0.15
0.15
0.15
0.15 0.150.15
0.2
0.2
0.20.2
0.2
0.2
0.20.2
0.2
0.25
0.2
5
0.250.25
0.25
0.25
0.25 0.250.25
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.30.3
0.35
0.3
5
0.35
0.35
0.35
0.350.35
0.4
0.4
Vitesse (rad/s)
Co
up
le (
Nm
)
Iso-rendementsIso-puissance nominale (81kW)Iso-puissance 50%Iso-puissance 10%1. Moyenne des rendements par iso-
puissance pour chaque moteur
2. Moyenne de ces courbes de rendements pour obtenir le modèle générique
Influence de la température sur le modèle générique de la batterie
Température
0°C
25°C
41°C
-100 -50 0 50 100
40
60
80
100
0.8
0.8
0.8
0.85
0.8
5
0.8
5
0.9
0.9
0.9
0.925 0.92
50.
925
0.9250
.95
0.95
0.95 0.95
0.95
0.9
5
0.9
7
0.970.97 0.
970.
97
0.97
0.9
90.99
0.9
9 0.9
90
.99
0.99
Puissance (% Pbat)É
tat
de
char
ge
(%)
-100 -50 0 50 100
40
60
80
100
0.8
0.8
0.8
0.85
0.8
5
0.85
0.9
0.9
0.9 0.9
0.9
0.90.925
0.92
5
0.925 0.92
5
0.925
0.92
50.9
5
0.95
0.95 0.95
0.95
0.950.97
0.9
7
0.97 0.97
0.97
0.9
70.990.
990.99 0
.99
0.99
0.9
9
Puissance (% Pbat)
Éta
t d
e ch
arg
e (%
)
-100 -50 0 50 100
40
60
80
100
0.8
0.8
0.8
0.85
0.8
50.
850.9 0.
90.
90.
90.9
25
0.925
0.925 0.92
50.
925
0.92
50.950.95
0.95 0.95
0.95
0.9
50.9
70
.97
0.97 0.97
0.97
0.9
70.990
.99
0.9
9 0.99
0.9
90
.99
Puissance (% Pbat)
Éta
t d
e ch
arg
e (%
)
Influence de la température sur le modèle générique de la batterie
Température
0°C
25°C
41°C
-100 -50 0 50 10075
80
85
90
95
100
Puissance (% Pbat)R
end
emen
t (%
)
déchargecharge
-100 -50 0 50 10075
80
85
90
95
100
Puissance (% Pbat)
Ren
dem
ent
(%)
déchargecharge
-100 -50 0 50 10075
80
85
90
95
100
Puissance (% Pbat)
Ren
dem
ent
(%)
déchargecharge
Machines électriques
Composants de la base de données PSAT (Argonne)
N° Type Puissance nominale (kW) Puissance maximale (kW) Véhicule
1 MSAP 7 14,2 Accord
2 MSAP 7 15 Prius
3 MSAP 10 10 Insight
4 MSAP 17 33 Escape MG2
5 MSAP 25 50 Prius
6 MSAP 32 45
7 MSAP 33 65 Escape MG1
8 MSAP 35 70
9 MSAP 36 75
10 MSAP 49 49 Honda
11 MSAP 55 100
12 MSAP 55 105
13 MSAP 58 58
Moteurs thermiques
Composants de la base de données PSAT (Argonne)
N° Type Cylindrée (l) Puissance (kW) Véhicule
1 Diesel 1,7 75 Mercedes Classe A
2 Diesel 1,7 75 Mercedes Classe A
3 Diesel 1,8 75
4 Diesel 1,8 75
5 TDI 1,9 66 Volkswagen
6 Diesel 1,9 60
7 TDI 1,9 67 Volkswagen
8 Diesel 1,9 110 General Motor
9 HDI 2 81 PSA
10 CIDI 2,2 92 Mercedes OM611
11 TDI 2,5 88 Audi
Moteurs thermiques pour groupe électrogène
Composants de la base de données PSAT (Argonne)
N° Type Cylindrée (l) Puissance (kW) Véhicule
1 Diesel 10,8 246 Cummins
2 Diesel 12 321 Caterpillar
3 Diesel 15 324 Caterpillar
Résultats de pré-dimensionnementstructure parallèlemissions extra-urbaines
Influence des caractéristiques du châssis
Mission Cw mchâssis
(kg)Inclinaison Pmt
(kW)Ebat
(kWh)Pme
(kW)mtraction
(kg)Ccarb
(l/100km)
Mesureextra-urbaine
0,25 1400
Avec 26 5 12 78 4,97
Sans 27 3 10 64 4,85
0,20 1400 Avec 23 3 12 61 4,50
0,25 500 Avec 19 2 12 43 3,39
Simulationsextra-urbaines
1000x2h0,25 1400 Avec 28 4 13 75 5,01
Pré-dimensionnement – structure série – mission extra-urbaine mesurée
Influence de l’inclinaison
Inclinaison prise en compte Inclinaison non prise en compte
Pré-dimensionnement – structure série – mission urbaine mesurée
Trajets urbains mesurés concaténés / séparés
Trajets mesurés concaténés
22 trajets séparément (recharge de la batterie entre chaque trajet)
Pré-dimensionnement {6kW ; 21kWh} – structure série – mission urbaine mesurée
Trajets urbains mesurés concaténés / séparés
Trajets mesurés concaténés
0 1 2 3 4 5 6 7 8 9 10
x 104
-20
0
20
40
Pu
iss
an
ce
(k
W)
pme
pge
0 1 2 3 4 5 6 7 8 9 10
x 104
-20
0
20
40
Pu
iss
an
ce
(k
W)
pme
pbat
0 1 2 3 4 5 6 7 8 9 10
x 104
40
60
80
100
SO
E (
%)
Temps (s)
Pré-dimensionnement {6kW ; 21kWh} – structure série – mission urbaine mesurée
Trajets urbains mesurés concaténés / séparés
0 1000 2000 3000 4000 5000 6000 7000 8000-50
0
50
Pu
iss
an
ce
(k
W) p
me
pge
0 1000 2000 3000 4000 5000 6000 7000 8000-50
0
50
Pu
iss
an
ce
(k
W) p
me
pbat
0 1000 2000 3000 4000 5000 6000 7000 800040
60
80
100
SO
E (
%)
Temps (s)
Trajet n°15 contraignant
Pré-dimensionnement {6kW ; 20kWh} – structure série – mission urbaine mesurée
Trajets urbains mesurés concaténés / séparés
0 1000 2000 3000 4000 5000 6000 7000 8000-50
0
50
Pu
iss
an
ce
(k
W) p
me
pge
0 1000 2000 3000 4000 5000 6000 7000 8000-50
0
50
Pu
iss
an
ce
(k
W) p
me
pbat
0 1000 2000 3000 4000 5000 6000 7000 800040
60
80
100
SO
E (
%)
Temps (s)
Trajet n°15 contraignant
83
84
85
Exemple du cycle de référence européen urbain ECE Parfaitement défini Simple Profil de vitesse non réaliste ! Inclinaison non prise en compte…
Exemple du cycle de référence Artemis urbain Parfaitement défini Réalisme (mesures >1000h et >7000 véhicules) Cycle unique pour représenter une mission Inclinaison non prise en compte…
Cycles de conduite de référence
0 50 100 150 2000
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
0 200 400 600 8000
10
20
30
40
50
60
Temps (s)
Vit
es
se
(k
m/h
)
87
Transports : Quelles solutions ?
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
CritèreVéhicule
électriqueà PAC (H)
Véhicule électriqueà batterie
Véhicule à moteur à
combustion
Véhicule électrique
hybrideBicyclette
Energie embarquée
Rendement
Rejet de polluants
Recyclage
Maintenance
Durée de vie Sécurité
Autonomie NOTE 0 1 2 3 6
Véhicule hybride : un compromis…
0 20 40 60 80 100 120-10
-5
0
5
10
15
20
25
30
35
Vitesse du véhicule (km/h)
Pu
iss
an
ce
(k
W)
Analyse de sensibilité (Puissance)
-0.5 0 0.5-10
-5
0
5
10
15
20
25
30
35
Accélération du véhicule (m/s²)
Pu
iss
an
ce
(k
W)
-5 0 5-10
-5
0
5
10
15
20
25
30
35
Inclinaison de la route (%)
Pu
iss
an
ce
(k
W)
500 1000 1500-10
-5
0
5
10
15
20
25
30
35
Masse du véhicule (kg)
Pu
iss
an
ce
(k
W)
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Sensibilité de Proues à la vitesse
Sensibilité de Proues à l’inclinaison
m=1500kgγ=0m/s²=0%
m=1500kgν=90km/hγ=0m/s²
Sensibilité de Proues à l’accélération
Sensibilité de Proues à la masse
m=1500kgν=90km/h=0%
ν=90km/hγ=0m/s²=0%
3%
+100%
0,3 m/s²
+100%
3
+50%
Variation quadratique
120 km/h
28 kW
Variation linéaire
Variation linéaire Variation linéaire
88
0 20 40 60 80 100 120-800
-600
-400
-200
0
200
400
600
800
Vitesse du véhicule (km/h)
Fo
rce
s (
N)
Fw
: grande variation
Fr : constante
Fh : nulle
Fa : nulle
Analyse de sensibilité (Forces)
-0.5 0 0.5-800
-600
-400
-200
0
200
400
600
800
Accélération du véhicule (m/s²)
Fo
rce
s (
N)
Fw
: constante
Fr : constante
Fh : nulle
Fa : grande variation
-5 0 5-800
-600
-400
-200
0
200
400
600
800
Inclinaison de la route (%)
Fo
rce
s (
N)
Fw
: constante
Fr : constante
Fh : grande variation
Fa : nulle
500 1000 1500-800
-600
-400
-200
0
200
400
600
800
Masse du véhicule (kg)
Fo
rce
s (
N)
Fw
: constante
Fr : faible variation
Fh : nulle
Fa : nulle
Contexte Modèle de l’usage d’un véhicule Modèle de la chaîne de traction ConclusionPré-dimensionnement d’un véhicule
Sensibilité des forces à la vitesse
Sensibilité des forces à l’inclinaison
m=1500kgγ=0m/s²=0%
m=1500kgν=90km/hγ=0m/s²
Sensibilité des forces à l’accélération
Sensibilité des forces à la masse
m=1500kgν=90km/h=0%
ν=90km/hγ=0m/s²=0%
89