Commandes non-linéaires et intelligentes des systèmes complexes : application à la suspension des véhicules

Abstract

Cette thèse est une contribution à la commande d’un système très complexe qui est la suspension des véhicules par des méthodes non-linéaires et intelligentes. Après la présentation des différents modèles du système de suspension, nous avons appliqué la commande par backstepping et par logique floue sur chaque modèle. Le modèle demi-véhicule et le modèle complet présentent l’avantage de pouvoir les décomposés en 2 ou 4 sous-systèmes. Dans ce cadre, nous avons appliqué la commande neuronale décentralisée pour les commander et réduire la complexité des contrôleurs. Les résultats obtenus ont permis d’augmenter le confort, la tenue de route et la sécurité. Cette thèse est organisé en cinq chapitres: Le chapitre 1 présente une description détaillée des éléments qui constituent un système de suspension y compris le pneumatique, ainsi que, les différentes types de vibrations et leurs effets sur le corps de l’être humain. Ce chapitre décrit aussi les principaux paramètres relatifs aux irrégularités de la piste qui doivent être considérés dans l’étude du comportement des véhicules routiers, et on termine ce chapitre, par présenter les critères de performance des systèmes de suspension. Le chapitre 2 présente les modèles de suspension quart de véhicule, demi-véhicule de type bicyclette et le modèle complet de véhicule. Ces modèles seront utilisés par la suite, pour synthétiser des contrôleurs et pour analyser les performances des systèmes de suspension liées au confort vibratoire humain, à la tenue de route du véhicule et au compromis confort/sécurité. On présente aussi dans ce chapitre, le modèle de type essieu qui permet d’étudier le mouvement vertical du châssis et le mouvement de rotation de roulis, mais qui ne sera pas utilisé dans la partie de contrôle. Le chapitre 3 présente les différents aspects des systèmes complexes et l’intérêt d’utiliser une commande décentralisée pour ce type des systèmes. Par la suite, nous présentons les fondements théoriques des méthodes de contrôle utilisées dans la partie des applications pour commander la suspension automobile et nous terminons ce chapitre par un balayage de l’état de l’art. Le chapitre 4 est consacré aux stratégies de contrôle du système de suspension d’un quart de véhicule. Celui-ci est divisé en deux parties: la première est consacrée à la synthèse par méthodes classiques des modèles linéaire et non-linéaire, la seconde est dédiée à la formulation d’une stratégie de commande par logique floue, toujours dans l’objectif d’améliorer les prestations de la suspension vis-à-vis des sollicitations verticales du profil de sol. Le chapitre 5 correspond à l’application de commande sur les modèles demi-véhicule de type bicyclette et le modèle complet à 7 ddl. Dans un premier lieu, nous effectuons la synthèse d’une loi de commande backstepping pour les deux modèles (demi et complet). Nous exploitons par la suite ces contrôleurs pour réaliser la commande neuronale décentralisée où nous utilisons deux réseaux de neurones pour le modèle demi-véhicule et quatre réseaux de neurones pour le modèle complet afin qu’ils puissent imiter la tâche réalisée par les contrôleurs backstepping. En fin de chapitre, nous proposons un contrôleur flou qui génère trois composantes de forces. Ces composantes seront utilisées pour générer les forces des actionneurs. Ce contrôleur est testé dans un environnement réel avec le simulateur « CarSim ». Nos contributions: La première contribution de cette thèse concerne le développement de deux contrôleurs neuronaux décentralisés. Les réseaux de neurones de la première contribution utilisent 6 entrées et ceux de la deuxième contribution utilisent 2 entrées seulement. Le contrôleur neuronal avec 2 entrées a permet de réduire la complexité connue des contrôleurs non-linéaires et d’améliorer les performances par rapport un système de suspension passive. La deuxième contribution est la conception d’un nouveau contrôleur backstepping pour le modèle non-linéaire complet. La troisième contribution concerne l’élaboration d’un contrôleur neuronal décentralisé pour le modèle complet qui supervise la commande backstepping préalablement développée. La quatrième contribution est la proposition d’un contrôleur flou qui développe trois composantes de forces correspondantes aux trois mouvements (vertical, tangage et roulis). Ces forces seront utilisées pour générer les quatre forces des actionneurs.