Auto OEMComment la co-simulation et l'exploration de conception rationalisent le développement du contrôle hybride

En bref

L’optimisation du système de gestion de l’énergie d’un véhicule hybride impliquait auparavant de nombreux essais et erreurs. Cependant, nous avons remplacé cette approche par une méthode intelligente et automatisée qui combine des outils de co-simulation et d’exploration de conception, et nous avons réduit la consommation de carburant de 13 %. Mieux encore, nous avons éliminé le besoin de plusieurs semaines de réglage manuel, rendant le processus de développement du contrôle plus rapide, plus fiable et beaucoup plus évolutif.

🔧 “You don’t need to guess when you can simulate and explore intelligently.”
Mathieu Dutré, Managing Director at CTRL engineering

Le défi : trop de paramètres, aucune voie claire

Le réglage d’une boucle de contrôle simple, telle qu’un contrôleur PID, est relativement simple. Au fil du temps, les ingénieurs ont développé de nombreuses directives et règles empiriques à cette fin. Cependant, les stratégies de contrôle avancées basées sur des règles, telles que le système de gestion énergétique de supervision d’un véhicule hydraulique hybride, représentent une tâche plus difficile.

Ces algorithmes de contrôle impliquent généralement un grand nombre de paramètres réglables et de cartes cibles. Chacun d’entre eux influence le comportement du système et ils interagissent souvent de manière non évidente. Le résultat ? Un vaste espace de conception dans lequel de petits changements peuvent avoir un impact significatif et où il n’existe pas de chemin clair vers la configuration optimale. Non seulement le réglage manuel d’un tel contrôleur prend beaucoup de temps, mais il est pratiquement impossible!

Notre approche : la co-simulation rencontre l’exploration automatisée de la conception

Chez CTRL Engineering, nous avons relevé ce défi en combinant la puissance de la simulation avec l’exploration automatisée de la conception.

Tout d’abord, nous avons créé un modèle détaillé du groupe motopropulseur hybride à l’aide du logiciel Simcenter Amesim. Cette installation virtuelle simule l’interaction entre les systèmes mécaniques, hydrauliques et électriques. Nous avons mis en œuvre la logique de contrôle de supervision dans Simulink, où nous pouvions gérer tous les paramètres de réglage. Nous avons connecté ces deux environnements dans une configuration de co-simulation en boucle fermée, ce qui nous a permis d’évaluer les performances du véhicule, en particulier la consommation de carburant, dans des conditions de conduite réalistes à l’aide d’un cycle de conduite européen complet (NEDC).

Puis est venue la véritable percée : nous avons intégré HEEDS, un outil avancé d’exploration de conception. Plutôt que d’ajuster manuellement les paramètres et d’espérer le meilleur, HEEDS navigue intelligemment dans l’espace des paramètres de contrôle. Il exécute automatiquement des co-simulations, mesure les performances obtenues et met à jour sa stratégie en fonction des résultats précédents. La configuration du contrôleur la plus performante est identifiée grâce à de multiples itérations, sans intervention manuelle.

Résultats : 13 % de carburant en moins, aucun réglage manuel

En automatisant le processus de réglage, nous avons obtenu une réduction de 13 % de la consommation de carburant, ramenant les performances du véhicule à 3,21 l/100 km sur le cycle NEDC.

Tout aussi important, nous avons considérablement réduit le temps nécessaire au développement du contrôle. Ce qui aurait pris des semaines d’essais et d’erreurs a été réalisé en une fraction du temps et avec une plus grande confiance dans le résultat final.

Pourquoi est-ce important pour vous ? Des workflows plus intelligents libèrent des performances cachées

Ce cas confirme l’intérêt de combiner l’ingénierie basée sur des modèles et l’exploration automatisée de la conception. Les stratégies de contrôle complexes ne doivent pas nécessairement impliquer des workflows de développement complexes. En utilisant les bons outils, nous avons mis au jour des corrélations entre les paramètres et le comportement du système qui, sans cela, seraient restées cachées. Cela permet d’améliorer les performances du système plus rapidement.

Chez CTRL Engineering, c’est ainsi que nous abordons l’optimisation des systèmes : non pas en devinant, mais en simulant, analysant et itérant de manière intelligente.