Développement d’une méthodologie de tests de véhicules

automobiles combinant modèles numériques et banc

d’essais moteur (approche HIL)
Thomas Gilormini

To cite this version:

Thomas Gilormini. Développement d’une méthodologie de tests de véhicules automobiles combinant
modèles numériques et banc d’essais moteur (approche HIL). Thermique [physics.class-ph]. École
centrale de Nantes, 2022. Français. �NNT : 2022ECDN0014�. �tel-04020117�

HAL Id: tel-04020117

https://theses.hal.science/tel-04020117v1
Submitted on 8 Mar 2023

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THESE DE DOCTORAT DE
�
�
�
�
L’ÉCOLE CENTRALE DE NANTES
ECOLE DOCTORALE N◦ 602
Sciences pour l’ingénieur
Spécialité : Energétique - Thermique - Combustion
Par
Thomas GILORMINI
Développement d’une méthodologie de tests de véhi-
cules automobiles combinant modèles numériques et
banc d’essais moteur (approche HIL)
Thèse présentée et soutenue à l’Ecole Centrale de Nantes, le 08 avril 2022
Unité de recherche : UMR 6598, Laboratoire de recherche en Hydrodynamique, Énergétique et
Environnement Atmosphérique (LHEEA)

Rapporteurs avant soutenance :

Richard BURKE Professeur, Université de Bath, Royaume-Uni
Guillaume COLIN Professeur des universités, Université d’Orléans

Composition du Jury :
Présidente : Nolwenn LE PIERRES Professeure des universités, Université Savoie Mont Blanc
Dir. de thèse : Pascal CHESSE Professeur des universités, Ecole Centrale de Nantes
Co-dir. de thèse : Xavier TAUZIA Professeur des universités, Ecole Centrale de Nantes

Invité :
Hervé COLIN Ingénieur, RENAULT SA, La Motte-Servolex
b

b
 Remerciements
Après un peu plus de 3 ans, voilà enfin le moment tant attendu d’écrire mes remer-
ciements.
En premier lieu, je tiens à adresser mes remerciements à Guillaume Colin, Professeur
à l’Université d’Orléans, et Richard Burke, Professeur à l’Université de Bath, d’abord
pour avoir accepté d’être rapporteurs sur cette thèse, et ensuite pour leurs questions
et observations qui ont permis d’élargir la discussion lors de la soutenance, ainsi qu’à
Nolwenn LE PIERRES, Professeure à Polytech l’Université Savoie Mont Blanc, pour
avoir présidé le jury.
Ensuite, je tiens à remercier chaleureusement mes co-directeurs, Pascal Chessé et
Xavier Tauzia, Professeurs à l’Ecole Centrale de Nantes, pour leur aide précieuse tout
au long de cette thèse. Même si je n’ai pratiquement pas été à Nantes, nos points
hebdomadaires m’ont remonté le moral et m’ont permis de résoudre bien des problèmes.
C’est grâce à eux que j’ai pu maintenir le cap d’une démarche scientifique. Merci à mon
tuteur industriel Hervé Colin, qui a su intégrer cette thèse au contexte industriel, en
particulier en se battant pour de précieux créneaux de bancs d’essai.
Je tiens aussi à remercier toutes les personnes qui m’ont aidé au cours de ces années,
en particulier Guillaume Perez, Jean-Marie Millon et toute l’équipe des opérateurs de
banc au PIM pour leur support sans faille, Fabien De Oliveira, Frédéric FACON et
Pascal LEMESLE pour leur aide et leur disponibilité, ainsi que les collègues de l’EAO
pour leur accueil chaleureux au sein du service. Je remercie aussi Nicolas PERROT du
LHEEA pour sa disponibilité et son intérêt pour ce sujet.
Enfin, cette thèse n’aurait sûrement pas vu le jour sans le précieux soutien de mes
proches qui m’ont supporté tout au long du parcours. Je remercie bien sûr mes parents
Pierre et Brigitte qui me soutiennent depuis 27 ans et sans qui rien n’aurait été possible,
mais aussi mon acolyte Cha, qui égaie mon quotidien depuis le début de cette thèse. Et
évidemment, je n’oublie pas tous les copains qui ont rendu ces années beaucoup plus
supportables !
Je dédie cet accomplissement à ma mamie Monique, qui nous a quitté trop tôt cette
année.
 Table des matières
Remerciements i

Table des matières ii

1 Synthèse bibliographique 3
1.1 Contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Transition des procédures d’homologation . . . . . . . . . . . . . 3
1.1.2 Processus de développement des véhicules . . . . . . . . . . . . . 5
1.1.3 Importance de la simulation dans les essais . . . . . . . . . . . . . 8
1.1.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Modélisation des éléments de la chaîne de traction . . . . . . . . . . . . . 10
1.2.1 Outils industriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1.1 Applications . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1.2 Calibration des modèles . . . . . . . . . . . . . . . . . . 11
1.2.2 Forces appliquées sur le véhicule . . . . . . . . . . . . . . . . . . . 12
1.2.2.1 Approche générale . . . . . . . . . . . . . . . . . . . . . 13
1.2.2.2 Masse équivalente . . . . . . . . . . . . . . . . . . . . . 13
1.2.2.3 Bilan des forces . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.2.4 Résistance aérodynamique . . . . . . . . . . . . . . . . . 15
1.2.2.5 Résistance au roulement . . . . . . . . . . . . . . . . . . 16
1.2.2.6 Tests de « coast down » . . . . . . . . . . . . . . . . . . 17
1.2.2.7 Résistance due à la pente . . . . . . . . . . . . . . . . . 18
1.2.2.8 Force de freinage . . . . . . . . . . . . . . . . . . . . . . 19
1.2.3 La transmission . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.3.1 Transmission manuelle . . . . . . . . . . . . . . . . . . . 20
1.2.3.2 Transmission automatique . . . . . . . . . . . . . . . . . 21
1.2.4 Le conducteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.4.1 Types de modèles . . . . . . . . . . . . . . . . . . . . . . 22
1.2.4.2 Approche générale pour l’application EiL . . . . . . . . 22
1.2.4.3 Profil de conducteur . . . . . . . . . . . . . . . . . . . . 24
1.2.4.4 Approche alternative . . . . . . . . . . . . . . . . . . . . 25
1.2.5 Consommateurs auxiliaires . . . . . . . . . . . . . . . . . . . . . . 26
1.2.5.1 Principaux consommateurs . . . . . . . . . . . . . . . . 26
1.2.5.2 Impact sur la représentativité . . . . . . . . . . . . . . . 27
1.2.6 Application à l’hybridation . . . . . . . . . . . . . . . . . . . . . . 29
1.2.6.1 Approche virtuelle . . . . . . . . . . . . . . . . . . . . . 29
1.2.6.2 Modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.6.3 Alternatives . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3 Modes de contrôle du banc moteur . . . . . . . . . . . . . . . . . . . . . 33
 Table des matières

1.3.1 Contrôle en régime : mode n − α . . . . . . . . . . . . . . . . . . 33

1.3.2 Contrôle en couple : mode T − α . . . . . . . . . . . . . . . . . . 34
1.3.3 Machine de charge . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.3.4 Choix du contrôle . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.4 Représentativité des essais au banc moteur . . . . . . . . . . . . . . . . . 36
1.4.1 Fidélité de l’environnement virtuel . . . . . . . . . . . . . . . . . 37
1.4.1.1 Précision du contrôle . . . . . . . . . . . . . . . . . . . . 37
1.4.1.2 Représentativité des modèles . . . . . . . . . . . . . . . 38
1.4.2 Représentativité de l’environnement . . . . . . . . . . . . . . . . . 41
1.4.2.1 Méthodes de mesure des polluants . . . . . . . . . . . . 42
1.4.2.2 Comparaison des émissions . . . . . . . . . . . . . . . . 44
1.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

2 Présentation de l’environnement et des moyens d’essais 53

2.1 Démarche et véhicule d’essai . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.1.1 Démarche initiale . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.1.1.1 Véhicule de référence . . . . . . . . . . . . . . . . . . . . 53
2.1.1.2 Post-traitement et instrumentation . . . . . . . . . . . . 54
2.1.2 Moteur alternatif . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.1.3 Application à l’architecture hybride . . . . . . . . . . . . . . . . . 57
2.2 Le banc d’essai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2.1 Machines de charge . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2.2 Architecture du banc . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.2.3 L’outil industriel SIMBOX . . . . . . . . . . . . . . . . . . . . . . 59
2.3 Synthèse des campagnes . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4 Mesures de la thermique sous-capot . . . . . . . . . . . . . . . . . . . . . 62
2.5 Moyens de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.5.1 Bilan énergétique . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.5.1.1 Puissance demandée . . . . . . . . . . . . . . . . . . . . 63
2.5.1.2 Puissance mesurée . . . . . . . . . . . . . . . . . . . . . 64
2.5.1.3 Puissances calculée par l’ECU . . . . . . . . . . . . . . . 65
2.5.1.4 Comparaison énergétique . . . . . . . . . . . . . . . . . 66
2.5.1.5 Représentativité du banc à rouleaux . . . . . . . . . . . 67
2.5.2 Consommation de carburant . . . . . . . . . . . . . . . . . . . . . 68
2.5.3 Emissions gazeuses . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.5.3.1 Méthode de calcul . . . . . . . . . . . . . . . . . . . . . 71
2.5.3.2 Temps de transfert . . . . . . . . . . . . . . . . . . . . . 72
2.5.3.3 Comparaison à la mesure par sacs . . . . . . . . . . . . . 73
2.5.4 Représentativité thermique . . . . . . . . . . . . . . . . . . . . . . 74
2.6 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

3 Développement de l’environnement de simulation 77

3.1 Simulation du véhicule . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
3.1.1 Présentation du modèle GREEN . . . . . . . . . . . . . . . . . . 78
3.1.1.1 Modélisation de la transmission . . . . . . . . . . . . . . 78
3.1.1.2 Modélisation des forces sur le véhicule . . . . . . . . . . 80
3.1.2 Adaptation au banc EiL . . . . . . . . . . . . . . . . . . . . . . . 81
3.1.2.1 Architecture initiale . . . . . . . . . . . . . . . . . . . . 81

iii
Table des matières

3.1.2.2 Régulation de la machine de charge . . . . . . . . . . . . 83

3.1.2.3 Oscillations au banc moteur . . . . . . . . . . . . . . . . 85
3.1.2.4 Modélisation de l’embrayage . . . . . . . . . . . . . . . . 88
3.1.2.5 Architecture finale . . . . . . . . . . . . . . . . . . . . . 89
3.2 Simulation du conducteur . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.2.1 Qualité du suivi de cycle . . . . . . . . . . . . . . . . . . . . . . . 91
3.2.2 Modèle initial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.2.3 Structure du modèle de conducteur . . . . . . . . . . . . . . . . . 93
3.2.3.1 Anti-windup . . . . . . . . . . . . . . . . . . . . . . . . 94
3.2.3.2 Anticipation de la consigne . . . . . . . . . . . . . . . . 95
3.2.3.3 Gestion des changements de rapport . . . . . . . . . . . 97
3.2.3.4 Gestion du décollage . . . . . . . . . . . . . . . . . . . . 104
3.2.4 Calibration du modèle . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2.4.1 Dynamique de la réponse moteur . . . . . . . . . . . . . 107
3.2.4.2 Représentativité . . . . . . . . . . . . . . . . . . . . . . 110
3.2.4.3 Méthode de calibration . . . . . . . . . . . . . . . . . . . 112
3.3 Résultats expérimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.3.1 Régulation de la machine de charge . . . . . . . . . . . . . . . . . 113
3.3.2 Modélisation de l’embrayage . . . . . . . . . . . . . . . . . . . . . 114
3.3.2.1 Analyse des résultats . . . . . . . . . . . . . . . . . . . . 114
3.3.2.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.3.2.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.3.3 Réglage des gains KP , KI . . . . . . . . . . . . . . . . . . . . . . 117
3.3.3.1 Analyse des résultats . . . . . . . . . . . . . . . . . . . . 118
3.3.3.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . 119
3.3.4 Impact de l’anticipation . . . . . . . . . . . . . . . . . . . . . . . 120
3.3.4.1 Bilan énergétique . . . . . . . . . . . . . . . . . . . . . . 120
3.3.4.2 Emissions moteur . . . . . . . . . . . . . . . . . . . . . . 122
3.3.4.3 Emissions à l’échappement . . . . . . . . . . . . . . . . . 124
3.3.4.4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
3.3.5 Répétabilité des essais . . . . . . . . . . . . . . . . . . . . . . . . 127
3.3.5.1 Bilan énergétique et émissions moteur . . . . . . . . . . 128
3.3.5.2 Emissions à l’échappement . . . . . . . . . . . . . . . . . 132
3.3.5.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.3.6 Représentativité des essais . . . . . . . . . . . . . . . . . . . . . . 134
3.3.6.1 Bilan énergétique . . . . . . . . . . . . . . . . . . . . . . 134
3.3.6.2 Emissions en sortie moteur . . . . . . . . . . . . . . . . 136
3.3.6.3 Impact du temps de transfert . . . . . . . . . . . . . . . 141
3.3.6.4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
3.3.7 Impact du profil de changement de rapport . . . . . . . . . . . . . 145
3.3.7.1 Bilan énergétique . . . . . . . . . . . . . . . . . . . . . . 145
3.3.7.2 Emissions en sortie moteur . . . . . . . . . . . . . . . . 146
3.3.7.3 Emissions à l’échappement . . . . . . . . . . . . . . . . . 151
3.3.7.4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
3.3.8 Variation de la masse véhicule et robustesse du conducteur . . . . 155
3.3.8.1 Bilan énergétique . . . . . . . . . . . . . . . . . . . . . . 156
3.3.8.2 Emissions en sortie moteur . . . . . . . . . . . . . . . . 157
3.3.8.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

iv
 Table des matières

3.3.9 Variation de l’efficacité de la transmission . . . . . . . . . . . . . 159

3.3.9.1 Analyse des résultats . . . . . . . . . . . . . . . . . . . . 159
3.3.9.2 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
3.3.10 Application à d’autres cycles . . . . . . . . . . . . . . . . . . . . . 161
3.3.10.1 Cycle RDE . . . . . . . . . . . . . . . . . . . . . . . . . 161
3.3.10.2 Roulage sur piste . . . . . . . . . . . . . . . . . . . . . . 163
3.3.11 Application à l’hybridation : modèle de conducteur . . . . . . . . 166
3.3.11.1 Vue d’ensemble . . . . . . . . . . . . . . . . . . . . . . . 167
3.3.11.2 Robustesse du modèle de conducteur . . . . . . . . . . . 170
3.3.11.3 Application à un cycle RDE . . . . . . . . . . . . . . . . 171
3.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171

4 Etude de la représentativité thermique 177

4.1 Configuration véhicule . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
4.1.1 Circuit de refroidissement . . . . . . . . . . . . . . . . . . . . . . 177
4.1.2 Circuit d’air de suralimentation . . . . . . . . . . . . . . . . . . . 178
4.2 Configurations utilisées au banc moteur . . . . . . . . . . . . . . . . . . . 179
4.2.1 Circuit de refroidissement . . . . . . . . . . . . . . . . . . . . . . 179
4.2.2 Circuit d’air de suralimentation . . . . . . . . . . . . . . . . . . . 180
4.2.2.1 Constat initial : refroidissement par arrosage . . . . . . . 180
4.2.2.2 Refroidissement par soufflante : principe et modifications 183
4.3 Résultats expérimentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
4.3.1 Dispersion des conditions initiales . . . . . . . . . . . . . . . . . . 186
4.3.2 Circuit de refroidissement . . . . . . . . . . . . . . . . . . . . . . 191
4.3.3 Circuit d’air suralimenté . . . . . . . . . . . . . . . . . . . . . . . 193
4.3.3.1 Impact du capot . . . . . . . . . . . . . . . . . . . . . . 194
4.3.3.2 Impact de l’écran . . . . . . . . . . . . . . . . . . . . . . 196
4.3.3.3 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
4.3.4 Emissions en sortie moteur . . . . . . . . . . . . . . . . . . . . . . 197
4.3.4.1 Impact de l’écran et du capot . . . . . . . . . . . . . . . 197
4.3.4.2 Représentativité et dispersion . . . . . . . . . . . . . . . 200
4.3.5 Ligne d’échappement et post-traitement . . . . . . . . . . . . . . 202
4.3.5.1 Impact de l’écran et du capot . . . . . . . . . . . . . . . 202
4.3.5.2 Représentativité . . . . . . . . . . . . . . . . . . . . . . 204
4.3.6 Synthèse & discussion . . . . . . . . . . . . . . . . . . . . . . . . 207
4.4 Modélisation du circuit d’air de suralimentation . . . . . . . . . . . . . . 209
4.4.1 Approche initiale . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
4.4.1.1 Fonctionnement du modèle . . . . . . . . . . . . . . . . 210
4.4.1.2 Lacunes de l’approche initiale . . . . . . . . . . . . . . . 212
4.4.2 Modélisation de l’effet sous capot . . . . . . . . . . . . . . . . . . 215
4.4.3 Formulation simplifiée . . . . . . . . . . . . . . . . . . . . . . . . 216
4.4.3.1 Température sous-capot . . . . . . . . . . . . . . . . . . 216
4.4.3.2 Coefficients de transfert . . . . . . . . . . . . . . . . . . 217
4.4.4 Formulation détaillée . . . . . . . . . . . . . . . . . . . . . . . . . 218
4.4.4.1 Température sous-capot . . . . . . . . . . . . . . . . . . 218
4.4.4.2 Coefficients de transfert . . . . . . . . . . . . . . . . . . 226
4.4.5 Calibration sur un essai au banc moteur . . . . . . . . . . . . . . 227
4.4.5.1 Branche B (RAS) . . . . . . . . . . . . . . . . . . . . . . 227

v
Table des matières

4.4.5.2 Modèle simplifié . . . . . . . . . . . . . . . . . . . . . . 230

4.4.5.3 Modèle détaillé . . . . . . . . . . . . . . . . . . . . . . . 234
4.4.5.4 Comportement global . . . . . . . . . . . . . . . . . . . 238
4.4.5.5 Impact du capot . . . . . . . . . . . . . . . . . . . . . . 242
4.4.5.6 Impact de l’écran . . . . . . . . . . . . . . . . . . . . . . 244
4.4.5.7 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
4.4.6 Régulation thermique du banc EiL par le modèle . . . . . . . . . 247
4.4.6.1 Modèle simplifié . . . . . . . . . . . . . . . . . . . . . . 247
4.4.6.2 Modèle détaillé . . . . . . . . . . . . . . . . . . . . . . . 248
4.4.6.3 Comparaison des modèles . . . . . . . . . . . . . . . . . 248
4.4.6.4 Robustesse du réglage . . . . . . . . . . . . . . . . . . . 250
4.4.6.5 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
4.5 Conclusions & perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . 253

5 Conclusions & perspectives 255

5.1 Synthèse des travaux & conclusions . . . . . . . . . . . . . . . . . . . . . 255
5.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257

A Préparation des essais 259

A.1 Demandes de vitesse et de rapport . . . . . . . . . . . . . . . . . . . . . 259
A.1.1 Demande de vitesse . . . . . . . . . . . . . . . . . . . . . . . . . . 259
A.1.2 Changements de rapport . . . . . . . . . . . . . . . . . . . . . . . 260
A.1.2.1 Montée de rapport . . . . . . . . . . . . . . . . . . . . . 260
A.1.2.2 Rétrogradage . . . . . . . . . . . . . . . . . . . . . . . . 260
A.2 Pente de la route . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
A.2.1 Estimation par le contrôle moteur . . . . . . . . . . . . . . . . . . 261
A.2.2 Filtre de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
A.2.3 Essais de calibration . . . . . . . . . . . . . . . . . . . . . . . . . 265

Références 267

vi
 Nomenclature
Acronymes

1D, 3D Une, trois dimension(s)

ACC Adaptative Cruise Control (radar de régulation de distance)

BM Banc moteur

BàR Banc à Rouleaux

CLD Mesure par chimiluminescence (Chemiluminescence detector)

DA1, DA2, DA7, DA8 Thermocouples en surface du système de post-traitement

ECU Engine Control Unit (unité de contrôle moteur)

EiL Engine-in-the-Loop

FID Détection par ionisation de flamme (Flame ionization detector)

FMU Fonctional Mock-up Unit, format de compilation des modèles

GMP Groupe Moto-Propulseur

HiL Hardware-in-the-Loop

LHEEA Laboratoire de recherche en Hydrodynamique, Énergétique et Environnement

Atmosphérique

MAPD Mean average percent deviation (écart moyen relatif), [%]

MiL Model-in-the-Loop

NDIR Absorption infrarouge non dispersive (Nondispersive infrared)

NEDC New European Driving Cycle (ancien cycle d’homologation européen)

OBD On-Board Diagnostic (diagnostic embarqué)

PCI Pouvoir calorifique inférieur

PEMS Portable Emission Measurement System (système portable de mesure des émis-
sions)

PFD Principe Fondamental de la Dynamique

PI, PID Régulateur Proportionnel-Intégral, Proportionnel-Intégral-Dérivé

Table des matières

PMI, PME, PMF Pression moyenne indiquée, pression moyenne effective, pression moyenne
de frottement

RAS Refroidisseur d’air de suralimentation

RDE Real Driving Emissions (mesure des émissions en conditions de conduite réelles)

SiL Software-in-the-Loop

SSE, SST Sum of squared errors (somme des erreurs au carré), sum of squared total
(somme totale des carrés)

T34F, T34M, T34D, T24M Thermocouples internes au système de post-traitement

UE Union Europééenne

WLTC Worldwide harmonized Light vehicule Test Cycle (nouveau cycle d’homologation
européen)

WLTP Worldwide harmonized Light vehicule Test Procedure (nouvelle procédure d’ho-
mologation européenne)

Symboles

α Position de la pédale d’accélérateur [-]

αbrk Position de la pédale de frein [-]

αcalor Ouverture du calorstat, entre 0 (fermé) et 1 (ouvert) [-]

αclutch Position de la pédale d’embrayage [-]

β Proportion de la puissance moteur évacuée en chaleur sous le capot [-]

∆ω Ecart de régime [tr/min]

∆D Ecart de distance relatif à la distance totale de référence [%]

∆E Ecart énergétique final relatif à l’énergie totale de référence [%]

δE Ecart énergétique relatif à l’énergie totale de référence au cours du temps [%]

∆M Ecart massique final relatif à la masse totale de référence [%]

δM Ecart massique relatif à la masse totale de référence au cours du temps [%]

∆P Ecart de pression [Pa]

∆T Ecart de température [K]

∆t Durée [s]

∆V Ecart de vitesse [km/h]

δBLOCK Coefficient de pondération utilisé dans le modèle mathématique de la tempéra-

ture sous-capot [-]

viii
 Table des matières

δM Coefficient de masse [-]

ϵ Retard dans la fonction de transfert du premier ordre [s]

η Efficacité, rendement [-]

λ Conductivité thermique de l’air [W/(m.K)]

µ Viscosité dynamique de l’air [kg/(m.s)]

µV dif f Ecart de vitesse moyen par rapport à la vitesse demandée [km/h]

ν Viscosité cinématique de l’air [m2 /s]

ω Vitesse de rotation [tr/min]

Φ Puissance de transfert thermique [W]

ρ Masse volumique (de l’air, sauf précision) [kg/m3 ]

τ Constante de temps d’une fonction du premier ordre [s]

θ Angle de la pente [rad]

A, B, C Coefficients de polynôme de décélération [N], [N/(km/h], [N/(km/h)2 ]

Aair,RAS , Bair,RAS Coefficients du modèle de vitesse d’air en entrée du RAS [m/s], [-]

Aair , Bair Coefficients du modèle de débit d’air de circulation sous capot [kg/s], [(kg/s)/(m/s)]

Acc0 Valeur d’initialisation de la pédale d’accélérateur lors des décollages sur boîte
hybride [-]

Ci Coefficient de pondération relatif à l’anticipation de vitesse de i seconde(s) [-]

CP Capacité thermique massique (de l’air, sauf précision) [J/(kg.K)]

d Coefficient d’amortissement [N.m/(rad/s)]

Dpipe Diamètre du conduit [m]

Dtot Distance totale parcourue [m]

dt Pas de temps [s]

E Energie [J]

ECUclutch Position de l’embrayage estimée par le contrôle moteur [-]

ECUEstiT qe Couple effectif estimé par le contrôle moteur [N.m]

ECUEstiT qi Couple indiqué estimé par le contrôle moteur [N.m]

ECUF IM Débit d’injection de carburant estimé par le contrôle moteur [mg/strk]

ECUgear Rapport engagé estimé par le contrôle moteur [-]

ix
Table des matières

ECUM AF Débit d’air moteur estimé par le contrôle moteur [kg/h]

ECUM AT Température de l’air de suralimentation mesurée par le contrôle moteur [◦ C]

ECUN Régime moteur mesuré par le contrôle moteur [tr/min]

ECUP boost Pression de suralimentation mesurée par le contrôle moteur [Pa]

ECUrich Richesse du moteur estimée par le contrôle moteur [-]

ECUT CO Température du circuit de refroidissement mesurée par le contrôle moteur [◦ C]

ECUT oil Température du circuit d’huile mesurée par le contrôle moteur [◦ C]

F Force [N]

F35 Fréquence sous laquelle est contenu 35% du spectre du signal de la pédale d’ac-
célérateur [Hz]

g Accélération de la pesanteur [m.s−2 ]

Gear Rapport de boîte [-]

h Coefficient de convection [W/(m2 .K)]

i Rapport de transmission [-]

J Moment d’inertie [kg.m2 ]

j Rapport de vitesse de rotation [-]

K Coefficient de transfert [W/K] dans le Chapitre 4

k Raideur [N.m/rad]

KP , KI , KD Coefficient du régulateur PID, branches proportionnelle, intégrale et déri-

vée respectivement

L Longueur du conduit [m]

M Masse [kg]

Ndev Nombre de déviations hors des tolérances WLTP [-]

Nu Nombre de Nusselt [-]

P Pression [Pa] dans le Chapitre 4, puissance [W] sinon

p Elongation du modèle d’embrayage [rad]

Pr Nombre de Prandt [-]

Q Débit massique [kg/s]

R Rayon [m]

R2 Coefficient de corrélation [-]

x
 Table des matières

Re Nombre de Reynolds [-]

S Surface [m2 ]

T Température [◦ C] dans le Chapitre 4, couple [N.m] sinon

tdev,M ax Durée de la plus longue déviation hors des tolérance WLTP [s]

tend Durée de l’essai [s]

tOutT ol Temps cumulé hors des tolérances WLTP [s]

V Vitesse [km/h]

vcyl Volume de cylindrée [m3 ]

Xi Indicateur temporel de l’étape i du changement de rapport [s]

CO Monoxyde de carbone

CO2 Dioxyde de carbone

HC Hydrocarbures

NOx Oxydes d’azote

PM Particules

Indices

act Vitesse réalisée par le conducteur

adm Admission

amb Condition ambiant

AP C Mesure en aval du compresseur

AP E Mesure en aval du RAS

aux Auxiliaires

AV Pertes à vide

AV C Mesure en amont du compresseur

aw Anti-windup

axle Variable relative au différentiel

BLOCK Température de la masse moteur

calc Variable calculée

carb Carburant

cell Variable relative à la cellule du banc d’essai

xi
Table des matières

circu Variable relative à l’air circulant sous capot

clutch Variable relative à l’embrayage

comb Variable relative à la combustion de carburant dans le cylindre

command Couple de commande de la machine de charge

comp Variable relative au compresseur

cyl Cylindre

dem, i s Vitesse de consigne anticipée de i seconde(s)

dwn Durée des rétrogradages

dyno Machine de charge

e Entrée

ech Mesure à l’échappement

EiL, C, EiL, F Essais réalisés au banc EiL à chaud, à froid

eng Moteur thermique

eq Equivalent(e)

ext Extérieur(e)

f ilt Température après filtrage par une inertie thermique

f ric Friction

GB Boîte de vitesses

gear Rapport engagé

in Interne

init Valeur initiale

input Apport de chaleur par le moteur

int Valeur intermédiaire

loss Pertes

mean Valeur moyenne

mot Mesure en sortie moteur

P dC Point de contact

P ipe Conduit entre le RAS et le collecteur d’admission

prim Variable relative à l’arbre primaire

xii
 Table des matières

radia Radiateur du circuit de refroidissement

ref Référence

req Demandée

res Résistance

Rlx Rouleaux

rr Résistance au roulement

s Sortie

spring Variable relative à la raideur amortie

start Durée de la phase de lancement d’un essai

target Vitesse cible de la régulation PI

th Théorique

tire Coefficients relatifs à la friction du pneu

tkof Variable relative au décollage

tol Vitesse tolérée par la procédure WLTP

tqe Variable calculée à partir du couple ECUEstiT qe

tqi Variable calculée à partir du couple ECUEstiT qi

trac Traction

U nder Température sous capot modélisée

up Durée des montées de rapport

v Vent

w Variable relative à la roue

wall Variable relative à la paroi du conduit

x Projection longitudinale

xiii
xiv

xiv
 Introduction
Du fait de sa dépendance aux énergies fossiles, le secteur des transports, notamment
l’automobile, a un impact majeur sur le dérèglement climatique ainsi que sur la santé
publique. Dans le but de limiter cet impact, les normes imposées par les institutions
internationales tendent à réduire progressivement les niveaux d’émissions polluantes des
véhicules neufs. Pour répondre à ces normes tout en satisfaisant les exigences sur la
consommation, la complexité des GMP (groupe moto propulseur) développés par les
constructeurs augmente. On remarque notamment le recours à la suralimentation, à la
recirculation des gaz d’échappement, à des systèmes de post-traitement avancés, ainsi
que l’introduction de l’hybridation électrique. Ces évolutions induisent inéluctablement
une augmentation du nombre d’actionneurs et de capteurs, et plus généralement du
temps de développement et de calibration du système.
Dans le même temps, le scandale du DieselGate a accéléré le durcissement des pro-
cédures d’homologation afin de réduire l’écart constaté entre les niveaux d’émissions en
conditions réelles et les seuils autorisés. La transition vers le cycle WLTC (Worldwide
harmonized Light vehicles Test Cycle) et l’introduction d’un test RDE sur route réelle
(Real Driving Emissions) conduisent à un élargissement significatif des conditions d’ho-
mologation. Le véhicule est ainsi testé sur un cycle plus dynamique, et la mesure sur
route implique l’utilisation libre des accessoires ainsi que l’impact aléatoire du trafic
routier et des conditions extérieures.
Face à ces défis, les méthodes de mise au point sont vouées à se virtualiser. En par-
ticulier, cette thèse porte sur la méthode d’essai Engine-in-the-Loop (EiL), qui s’appuie
sur un banc semi-virtuel composé d’un moteur thermique couplé à un banc haute dyna-
mique, lui-même contrôlé par un simulateur modélisant en temps réel la transmission, le
véhicule, le conducteur et la route. Une telle approche permet de tester le GMP entier et
ses différents sous-systèmes, tout en s’affranchissant des contraintes liées aux essais sur
véhicule. L’utilisation d’un environnement virtuel réduit les coûts et améliore la répéta-
bilité des essais ainsi que la flexibilité des composants périphériques, tandis que le banc
moteur permet l’automatisation des essais dans un environnement contrôlé. Par rapport
à une approche basée purement sur la simulation, l’utilisation du moteur thermique doit
en outre garantir une mesure fiable des émissions polluantes et de la consommation de
carburant.
L’approche EiL étant relativement récente, la problématique principale de cette thèse
réside dans l’établissement d’une méthode permettant d’assurer la bonne représentati-
vité de ce moyen d’essai par rapport aux essais sur véhicule. Dans cette perspective, le
Chapitre 1 commence par présenter une synthèse de la bibliographie disponible s’arti-
culant en trois axes : les différents modèles utilisés et leur niveau de précision ; le choix
du mode de contrôle de la machine de charge ; et la représentativité de l’environne-
ment, à la fois virtuel (les modèles et le contrôle) et physique (conditions ambiantes,
conditionnement thermique du moteur et de la ligne d’échappement).
Suite à cet état de l’art, les différents moyens d’essais utilisés dans cette thèse sont
Table des matières

synthétisés dans le Chapitre 2 ainsi que la démarche générale suivie. On détaille notam-
ment l’architecture du banc moteur ainsi que les indicateurs utilisés pour analyser la
représentativité des essais.
Le Chapitre 3 présente ensuite le travail réalisé sur l’environnement virtuel. On décrit
d’une part le fonctionnement du modèle véhicule, et plus particulièrement du modèle
d’embrayage. D’autre part, le modèle conducteur développé dans cette thèse est présenté
en détail, ainsi que la méthode de calibration associée. Les résultats expérimentaux
obtenus sur le banc EiL sont ensuite analysés.
Le Chapitre 4 est enfin axé sur la problématique de la corrélation thermique du banc
EiL. En particulier, on présente les manipulations expérimentales réalisées sur le banc
moteur pour améliorer la représentativité de la température d’air de suralimentation.
Suite aux résultats expérimentaux, on présente un modèle thermique simple de la ligne
d’air, prenant notamment en compte l’accumulation de chaleur sous-capot.
Les principales conclusions sont finalement résumées dans le dernier Chapitre, et des
perspectives à ces travaux sont proposées.

2
CHAPITRE 1
Synthèse bibliographique
Ce chapitre a pour objectif de détailler le contexte général et les avantages de la
méthode Engine-in-the-Loop. Ensuite, un état de l’art des méthodes utilisées est présenté
et organisé en trois axes majeurs. Tout d’abord, on synthétise les différents niveaux de
modélisation des éléments périphériques à la chaîne de traction utilisés dans l’approche
EiL. Ensuite, la liaison entre le banc physique et l’environnement virtuel est détaillée, en
particulier les différents modes de contrôle utilisés. Enfin, la dernière partie se concentre
sur la caractérisation de la représentativité des essais, y compris de l’environnement
moteur.

1.1 Contexte
1.1.1 Transition des procédures d’homologation
La prise de conscience quant à l’impact de la pollution atmosphérique sur le dérègle-
ment climatique et la santé publique en a fait un enjeu capital des années à venir. En
Europe, le secteur des transports représentait près d’un quart des émissions (24%) de
dioxyde de carbone (CO2 ) de 2016, dont près de 44% pour les véhicules particuliers [1].
Le transport routier représentait par ailleurs 39% des émissions d’oxydes d’azote (NOx )
en 2015 [2]. Dans la lignée d’autres mesures visant à répondre à l’urgence climatique,
les seuils d’émissions de polluants des nouveaux véhicules automobiles (définis en UE
par les normes Euro) se sont donc durcis au cours des dernières années. Ainsi, les émis-
sions de CO2 des véhicules neufs ne doivent pas dépasser 95 g/km en 2021 pour les pays
européens, contre plus de 160 g/km en 2000, comme représenté sur la Figure 1.1 [3].
Outre les émissions de CO2 , la sévérisation des normes concerne aussi les NOx , le
monoxyde de carbone (CO), les hydrocarbyures (HC) et les particules (PM). En Europe,
jusqu’en 2018, l’homologation de chaque nouveau modèle, c’est à dire la certification du
respect de ces limites, se basait exclusivement sur le cycle NEDC (New European Driving
Cycle), élaboré en 1996.
Le cycle est défini par la trace de vitesse représentée en rouge sur la Figure 1.2. On
mesure les masses de polluants émis lors de la réalisation du NEDC par un pilote sur
banc à rouleaux (BàR), illustré Figure 1.3(a). L’utilisation d’un cycle commun, réalisé
dans des conditions de laboratoire contrôlées et répétables, permet une comparaison
systématique des émissions d’un véhicule donné aux seuils autorisés. Toutefois, en 2015,
l’affaire du « DieselGate » de Volkswagen marque un tournant pour le monde automobile.
Il est révélé que ces procédures d’homologation sont facilement détournées par certains
constructeurs [4]. En particulier, il apparaît que les niveaux d’émission de NOx mesurés
sur des véhicules en circulation sont de loin supérieurs aux seuils autorisés et observés sur
1 Synthèse bibliographique

NEDC. Les écarts entre les niveaux d’émission en laboratoire et sur route sont d’ailleurs
en augmentation, allant à contre-courant des normes.

Fig. 1.1 : Evolution des seuils d’émission de CO2 autorisés [3].

Fig. 1.2 : Trace de vitesse des cycles d’homologation NEDC et WLTC en fonction du
temps.

Ce scandale accélère la transition du très décrié NEDC, jugé trop peu représentatif
des conditions réelles d’utilisation [5, 6] car faisant appel à une faible fraction de la plage
de fonctionnement du moteur, vers le cycle WLTC (Worldwide harmonized Light vehicles
Test Cycle), représenté en bleu sur la Figure 1.2. Celui-ci est plus long et basé sur des
données de conduite réelles, ce qui le rend plus dynamique dans les accélérations [7].

4
 1.1 Contexte

((a)) Véhicule sur banc à rouleaux en laboratoire. ((b)) PEMS à l’arrière d’un véhicule.
Fig. 1.3 : Mesure des émissions de polluants.

Pour contraindre les constructeurs à assurer le respect des normes d’émissions durant
un usage réel, la procédure WLTP (Worldwide harmonized Light vehicles Test Procedure)
est en outre complétée par un test en fonctionnement normal sur la voie publique, appelé
RDE (Real Driving Emissions) [7]. Cet essai dépend de l’itinéraire choisi, du trafic et
du conducteur, et ne suit donc pas un cycle de vitesse donné. Il doit plutôt répondre
à certaines exigences, par exemple en ce qui concerne les durées de circulation urbaine,
péri-urbaine (ou rurale) et sur autoroute (Tableau 1.1).

Tableau 1.1 : Synthèse des critères de distance et vitesse pour un roulage RDE [8].
Phase Distance Proportion Vitesse Autre critère
[km] [%] [km/h]
Urbaine ≥ 16 29-44 ≤ 60 Moyenne : 15 - 40 km/h
Rurale ≥ 16 23-43 60 - 90
Autoroute ≥ 16 23 - 43 >90 >100 km/h au moins 5 minutes

De plus, le conducteur est libre d’utiliser les auxiliaires comme la climatisation, et

les conditions extérieures comme le trafic, la température externe, le vent ou la pente
de la route ne sont pas contrôlées comme en laboratoire. Les niveaux d’émissions sont
mesurés en direct par un appareil portable (PEMS : Portable Emission Measurement
System, Figure 1.3(b)) et doivent être en accord avec ceux observés au banc, à un facteur
de conformité près [9]. Ce facteur de conformité, introduit pour accorder un temps
d’adaptation aux constructeurs, est amené à diminuer de sa valeur initiale de 2.1 en
2017 à 1.5 en 2020, l’idée étant ainsi de réduire progressivement les écarts autorisés entre
RDE et WLTC. Comme représenté Figure 1.4, cette nouvelle procédure d’homologation
fait donc appel à toute la plage de fonctionnement du moteur, et dans des conditions
extérieures bien plus diverses et aléatoires que le cadre du processus NEDC, Figure 1.5.

1.1.2 Processus de développement des véhicules

Dans ce contexte de durcissement des normes d’émissions, les constructeurs doivent
en outre répondre aux exigences de basse consommation et de performance du mar-
ché automobile actuel. Le défi est donc de plus en plus grand et les architectures de

5
1 Synthèse bibliographique

GMP (Groupe Moto Propulseur) se diversifient. Entre autres, on peut souligner l’es-
sor de la suralimentation, de la recirculation des gaz d’échappement, de l’hybridation
et de l’électrification, et le recours à des systèmes de post-traitement de plus en plus
élaborés. Toutes ces évolutions nécessitent naturellement l’ajout de nouveaux capteurs
et actionneurs dans le système.

Fig. 1.4 : Plage de fonctionnement du moteur (couple vs régime) pour le NEDC, WLTC,
et deux RDE (« tranquille » et « agressif ») [8].

Fig. 1.5 : Conditions limites d’un roulage RDE : style de conduite, température am-
biante, altitude [8].

6
 1.1 Contexte

Le processus de développement d’un nouveau GMP suit généralement le cycle en V,

représenté Figure 1.6 [10-13]. Une fois les besoins et fonctions du système spécifiés, le
développement d’une stratégie de contrôle robuste et optimale s’appuie sur la simulation
pour la partie gauche du V, c’est-à-dire la conception des différents sous-systèmes et des
communications entre ceux-ci. C’est l’approche dite « software-in-the-loop » (SiL), pour
laquelle un modèle du contrôleur est relié à un modèle du système entier. Dans ce cas,
les modèles n’ont pas besoin de fonctionner en temps réel puisque tous les composants
sont virtuels, aussi bien le banc que le système en conception.

Fig. 1.6 : Le cycle en V.

Une fois le contrôle développé et implémenté, les différents sous-systèmes prototypés

sont testés séparément, puis leur intégration dans le système est elle aussi validée. Pour
la partie droite du V, les tests sont donc réalisés avec les sous-systèmes réels. Toutefois,
ces sous-systèmes ne sont généralement pas testés dans le système entier, d’abord parce
qu’il n’est pas possible d’en disposer à cette phase du développement, et ensuite parce
que ces essais seraient trop coûteux et longs à réaliser. Ainsi, les tests d’intégration
et de validation sont basés sur l’approche « hardware-in-the-loop » (HiL), qui consiste
à réaliser des essais sur un composant réel (en hardware) relié à un système virtuel
[14]. Cette méthode est déjà largement établie pour les tests d’unité de contrôle moteur
(ECU : Engine Control Unit). Dans ce cas, l’ECU est connectée à un simulateur qui doit
modéliser le comportement du moteur en temps réel [15-19]. L’approche HiL peut aussi
être appliquée pour développer une loi de gestion d’un GMP hybride [20-23] ou tester
un système de suspension [24, 25]. L’intérêt d’utiliser un simulateur en temps réel est
de pouvoir contrôler les signaux d’entrée du contrôleur, pour placer volontairement le
composant dans des conditions critiques afin de balayer le maximum de cas tests.
Enfin, un point crucial de la mise au point d’un véhicule est la calibration du diagnos-
tic embarqué, ou On-Board Diagnostic (OBD). Présent dans tous les véhicules depuis les
années 2000, il regroupe l’ensemble des diagnostics réalisés pour détecter la défaillance
de divers composants, comme les sondes de richesse ou le système de post-traitement
des NOx . Pour chaque procédure de test, il est indispensable de définir précisément le
critère de détection d’un composant défaillant afin d’alerter le conducteur en cas de
nécessité de remplacement de la pièce. Concrètement, un ECU mal calibré pourrait ne
pas diagnostiquer certains phénomènes assez tôt (non-détection, par exemple du vieillis-
sement d’un composant de dépollution), ou au contraire alerter le conducteur pour des
problèmes non-existants (fausse détection). Pour cette étape, le système entier est testé

7
1 Synthèse bibliographique

et des essais sur véhicule sont généralement réalisés sur piste. Ici aussi, le but est de réa-
liser un balayage le plus complet possible des différents cas critiques envisageables, afin
de perfectionner la calibration. Naturellement, il ressort que plus un GMP est complexe,
plus la phase de validation et de calibration nécessite un nombre important de tests.

1.1.3 Importance de la simulation dans les essais

En somme, l’homologation des véhicules est de plus en plus stricte et exige de tester
le véhicule dans des conditions bien plus étendues. D’autre part, les GMP sont de plus en
plus complexes et leur calibration devient donc plus fastidieuse. Ces deux tendances asso-
ciées, les constructeurs voient ainsi croître de manière exponentielle les efforts de test et
de calibration. Il semble très peu probable, voire impossible, que les méthodes conven-
tionnelles d’essais sur véhicule puissent être appliquées aux prochaines architectures.
Outre les coûts et les délais que cela qu’ils engendrent, les essais sur route dépendent de
nombreux facteurs extérieurs (style de conduite du pilote, conditions ambiantes, état de
la route...) et sont donc peu répétables, ce qui complexifie encore la démarche.

Fig. 1.7 : Schéma de l’approche EiL.

Face à ce défi, les moyens d’essais sont donc voués à se virtualiser. En particulier,
l’attention s’est récemment focalisée sur l’approche « Engine-in-the-Loop » (EiL), repré-
sentée sur la Figure 1.7. De manière similaire à l’approche HiL, l’idée est de réaliser les
essais sur un banc semi-virtuel, composé cette fois du moteur entier couplé à un banc
haute dynamique (aussi appelé machine de charge), lui-même associé à un simulateur en
temps réel modélisant la transmission, le véhicule, le conducteur et la route. Une telle ap-
proche permettrait ainsi de tester le GMP entier et ses différents sous-systèmes, tout en
s’affranchissant des contraintes liées aux essais sur route. Même s’il n’est pour l’instant
pas envisageable de remplacer totalement les essais de validation sur route, l’objectif
est de disposer d’un simulateur suffisamment représentatif de la réalité pour pouvoir

8
 1.1 Contexte

réduire au maximum l’importance de cette étape. Les avantages d’une telle approche
sont nombreux [26] :
• Coûts et délais réduits par rapport aux essais véhicules : un banc EiL permet de
s’affranchir du besoin d’un conducteur et d’un véhicule en avance de phase de
production. En outre, l’environnement du banc moteur permet l’automatisation
des essais, pendant la nuit par exemple.
• Représentativité : l’environnement EiL représente un bon compromis en termes
d’efforts de simulation, puisque le composant le plus complexe, i.e. le moteur à
combustion, est présent physiquement. Plus particulièrement, un avantage majeur
du banc EiL est sa représentativité en termes d’émissions de polluants, car ce
phénomène reste un véritable défi à modéliser précisément [26].
• Répétabilité : l’environnement du banc est contrôlable et permet de s’affranchir de
la variabilité importante des conditions extérieures lors d’un essai sur véhicule, afin
de reproduire un même essai référence et de faciliter la démarche de comparaison
et d’analyse.
• Flexibilité : l’architecture du GMP virtuel peut être facilement modifiée, par
exemple pour tester plusieurs types de transmission ou une stratégie de loi de
gestion hybride. En outre, il est aussi plus facile de modifier un composant de la
ligne d’échappement sur un banc moteur que sur un véhicule.
• Exhaustivité : le banc peut être utilisé pour tester le moteur dans des conditions
extrêmes ou rares qui seraient difficiles, voire impossibles, à mettre en place sur
piste.
• RDE : un des défis posés par les essais RDE est la non garantie de conformité d’un
essai. Sur un trajet identifié comme correspondant aux critères d’homologation
RDE, un incident de trafic ou un style de conduite inapproprié peut rendre l’essai
non valide. Cette vérification n’est faite qu’à posteriori et représente donc une perte
de temps considérable. Le contrôle de la trace de vitesse ou de l’environnement
virtuel entier sur banc EiL permet d’assurer systématiquement la conformité RDE.

1.1.4 Applications
Même si l’intérêt porté à l’approche EiL est relativement récent, plusieurs applica-
tions ont déjà fait l’objet de publications :
• Analyse et optimisation de l’hybridation d’un GMP en termes de consommation
et d’émissions [27-41] : la flexibilité de l’approche EiL permet d’inclure les compo-
sants d’hybridation (moteur électrique, batterie, loi de gestion) dans le simulateur,
afin de comparer rapidement la performance du véhicule sur cycle pour différents
niveaux d’hybridation. L’environnement virtuel offre la possibilité de modifier cer-
tains composants ou la loi de gestion de l’énergie.
• Réduction des émissions polluantes sur cycle [12, 26, 42-49] : le moteur étant
présent physiquement au banc ainsi que sa ligne d’échappement, la représentativité
en termes d’émissions de polluants permet d’analyser la performance du véhicule
sur cycle d’homologation et de simuler des roulages RDE.

9
1 Synthèse bibliographique

• Calibration de paramètres clés du contrôle du moteur [50-52] : l’ECU étant présent

au banc, il est possible d’évaluer l’influence d’un paramètre donné sur la perfor-
mance du moteur, par exemple l’avance à l’allumage. La calibration de l’ECU peut
alors se faire de manière systématique et rapide, voire automatique.

• Test de systèmes de récupération d’énergie à l’échappement [53, 54].

• Evaluation d’architectures GMP nouvelles [55, 56].

• Réalisation d’essais de composants dispersés géographiquement [57].

• Analyse de l’agrément de conduite lors de changements de rapport [45].

1.2 Modélisation des éléments de la chaîne

de traction
Comme abordé plus haut, le banc EiL est composé d’un moteur à combustion présent
physiquement et connecté à une machine de charge, ou génératrice, dont le rôle est de
freiner le moteur pour représenter dynamiquement la résistance subie pendant un roulage
donné. Ce frein est contrôlé par le simulateur, composé de plusieurs composants virtuels.
Comme représenté sur la Figure 1.7, les principaux éléments qui doivent être intégrés
dans le banc virtuel sont :

• Le conducteur : dans l’environnement EiL, un conducteur virtuel contrôle les com-

mandes de pédale envoyées au moteur ou aux freins, en fonction du profil de vitesse
demandé et de la vitesse actuelle du véhicule modélisé.

• La transmission : elle comprend la boîte de vitesse, le différentiel, et peut inclure

l’embrayage ou le convertisseur de couple. En fonction du rapport engagé et du
couple ou du régime moteur mesuré, le modèle de transmission calcule la force de
traction ou la vitesse de rotation des roues.

• Le châssis véhicule : c’est un composant fondamental de l’environnement virtuel,

puisque le rôle de ce modèle est de calculer la vitesse véhicule en prenant en compte
le couple ou le régime moteur d’une part, et les forces résistantes d’autre part.

La modélisation de ces éléments doit permettre d’assurer que le comportement du moteur

au banc, caractérisé principalement par son régime et son couple, corresponde de manière
fidèle à celui d’un moteur installé à bord d’un véhicule et effectuant le même trajet.
Il est important de préciser que le contrôle de la machine de charge peut être fait
soit par une demande de couple à partir d’une mesure de régime, soit par une demande
de régime à partir d’une mesure de couple. Ces modes de contrôle seront détaillés dans
la section suivante.

10
 1.2 Modélisation des éléments de la chaîne de traction

1.2.1 Outils industriels

1.2.1.1 Applications
Plusieurs projets de simulation EiL s’appuient sur des modèles industriels spéciali-
sés. Un des environnements les plus utilisés est InMotion de CarMaker [35, 37, 47, 48,
58, 59]. Ce simulateur permet de modéliser le véhicule complet en se basant sur une
approche tridimensionnelle (3D), prenant en compte les accélérations longitudinale, la-
térale et verticale en incluant la géométrie de la suspension, l’angle de direction etc. Bier
et al. [35] soulignent l’intérêt d’un tel niveau de précision, par exemple pour simuler
le comportement d’un système de freinage récupératif hybride lors d’un virage. Un tel
environnement est aussi capable de générer un essai RDE sur un trajet donné, en simu-
lant le trafic et les feux de circulation [35, 48], ce qui permet d’évaluer une stratégie de
« stop and start », ou de loi de gestion de l’énergie pour un véhicule hybride, en termes
d’émissions et de consommation de carburant. Le profil du conducteur peut aussi être
modifié, ce qui rend les accélérations plus ou moins brutales.
D’autre part, certaines références se basent sur l’outil ASM Tool Suite de dSpace
[41, 49, 56] pour simuler le véhicule, le conducteur et la route. De manière similaire à
InMotion, cette suite d’outils s’appuie sur une approche 3D du véhicule entier prenant
en compte la direction, la suspension et le système de freinage. Il est aussi possible
d’importer ou de définir des trajets complexes réels, ainsi que des manoeuvres précises
du conducteur. Toutefois, les applications sont pour l’instant concentrées sur un cycle
d’homologation tel que le NEDC et ne font donc pas appel à ces notions de trafic routier
ou de manoeuvres complexes. L’accent est plutôt placé sur la performance d’une archi-
tecture hybride [41] ou d’un système de transmission innovant [56] en termes d’émissions
et de consommation sur cycle.

1.2.1.2 Calibration des modèles

Ces modèles industriels sont donc complexes et se veulent les plus précis possible,
tout en fonctionnant en temps réel. Toutefois, peu de détails sont accessibles quant
aux équations sur lesquelles ils reposent. En outre, il est important ici de souligner un
point fondamental de l’approche EiL. Comme énoncé plus haut, l’intérêt de ce type
d’environnement est de réduire les besoins en essais sur route et de permettre des essais
de calibration sans forcément disposer du véhicule entier, donc de placer certains essais
en avance dans le cycle de développement. Cette avance de phase des essais, ou « front
loading », permet de limiter les coûteux retours en arrière en termes de calibration. Un
modèle à 24 degrés de liberté, aussi précis soit-il, nécessite forcément plus de paramètres
d’entrée caractéristiques du véhicule qu’un modèle simplifié. Plus un modèle se veut
exhaustif et fidèle, plus il nécessitera de paramètres, et donc de mesures ou d’estimations
précises. Ainsi, il est important de comprendre qu’il convient de trouver un juste milieu
entre la représentativité du modèle d’une part, et le niveau de calibration nécessaire qui
y est associé d’autre part. L’attention doit être concentrée sur les grandeurs ayant un
impact significatif sur le comportement du véhicule.
Cet aspect fondamental de l’environnement EiL est un point crucial de plusieurs
publications du Mechanical Engineering Department de l’université du Michigan [29,
60-62]. Comme souligné par Louca et al. [60], trouver le juste milieu entre fidélité et
simplicité du modèle est un enjeu clé pour la modélisation en temps réel d’un système

11
1 Synthèse bibliographique

complexe. Les auteurs se basent donc sur un algorithme de réduction d’ordre de modèle
(MORA [60]) afin de développer un modèle dit « adapté » (« proper modeling »). A partir
d’un niveau de complexité élevé, le principe consiste à identifier l’activité de chaque
sous-élément, représentée par la quantité d’énergie le traversant au cours d’une période
donnée. Ensuite, l’algorithme cherche à éliminer les éléments ayant l’activité la plus
faible, tout en gardant le niveau de fidélité du modèle au-dessus du seuil acceptable. Un
algorithme (AVASim) permet de quantifier la fidélité du modèle en le comparant à une
référence (« benchmark »), qui peut venir de résultats expérimentaux ou d’un modèle
plus complexe. Les auteurs s’appuient par ailleurs sur la représentation en graphes de
liaisons, Figure 1.8.

Fig. 1.8 : Graphe de liaison du modèle du véhicule [29].

Outre le fait que les modèles industriels comme InMotion ne sont pas disponibles
librement, leur degré élevé de précision induit inéluctablement des efforts de calibration
basés sur des essais et des mesures. Dans l’optique de placer l’approche EiL au plus tôt
possible de la phase de développement, des modèles simplifiés leur sont donc couramment
préférés.

1.2.2 Forces appliquées sur le véhicule

Le modèle des forces appliquées sur le véhicule est fondamental pour assurer la bonne
représentativité du système. Selon le mode de contrôle choisi, le rôle de ce modèle est
de calculer :

• En contrôle en régime : la vitesse véhicule à partir de la force de traction et des

forces résistantes.

• En contrôle en couple : la force résistive appliquée sur le véhicule à partir du régime

moteur.

12
 1.2 Modélisation des éléments de la chaîne de traction

1.2.2.1 Approche générale

Le modèle obtenu par la méthode de réduction de Fathy et al. [62] est longitudinal
et ne tient compte ni du roulis ni du tangage. En revanche, la force verticale agissant
sur le pneu est variable, ce qui permet l’étude du couplage dynamique entre les forces
longitudinales et verticales, dans une optique d’analyser l’agrément de conduite. La
majorité des références se concentrent sur la consommation de carburant ainsi que les
émissions de polluants, et une approche simplifiée est largement établie dans les études en
environnement EiL [12, 23, 31, 36, 38, 40, 51, 57, 63-65]. Le modèle est réduit purement à
la dimension longitudinale et représente la relation entre la force de traction Ftrac d’une
part, et la vitesse véhicule V d’autre part. Cette relation est caractérisée par les forces
de résistance à l’avancement, Fres . En assimilant le véhicule à une masse ponctuelle en
son centre de gravité et en appliquant le principe fondamental de la dynamique (PFD)
dans la direction longitudinale, on obtient :
dV
Meq = Ftrac − Fres (1.1)
dt
Outre la masse du véhicule lui-même, la masse équivalente Meq prend en compte l’inertie
des masses en rotation des roues, de l’arbre de transmission, de la boîte de vitesse et du
moteur.

1.2.2.2 Masse équivalente

La masse équivalente s’exprime en fonction de la masse du véhicule M et d’un coef-
ficient de masse rotationnelle δM [66-69] :

Meq = δM · M (1.2)

Ce coefficient représente les inerties en rotation de la ligne de traction, des roues à l’arbre
moteur en passant par la boîte de vitesse. En connaissant les moments d’inertie des roues
Jw et de tous les autres Ne composants, il s’écrit :
P P P
Jw J1 j1 2 JNe jNe 2
δM =1+ + + ... + (1.3)
M · Rw 2 M · Rw 2 M · Rw 2
avec Rw le rayon des roues et j1 , ...jNe les rapports entre les vitesses de rotation des com-
posants 1 à Ne et la vitesse de rotation d’une roue. Toutefois, il est difficile de connaître
le moment d’inertie de chacun des composants en rotation. Ainsi, une formulation sim-
plifiée est généralement acceptée :

δM = 1 + δw + δp · ibv 2 (1.4)

avec δw le coefficient de masse associé à l’inertie des roues, et δp celui associé au GMP
entier, i.e. le moteur et la transmission, en considérant le rapport engagé de la boîte de
vitesse ibv . Ces coefficients peuvent être exprimés en fonction de l’inertie d’une roue Jw
et du GMP Jp [66, 68], ainsi que du rapport de transmission du différentiel iaxle :

4 · Jw
δw = (1.5)
M · Rw 2

13
1 Synthèse bibliographique

Jp · iaxle 2
δp = (1.6)
M · Rw 2
Bien que l’équation (1.4) soit simplifiée, elle nécessite tout de même de connaître le
moment d’inertie associé au moteur et à la transmission, pour chaque rapport. Une
expression empirique généralisée aux véhicules particuliers est ainsi souvent proposée
[67, 69] :
δM = 1 + 0.004 + 0.0025 · ibv 2 (1.7)
Cette expression ne dépend plus que du rapport de transmission engagé. Il est aussi
possible de considérer une valeur constante pour le facteur δM , par exemple δM = 1.03
[70].

1.2.2.3 Bilan des forces

La force de traction Ftrac est liée au couple moteur Teng et aux rapports de trans-
mission de la boîte de vitesse ibv et du différentiel iaxle . En mode de contrôle en régime,
le couple moteur est mesuré au banc et est une entrée du modèle véhicule. Comme dé-
crit dans la section suivante, il est transposé par le modèle de transmission en force de
traction, qui est donc une entrée du modèle du châssis. En mode de contrôle en couple,
Ftrac est une sortie du modèle.

Fig. 1.9 : Forces résistives sur un véhicule.

La force résistante doit être appliquée au moteur par la machine de charge. Comme
représenté sur la Figure 1.9, les principales forces agissant sur le véhicule en opposition
à la force de traction sont la traînée aérodynamique Faero , la résistance au roulement Frr
et la force éventuelle due à la pente de la route Fpente (qui peut être positive ou négative
selon l’inclinaison). Lors d’un freinage, la force Ff rein s’ajoute à ce bilan :

Fres = Faero + Frr + Fpente + Ff rein (1.8)

14
 1.2 Modélisation des éléments de la chaîne de traction

1.2.2.4 Résistance aérodynamique

La résistance aérodynamique Faero représente la force de traînée dûe au champ de
pression s’exerçant sur la surface du véhicule [69, 71] :
1
Faero = ρair · Sf · Caero · V 2 (1.9)
2
où ρair est la masse volumique de l’air, Sf la surface frontale du véhicule et Caero le
coefficient de traînée. La surface frontale du véhicule est généralement calculée à partir
d’une image de la face du véhicule [72, 73]. Le coefficient de traînée est caractéristique
du véhicule et peut être déterminé par des tests en tunnel qui permettent de prendre en
compte l’impact aérodynamique de la rotation des roues [73]. Toutefois, ce genre de test
est coûteux et leur représentativité n’est pas établie. La méthode la plus répandue est
donc celle des tests de décélération, ou « coast down », qui permet aussi de déterminer le
coefficient de résistance au roulement, comme détaillé ci-après. Pour un véhicule parti-
culier standard, le coefficient de traînée se trouve généralement entre 0.25 et 0.4 [72, 73].
Lutsey [70] analyse les données d’homologation des modèles américains de l’année 2011.
L’aire aérodynamique Aaero = Sf · Caero est généralement autour de 0.70 m2 , comme
représenté sur la Figure 1.10.

Fig. 1.10 : Histogramme de l’aire aérodynamique pour les modèles américains de l’année
2011 [70].

En outre, il est important de préciser ici que la force aérodynamique n’est pas seule-
ment dépendante de la vitesse véhicule. En effet, la vitesse du vent Vv impacte la vi-
tesse relative du véhicule et, en supposant un vent longitudinal s’exerçant dans le sens
contraire au mouvement, la force aérodynamique s’exprime :
1
Faero = ρair · Sf · Caero · (V + Vv )2 (1.10)
2
Toutefois, en se plaçant dans le contexte de l’EiL et dans l’optique de rejouer un essai
réel au banc moteur ou même d’en générer un, la vitesse du vent sur le véhicule n’est
pas une information disponible : aucun capteur n’est installé à cet effet sur un véhicule
standard. Simuler la vitesse du vent lors d’un trajet donné demanderait un effort de
calcul supplémentaire ainsi que l’accès à des données pour l’instant peu disponibles.
C’est pourquoi il n’est pas fait mention dans la littérature d’environnement EiL prenant
en considération ce paramètre.

15
1 Synthèse bibliographique

1.2.2.5 Résistance au roulement

La force de résistance au roulement Frr représente le frottement des pneus sur la
route :
Frr = Crr · M · g (1.11)
Outre la masse du véhicule M , cette force de frottement est exprimée à l’aide d’un
coefficient de frottement Crr . Ce coefficient dépend de la pression des pneus ainsi que
de leur revêtement et celui de la route. Il est parfois exprimé en fonction de la vitesse
véhicule, comme proposé par Wong [69] :

Crr = 0.0136 + 0.40 · 10−7 · V 2 (1.12)

Toutefois, l’impact de la vitesse sur Crr peut être considéré négligeable pour V <
120 km/h. Le coefficient de frottement est donc généralement considéré constant. Tout
comme le coefficient de traînée, il est estimé à partir de tests de « coast down ». Sa valeur
est communément comprise entre 0.004 et 0.015 [74-76], comme le confirme la distribu-
tion statistique représentée Figure 1.11 pour les modèles américains de 2011 [70].

Fig. 1.11 : Histogramme du coefficient de frottement pour les modèles américains de

l’année 2011 [70].

Outre cette formulation simple à l’aide d’un coefficient de frottement, il est fait men-
tion dans la littérature d’un modèle pour représenter l’interaction pneu-route. Celui-ci
est basé sur une formule empirique qui permet un calcul en temps réel de la force lon-
gitudinale associée au frottement du pneu sur la route. Certaines références complètent
donc le modèle longitudinal du châssis par cette formule [72, 77, 78]. Il est à préciser ici
que la formule étant empirique, elle repose sur l’ajustement de quatre coefficients [69,
72, 79, 80] :

Fx = Dtire · sin(Ctire · arctan[Btire α̇slip − Etire (Btire α̇slip − arctan(Btire · αslip ))]) (1.13)

Les paramètres Btire , Ctire , Dtire , Etire correspondent respectivement au facteur de rai-
deur, au facteur de forme, à la valeur maximale et au coefficient de courbure. La force
longitudinale Fx dépend ainsi du pourcentage de patinage αslip :

ωw · Rw − V
αslip = (1.14)
V
avec ωw la vitesse de rotation de la roue, Rw son rayon effectif et V la vitesse du véhicule.
La détermination de ces paramètres se fait à partir de données expérimentales, Figure

16
 1.2 Modélisation des éléments de la chaîne de traction

1.12 [72].

Fig. 1.12 : Force longitudinale sur le pneu en fonction du glissement [72] ; comparaison
entre données expérimentales (rouge) et simulation (bleu).

Par ailleurs, il est important de souligner qu’utiliser un modèle longitudinal implique

intrinsèquement de négliger un phénomène potentiellement important : le virage. En
effet, lors d’un virage, la force de frottement est augmentée d’une composante supplé-
mentaire, dite résistance de virage [71, 80]. Toutefois, les études EiL, ou plus largement
SiL, ne font généralement pas mention de ce phénomène.

1.2.2.6 Tests de « coast down »

Comme énoncé plus haut, les coefficients associés aux forces de roulement et aéro-
dynamique sont généralement déterminés par des tests de décélération, dits de « coast
down ». Plusieurs standards existent quant à la démarche associée [73], l’approche gé-
nérale consistant à faire décélérer le véhicule au point mort lancé à une certaine vitesse
initiale entre 70 km/h et 120 km/h [72-74]. Au point mort, la force de traction est nulle
et, la piste d’essai étant plate, la force due à la pente peut être négligée. Les coefficients
de frottement Crr et de traînée Caero peuvent ainsi être déterminés à partir de la trace
temporelle de la vitesse véhicule mesurée lors des tests, en se basant sur le bilan des
forces agissant sur le véhicule Eq. (1.1) :

dV
Meq = −Frr − Faero (1.15)
dt
ce qui donne :
dV 1
Meq = −Crr · M · g − ρair · Sf · Caero · V 2 (1.16)
dt 2
La démarche consiste ensuite à ajuster les coefficients afin de minimiser l’erreur entre
la trace de vitesse mesurée et celle obtenue avec le modèle Eq. (1.16). En pratique, un

17
1 Synthèse bibliographique

terme linéaire en V est ajouté pour mieux approcher la mesure [70, 76].

dV
Meq = −(A + B · V + C · V 2 ) (1.17)
dt
En comparant les Eq. (1.16) et (1.17), il vient naturellement que le coefficient C est
traditionnellement associé à la traînée aérodynamique, C = 21 ρair · Sf · Caero , A étant
relié à la résistance au roulement : A = Crr · M · g. Toutefois, le rôle du coefficient B
est plus difficilement justifiable en théorie, puisque la dépendance linéaire en V n’est
pas présente dans l’Eq. (1.16) ; Ligterink et al. [76] l’associent au coefficient A avec la
résistance au roulement, en précisant en outre que selon le véhicule, ce coefficient peut
être négatif. Les auteurs proposent aussi un lien avec la transition en régime turbulent.
Huertas et Coello [73] comparent les valeurs obtenues par les tests de décélération
pour 19 véhicules avec la référence constructeur pour Caero et des mesures réalisées en
laboratoire pour Crr . Les auteurs estiment la précision satisfaisante avec une erreur d’en-
viron 6%. Il est toutefois important de préciser que cette démarche génère des valeurs de
Caero qui regroupent toutes les forces résistives proportionnelles au carré de la vitesse du
véhicule, tandis que le coefficient Crr obtenu représente toutes les forces indépendantes
de la vitesse. En ce sens, même si les coefficients obtenus permettent de représenter de
manière précise le comportement du véhicule au point mort, ils peuvent ne pas seulement
représenter les forces de traînée, pour l’un, et de frottement, pour l’autre.

1.2.2.7 Résistance due à la pente

Si la route sur laquelle le véhicule se déplace n’est pas parfaitement horizontale mais
inclinée d’un angle θ positif, une force de résistance supplémentaire agit contre la force
de traction, exprimée par l’Eq. (1.18). Similairement, si l’angle d’inclinaison est négatif,
la force liée à la pente sera une force de traction positive :

Fpente = M · g · sin θ (1.18)

La pente doit donc être connue à chaque instant du trajet, comme la trace de vitesse,
et est une entrée supplémentaire du modèle. Quand il s’agit de générer un essai virtuel,
cette information peut être issue d’un profil de route extrait d’une carte altimétrique
précise du circuit.
Pour un trajet réel donné, cette information n’est pas toujours disponible avec une
précision satisfaisante. Dans l’optique de rejouer un essai enregistré sur route à des fins
de corrélation entre banc moteur et environnement véhicule, une mesure de l’inclinaison
de la route est donc nécessaire pour prendre en compte son influence sur la demande
de couple au moteur. Malheureusement, la plupart des véhicules série ne disposent pas
d’un inclinomètre. Sans outil supplémentaire, cette grandeur est donc estimée et non
mesurée. Deux méthodes d’estimations sont mentionnées [81-85].
Tout d’abord, une première estimation repose sur l’équation de la dynamique Eq.
(1.1). En effet, en mettant de côté la force due à la pente, on obtient :

dV
M · g · sin θ = Ftrac − Meq − Faero − Frr − Ff rein (1.19)
dt
Sur un véhicule série :

18
 1.2 Modélisation des éléments de la chaîne de traction

• L’estimation du couple moteur permet le calcul de Ftrac

dV
• La dérivation de la vitesse véhicule permet le calcul de l’accélération dt

• Les forces de résistance aérodynamique et de roulement sont estimées à partir de

la vitesse véhicule et des coefficients de « coast down ».

Ainsi, en phase de fonctionnement « normal », l’Eq. (1.19) permet d’estimer la pente de

la route à partir d’une différence de forces, ou de couples. Toutefois, lors d’un freinage,
la force Ff rein est non nulle et devrait être prise en compte. Malheureusement, cette
grandeur n’est pas mesurée sur un véhicule série. Cette inconnue entraîne donc une
augmentation artificielle de la pente à chaque freinage.
L’autre méthode repose sur la présence d’un accéléromètre à bord des véhicules mo-
dernes. De par son principe de fonctionnement, ce capteur mesure une accélération lon-
gitudinale along qui représente à la fois l’accélération du véhicule, dVdt
, et la projection de
l’accélération de la gravité due à l’inclinaison, gx = g ·sin θ. L’estimation de l’accélération
du véhicule à partir de la dérivée de la vitesse permet donc d’estimer l’inclinaison :
dV
g · sin θ = along − (1.20)
dt
Cette méthode ne s’appuie pas sur l’équation de la dynamique et permet donc de s’af-
franchir de la dépendance au freinage. Toutefois, le signal mesuré par l’accéléromètre est
en général fortement bruité, et une attention particulière est donc portée à son filtrage
[82, 84].

1.2.2.8 Force de freinage

Comme énoncé plus haut, le couple de freinage n’est généralement pas une grandeur
connue sur un véhicule série. Toutefois, la pression du système de freinage est une valeur
mesurable et peut permettre d’exprimer le couple de freinage [85] :

Tf rein = Pf rein · Cf rein (1.21)

Cette estimation nécessite de connaître le coefficient de freinage Cf rein , qui peut être
obtenu par des tests de freinage, comme représenté sur la Figure 1.13.

1.2.3 La transmission
La transmission est le sous-système qui relie l’arbre des roues à l’arbre moteur. Selon
le mode de contrôle choisi, le rôle de ce sous-modèle est donc de convertir :

• En contrôle en régime, le couple moteur en couple de traction aux roues et la

vitesse du véhicule en régime moteur.

• En contrôle en couple, le régime moteur en vitesse véhicule et la force de traction

en couple moteur.

Contrairement au conducteur ou au véhicule, l’architecture du système de transmission

varie sensiblement selon le GMP. Généralement, deux concepts majeurs peuvent être

19
1 Synthèse bibliographique

distingués : la transmission manuelle et la transmission automatique. On peut par ailleurs

citer la transmission robotisée à double embrayage (DCT), ou à transmission continue
(CVT). Dans le cas d’une architecture hybride, la transmission et sa modélisation sont
généralement spécifiques à chaque application.

Fig. 1.13 : Relation entre pression de freinage et décélération [85].

1.2.3.1 Transmission manuelle

La transmission manuelle est en principe plus simple que l’automatique. Elle est très
répandue en Europe, même si les boîtes automatiques, très populaires en Amérique du
Nord entre autres, se démocratisent progressivement. Elle se compose d’un embrayage
et d’une boîte de vitesse pilotée manuellement par le conducteur. La boîte de vitesse
est constituée de deux arbres, l’un dit primaire et lié à l’arbre moteur via l’embrayage,
l’autre dit secondaire correspondant à l’arbre de sortie. La transmission est complétée
par un différentiel qui permet une différence de vitesse de rotation entre la roue gauche
et la roue droite du même essieu.

((a)) Modèle simple. ((b)) Modèle haute dynamique.

Fig. 1.14 : Niveaux de modélisation du véhicule sous AMESim [45].

20
 1.2 Modélisation des éléments de la chaîne de traction

Du fait de sa popularité en Amérique du Nord, la vaste majorité des références appli-

quant l’approche EiL choisissent un système de transmission automatique. Perez et al.
[45] simulent une transmission manuelle en s’appuyant sur les librairies disponibles dans
l’environnement AMESim [86]. Deux niveaux de modélisation sont abordés. Pour une
application orientée sur l’analyse de la consommation de carburant et les émissions de
polluants, le premier modèle, relativement simple et dont la représentation sur AMESim
est schématisée Figure 1.14(a), est considéré suffisant. Il prend en compte les inerties de
la transmission, les rapports de boîte et l’embrayage. Le deuxième modèle, plus complexe,
est destiné à des études de confort de conduite lors de manoeuvres comme le change-
ment de rapport, Figure 1.14(b). Ces modèles s’appuyant sur des composants issus de
librairies, peu de détails sont donnés quant aux équations sur lesquelles ils reposent.

1.2.3.2 Transmission automatique

La transmission automatique est plus complexe que la boîte manuelle. Elle offre plus
de confort au conducteur, en l’affranchissant des tâches d’embrayage et de passage de
rapport. En partant de l’arbre moteur, elle est composée d’un convertisseur de couple
hydraulique, puis d’une boîte automatique qui comprend une loi de passage des rapports.
Un différentiel est placé de manière similaire à une transmission classique.
La plupart des bancs EiL de la littérature utilisent une boîte automatique [12, 41,
44, 49, 57, 87]. Le convertisseur de couple est un coupleur hydraulique et est complexe
par rapport à l’embrayage mécanique classique qu’il remplace. Il est composé de trois
éléments : l’arbre d’entrée relié à une pompe et connecté à l’arbre moteur, l’arbre de
sortie relié à une turbine et connecté à l’arbre d’entrée de la transmission, et le corps
de turbine placé entre les deux pour empêcher un retour d’huile vers le moteur. Pour
une simulation en temps réel, il est généralement approché par un modèle en régime
quasi-statique [12, 57, 60, 88, 89]. Le schéma bloc Figure 1.15 représente ce modèle.
Les signaux d’entrée sont le régime moteur (pump speed sur la figure) et le couple de
transmission (turbine torque). A partir de données fournisseur, les facteurs de capacité
(capacity factor) et de multiplication de couple (torque ratio) sont calculés en fonction
du rapport des régimes (speed ratio), ce qui permet d’obtenir le couple moteur (pump
torque) et le régime de la transmission (turbine speed). Cette approche ne permet pas de
représenter le comportement dans le cas de fluctuations rapides du régime moteur, mais
ce manque n’est jugé limitant que pour des applications d’agrément de conduite [88].
La transmission automatique est ensuite caractérisée simplement par un facteur de
réduction pour chaque rapport. La réduction de régime est considérée idéale (Eq. (1.22)),
tandis que la démultiplication du couple (Eq. (1.23)) est associée à un facteur d’efficacité
ηbv , fonction du rapport de boîte :
ωt
ωs = (1.22)
ibv
Ts = ηbv · Tt · ibv (1.23)
avec ωs , ωt les régimes de sortie et Ts , Tt les couples de sortie de la transmission auto-
matique et du convertisseur de couple respectivement. Ce type de d’approche est aussi
applicable à une boîte manuelle, la différence étant principalement dans l’embrayage
et la loi de passage qui doit être renseignée dans le cas d’une boîte automatique. Les
rapports de démultiplication et d’efficacité sont généralement fournis par des tables ca-
ractéristiques pour une boîte de transmission donnée.

21
1 Synthèse bibliographique

Fig. 1.15 : Approche générale du modèle du convertisseur de couple [88].

1.2.4 Le conducteur
Une des problématiques associées aux essais sur route est le manque de répétabilité
dû à l’influence de nombreux facteurs non maîtrisés. Ces facteurs peuvent être associés
à l’environnement, comme la température, le vent et l’état de la route, mais concernent
aussi le conducteur. En effet, même un conducteur entraîné ne peut garantir exactement
le même comportement entre deux roulages. C’est pourquoi l’apport d’un conducteur
virtuel est crucial pour l’approche EiL.

1.2.4.1 Types de modèles

Les fonctions d’un modèle conducteur peuvent être très vastes et dépendent de l’ap-
plication considérée. En effet, pour des applications liées à la manoeuvrabilité du véhi-
cule, le modèle doit être capable de suivre une route donnée et d’opérer des virages. Ce
type de modèle dit de « path-following »[90-92] nécessite d’être associé à un modèle com-
plet du véhicule et de son système de direction. Par ailleurs, certains modèles prennent
en compte la distance avec les véhicules environnant, pour des applications liées à la
régulation de distance (adaptive cruise control, ACC) [93]. Ce type de modèle, dit de
« car-following », doit être associé à un modèle complet du trafic proche. Similairement
au point souligné à propos du modèle véhicule, il est important de rappeler que l’équilibre
entre la complexité du modèle et la calibration qu’il nécessite est un aspect crucial de
l’approche EiL. C’est pourquoi la littérature révèle une approche généralement simplifiée
pour cette application.

1.2.4.2 Approche générale pour l’application EiL

L’approche générale du modèle véhicule présentée dans la section précédente est
logiquement associée à une certaine architecture du modèle conducteur. En effet, pour

22
 1.2 Modélisation des éléments de la chaîne de traction

un modèle véhicule 1D dans lequel seule l’accélération longitudinale est considérée, le

modèle conducteur a pour seul rôle le contrôle des pédales, et ne considère donc ni les
actions de direction, ni d’éventuels véhicules environnants.
L’entrée du modèle conducteur est le profil de vitesse demandée en fonction du temps,
qui peut par exemple correspondre à un cycle d’homologation (WLTC), ou à un enregis-
trement sur véhicule à reproduire au banc. Ensuite, en fonction de la vitesse actuelle du
véhicule calculée par le modèle, le conducteur déduit une commande de pédale d’accélé-
rateur, notée α et fonction de l’erreur entre vitesse consigne et vitesse modélisée. Ainsi,
le comportement du conducteur est simulé par un régulateur proportionnel-intégral (PI),
représenté sur la Figure 1.16 [29, 31-33, 36, 38, 44, 55, 57, 62, 87, 94]. Peu de détails sont
généralement donnés quant à la calibration des gains de ce régulateur, ce qui laisse à
penser qu’elle se fait de manière empirique afin d’assurer un suivi de vitesse satisfaisant.
Cette structure de base est éventuellement associée à une pré-visualisation (preview),
une stratégie anti-windup et un filtrage, en pointillés sur la Figure 1.16. Certaines réfé-
rences s’appuient parfois sur un régulateur proportionnel-intégral-dérivée (PID) [12, 45,
58]. Kang et al. [58] proposent les valeurs KP = 10, KI = 5 et KD = 1. Toutefois, peu
d’explications sont généralement données quant au choix du régulateur.

Fig. 1.16 : Structure générale du modèle conducteur.

Le preview a pour but de permettre au modèle d’anticiper de larges demandes de

couple de la même manière qu’un conducteur réel. Il est courant de donner une pré-
visualisation des 3 secondes à venir [12, 29, 36, 44, 45, 55, 87]. Par exemple, Fathy et al.
[62] proposent de multiplier les prévisions de 1, 2 et 3 secondes par un gain de 0.6, 0.4
et 0.2 respectivement.
Le rôle de l’anti-windup est de limiter l’emballement du terme de l’intégrateur. Quand
la valeur de sortie du régulateur dépasse la valeur maximale de commande des pédales
(la pédale d’accélérateur ne peut pas être appuyée plus que l’enfoncement maximal),
le signal de sortie est saturé. Pendant ce temps, le terme dans l’intégrateur augmente
progressivement tant que l’erreur entre vitesse désirée et vitesse simulée n’est pas nulle.
Cet emballement peut alors causer un dépassement important de la consigne. La stratégie
anti-windup permet de limiter le terme de l’intégrateur afin que la valeur de consigne
ne dépasse pas le maximum autorisé par la saturation. Il est généralement conseillé de
choisir le gain pour l’anti-windup Kaw comme l’inverse du gain de l’intégrateur KI [95,
96].

23
1 Synthèse bibliographique

1.2.4.3 Profil de conducteur

Comme évoqué plus haut, il peut être intéressant d’évaluer l’impact du profil du
conducteur sur la performance du véhicule et de balayer les différents scénarios pos-
sibles. Un conducteur agressif aura tendance à changer de rapport plus tardivement et
à solliciter le moteur à des valeurs de régime élevées. A l’inverse, un conducteur calme
sera caractérisé par des accélérations moins brusques et une charge moteur moins dyna-
mique. Bien que plusieurs références évoquent l’intérêt d’un tel profilage du conducteur,
il n’existe pour l’instant pas de méthodologie claire. Toutefois, c’est dans les données
d’entrées du modèle, plutôt que dans son paramétrage, que cette caractérisation est gé-
néralement appliquée. En effet, sur un même trajet, le profil du conducteur caractérise
les traces de vitesse et de changement de rapport en fonction du temps. Badin et al.
[97] étudient l’influence de l’agressivité du conducteur sur la consommation d’un véhi-
cule électrique sur banc. En s’appuyant sur les données de 40 roulages réels, les auteurs
considèrent les valeurs extrêmes d’accélération moyenne lors d’un roulage pour définir
trois profils de conducteur : économique, ordinaire et agressif. A partir d’une corrélation
entre vitesse moyenne et consommation (Figure 1.17), ils estiment l’influence du profil
de conducteur entre 10 et 40% sur l’énergie consommée sur un cycle, selon la vitesse
moyenne.

Fig. 1.17 : Influence du profil de conducteur sur la consommation d’énergie [97].

Liu et al. [98] étudient le potentiel d’un système hybride 48V combinant « stop and
start », assistance électrique et freinage récupératif en se basant sur un modèle. A partir
de la base SCAG recensant plus de 1800 roulages réels (disponible via le laboratoire
national américain sur les énergies renouvelables (NREL) [99]), les auteurs conduisent
une étude statistique sur la fréquence de variation de la demande de puissance et plus
précisément de la dérivée de l’accélération, dite jerk. En filtrant les variations de basse
fréquence attribuées au trafic routier, les auteurs proposent une caractérisation du style
de conduite, i.e. l’agressivité du conducteur pour chaque roulage. La catégorisation entre
différents profils est ensuite basée sur la distribution cumulative de cette caractéristique
(Figure 1.18(a)). Toujours en se basant sur la base SCAG, les auteurs estiment ensuite
l’impact du profil conducteur : un conducteur agressif peut entraîner une hausse de
25% de la consommation sur un véhicule conventionnel. Il est par ailleurs souligné que

24
 1.2 Modélisation des éléments de la chaîne de traction

l’hybridation permet de réduire cet impact, bien que l’agressivité du conducteur accélère
par ailleurs le vieillissement de la batterie.

((a)) Distribution cumulative de l’agressivité ((b)) Impact du profil conducteur sur les
du conducteur sur la base SCAG [98]. émissions d’un moteur Diesel [59].
Fig. 1.18 : Profil du conducteur : distribution et influence.

Enfin, Gerstenberg et al. [59] mentionnent la possibilité de choisir le profil du conduc-

teur et d’étudier son impact sur la consommation et les émissions de polluants dans l’en-
vironnement InMotion connecté à un banc EiL. Le trafic routier étant pris en compte,
c’est dans le profil d’accélération que cette caractérisation est réalisée. La Figure 1.18(b)
montre l’impact du profil (doux, normal ou agressif) sur la trace de vitesse et les émis-
sions de NOx : un conducteur agressif entraîne des pics d’émission à la fois plus fréquents
et plus importants.

1.2.4.4 Approche alternative

L’approche du simple régulateur de vitesse PI est largement établie dans la littéra-
ture. Toutefois, certaines références récentes proposent une approche alternative basée
sur une demande d’accélération plutôt que de vitesse. Lee et al. [100] comparent les deux
approches, Figure 1.19. En considérant la vitesse requise au prochain pas de temps, le
modèle en déduit une demande d’accélération qui est directement traduite en appui
pédale.
Selon les auteurs, bien que l’approche classique permette une bonne reproduction
de l’appui pédale d’un conducteur humain, elle requiert un entraînement préalable du
modèle et les paramètres du régulateur nécessitent d’être renseignés avant l’essai ; de
plus, il est complexe de prévoir la réaction de différents conducteurs humains. Il est
souligné que l’approche basée sur l’accélération permet une meilleure représentativité
pendant les forts transitoires. Les mêmes auteurs appliquent le principe du conducteur
basé sur l’accélération sur banc EiL [51] et encouragent une étude plus approfondie à
l’avenir.

25
1 Synthèse bibliographique

Fig. 1.19 : Les deux approches de modélisation du conducteur [100].

1.2.5 Consommateurs auxiliaires

1.2.5.1 Principaux consommateurs
Conventionnellement, plusieurs éléments sont présents sur le moteur d’un véhicule
moderne. Ils sont alimentés par la courroie accessoire, connectée à l’arbre moteur comme
représenté Figure 1.20.

Fig. 1.20 : Consommateurs auxiliaires au moteur [101]

Les principaux consommateurs auxiliaires sont l’alternateur, la climatisation et la

direction assistée. Ces composants prélèvent une fraction du couple fourni par le moteur
lors d’un fonctionnement réel, mais ne sont pas forcément présents, ou actifs, au banc
moteur.

• L’alternateur permet de convertir une partie de l’énergie mécanique fournie par le

moteur en électricité, pour alimenter les divers consommateurs comme la batterie

26
 1.2 Modélisation des éléments de la chaîne de traction

ou le pare-brise chauffant, par exemple. Sur banc moteur, il est bien présent et
connecté à la courroie accessoire, mais il n’est branché à aucun consommateur
électrique : par conséquent, il ne prélève qu’une quantité minime de couple moteur,
correspondant à sa traînée mécanique.
• Le compresseur de la climatisation a pour rôle de comprimer le gaz réfrigérant
avant la détente. Sur banc, il est lui aussi installé sur le moteur et entraîné par la
courroie. Toutefois, il n’est pas connecté au système de tuyaux contenant le gaz
réfrigérant et est généralement débrayé. La seule demande de couple provient donc
des frottements internes.
• La direction assistée peut être hydraulique ou électrique. Dans le cas d’une assis-
tance hydraulique, une pompe est connectée à la courroie accessoire pour gérer
la pression du système. Toutefois, c’est l’assistance électrique qui se généralise de
plus en plus. Dans ce cas, la consommation de la direction est indirecte puisqu’elle
utilise l’électricité fournie par l’alternateur.
Les pompes haute pression (HP) et à eau pourraient aussi être considérées comme des
consommateurs auxiliaires, leur rôle étant la pressurisation du carburant avant son injec-
tion et la circulation du liquide de refroidissement respectivement. Toutefois, ces pompes
sont inhérentes au fonctionnement du moteur et sont donc généralement présentes sur
le banc. Finalement, l’alternateur et la climatisation sont les deux éléments les plus pro-
blématiques, parce qu’ils sont les consommateurs auxiliaires les plus importants et que
leur consommation associée est différente sur banc moteur.

1.2.5.2 Impact sur la représentativité

Si elle n’est pas prise en compte, cette différence d’environnement entraîne logique-
ment un écart dans la demande de couple par rapport à un essai réel. Sur route, le
couple transmis à l’arbre de transmission ne correspond pas au couple moteur du fait
du couple prélevé par les équipements. Sur banc, la consommation de ces auxiliaires
est généralement moindre et la demande de couple est donc plus faible qu’en réalité.
En plus d’affecter les résultats de consommation et d’émissions de polluants, cet écart
peut être problématique pour des applications de calibration : la différence de charge
entraîne une différence de débit moteur qui est une grandeur de premier ordre pour les
déclenchements de diagnostics, comme celui du catalyseur par exemple.
Cependant, il n’est pas fait mention dans la littérature de systèmes EiL prenant
en compte cette consommation pour ajuster la demande de couple. Il pourrait être
argumenté que l’impact de ces auxiliaires est faible et peut être négligé. Il est aussi
possible de réaliser des essais sur véhicule en minimisant au maximum l’action de ces
équipements, afin de réduire l’écart avec l’environnement sur banc moteur. Toutefois,
il est précisé [102] que lors d’un essai RDE, l’usage des auxiliaires doit correspondre à
un usage normal ; ainsi, selon la température extérieure et le choix du conducteur, il est
possible que la climatisation soit activée par exemple. Si le but pour le banc EiL est de
permettre la simulation de n’importe quel roulage donné, il est nécessaire de prendre cet
aspect en considération.
Rymaniak et al. [103] comparent les émissions de polluants de deux moteurs iden-
tiques équipés du même système de dépollution, l’un dans un véhicule réalisant un
roulage RDE, l’autre sur un banc moteur. Il est important de préciser ici que, bien que

27
1 Synthèse bibliographique

les deux moteurs réalisent le même trajet, les auteurs ne cherchent pas à reproduire la
trace de vitesse réalisée sur route et l’impact du trafic génère donc deux roulages dif-
férents mais correspondant aux normes RDE. Toutefois, les auteurs soulignent qu’une
des principales causes de divergence des émissions mesurées sur banc et sur véhicule (Fi-
gure 1.21(a)) est justement la charge moteur additionnelle due aux accessoires comme
les phares et la climatisation. Peu d’études sont axées sur le couple additionnel dû aux
accessoires, la plupart se concentrant sur l’effet sur la consommation. Par exemple, Fon-
taras et al. [104] estiment que les équipements auxiliaires entraînent une consommation
supplémentaire de 3.2 % sur un cycle NEDC. Avec une démarche similaire à l’étude
de l’impact du profil conducteur, Badin et al. [97] s’appuient sur la corrélation entre
consommation et vitesse basée sur l’étude de plus de 40 roulages pour évaluer l’impact
des auxiliaires sur la consommation d’un véhicule électrique, Figure 1.21(b). Les auteurs
estiment qu’à basse vitesse, les auxiliaires représentent jusqu’à 40% de la consommation
pour une puissance électrique de 750 W, cet impact diminuant à 15% pour les hautes
vitesses. Il est important de préciser que cette étude concerne un véhicule purement élec-
trique, pour lequel le chauffage intérieur représente un défi différent du fait de l’absence
de moteur thermique.

((a)) Comparaison des émissions réelles et sur ((b)) Impact des auxiliaires sur la consomma-
banc [103]. tion [97].
Fig. 1.21 : Impact des auxiliaires : émissions et consommation.

Certaines références se focalisent sur la climatisation, qui est le consommateur le plus

important [105-107]. Sa consommation est influencée par de nombreux paramètres ex-
térieurs, comme les conditions climatiques ou la température du confort du conducteur,
mais en grande partie par la vitesse de rotation du moteur et donc du compresseur.
Finalement, l’impact des consommateurs auxiliaires sur la représentativité du banc
est une question en suspens. La nouvelle procédure d’homologation RDE exige de prendre
en compte ces accessoires lors du développement, mais il n’en est pour l’instant pas ques-
tion dans la littérature EiL ; simuler totalement l’utilisation de la climatisation pourrait
engager des efforts de calcul et de mesure supplémentaires, et l’impact de cette charge
additionnelle sur la représentativité globale du banc reste à quantifier.

28
 1.2 Modélisation des éléments de la chaîne de traction

1.2.6 Application à l’hybridation

L’hybridation, particulièrement électrique, est un sujet très actuel et présente un in-
térêt croissant pour les constructeurs. En associant à un GMP classique un ou plusieurs
moteur(s) électrique(s), elle permet d’améliorer la performance du véhicule en termes de
consommation de carburant et d’émissions polluantes. Toutefois, l’hybridation vient sous
une multitudes de formes : série ou parallèle, rechargeable ou non, avec un ou plusieurs
moteur(s) électrique(s)... Le choix entre les différentes architectures et stratégies de ges-
tion de l’énergie possibles est crucial et il n’existe pour l’instant pas de consensus quant
à la meilleure application de cette technologie. Dans ce cadre, la flexibilité et la repré-
sentativité de l’environnement EiL présentent un intérêt significatif et les applications
sont nombreuses.

1.2.6.1 Approche virtuelle

L’application la plus répandue de l’environnement EiL à un véhicule hybride est basée
sur l’architecture conventionnelle décrite Figure 1.7, auquel le système d’hybridation est
ajouté purement virtuellement. Dans ce cas, seul le moteur à combustion est présent
physiquement et la machine de charge prend alors en compte la participation de la
motorisation électrique à travers le modèle, ce qui diminue le couple demandé au moteur.
L’environnement EiL peut alors être utilisé pour évaluer différentes stratégies de gestion
de l’énergie [13, 28, 32, 37, 41] ou plusieurs degrés d’hybridation [34] en termes de
consommation et d’émissions.

Fig. 1.22 : Architecture du banc EiL pour l’hybridation [61].

En particulier, cette approche est appliquée sur le banc EiL de l’université du Michi-
gan [29, 36, 61] et représentée Figure 1.22. La batterie, la motorisation et le module de
gestion de l’énergie sont ajoutés à l’environnement virtuel. La demande d’accélération du
modèle conducteur est transmise au module de gestion, qui transmet ensuite au moteur
thermique et/ou au moteur électrique selon la distribution. Filipi et al. [29] s’appuient
sur cet environnement pour comparer la performance d’un véhicule donné et équipé
d’un GMP conventionnel, puis hybride. Les auteurs soulignent le fait que selon la loi
de gestion de l’énergie choisie, l’hybridation permet une diminution de la consommation

29
1 Synthèse bibliographique

de carburant et des émissions de NOx , mais cause en contrepartie une augmentation

des émissions de particules due à l’algorithme de gestion qui impose des transitoires
plus fréquents au moteur thermique. Selon les auteurs, cet impact n’aurait pas pu être
identifié par une étude virtuelle basée sur des modèles quasi-permanents, d’où l’intérêt
de l’approche EiL dans ce cadre. Kim et al. [36], Liu et al. [61] s’appuient sur une ap-
proche similaire pour évaluer une nouvelle stratégie de distribution de puissance basée
sur une analyse fréquentielle d’une part, et sur une approche stochastique d’autre part.
L’approche EiL permet ici de révéler que l’algorithme de contrôle, développé grâce à un
modèle, impose des demandes de couple qui ne sont pas atteignables par un contrôleur
réel. Enfin, Filipi et al. [55] utilisent le même banc pour tester une architecture hybride
hydraulique. Le système d’accumulateur et pompe étant modélisé, aucune modification
physique du banc n’est nécessaire ; cette flexibilité est un atout indéniable de l’approche
EiL.
De manière similaire, Mastro et al. [30] s’appuient sur un banc EiL et ajoutent à l’en-
vironnement AMESim le modèle Simulink du système hybride. Les auteurs comparent
ainsi plusieurs degrés d’hybridation en se basant sur les points d’opération du moteur, la
consommation et les émissions de polluants sur le cycle NEDC. Dans ce cas, l’utilisation
d’un banc EiL permet de révéler que même si l’hybridation permet une réduction des
polluants en sortie du moteur (engine-out), la température plus basse du système de
post-traitement le rend moins efficace et les émissions en sortie d’échappement (tailpipe)
sont donc finalement plus importantes.

1.2.6.2 Modèles
Représenter le fonctionnement d’un GMP hybride sur banc EiL implique de modéli-
ser deux types de composants supplémentaires : le(s) moteur(s) et la ou les batterie(s).
Comme pour les autres composants, plusieurs niveaux de modélisation sont possibles.
Toutefois, le moteur électrique est généralement représenté par un modèle quasi-statique
à l’aide d’une cartographie de son efficacité ηm en fonction du couple et du régime de-
mandés [36, 38, 77, 108-110]. Le moteur électrique étant hautement dynamique, la repré-
sentation des transitoires n’est pas nécessaire pour atteindre une précision satisfaisante.
Ainsi, en phase de déchargement de la batterie, en écrivant Pelec et Pm les puissances
électrique (prélevée à la batterie) et mécanique fournie par le moteur respectivement :

Pm = ηm · Pelec (1.24)

Kim et al. [36, 38] mentionnent en outre un facteur de chaleur γ, qui représente la
variation du couple maximal fourni par le moteur en fonction de sa température.
Une batterie est un assortiment de cellules, chacune caractérisée par de complexes
réactions électro-chimiques. Toutefois, les applications en temps réel négligent générale-
ment certains aspects, tels que le vieillissement de la batterie. La plupart des références
s’appuie sur un circuit équivalent pour représenter la batterie. Une approche quasi-
statique est parfois choisie, Figure 1.23(a) [108-111], tandis que certaines références pré-
fèrent un circuit plus complexe, Figure 1.23(b) [36, 77, 112, 113].
Bien qu’il ne tienne pas compte des phénomènes électro-chimiques se produisant au
sein de chaque cellule, ainsi que des éventuelles disparités entre les cellules composant
la batterie, le circuit Figure 1.23(b) permet une représentation dynamique du compor-
tement de la batterie avec une précision satisfaisante [113]. Toutefois, ce modèle est

30
 1.2 Modélisation des éléments de la chaîne de traction

linéaire et ne prend pas en compte les non-linéarités dépendant de variables telles que
l’état de charge ou la température de la batterie. Cependant, Klein et al. [41] soulignent
que la représentation de ces phénomènes impliquerait d’importants efforts de mesures
et de calculs ; dans le cas d’une étude portant en particulier sur ces comportements, les
auteurs préconisent donc d’utiliser une batterie physiquement présente au banc.

((a)) Modèle quasi-statique [111]. ((b)) Modèle dynamique [113].

Fig. 1.23 : Circuits équivalents pour le modèle de batterie.

1.2.6.3 Alternatives
Une telle approche « battery-in-the-loop » est mise en place par Kim et al. [38].
Au banc EiL hybride préalablement développé, les auteurs ajoutent donc une cellule de
batterie, physiquement située à plusieurs kilomètres du moteur thermique, les deux bancs
étant connectés par Internet. L’impact des conditions thermiques sur le vieillissement de
la batterie est important et la cellule est donc placée dans un caisson ventilé en fonction
de la vitesse du véhicule, sa température étant mesurée par deux thermocouples, Figure
1.24. L’installation physique du banc est donc plus complexe, mais permet d’évaluer
l’impact de la gestion de l’énergie sur l’état de la batterie.

Fig. 1.24 : Banc battery-in-the-loop [38] - Mesure de la température (gauche), caisson

ventilé (droite).

Afin de représenter fidèlement le comportement du GMP entier, une autre alterna-

tive consiste à associer au moteur thermique un moteur électrique réel. Fleming et al.
[27] développent donc un banc spécifique permettant de représenter un GMP hybride
parallèle, représenté Figure 1.25.

31
1 Synthèse bibliographique

Fig. 1.25 : Banc EiL pour powertrain hybride [27].

Le moteur thermique est connecté à l’arbre de la machine de charge comme sur un

banc EiL classique, tandis que l’arbre du moteur électrique est relié par une courroie.
Grâce à un système d’embrayage, ce banc offre la possibilité de tester l’un ou l’autre des
moteurs séparément pour des analyses spécifiques. D’autre part, Bier et al. [35] associent
aussi un moteur électrique au banc EiL, cette fois pour représenter une hybridation en
série. Les auteurs précisent qu’un tel système permet de reproduire les vibrations réelles
afin d’analyser l’impact de la stratégie de gestion sur l’agrément de conduite. Toutefois,
il est important de préciser que la présence physique du moteur électrique rend définitif
le choix de l’architecture, bien que les auteurs précisent que le système d’embrayage a
été prévu pour pouvoir être éventuellement modifié par la suite [27]. Une telle approche
est donc moins flexible que l’approche conventionnelle et nécessite un banc spécifique à
l’architecture hybride choisie.

Fig. 1.26 : Approche Vehicle-in-the-loop hybride [40].

De manière plus anecdotique, Mayyas et al. [40] décrivent l’approche « vehicle-in-

the-loop » appliquée à l’hybridation, Figure 1.26. Le véhicule équipé d’un GMP conven-
tionnel (i.e. sans hybridation) est placé sur un banc à rouleaux. Comme sur un essai
conventionnel au banc à rouleaux, la résistance exercée par les rouleaux sur les roues
est calculée par un modèle véhicule, qui représente les forces résistantes fonction de la
vitesse. Toutefois, à ce modèle est ajouté celui des composants électriques, dont l’aide
est soustraite à la charge totale exercée par les rouleaux.
Enfin, Fajri et al. [113] proposent un concept de banc HiL pour GMP hybride. Se-
lon les auteurs, une des restrictions majeures de l’environnement EiL est l’utilisation
d’un moteur thermique dans un laboratoire, qui nécessite l’installation d’une ventila-
tion, d’une alimentation en carburant et la prise de mesures de sécurité cruciales. Afin

32
 1.3 Modes de contrôle du banc moteur

Fig. 1.27 : Banc hybride avec émulateur de moteur thermique [113].

de généraliser la mise en place de bancs HiL, les auteurs proposent donc une alternative
consistant à remplacer en laboratoire le moteur thermique par un moteur électrique,
Figure 1.27. Le banc est composé de deux couples de moteurs électriques ; le moteur
électrique du GMP à tester est présent physiquement et connecté à une génératrice dont
le rôle est de simuler les forces résistives agissant sur le véhicule, ou road load ; le moteur
électrique dont le rôle est de représenter le moteur thermique du GMP est connecté à un
générateur qui permet de simuler la recharge de la batterie, modélisée par un émulateur.
Bien que cette solution permette effectivement de s’affranchir du moteur thermique, elle
implique de calculer de manière précise la consommation et les émissions de polluants
du moteur thermique simulé, ce qui est loin d’être un point négligeable.

1.3 Modes de contrôle du banc moteur

Comme mentionné précédemment, deux modes de contrôles sont possibles pour le
banc moteur. Cet aspect est crucial puisqu’il est dimensionnant dans la conception des
modèles de l’environnement virtuel :
• Le mode n − α, qui correspond à un contrôle de la machine de charge en régime
moteur n désiré, α correspondant à la demande de pédale d’accélérateur.
• Le mode T − α, qui correspond à un contrôle de la machine de charge en fonction
du couple résistif calculé.
Le contrôle en régime est le plus courant dans la littérature [26, 29, 30, 35, 36, 38, 39, 41,
44-46, 49, 55-58, 114] et ce même en prenant en considération le fait que de nombreuses
références traitent d’études réalisées sur le même banc EiL [29, 36, 38, 44, 55, 57]. La
commande en couple est aussi utilisée [12, 27, 31-33, 43, 115], mais est plus rare et
généralement appliquée à des machines de charge hydrauliques [31-33, 115].

1.3.1 Contrôle en régime : mode n − α

Le mode de contrôle n − α repose sur l’architecture représentée Figure 1.28.

33
1 Synthèse bibliographique

Fig. 1.28 : Schéma fonctionnel du modèle véhicule en mode n − α.

Dans cette configuration, la principale entrée du modèle véhicule est le couple mo-
teur Tmes (t) mesuré physiquement au banc. En fonction du rapport de transmission et
des pertes éventuelles, ce couple est converti en force de traction Ftrac par le modèle
de transmission. En prenant en compte les forces appliquées sur le véhicule, le bilan
des forces Eq. (1.1) permet ensuite au modèle du châssis de calculer l’accélération et
donc la vitesse du véhicule au prochain pas de temps V (t + dt), qui servira d’entrée au
modèle conducteur, comme détaillé Section 1.2.4. D’autre part, l’Eq. (1.1) permet aussi
de calculer le régime de rotation des roues ωw (t + dt), ensuite converti par le modèle de
transmission en demande de régime moteur ωdem (t + dt), celle-ci étant enfin transmise à
la machine de charge connectée à l’arbre moteur. Ainsi, la génératrice est contrôlée par
le modèle véhicule à partir d’une demande de régime moteur ωdem (n dans l’expression
n − α), tandis que le modèle conducteur impose une position pédale α au moteur afin
de contrer la résistance de la machine de charge en assurant le suivi de vitesse : c’est le
contrôle en n − α.

1.3.2 Contrôle en couple : mode T −α

Le mode de contrôle T − α est représenté Figure 1.29. A l’inverse du contrôle en
régime, le principal signal d’entrée du modèle véhicule est cette fois le régime moteur
ωmes (t) qui provient de la mesure sur l’arbre moteur. Le modèle de transmission convertit
ce régime moteur en vitesse de rotation des roues et donc en vitesse véhicule V (t) grâce
aux rapports de transmission et au rayon des roues. De manière similaire au contrôle en
régime, le modèle conducteur impose une demande de position pédale α au moteur afin
d’assurer la vitesse véhicule demandée tout en opposant la résistance de la génératrice.
Cependant, celle-ci est contrôlée par une demande de couple Tdem : le bilan des forces
Eq. (1.1) est appliqué à partir de V (t) pour calculer la force de traction nécessaire
Ftrac (t + dt), ensuite convertie en demande de couple résistif Tdem (t + dt) par le modèle
de transmission et passée à la machine de charge.

34
 1.3 Modes de contrôle du banc moteur

Fig. 1.29 : Schéma fonctionnel du modèle véhicule en mode T − α.

1.3.3 Machine de charge

La machine de charge est le lien entre l’environnement virtuel et le moteur à com-

bustion présent physiquement. Elle a pour rôle de freiner ou d’entraîner le moteur de
manière à représenter sa charge lors d’un roulage réel. Le type de machine de charge
peut différer selon les bancs et, bien qu’il ne soit pas toujours précisé [35, 37, 39, 46, 48,
50], il peut impacter le choix du mode de contrôle.

Le type de machine de charge le plus répandu est la machine électrique. Elle peut se
comporter comme un générateur et freiner le moteur, ou comme un moteur électrique
entraînant le moteur thermique. La machine peut fonctionner à courant alternatif (AC)
ou courant continu (DC), la première variante étant la plus répandue. Le banc EiL déve-
loppé à l’université du Michigan (UM) est équipé d’une machine AC de 330 kW contrôlée
en n − α. Il a été l’objet de nombreuses publications [26, 29, 36, 38, 44, 55, 57], orientées
sur les émissions d’un véhicule équipé d’un moteur Diesel ainsi que sur l’influence de plu-
sieurs systèmes d’hybridation électrique ou hydraulique, associés à différentes stratégies
de gestion. Un banc EiL développé à l’Institut Français du Pétrole (IFP) est aussi équipé
d’une machine AC de 250 kW, contrôlée en régime [30, 45]. D’autres études utilisent des
machines de charge à courant alternatif sans préciser le type de contrôle choisi [34, 54].
Jiang et al. [12] ont choisi le mode de contrôle T −α avec une machine similaire. Fleming
et al. [27] utilisent une machine de charge DC pour tester un système hybride, contrôlé
en régime. Enfin, le type de machine électrique n’est parfois pas précisé dans des études
EiL, comme par exemple à l’University of Aachen [41, 49, 56] contrôlée en régime, entre
autres [28, 58].

Enfin, de manière plus anecdotique, certaines publications se basent sur une machine
de charge hydraulique, dit « hydrostatic dynamometer ». Dans ce cas, le couple de frei-
nage est contrôlé en agissant sur la pression dans le système et le mode de contrôle de
prédilection semble donc être le mode T − α [31-33, 115].

35
1 Synthèse bibliographique

1.3.4 Choix du contrôle

Le choix du mode de contrôle fait rarement l’objet d’une justification approfondie
dans la littérature. Toutefois, il ressort que le mode n − α permet un contrôle plus stable
que le mode T − α. En effet, un contrôle sur le couple de la machine de charge implique
en réalité un contrôle sur son accélération, d’après l’Eq. (1.1). En comparaison avec le
contrôle en régime, l’accélération est une grandeur d’ordre supérieur et il est donc plus
difficile d’assurer une stabilité [12, 29, 36]. En outre, il est plus facile de compenser les
retards des signaux mesurés dans le cas d’un contrôle en régime [35].
Peu d’arguments sont donnés quant au choix du contrôle en couple. Jiang et al. [12]
choisissent ce mode de contrôle, tout en précisant qu’il est plus complexe que le n − α.
Il pourrait être souligné que ce mode est plus respectueux de la causalité du système
réel. Un autre argument en faveur du contrôle en couple prend son importance dans
le cas de systèmes hybrides ou de type stop and start, pour lesquels il est intéressant
de simuler des phases de ralenti du moteur thermique. Comme souligné par Winkler et
al. [28], ces phases sont problématiques dans le cas d’un contrôle en régime, puisque le
régime moteur est inconnu, la seule information étant que le couple moteur est nul. C’est
pourquoi les auteurs choisissent d’alterner entre les deux modes de contrôle : pendant
le ralenti, la machine est contrôlée en couple et impose donc un couple nul au moteur,
tandis que pour les autres phases de fonctionnement, elle est pilotée en régime.

1.4 Représentativité des essais au banc

moteur
Un enjeu fondamental de l’approche EiL est la représentativité du comportement
moteur observé au banc, comparé à un essai sur véhicule, c’est à dire soit sur banc à
rouleaux, soit sur route. Comme déjà souligné, le but final est bien de remplacer ces
essais coûteux - en temps et en ressources - et peu répétables, par des essais réalisés
dans un environnement minimisé et contrôlé. Les applications pouvant varier du test et
développement de systèmes de post-traitement à la mise au point et la calibration de
l’OBD (On Board Diagnostic : auto-diagnostic de l’état de divers composants comme le
catalyseur d’oxydation réalisé par l’ECU), l’environnement EiL ne présente un intérêt
qu’à condition de représenter fidèlement les phénomènes se produisant sur véhicule.
Bien que les applications de l’approche EiL se multiplient dans la littérature, peu
d’études portent sur une vérification extensive de la représentativité du banc par rapport
au véhicule entier. Il est courant que les références se concentrent sur l’exploitation des
résultats de l’environnement EiL, en faisant donc l’hypothèse de sa représentativité [29,
36-38, 41, 44]. Néanmoins, deux causes de divergence entre un essai EiL et un essai sur
route peuvent être identifiées :

• D’une part, la précision de l’environnement virtuel : les sous-modèles utilisés et

détaillés Section 1.2 doivent être assez précis pour contrôler la machine de charge
de manière à reproduire fidèlement un trajet donné. Concrètement, cette repré-
sentativité est caractérisée principalement par la puissance moteur (définie par le
régime et le couple moteur).

36
 1.4 Représentativité des essais au banc moteur

• D’autre part, l’environnement réel du moteur au banc d’essai, i.e. les conditions
atmosphériques, thermiques et fluidiques autour du moteur et de la ligne d’échap-
pement, sont naturellement différentes de celles observées sur un véhicule, de par
le confinement sous le capot, les flux d’air qui traversent l’emplacement moteur,
etc. Même en supposant les modèles parfaitement représentatifs, c’est à dire même
si le régime et le couple moteur sont identiques au trajet réel, ces divergences d’en-
vironnement peuvent entraîner un comportement différent de certaines grandeurs
cruciales. Par exemple, les températures des fluides moteurs (eau et air) ont un
impact direct sur les émissions polluantes. De plus, la thermique du catalyseur
joue un rôle primordial dans sa capacité de traitement des polluants, et donc sur
les émissions à l’échappement.

1.4.1 Fidélité de l’environnement virtuel

Comme avancé Section 1.2, plusieurs niveaux de modélisation sont possibles pour une
approche EiL ; plus la modélisation est précise, plus les efforts de mesure sur véhicule et
de calibration du modèle sont importants ; il convient donc de trouver un juste milieu
afin de préserver l’intérêt de la méthode EiL.

1.4.1.1 Précision du contrôle

Deux points clefs peuvent être distingués : la précision du suivi de vitesse par le
conducteur virtuel et la représentativité du modèle véhicule qui pilote la machine de
charge. Une première vérification de la précision du banc peut être faite en considérant
uniquement le suivi de vitesse du véhicule virtuel, en comparaison avec la trace de vitesse
d’entrée.

Fig. 1.30 : Suivi de vitesse par le véhicule virtuel [29].

Filipi et al. [29], ainsi que Liu et al. [61], valident ainsi que le contrôle, réalisé par
le modèle conducteur en fonction de la vitesse simulée par le modèle véhicule (en trait
plein), répond de manière fidèle à la demande de vitesse, en pointillés sur la Figure 1.30.

37
1 Synthèse bibliographique

L’étude portant sur un véhicule hybride à la phase de concept, il n’est pas possible pour
les auteurs de comparer les résultats du banc EiL avec des mesures sur un véhicule réel
inexistant.
Cette comparaison permet une vérification rapide du bon fonctionnement de l’envi-
ronnement virtuel et en particulier du modèle conducteur, et elle est donc généralement
réalisée en premier lieu [45, 48, 49, 51, 59]. Toutefois, une telle démarche ne suffit pas à
valider l’environnement virtuel dans son ensemble.

1.4.1.2 Représentativité des modèles

La validation du modèle véhicule se base sur la comparaison des variables de contrôle
du moteur, entre banc EiL et véhicule réel. La trace de vitesse d’un essai véhicule -
réalisé sur BàR ou sur route - est donc transmise en entrée du modèle conducteur, afin
de reproduire le même roulage au banc virtuel. De manière générale, les auteurs vérifient
le bon suivi des signaux en termes de tendance globale et d’ordre de grandeur, plutôt
que de se baser sur des critères précis d’écart limite.
Ainsi, Perez et al. [45] comparent les traces de régime moteur, débit d’injection et
débit d’air d’admission lors d’un NEDC réalisé sur banc EiL et sur BàR. Les auteurs
estiment que le modèle véhicule développé sous AMESim, comprenant le modèle longitu-
dinal de la dynamique du châssis, couplé à celui des inerties de la transmission manuelle,
permet une corrélation satisfaisante par rapport au BàR. Il est important de souligner
que les auteurs mentionnent des mesures réalisées sur véhicule afin de paramétrer les
modèles, mais peu de précisions sont données à ce sujet.
Gerstenberg et al. [59] démontrent la fidélité du couple moteur et de la consommation
de carburant par rapport à un roulage RDE réalisé sur route.

Fig. 1.31 : Calibration du modèle sur piste [59].

Dans ce cas, l’environnement virtuel utilise l’outil CarMaker et la calibration du mo-

dèle se base préalablement sur un essai sur piste, Figure 1.31. En utilisant la trace de
vitesse et le profil GPS de la piste, l’essai est rejoué au banc EiL, et le modèle est modifié
jusqu’à atteindre une corrélation satisfaisante des variables de contrôle du moteur. Il est
notamment souligné que la précision du profil altimétrique de la piste est crucial pour
cette étape. Les mêmes auteurs [48] préconisent la calibration des modèles grâce à un
outil de l’environnement CarMaker, qui permet de reproduire une trace enregistrée sur

38
 1.4 Représentativité des essais au banc moteur

véhicule en s’affranchissant de l’influence du pilote virtuel, c’est à dire en se basant exclu-

sivement sur le couple et le régime. Sans préciser la démarche expérimentale, les auteurs
estiment la durée de cette phase de calibration à quelques jours, ce qui permettrait une
réduction des essais sur véhicule de 85% par rapport au développement conventionnel,
soit 70% au total grâce à l’enchaînement rapide des essais sur banc moteur. Toutefois,
cela suppose que le véhicule entier est disponible et place donc l’approche EiL à une
phase très avancée du développement. Le banc serait alors utilisé pour tester rapide-
ment l’impact de modifications de la calibration sur un cycle RDE. Il est donc précisé
qu’il est aussi possible de réaliser ces essais avec une variante du véhicule simulé, et ce
même si seulement une ancienne version est disponible. Les auteurs considèrent la pré-
cision atteinte satisfaisante pour permettre l’étude de l’impact de certains paramètres,
comme la masse du véhicule, les rapports de transmission, le profil conducteur ou le
trafic routier.

Fig. 1.32 : Comparaison des résultats sur cycle NEDC [49].

Klein et al. [49] basent la validation du banc virtuel (en trait-point Figure 1.32) sur
la comparaison des traces de l’appui de la pédale d’accélérateur, du couple et du régime

39
1 Synthèse bibliographique

moteur par rapport à un cycle NEDC réalisé sur BàR, en trait plein Figure 1.32. Le
modèle véhicule est développé avec l’outil ASM Tool Suite de dSpace mentionné Section
1.2. La transmission automatique est modélisée grâce à SimulationX. Les résultats sont
aussi comparés avec ceux obtenus par une approche purement virtuelle de model-in-the-
loop (MiL, en pointillés), dans lequel la simulation du moteur se fait sur l’outil GTPower,
paramétré par des essais en régime stabilisé.
Pour atteindre la précision représentée sur la figure, le véhicule virtuel est préalable-
ment paramétré grâce à des mesures disponibles et des essais. En particulier, le modèle
véhicule est calibré par des essais de « coast down » à partir de 135 km/h, comme men-
tionné Section 1.2. Ces essais sont réalisés sur une piste de 2500 mètres de long, abritée
du vent et parfaitement plate. En outre, la masse de deux passagers est prise en compte et
la pression des pneus correspond à une valeur recommandée, tout comme les conditions
de température et pression atmosphériques, ainsi que la vitesse du vent. Naturellement,
de tels essais exigent de disposer non seulement du véhicule entier, mais aussi d’un en-
vironnement d’essai adéquat. Par ailleurs, pour minimiser les dispersions, les auteurs
répètent le test 16 fois. Ensuite, d’autres essais sont nécessaires pour calibrer le modèle
de transmission. En partant de l’arrêt véhicule, la loi de passage de la boîte automatique
est caractérisée en enfonçant la pédale d’accélérateur à une position constante jusqu’à
stabilisation de la vitesse. Ce type de test est réalisé pour plusieurs valeurs d’enfonce-
ment de la pédale d’accélérateur, cinq fois par position. Sur le cycle NEDC représenté,
l’erreur entre le couple mesuré sur véhicule est de 2.29 N.m en moyenne pour un écart
type de 14 N.m, tandis que l’erreur en vitesse véhicule est en moyenne de 0.15 km/h,
pour un écart type de 0.65 km/h. Les auteurs identifient cette divergence de couple
comme étant concentrée lors des changements de rapport et principalement due à la
différence de comportement entre les conducteurs réel et virtuel. Cette divergence est
toutefois considérée mineure et la précision de l’environnement EiL peut être validée
dans son ensemble. Par la suite, ce même banc peut être utilisé comme référence pour
étudier différents systèmes d’hybridation [41], ou une transmission innovante [56].

Fig. 1.33 : Régime moteur et pédale d’accélérateur - Comparaison entre banc EiL et
BàR [51].

Jung et al. [51] vérifient la fidélité du régime moteur et de la pédale d’accélérateur

sur le cycle FTP75 (cycle d’homologation américain) sur BàR, Figure 1.33. Il est conclu
que malgré un léger retard du véhicule virtuel, la corrélation est satisfaisante. La légère
divergence observée pour la deuxième phase d’accélération, à environ 200 secondes, est

40
 1.4 Représentativité des essais au banc moteur

attribuée ici aussi au comportement du conducteur ; en effet, le pilote du BàR anticipe la

demande de vitesse et accélère de manière plus douce que le conducteur virtuel du banc
EiL. Les auteurs suggèrent donc d’ajuster la prédiction du modèle conducteur pour se
rapprocher du comportement du pilote. En outre, il est évoqué que la simplification du
modèle de transmission et de son contrôle pourrait contribuer à la divergence lors des
changements de rapport.
Guse et al. [56] s’appuient sur un environnement virtuel complexe. En particulier, la
force de résistance au roulement est calculée pour chaque pneu, en fonction du régime
de rotation, de la pression des pneus et de la force verticale à la roue, elle-même calculée
par le modèle du châssis à partir de la dynamique du système de suspension. Le modèle
véhicule est donc validé en premier lieu en environnement « model-in-the-loop » (MiL),
i.e. purement virtuel. Les auteurs réalisent un test de « coast down », avec pour référence
10 essais conduits sur véhicule réel.
La comparaison entre simulation et mesure, Figure 1.34(a), permet la vérification de
la bonne superposition des forces de résistance aérodynamique, inertielle et de roulement.
Par ailleurs, les auteurs réalisent des tests supplémentaires dans des conditions non
conventionnelles, i.e. par vent fort. La précision est jugée très satisfaisante. En outre,
pour vérifier le bon comportement du modèle de pneu, d’autres tests similaires sont
réalisés en faisant varier la pression des pneus (2.1 bar au lieu de 2.9 bar). Enfin, la
transmission virtuelle est elle aussi validée par une phase d’accélération. De manière
similaire à Klein et al. [49], la pédale d’accélérateur est placée à une position constante de
50% jusqu’à atteindre 160 km/h. Le comportement du modèle est comparé aux mesures
sur véhicule réel, Figure 1.34(b).

((a)) Essais de coast down avec et sans vent. ((b)) Phase d’accélération.
Fig. 1.34 : Essais de validation du modèle en environnement MiL vs sur véhicule réel
[56].

1.4.2 Représentativité de l’environnement

Outre la précision en termes de couple et régime moteur, le point crucial de la vali-
dation de l’environnement EiL est la représentation fidèle des émissions polluantes, non
seulement en sortie du moteur (engine-out), mais aussi à l’échappement (tailpipe). En
effet, les essais réalisés sur banc EiL doivent permettre de calibrer le moteur et d’analy-
ser la performance du véhicule vis-à-vis des critères d’homologation. Avant de pouvoir
évaluer différentes architectures, d’étudier la sensibilité du système par rapport à un

41
1 Synthèse bibliographique

paramètre donné, ou de faire varier les conditions d’essai, il est donc nécessaire de dé-
montrer la précision et la robustesse du banc. Cet aspect est d’autant plus primordial
que les émissions de polluants par le moteur, aussi bien que la conversion de ces gaz
par les systèmes de dépollution, sont des phénomènes complexes à modéliser de manière
fidèle : c’est donc un avantage majeur de l’approche EiL par rapport à un environnement
purement virtuel.

1.4.2.1 Méthodes de mesure des polluants

Pour valider la représentativité des émissions mesurées au banc EiL, des essais de
références sont réalisés sur BàR ou en extérieur. Avant de pouvoir comparer les polluants
mesurés lors de ces essais, il est important de souligner que les méthodes de mesure sont
différentes selon l’environnement, ce qui peut affecter les résultats obtenus.

Fig. 1.35 : Analyse des polluants sur banc à rouleaux : méthode modale (gaz dilués)
et par sacs

Tout d’abord, sur banc moteur comme sur banc à rouleaux, plusieurs méthodes sont
disponibles pour mesurer les concentrations en polluants, comme représenté sur la Figure
1.35. La méthode sur laquelle s’appuie l’homologation est la mesure dite par « sacs ».
Les gaz d’échappement extraits sont dilués dans de l’air ambiant afin de les amener à
température ambiante et de placer les concentrations dans les plages de fonctionnement
des capteurs, puis sont stockés en partie dans des sacs. Cet échantillon représentatif est
ensuite analysé à la fin de l’essai ou de la phase concernée en vidant les sacs, ce qui
permet d’obtenir la quantité totale émise pour chaque polluant.
Cette approche est utilisée pour vérifier le bon respect des normes de pollution, en
g/km au total sur le cycle d’homologation WLTP [116-118]. Toutefois, pour des applica-
tions de développement et d’analyse, il est intéressant de disposer de l’évolution tempo-
relle des émissions de polluants. En effet, certains évènements dynamiques, comme les
changements de rapport ou les accélérations fortes, sont généralement associés à des pics
d’émissions. Il est donc courant de s’appuyer sur une analyse « modale » des polluants.
C’est par ailleurs généralement le cas sur les bancs moteur, pour lesquels l’utilisation
de sacs est marginale. La concentration de chaque polluant est obtenue en fonction du

42
 1.4 Représentativité des essais au banc moteur

temps, et permet une analyse précise. En théorie, l’intégration des mesures modales de-
vrait correspondre à la mesure par sacs. Cependant, des incertitudes entourent la mesure
modale. En effet, les analyseurs permettent d’obtenir une concentration volumique de
chaque polluant. La valeur du débit de gaz à chaque instant est donc nécessaire pour
calculer la masse émise. L’estimation précise de ce débit est cruciale et la méthode du
traceur CO2 est la plus largement employée [116-118]. Elle repose sur deux mesures de
concentration de CO2 , dans les gaz non dilués (« bruts » sur la Figure 1.35) d’une part,
et dans les gaz dilués d’autre part. En considérant le débit de dilution Qdilu constant,
ainsi que la concentration de CO2 dans l’air ambiant [CO2,amb ], le débit d’échappement
Qech peut être obtenu :

[CO2,dilus ] − [CO2,amb ]
Qech = Qdilu · (1.25)
[CO2,bruts ] − [CO2,dilus ]

Le principal défi de cette méthode est l’alignement temporel entre la mesure de concen-
tration de polluants dans les gaz dilués d’une part, et le débit de gaz d’échappement
associé d’autre part. En particulier, le retard induit par le transport des gaz jusqu’au
point de mesure ainsi que par le temps de réponse de l’analyseur, peut être source d’er-
reur. Hawley et al. [117] estiment que même une seconde de décalage temporel peut
avoir un impact conséquent. Les auteurs analysent la sensibilité de la masse totale de
polluant mesurée à des variations du temps de transfert. Pour les émissions de NOx par
exemple, une augmentation de 1 s du temps de transfert conduit à une augmentation
de la masse totale de 3.3%. Par ailleurs, une diminution de 1 s de ce paramètre conduit
à une hausse de 9.2%.
Dans le cadre de la procédure RDE, il est nécessaire de disposer d’un équipement
de mesure pouvant être placé sur un véhicule roulant sur route. C’est pour répondre
à ce besoin que les Portable Emission Measurement System (PEMS) sont développés.
Comme représenté Figure 1.3(b), ce type d’équipement est portable et peut donc être
installé à l’échappement d’un véhicule classique. Outre un analyseur de gaz, un PEMS
comprend généralement un débitmètre et un GPS, et même une station météorologique.
L’appareil étant portable, il existe une incertitude sur la précision de l’analyseur de gaz,
ainsi que sur le débitmètre [118]. Varella et al. [118] comparent la mesure des émissions
polluantes par deux PEMS avec les valeurs obtenues par les appareils de laboratoire, i.e.
les mesures modale et par sacs. En premier lieu, l’analyse modale des gaz dilués présente
un écart de 2.5% avec la mesure par PEMS pour la concentration de CO2 et 5% pour
les NOx pour des valeurs supérieures à 20 ppm, l’écart augmentant à 15% pour 7 ppm
et 30% pour 1 ppm. Les auteurs concluent donc que la précision des analyseurs de gaz
des PEMS est satisfaisante, en soulignant que l’incertitude augmente pour les faibles
concentrations de NOx . Toutefois, l’incertitude liée à la mesure du débit entraîne que
les émissions de CO2 par unité de distance (en g/km) sont généralement surestimées
par mesure modale (intégration sur le cycle) par rapport à la mesure par sacs, l’écart
pouvant atteindre 10%. D’autre part, les PEMS les sous-estiment d’environ 10%. Des
résultats similaires sont obtenus pour les NOx . Les facteurs de conformité prennent en
compte cette incertitude pour l’homologation RDE. Verner et al. [116] présentent des
conclusions analogues. Sur 12 véhicules réalisant un WLTC sur BàR, les concentrations
de CO2 obtenus par PEMS correspondent globalement à la mesure modale. En outre,
l’écart entre la mesure par sacs de la masse de CO2 émise par unité de distance (g/km)
et l’intégration de la mesure par PEMS est de moins de 1.1 %.

43
1 Synthèse bibliographique

1.4.2.2 Comparaison des émissions

La validation finale de l’environnement EiL se base sur la comparaison des émissions
polluantes mesurées au banc, avec une référence sur véhicule, i.e. sur BàR ou sur route.
Après avoir validé l’environnement virtuel en termes de comportement moteur, Perez
et al. [45] comparent les mesures de polluants sur banc EiL et sur BàR. Bien que les
émissions soient mesurées en amont et en aval du système de post-traitement, les auteurs
concentrent la comparaison sur la mesure en sortie du moteur Diesel (engine-out). La
Figure 1.36 compare les masses totales pour chaque polluant, calculées en intégrant la
mesure modale sur la durée du test, entre BàR et banc EiL.

Fig. 1.36 : Emissions des polluants sur cycle NEDC - Intégration sur le cycle [45].

Il ressort que les émissions sur banc EiL sont proches du BàR, l’écart le plus important
étant de 2 grammes sur le cycle pour les NOx . Les barres d’incertitude représentent la
déviation obtenue en répétant plusieurs fois le même test. Il peut être souligné que le
BàR induit une incertitude plus importante, due au conducteur humain qui ne peut
garantir exactement le même comportement entre deux essais. Les auteurs vérifient en
outre que les mesures modales sont en accord, dans les tendances et les amplitudes. Les
écarts observés sont identifiés comme étant dus en partie aux différences de production
entre les deux moteurs et entre les comportements conducteur.
Gerstenberg et al. [59] comparent les émissions de NOx à l’échappement du moteur
Diesel (tailpipe, en aval du système de post-traitement) sur banc EiL avec la mesure réa-
lisée par PEMS sur un RDE, Figure 1.37. Les auteurs considèrent que la représentativité
est satisfaisante. Il est toutefois précisé qu’un contrôle du conditionnement thermique de
la ligne d’échappement pourrait être nécessaire pour assurer la bonne représentativité
du comportement du système de post-traitement. Aucune précision n’est donnée quand
à l’application de cette éventualité. Les auteurs soulignent en outre la bonne répétabi-
lité de la démarche EiL, en comparant les résultats obtenus en reproduisant deux fois
le même cycle. Les émissions de NOx coïncident. Les mêmes auteurs [48] soulignent par
ailleurs que l’installation d’un PEMS sur un véhicule influence le comportement du mo-
teur, notamment la pression à l’échappement. Même si l’impact sur les émissions semble
négligeable, il devrait être pris en compte.
Jung et al. [51] conduisent une étude poussée sur le banc EiL équipé d’un moteur Die-
sel. Les auteurs portent une attention particulière aux températures des fluides moteur,

44
 1.4 Représentativité des essais au banc moteur

i.e. le liquide de refroidissement, l’huile, l’air d’admission et de suralimentation, comme

représenté sur la Figure 1.38. L’objectif principal est de reproduire les comportement
de montée en température et de refroidissement du moteur réel. Le circuit n’est pas
une reproduction du système réel, pour permettre de simuler des conditions extrêmes et
de refroidir plus rapidement le moteur afin d’accélérer la durée entre deux essais. Pour
conserver une bonne représentativité thermique, les auteurs s’appuient sur un ensemble
d’échangeurs et de vannes, contrôlé par un modèle simplifié du moteur qui calcule les dif-
férentes températures en fonction de l’état du véhicule virtuel. Outre ce contrôle direct
des températures du moteur, un conditionnement indirect de l’échappement est réalisé
afin d’assurer une bonne représentativité du comportement du post-traitement, Figure
1.39.

Fig. 1.37 : Vitesse [km/h], NOx [g/s] et NOx cumulés [g] sur un RDE - Comparaison
entre PEMS (rouge) et EiL (bleu) [59].

La ligne d’échappement est placée dans un caisson dans lequel la température et la

vitesse de l’air sont contrôlées en fonction de la vitesse véhicule, à partir de mesures sur
véhicule. Le caisson est alimenté par deux ventilateurs pilotés en vitesse, dont un placé
directement sur le système SCR en aval sur la ligne. Outre le bon suivi des températures
de liquide de refroidissement et d’air de suralimentation, les auteurs vérifient aussi la
précision de la température du système SCR sur un cycle FTP75. Sur la Figure 1.40, la
référence sur BàR est représentée en gris foncé (Vehicle dyno), tandis que la mesure sur
le banc EiL avec conditionnement thermique est en rouge (EiL - controlled). En com-
paraison, la température atteinte sans contrôle thermique est représentée en gris clair
(Base TB setup). Il ressort que le conditionnement thermique permet un bien meilleur
suivi de la température du système SCR. En particulier, après la phase de montée en
température des 300 premières secondes, le banc sans contrôle présente une température
plus basse d’environ 50◦ C par rapport à la référence. Cet écart a un impact majeur sur
la température du SCR, qui passe alors sous sa température d’amorçage (light-off tem-
perature). Le système de post-traitement étant inactif en-dessous de cette température,
les émissions mesurées à l’échappement sont impactées de manière significative.
Sur la Figure 1.41(a), il apparaît que les émissions de NOx lors de la première phase
de montée en température sont proches des résultats sur BàR (en bleu), avec (en rouge)

45
1 Synthèse bibliographique

ou sans (en orange) conditionnement thermique. La légère surestimation (de 8 et 11%

respectivement) est due au comportement du conducteur virtuel lors des phases de chan-
gement de rapport. Toutefois, après cette période, le SCR sans contrôle thermique tombe
sous sa température d’amorçage et n’est plus actif pour quasiment tout le reste du cycle,
ce qui induit que les émissions de NOx sont près de 4 fois supérieures à la référence. En
parallèle, le contrôle thermique permet de limiter l’écart à 4%. Les auteurs démontrent
ainsi l’importance du conditionnement thermique de la ligne d’échappement et des fluides
moteur. Il est toutefois souligné que cette conclusion concerne l’application de l’approche
EiL à un GMP Diesel, l’impact étant moindre sur une motorisation essence, de par les
températures plus importantes mises en jeu.

Fig. 1.38 : Contrôle des fluides moteur [51]

Fig. 1.39 : Conditionnement de la ligne d’échappement [51]

D’autre part, Hochmann et al. [119] se penchent aussi sur le conditionnement ther-
mique du banc EiL. En effet, les mesures d’écoulement d’air autour du moteur, turbo-
compresseur, catalyseur et échappement montrent que la vitesse d’air évolue de manière
linéaire, Figure 1.42. Toutefois, les auteurs précisent que varier la température de l’air
autour de la ligne n’a aucun effet identifiable, à part sur le turbocompresseur pour lequel
la température influence le comportement moteur. Il est donc préconisé de concentrer
l’effort sur le contrôle de la température des fluides moteur plutôt que sur l’environne-
ment de la ligne d’échappement.
Guse et al. [56] choisissent une approche différente pour assurer la représentativité
thermique de l’environnement du banc EiL ; le moteur, à allumage commandé cette fois,

46
 1.4 Représentativité des essais au banc moteur

est équipé du thermostat présent sur le véhicule de série. De plus, les auteurs précisent
que le volume d’eau du circuit de refroidissement est comparable au circuit réel, ce qui
permet un bon suivi de la température du liquide de refroidissement sur un cycle WLTC,
Figure 1.43.

Fig. 1.40 : Evolution de la température du système SCR [51].

((a)) Premières 300 secondes. ((b)) Reste du cycle.

Fig. 1.41 : Emissions de NOx normalisées par rapport à la référence BàR [51].

En outre, la Figure 1.44 montre que les émissions de CO2 , analysées sur les gaz
d’échappement bruts sur le banc EiL et dilués sur le BàR, coïncident de manière sa-
tisfaisante. Toutefois, les auteurs insistent sur l’influence du conducteur virtuel sur les
émissions. En particulier, l’absence d’une capacité de prédiction de fortes demandes de
couple entraîne une dérive du nombre de particules, représenté en pourcentage de la
limite définie par la norme Euro6b en pointillés sur la Figure 1.45(a). En outre, une dé-
rive importante peut être observée en fin de cycle, due selon les auteurs aux fluctuations
brutes de la pédale d’accélérateur du pilote humain comparé au conducteur virtuel, plus
calme.
Outre la représentativité satisfaisante du banc EiL en termes d’émissions de pol-
luants, les auteurs soulignent sa répétabilité. Sur la Figure 1.45(b), un deuxième cycle
WLTC réalisé sur le BàR est représenté en noir. Il apparaît que les courbes d’émissions
cumulées de HC sont proches pour le cycle de référence sur BàR (bleu) et les deux
cycles réalisés sur banc EiL à partir de la trace de vitesse de référence (rouge et vert)

47
1 Synthèse bibliographique

Fig. 1.42 : Vitesse de l’écoulement autour des pièces majeures de la ligne en fonction
de la vitesse véhicule [119].

Fig. 1.43 : Comparaison entre EiL et BàR sur WLTC - Température du liquide de
refroidissement [56].

48
 1.4 Représentativité des essais au banc moteur

sont proches sur le cycle. Cependant, le deuxième cycle sur BàR présente une dérive
importante par rapport à ces courbes. Les mêmes observations peuvent être faites pour
les CO et NOx , et montrent que l’approche EiL est bien plus répétable que l’approche
conventionnelle sur BàR, soumise aux fluctuations du comportement humain du pilote.
Des conclusions similaires quant à la répétabilité du banc BàR sont tirées par Roberts
et al. [8]. Les auteurs comparent les émissions de polluants en RDE réel (avec PEMS)
aux mesures réalisées sur BàR à partir des mêmes traces de vitesse. Il est souligné que
bien que les niveaux d’émissions totaux soient proches (2.1% d’écart pour le CO2 ), les
analyses modales révèlent des divergences dues au comportement du pilote du BàR,
qui suit la trace de vitesse de manière plus douce que l’essai de référence. Les auteurs
préconisent donc l’automatisation des pédales d’accélérateur et prévoient d’orienter les
travaux futurs sur l’approche EiL.

Fig. 1.44 : Comparaison entre EiL et BàR sur WLTC - Emissions de CO2 [56].

((a)) Emissions de particules, en nombre/se-

conde (gauche) et cumulées en pourcentage du ((b)) Emissions cumulées de HC, pourcentage
seuil Euro6b. du seuil Euro6b.
Fig. 1.45 : Comparaison entre deux cycles EiL et 2 cycles BàR [56].

49
1 Synthèse bibliographique

1.5 Conclusions
Du fait du durcissement des méthodes d’homologation ainsi que de la complexité
croissante des GMP face aux nouvelles normes d’émissions de polluants, les construc-
teurs automobiles voient leurs besoins en essais augmenter de manière exponentielle. Les
méthodes actuelles reposent en grande partie sur des essais automobiles sur piste. En
plus d’être trop coûteux, ce type d’essai est trop peu répétable, flexible et maîtrisé pour
faire face à ces nouveaux besoins. Dans ce contexte, la méthode « engine-in-the-loop »
(EiL) présente un potentiel considérable.
Pour cette approche, le véhicule entier n’est pas nécessaire. Seul le principal compo-
sant - i.e. le moteur et son calculateur ainsi que sa ligne d’échappement - est présent au
banc et connecté à une machine de charge. Cette machine est contrôlée par un environ-
nement virtuel qui représente le véhicule et sa transmission, ainsi que la route est les
forces extérieures. D’autre part, le moteur est contrôlé par un modèle conducteur dont
le but est d’assurer que la vitesse du véhicule virtuel corresponde à la vitesse demandée
à chaque instant. L’objectif est que le moteur se comporte de la même manière, c’est-à-
dire passe par les mêmes points de fonctionnement que s’il était placé dans un véhicule
réel et conduit par un conducteur humain suivant le même profil de vitesse. Cette mé-
thode offre des avantages indéniables : les essais sont alors répétables et automatisés,
l’environnement extérieur est contrôlé, les composants virtuels peuvent être modifiés ins-
tantanément, et seul le moteur est nécessaire. En outre, contrairement à une méthode
purement virtuelle, la présence physique du moteur et de sa ligne d’échappement permet
la mesure des émissions de polluants. Même si cette approche est encore relativement
nouvelle, elle a déjà fait l’objet de publications. De l’étude de la bibliographie disponible,
plusieurs conclusions peuvent être tirées.
Tout d’abord, la modélisation des composants périphériques à la ligne de traction
est un aspect essentiel. Un point crucial est l’équilibre entre le niveau de précision et
les besoins en mesure et calibration associés. Bien que certains outils industriels offrent
un niveau de représentation élevé, la plupart des études s’appuient sur une modélisation
simpliste et unidirectionnelle du véhicule et des forces s’exerçant sur le moteur à partir
d’un bilan des forces sur l’axe longitudinal. La transmission est représentée par une
efficacité de transmission pour chaque rapport. Dans le cadre d’une étude portant sur un
système hybride, les composants d’hybridation (i.e. le moteur électrique et les batteries)
peuvent être modélisés et ajoutés à l’environnement virtuel. Le modèle conducteur est
lui généralement basé sur un correcteur proportionnel-intégral (PI) dont l’objectif est de
réduire l’erreur entre vitesse calculée et vitesse demandée.
L’action de la machine de charge sur le moteur peut être faite par un contrôle en
couple (T - α, pour couple - pédale d’accélérateur) ou en régime (n - α pour régime -
pédale d’accélérateur). Le second type de contrôle est le plus courant dans la littéra-
ture, car plus simple à mettre en place et plus stable, bien que peu de détails soient
généralement donnés sur le choix du contrôle. Toutefois, le contrôle en couple est aussi
utilisé, et permet notamment d’imposer un couple nul au moteur et de représenter un
fonctionnement hybride. Certaines études s’appuient donc sur l’alternance entre les deux
modes de contrôles selon le type de fonctionnement.
Enfin, la littérature ne se penche pas de manière approfondie sur la représentativité
de l’environnement du banc EiL et il ne semble pas exister de consensus quant à la
méthodologie exacte à appliquer pour garantir la fidélité des essais. Toutefois, l’étude de

50
 1.5 Conclusions

la bibliographie révèle que cette approche peut atteindre une précision satisfaisante dans
la reproduction du comportement moteur en termes d’émissions polluantes. Plusieurs
sources d’écarts avec le véhicule réel sur BàR ou sur route sont identifiées :

• Le comportement du conducteur, en particulier pendant les changements de rap-

port ou les accélérations brusques, impacte les émissions totales. Il est souligné que
contrairement au BàR, l’environnement EiL assure une répétabilité quasi-parfaite
et permet de s’affranchir des écarts induits par le conducteur humain.

• La température des fluides moteur, i.e. liquide de refroidissement, huile et air,

joue un rôle majeur dans la bonne représentation du comportement moteur. Une
attention particulière doit donc être portée à ces variables et deux approches sont
proposées pour faire face à ce problème : piloter ces températures en fonction
d’un modèle moteur, ou bien reproduire au plus proche l’équipement présent sur
le véhicule, i.e. le thermostat et le volume du circuit de refroidissement dans le
cas du circuit d’eau. La première approche, plus complexe, nécessite de disposer
d’un modèle thermique du moteur suffisamment précis, qui servira de consigne au
système de régulation. La deuxième approche est plus simple dans son concept,
mais demande d’adapter précisément les composants physiques au moteur étudié.
De plus, elle apporte moins de flexibilité quant à des conditions extrêmes, ou au
refroidissement rapide du banc.

• Le conditionnement thermique de la ligne d’échappement est aussi un sujet d’in-

térêt. En effet, il peut être nécessaire de reproduire l’environnement proche de
la ligne, ainsi que des systèmes de post-traitement, pour assurer une bonne re-
présentativité en termes d’émissions. Toutefois, les conclusions quant à l’impact
d’une ventilation pilotée sur la ligne dépendent des études, du type de GMP et de
l’architecture du post-traitement.

Finalement, il est important de préciser que les résultats acquis sont teintés d’incertitudes
dues aux différentes techniques de mesures utilisées et aux écarts de production entre le
moteur au banc EiL et le moteur référence.
L’analyse de la bibliographie permet donc d’organiser le travail de cette thèse selon
deux axes principaux correspondant aux sources d’écart identifiées ci-dessus. Le Chapitre
3 porte sur le développement d’un environnement virtuel adapté aux essais EiL, en se
concentrant notamment sur la modélisation de la liaison embrayage et du conducteur.
Les résultats expérimentaux obtenus avec cet environnement virtuel sont aussi présentés
et analysés. D’autre part, le Chapitre 4 porte sur la représentativité thermique du banc
moteur, et en particulier de la température de l’air de suralimentation. On commence
tout d’abord par présenter la démarche de corrélation ainsi que les moyens d’essais
utilisés dans cette thèse dans le Chapitre 2.

51
52

52
CHAPITRE 2
Présentation de
l’environnement et des
moyens d’essais
L’étude de la littérature scientifique présentée dans le Chapitre 1 permet d’identifier
les principales sources d’écarts entre le comportement moteur sur le banc Engine-in-
the-Loop (EiL) et dans un véhicule réel : la précision de l’environnement virtuel, et le
conditionnement de la cabine d’essai. Les objectifs principaux de cette thèse sont d’ana-
lyser précisément les écarts de la méthode EiL par rapport aux essais conventionnels, et
de proposer des pistes d’amélioration. Dans ce cadre, on cherche donc à reproduire sur
le banc moteur des essais réalisés sur véhicule, qui serviront de référence.

2.1 Démarche et véhicule d’essai

En premier lieu, cette section présente la démarche expérimentale et les différents
moyens d’essai utilisés au cours de cette thèse.

2.1.1 Démarche initiale

Par le biais du projet projet industriel Virtual Testing de Renault auquel est liée cette
thèse, on dispose au début des travaux d’un véhicule d’essai ayant déjà réalisés plusieurs
essais sur banc à rouleaux (BàR) ainsi que sur piste. Tous les essais sur BàR considérés
dans cette thèse sont réalisés à froid dans les conditions d’homologation. Comme détaillé
en Annexe A, les enregistrements de ces essais peuvent être traités afin d’en extraire
les signaux d’entrées nécessaires à leur reproduction dans l’environnement EiL, i.e. la
demande de vitesse Vdem , la demande de rapport Geardem et la pente de la route θ dans
le cas d’un essai sur piste. Dans le but de reproduire ces essais dans l’environnement
EiL, le groupe moto-propulseur (GMP) est extrait du véhicule au cours des premiers
mois de la thèse afin d’être placé au banc moteur, ainsi que sa ligne d’échappement.

2.1.1.1 Véhicule de référence

Le véhicule de référence est une Nissan Micra (Figure 2.1) dont les principales carac-
téristiques sont rassemblées dans le Tableau 2.1. Il est doté d’une propulsion thermique
conventionnelle à allumage commandé, et d’une transmission manuelle. Le véhicule est
2 Présentation de l’environnement et des moyens d’essais

équipé d’un moteur HR10DDT (référence H5D400) dont les caractéristiques sont ras-
semblées dans le Tableau 2.2.

Tableau 2.1 : Caractéristiques du véhicule de référence.

Modèle Nissan Micra (2017)
Immatriculation EKE367
Moteur HR10DDT
Transmission Manuelle
Rapports 6
Masse 1270 kg
Carburant Essence
Portes 5

Fig. 2.1 : Le véhicule de référence sur banc à rouleaux.

Ce véhicule étant un prototype d’essai utilisé par Renault, il a déjà réalisé 351 essais
sur piste lors d’une campagne d’un mois en octobre 2018 sur le site d’essais de Renault
Aubevoye (notée Campagne V1 dans le Tableau 2.7). Ces essais varient par la piste
utilisée, leur durée, les conditions ambiantes et le conducteur. Ils sont caractérisés par
l’enregistrement d’un large nombre de voies du contrôle moteur. Par ailleurs, plusieurs
cycles WLTC ont aussi été réalisés sur BàR à la réception de ce véhicule (Campagne V2
dans le Tableau 2.7) ; pour ces essais, la mesure des polluants par analyse modale et par
sacs est disponible, en plus des voies du contrôle moteur (ECU).

2.1.1.2 Post-traitement et instrumentation

Le véhicule de référence n’étant pas initialement destiné à des essais de corrélations
expérimentales, il n’est pas particulièrement instrumenté outre les capteurs du contrôle
moteur. Toutefois, le système de post-traitement des polluants a été instrumenté en

54
 2.1 Démarche et véhicule d’essai

Tableau 2.2 : Caractéristiques du premier moteur H5D400.

Modèle HR10DDT
Indice moteur H5D400
Puissance 81 kW
Couple maximal 200 N.m
Cylindres 3
Cylindrée 999 cm3
Type d’injection Directe (GDI)
Alimentation Suralimenté
Norme Euro 6Dtemp
Dépollution Catalyseur trois voies

thermocouples pendant la campagne d’essais sur piste (notée V1). La Figure 2.2 re-
présente l’emplacement des différents thermocouples sur le catalyseur. Le système de
post-traitement est composés de deux pains catalytiques :
• Le premier pain de faible volume (0.4 L) est un catalyseur trois voies dont le rôle
est de monter rapidement en température afin de traiter les HC, CO et NOx .
• Le second pain de volume plus important (1.2 L) est un catalyseur « quatre voies »,
c’est à dire qu’il filtre les particules (PM) en plus de traiter les HC, CO et NOx .
Ce pain monte plus lentement en température du fait de son volume important,
mais est capable de traiter de plus grands débits de gaz que le premier.

Fig. 2.2 : Emplacement des thermocouples sur le système de post-traitement intial.

Les thermocouples DA1, DA2, DA7 et DA8 désignent les capteurs de température
de peau, et sont placés sur la surface extérieure du pain. Le thermocouple T24M est
placé au coeur du premier pain, et les thermocouples T34D, T34M et T34F sont placés
au coeur du second pain, en début, milieu et fin respectivement. Le capteur T34M est
indiqué en gris, car il a cessé de fonctionner dès les premiers essais véhicule. Le point

55
2 Présentation de l’environnement et des moyens d’essais

de mesure G04 correspond au point de prélèvement des gaz utilisé pour la mesure des
polluants en sortie moteur en amont du système de dépollution.

2.1.2 Moteur alternatif

Lors de la première année de la thèse, le GMP extrait du véhicule de référence a
été placé au banc moteur pour une première campagne d’essais en juin 2019 (notée
Campagne 0 dans le Tableau 2.6) dans le cadre du projet Renault. Ce projet se base
essentiellement sur l’utilisation de l’outil industriel Simbox développé par la société AVL
[120]. Comme précisé Section 2.2.3, cet outil simule à la fois le véhicule et le couple résistif
s’appliquant sur le moteur, et le modèle de conducteur. Suite à ces premiers essais, une
seconde campagne, notée Campagne 1, a eu lieu en mai 2020.
Dans le cadre du projet industriel, un des objectifs de la campagne d’essai 1 était le
vieillissement du catalyseur par « misfire ». Cette approche consiste à altérer le fonction-
nement du moteur en causant des ratés d’allumages, afin d’augmenter la température
d’échappement et ainsi vieillir le catalyseur à un degré voulu pour les besoins industriels.
Cette méthode permet de gagner un temps considérable dans le processus de vieillisse-
ment catalyseur, mais le misfire n’est pas sans risque pour le moteur et peut causer une
surchauffe et une usure excessive. Suite à ces essais, le moteur de référence était effec-
tivement endommagé. De fait, ses performances étaient largement en écart par rapport
aux essais de référence réalisés sur véhicule, en particulier en termes de consommation
et d’émissions polluantes.
Ce moteur ne pouvant donc plus être utilisé dans la démarche de corrélation de
cette thèse, un second moteur HR10DDT a du être utilisé pour la suite des travaux,
numéroté 2. Le modèle moteur n’est pas strictement le même que le cas de référence,
celui ci étant un H5D470 et non un H5D400, comme détaillé dans le Tableau 2.3. La
principale différence réside dans le système de post traitement des gaz d’échappement,
qui correspond à la norme Euro 6Dfull et non Euro 6Dtemp. Pour minimiser les biais
dus à ce changement de moteur de référence, le calculateur (ECU) présent sur le premier
moteur H5D400 (1) a par ailleurs été transféré sur le nouveau moteur H5D470 (2).

Tableau 2.3 : Caractéristiques du second moteur H5D470.

Modèle HR10DDT
Indice moteur H5D470
Puissance 81 kW
Couple maximal 200 N.m
Cylindres 3
Cylindrée 999 cm3
Type d’injection Directe (GDI)
Norme Euro 6Dfull

En suivant la même démarche de reproduction d’essais véhicule, de nouveaux essais

ont été effectués sur banc à rouleaux pour servir de référence, cette fois avec une Nissan
Micra équipée d’un moteur H5D470 et désignée par l’immatriculation EKB118. Il est
important de préciser ici que contrairement à la première campagne, le moteur utilisé
pour les essais au banc EiL (H5D470 2) n’est pas celui qui a réalisé les essais au banc à

56
 2.1 Démarche et véhicule d’essai

rouleaux, noté H5D470 3. En effet, il n’était pas possible d’extraire le moteur du véhicule
EKB118. Il s’agit donc de deux exemplaires du même modèle moteur.
De plus, le système de dépollution utilisé lors des essais du véhicule EKB118 n’a
pas pu être placé au banc moteur, car il était réservé pour un autre projet industriel.
Ainsi, il n’est pas possible de comparer les émissions à l’échappement entre le banc
EiL et le véhicule pour ces essais, contrairement à ce qui était prévu dans la démarche
initiale. Bien que les systèmes de post-traitement correspondent au même modèle, les
essais BàR ont été réalisés avec un catalyseur vieilli dans un four à 1000◦ C environ
afin de correspondre aux conditions d’homologation, qui exigent de tester un catalyseur
aillant réalisé l’équivalent de 160000 km dans des conditions d’utilisation « normales ».
En revanche, le catalyseur utilisé lors des essais au banc moteur est pratiquement neuf,
et donc significativement plus efficace. L’analyse des émissions en sortie moteur restera
néanmoins pertinente. Ce catalyseur est par ailleurs instrumenté avec un thermocouple
T24M (voir Figure 2.2).

2.1.3 Application à l’architecture hybride

Au cours de cette thèse, le modèle de conducteur développé Section 3.2 a aussi pu
être testé dans un environnement simulant une architecture hybride au banc moteur. Le
moteur utilisé pour ces essais est un moteur hybride HR16Etech, dont les caractéristiques
sont rassemblées Table 2.4.

Tableau 2.4 : Caractéristiques du moteur HR16 Etech.

Modèle HR16DEg3h
Norme Euro6dFull
Puissance 68 kW
Couple maximal 144 N.m
Cylindrée 1598 cm3
Moteur à combustion Cylindres 4
Alimentation Atmosphérique
Injection MPI
Carburant Essence
Puissance 49 kW
Moteur électrique Couple maximal 205 N.m
Régime maximal 7500 rpm
Puissance 25 kW
HSG additionnel Couple maximal 50 N.m
Régime maximal 16000 rpm
Capacité 9.8 kWh
Batterie électrique Plage de tension 400 V
Cellules 96

L’architecture utilisée correspond à une hybride électrique rechargeable et repose sur

la transmission Renault baptisée « Locobox » [121]. Le véhicule peut être propulsé par
le moteur électrique seul, par le moteur thermique seul, ou bien par une combinaison
des moteurs électrique et thermique. Le HSG (Hybrid Starter Generator) correspond à
un alterno-démarreur dont le rôle principal est de démarrer le moteur thermique, mais

57
2 Présentation de l’environnement et des moyens d’essais

qui peut éventuellement aussi participer à la propulsion ou charger la batterie comme le

moteur électrique principal. La transmission « Locobox » repose sur un système innovant
de crabots qui permet l’alternance entre les différents modes de traction. Il est important
de préciser que ce moteur n’a pas réalisé d’essai sur véhicule avant les essais EiL, le but
du projet industriel étant plutôt la validation de principe que la corrélation des essais.
On dispose néanmoins d’un essai véhicule réalisé avec un moteur similaire.

2.2 Le banc d’essai

Du fait du planning des différentes campagnes, trois bancs d’essai moteur différents
ont été utilisés au cours de cette thèse. Bien que ces bancs partagent une architecture
commune, ils diffèrent par la machine de charge utilisée.

2.2.1 Machines de charge

Les caractéristiques des machines de charge (« dyno ») des trois bancs utilisés sont
présentées dans le Tableau 2.5. Il peut être souligné que les bancs B3 et B5 utilisent
le même modèle de machine de charge, tandis que le banc B4 est caractérisé par une
inertie et une puissance plus importantes.

Tableau 2.5 : Caractéristiques des bancs moteur utilisés.

Référence banc B3 B4 B5
Constructeur dyno HORIBA
Référence dyno LI225 DYNAS3 LI350 LI225
Puissance [kW] 227 352 227
Régime nominal [tr/min] 4000 4480 4000
Régime maximal [tr/min] 8500 10000 8500
Couple nominal [Nm] 525 750 525
Couple maximal [Nm] 656 825 656
Moment d’inertie [kg.m2 ] 0.34 0.7 0.34
Compatibilité SIMBOX Oui Non Oui

2.2.2 Architecture du banc

L’architecture des principaux éléments du banc est représentée sur la Figure 2.3.
L’environnement virtuel est hébergé sur une station de travail (« Workstation »). Sur ce
poste, les différents modèles utilisés (par exemple le modèle véhicule et le modèle conduc-
teur) sont compilés dans le format FMU (Functional MockUp Unit). L’interface entre
ces blocs est réalisée sous le logiciel ModelConnect (AVL). Enfin, la liaison en temps réel
entre ce logiciel fonctionnant sous Windows et l’environnement PUMA (AVL), qui assure
le contrôle du banc et la machine de charge, est assurée par le logiciel TestBedConnect
(AVL). La Workstation communique via liaison CAN (Controller Area Network) avec
le poste PUMA. Sur les bancs utilisés pour cette thèse, le mode de contrôle retenu est le
mode T − α (voir Section 1.3). La Workstation reçoit le régime mesuré sur l’arbre ωeng ,

58
 2.2 Le banc d’essai

et transmet la position de pédale d’accélérateur α provenant du conducteur, la demande

de couple résistif à la machine de charge Tdem ainsi que la vitesse véhicule calculée V .

Fig. 2.3 : Les principaux éléments de l’architecture du banc.

Le poste PUMA transmet la demande de couple résistif à la machine de charge Tdem ,

qui renvoie le régime mesuré sur l’arbre ωeng ainsi que le couple mesuré par un couple-
mètre Tmes . Outre le contrôle de la machine de charge, l’environnement PUMA assure
aussi la liaison avec les baies d’analyse de gaz, ainsi que la gestion de la ventilation
du banc et de la thermique du circuit de refroidissement, comme détaillé dans le Cha-
pitre 4. Enfin, la vitesse calculée par le modèle véhicule V est transmise par PUMA au
contrôle moteur (ECU). Un dernier poste est relié par liaison CAN au contrôle moteur.
A l’aide du logiciel INCA (ETAS), il permet la gestion de la calibration moteur, ainsi
que l’enregistrement des voies ECU pertinentes.

2.2.3 L’outil industriel SIMBOX

Outre l’architecture présentée Figure 2.3, il existe une alternative utilisée dans le
cadre des projets industriels Renault. L’outil SIMBOX (AVL) remplace la Workstation
et s’intègre directement dans l’environnement PUMA. Comme mentionné plus haut,
la SIMBOX permet la modélisation des forces résistives sur le véhicule, ainsi que du
conducteur. Toutefois, cette outil fonctionne sur le principe d’une « boîte noire », et peu
de détails sont donnés sur son fonctionnement. Il n’est donc pas adapté à la démarche de
cette thèse, mais pourra servir de comparaison. Cet outil n’est pas disponible sur tous
les bancs d’essais : parmi les bancs considérés, le B3 et le B5 sont compatibles (Table
2.5), mais pas le B4.

59
2 Présentation de l’environnement et des moyens d’essais

2.3 Synthèse des campagnes

Comme mentionné précédemment, plusieurs campagnes d’essais ont été réalisées au
cours de cette thèse, sur plusieurs bancs et plusieurs moteurs différents. le Tableau 2.6
présente une synthèse de ces différentes campagnes.

Tableau 2.6 : Synthèse des différentes campagnes réalisées au banc moteur.

Campagne 0 1 2 3 4
Début 06/19 05/20 11/20 12/20 04/21
Fin 08/19 06/20 11/20 03/21 08/21
Banc B5 B3 B5 B4 B4
Moteur H5D400 1 H5D400 1 H5D470 2 HR16Etech H5D470 2
ECU 1 1 1 Etech 1
Post-traitement 1 1 2 Etech 2

La Campagne 0 s’est déroulée dès la première année de la thèse. Cette campagne

était pilotée par le projet Virtual Testing, et basée exclusivement sur l’outil SIMBOX.
Son but était la corrélation des essais EiL avec les essais de référence sur BàR, mais aussi
sur piste, et en particulier la reproduction de diagnostics OBD lors de ces essais. Cette
campagne a été réalisée avec le moteur H5D400 (1) extrait du véhicule immatriculié
EKE367, ainsi que son calculateur ECU 1 et son système de post-traitement (1). Bien
qu’elle n’ait pas suivi la démarche de recherche scientifique propre à une thèse, cette
campagne a permis l’identification de certaines lacunes de l’outil SIMBOX, ainsi que
la familiarisation avec les problématiques industrielles liées à l’environnement EiL, en
particulier concernant la représentativité thermique (Chapitre 4).
Basée sur le même moteur, le même calculateur et le même système de post-traitement,
la Campagne 1 a permis une première prise en main des modèles présentés dans le Cha-
pitre 3 et leur intégration au banc moteur. Elle a été largement impactée par la crise
sanitaire, mais a permis d’identifier les points d’amélioration des modèles.
Suite à cette campagne, le moteur H5D400 (1) a été endommagé lors d’essais réalisés
en parallèle et a du être remplacé par un moteur proche référencé H5D470 et numéroté
2. Le calculateur moteur (ECU) du premier moteur, nommé ECU 1, a été transféré sur
ce second moteur. La ligne d’échappement de ce moteur a été modifiée, et en particulier
le système de post-traitement des polluants numéroté 2.
Avec ce moteur H5D470 (2) et sur le banc B5, la Campagne 2 avait pour objectif
de tester les nouveaux modèles améliorés par rapport à la Campagne 1. Comme précisé
Chapitre 3, elle a du être interrompue dès les premiers essais à cause d’importantes
oscillations de couple, afin de protéger le moteur.
Dans un autre contexte, la Campagne 3 a été l’occasion d’appliquer la méthode
EiL à l’architecture hybride (moteur HR16 Etech), en particulier de tester le modèle
conducteur développé Section 3.2.
Enfin, la Campagne 4 s’est déroulée sur le banc B4 avec le moteur H5D470 (2), et
a permis de résoudre les oscillations observées et d’obtenir une plus grande quantité
d’essais de corrélation. Cependant, il est important de souligner que le système de post-
traitement (numéroté 3) du véhicule de référence EKB118 n’a pas pu être conservé pour
cette campagne au banc EiL car réquisitionné sur un projet industriel. Le système de
post-traitement utilisé (numéroté 2) n’est donc pas identique à la référence véhicule, et

60
 2.3 Synthèse des campagnes

les émissions à l’échappement ne pourront pas être comparées. le Tableau 2.7 résume les
différentes campagnes véhicule servant de référence de comparaison.

Tableau 2.7 : Synthèse des différentes campagnes réalisées sur véhicule.

Campagne V1 V2 V3
Année 2018 2019 2020
Type d’essai Piste BàR BàR
Véhicule EKE367 EKE367 EKB118
Moteur H5D400 1 H5D400 1 H5D470 3
ECU 1 1 2
Post-traitement 1 1 3

Comme précisé plus haut, le véhicule de référence initial EKE367 a réalisé une cam-
pagne d’essais sur piste en 2018, et plusieurs essais sur BàR en 2019. Pour ces deux
campagnes, le véhicule était équipé du moteur H5D400 (1), du calculateur ECU 1 et
du système de post-traitement 1. Suite à l’endommagement du moteur H5D400 (1), de
nouveaux essais BàR ont été réalisés avec un véhicule similaire immatriculé EKB118.
Ce véhicule est équipé d’un moteur H5D470 numéroté 3 qui n’est pas celui utilisé sur
les essais EiL. Le calculateur ECU (numéroté 2) est aussi différent, ainsi que le système
de post-traitement (3). La Figure 2.4 synthétise le déroulement des campagnes d’essai.

Fig. 2.4 : Synthèse des campagnes d’essai sur véhicule et sur banc EiL (PT = post-
traitement).

En conclusion, les campagne EiL numérotées 0 et 1 ont pour référence les campagnes
véhicule 1 et 2. Les campagnes EiL 2 et 4 ont pour référence la campagne véhicule 3,
mais les émissions à l’échappement ne pourront pas être comparées faute d’un système de
dépollution similaire. De plus, il est important de souligner que bien que la calibration
n’est pas censée différer entre les moteur H5D470 1 et 2, l’unité de contrôle utilisée
lors des campagnes EiL 2 et 4 n’est pas strictement la même que pour la campagne
véhicule 3. On peut finalement souligner que les essais BàR ont été réalisés sur 3 bancs
différents équipés de la machine de charge VULCAN HORIBA [122] et de la même
instrumentation.

61
2 Présentation de l’environnement et des moyens d’essais

2.4 Mesures de la thermique sous-capot

En plus des campagnes listées ci-dessus, on dispose dans le cadre de cette thèse
d’une base de données de mesures de la thermique sous-capot. Ces essais ont été réalisés
par le laboratoire LHEEA sur une Mégane 4 Berline, représentée Figure 2.5 et dont les
caractéristiques sont rassemblées dans le Tableau 2.8. Il est important de souligner ici
que ces essais ne sont pas destinés à des fins de corrélation expérimentale, car on ne
dispose ni du véhicule, ni du moteur. Toutefois, l’instrumentation posée sur ce véhicule
permet une analyse de la thermique sous-capot qui sera utilisée dans le Chapitre 4.

Tableau 2.8 : Caractéristiques du véhicule d’essai de la campagne additionnelle.

Modèle Mégane 4 Berline (2016)
Référence TCE 130 ENERGY INTENS
Puissance 95 kW
Couple maximal 205 Nm
Cylindres 4
Cylindrée 1198 cm3
Transmission Manuelle
Rapports 6
Masse 1205 kg
Carburant Essence
Portes 5

Fig. 2.5 : Le véhicule d’essai Mégane utilisé lors des essais de meesure thermique sous-
capot.

La Figure 2.6 représente l’emplacement des différents capteurs utilisés lors des essais.
Le véhicule est équipé de nombreux thermocouples mesurant d’une part la température
ambiante sous-capot (« thermocouple ambiant », en bleu sur le schéma), et d’autre part la
température interne de la ligne d’air (« thermocouple intrusif », en rouge sur le schéma).
En plus des voies du contrôle moteur, on dispose donc de la température ambiante
sous-capot mesurée à 6 points (Tamb,cata , Tamb,turbo , Tamb,comp , Tamb,bouche , Tamb,adm et
Tamb,access ), ainsi que de 5 mesures de la température interne de la ligne d’air, représentée
en vert (Te,f iltre , Ts,f iltre , Ts,comp , Ts,RAS , Tadm ). En outre, on mesure aussi la température
du circuit de refroidissement représenté en bleu en deux points (Te,CO et Ts,CO ).

62
 2.5 Moyens de mesure

Fig. 2.6 : Schéma de l’instrumentation sous-capot.

Plusieurs types de roulages ont été effectués lors d’une campagne de deux semaines
effectuée en octobre 2019, dans différentes conditions de chauffe moteur, de température
ambiante et d’altitude. Parmi les 36 enregistrements, on dispose notamment d’essais
courts urbains et semi-urbains, ainsi que de longs roulages sur autoroute.

2.5 Moyens de mesure

Dans le but d’établir la représentativité de l’environnement EiL par rapport aux essais
conventionnels sur véhicule, il est nécessaire de comparer en premier lieu les moyens de
mesure propres aux deux environnements.

2.5.1 Bilan énergétique

Le premier axe de comparaison entre les essais véhicules et les essais EiL est le bilan
énergétique du moteur sur un essai donné. Dans cette thèse, plusieurs méthodes sont
utilisées pour calculer l’énergie mécanique produite par le moteur.

2.5.1.1 Puissance demandée

Un premier axe de comparaison réside dans la puissance imposée au moteur par le
moyen d’essai. Considérant le banc moteur, la puissance demandée Preq,BM peut être
calculée directement grâce à la demande de couple résistif provenant du modèle de
véhicule Tdem , ainsi que le régime moteur mesuré ωeng .
π
Preq,BM = Tdem · ωeng · (2.1)
30
63
2 Présentation de l’environnement et des moyens d’essais

Pour le banc moteur, la force résistive sur le véhicule Fth est établie en fonction de la
vitesse véhicule V par le polynôme de la loi de route, déterminée par les coefficients de
« coastdown » (Chapitre 1) :

Fth (V ) = A + B · V + C · V 2 (2.2)

La puissance théorique à la roue Pth,w s’exprime ensuite en considérant Fth et la force

inertielle :
dV
Pth,w = V · (Fth (V ) + M · ) (2.3)
dt
Avec M la masse véhicule. Pour calculer la puissance théorique appliquée au moteur,
il est nécessaire de prendre en compte l’efficacité de la boîte de vitesse ηgear , que l’on
suppose constante pour tous les rapports (Section 3.1). En effet, puisque le test de
« coastdown » est réalisé au rapport neutre, les coefficients de la loi de route ne prennent
en compte que les pertes à vide de la transmission, des roulements et des pneumatiques,
et non les pertes sous couple de la boîte de vitesse.
Pth,w
Pth,BaR = (2.4)
ηgear

2.5.1.2 Puissance mesurée

Sur le banc moteur, le couple appliqué sur l’arbre Tmes est mesuré par le couplemètre
HBM T12 dont les caractéristiques sont rassemblées dans le Tableau 2.9.

Tableau 2.9 : Caractéristiques des capteurs de couple et de force aux bancs moteur et
à rouleaux (VM : valeur mesurée) [123].
Précision
Banc Capteur Plage nominale
Plage Précision
BM HBM T12 [-2000 ; 2000] N.m [-2000 ; 2000] N.m 0.03 % VM
[-3000 ; 3000] N 10 N
BàR HBM U10M [-5400 ; 5400] N
|VM| > 3000 N 10 N + 0.5% VM

La puissance appliquée mesurée Pmes,BM peut donc être calculée de manière immé-
diate :
π
Pmes,BM = Tmes · ωeng · (2.5)
30
Cependant, cette mesure n’est pas réalisée sur le banc à rouleaux. Sur les bancs HORI-
BA VULCAN utilisés comme référence dans cette thèse, la force appliquée au rouleau
Fmes,P dC au point de contact entre la roue et le rouleau est toutefois mesurée par un cap-
teur placé sur l’arbre du moteur entraînant les rouleaux. Les caractéristiques du capteur
de force HBM U10M sont rassemblées dans le Tableau 2.9. La puissance au point de
contact Pmes,P dC peut ensuite être obtenue en considérant cette force ainsi que l’inertie
équivalente du rouleau Meq,Rlx renseignée par le fournisseur.

dV
Pmes,P dC = V · (Fmes,P dC + Meq,Rlx · ) (2.6)
dt
64
 2.5 Moyens de mesure

Afin de calculer la puissance résistive au moteur, il est nécessaire de considérer non

seulement l’efficacité de la boîte de vitesse ηgear , mais aussi les pertes à vides. Ces pertes
comprennent les pertes des roulements, des pneumatiques et de la transmission. Elles
sont inclues dans la loi de route, mais elles ne sont pas simulées par le banc lui-même,
puisqu’elles sont caractéristiques du véhicule et donc déjà présentes.
Comme mentionné Section 1, la force FBaR appliquée par le BàR provient d’un
polynôme de loi de route FBaR (V ), ajusté par rapport aux coefficients de « coastdown »
obtenus sur piste.
FBaR (V ) = ABaR + BBaR · V + CBaR · V 2 (2.7)
Avant de réaliser un essai sur BàR, on reproduit une décélération en neutre depuis 130
km/h sur le banc. Pour un nombre N de valeurs de vitesse véhicule Vi (pour i = 1..N ),
on mesure la durée ∆ti pendant laquelle la vitesse véhicule est comprise entre Vi + ∆V
et Vi − ∆V , avec ∆V la résolution du test. La force résistive est ensuite calculée pour
chaque vitesse Vi :
∆V
Fcalc (Vi ) = M · (2.8)
∆ti
Plusieurs itérations sont réalisées jusqu’à ajuster la force Fcalc au polynôme Fth (V ).
Après un cycle sur BàR, une nouvelle décélération est réalisée et on applique la même
méthode afin de mesurer la force effectivement appliquée par le rouleau Fmes (Vi ) pour
chaque vitesse Vi . Les pertes à vides FAV correspondent enfin à la différence entre la
force mesurée Fmes et la force FBaR appliquée par le BàR :

FAV (Vi ) = Fmes (Vi ) − FBaR (Vi ). (2.9)

Il est ensuite possible d’identifier un polynôme du second degré FAV (V ), comme re-
présenté Figure 2.7. A partir de la force mesurée au point de contact, on peut ensuite
calculer la puissance produite par le moteur en considérant l’inertie des rouleaux, les
pertes à vide et l’efficacité de la boîte de vitesse :

Fmes,P dC + Meq,Rlx dV + FAV (V )

Pmes,BaR = V · dt
(2.10)
ηgear

2.5.1.3 Puissances calculée par l’ECU

Le contrôle moteur fournit deux variables de couple moteur indiqué et effectif, notés
ECUEstiT qi et ECUEstiT qe respectivement. Le couple indiqué correspond au couple fourni
par la pression des gaz dans le cylindre, et est calculé à partir d’une cartographie du
contrôle moteur en fonction du couple indiqué maximal, de la masse d’air estimée et
de l’efficacité fonction de l’avance à l’allumage. Le couple effectif représente le couple
disponible sur l’arbre moteur. Il est à calculé à partir du couple indiqué, auquel sont
soustraits les pertes moteur par friction Tf ric et le couple consommé par les auxiliaires
Taux , comme la climatisation, l’alternateur et la pompe de carburant.

ECUEstiT qe = ECUEstiT qi − (Taux + Tf ric ) (2.11)

65
2 Présentation de l’environnement et des moyens d’essais

Fig. 2.7 : Identification des pertes à vides sur BàR.

Pour les deux variables ECUEstiT qi et ECUEstiT qe , on peut donc calculer la puissance
fournie par le moteur (Ptqi et Ptqe respectivement) en utilisant la variable du régime
moteur ECUN .
π
Ptqi = ECUEstiT qi · ECUN · (2.12)
30
π
Ptqe = ECUEstiT qe · ECUN · (2.13)
30
Cette méthode de calcul est la même pour le banc moteur et le banc à rouleaux puisqu’elle
ne dépend que de variables ECU.

2.5.1.4 Comparaison énergétique

Pour chacune des puissances définies précédemment, l’énergie totale E peut être
calculée par intégration sur toute la durée du cycle tend . Par exemple, en utilisant la
puissance mesurée sur banc moteur Pmes,BM , on obtient l’énergie mesurée Emes,BM :
Z t=tend
Emes,BM = Pmes,BM (t) dt (2.14)
t=0

On peut ensuite comparer le bilan énergétique du banc moteur avec celui d’un essai
de référence ref, par exemple sur banc à rouleaux. On note ∆E l’écart relatif entre
l’énergie calculée entre l’essai considéré et l’essai de référence. Par exemple, pour l’énergie
mesurée :
Emes,BM (tend ) − Emes,ref (tend )
∆Emes = 100 · (2.15)
Emes,ref (tend )
Afin d’identifier certaines phases spécifiques pendant lesquelles l’écart se creuse par-
ticulièrement, on peut aussi tracer l’écart d’énergie au cours du temps. Pour faciliter
l’interprétation, on calcule cet écart δE relativement à l’énergie totale sur l’essai de

66
 2.5 Moyens de mesure

référence. Par exemple, pour l’énergie mesurée :

Emes,BM (t) − Emes,ref (t)

δEmes (t) = 100 · (2.16)
Emes,ref (tend )

Selon l’essai, il peut être intéressant de ramener l’énergie totale à la distance parcourue
Dtot , obtenue à partir de la vitesse véhicule V .
Z t=tend
Dtot = V (t) dt (2.17)
t=0

Par exemple, pour l’énergie mesurée au banc moteur, on obtient Emes/km,BM :

Emes,BM (tend )
Emes/km,BM = (2.18)
Dtot
On peut ensuite calculer ∆Emes/km de la même manière que ∆Emes , Eq. (2.15.) Cepen-
dant, il est important de préciser que la comparaison entre un essai réalisé au banc EiL
et un essai BàR est discutable du fait des différences entre les deux moyens d’essais.
Concernant l’énergie demandée et l’énergie mesurée, par exemple, il est important de
souligner que dans le cas du banc à rouleaux il est nécessaire de supposer l’efficacité
de la boîte de vitesse ηgear . Toutefois, en l’exprimant de la même manière que dans
l’environnement virtuel du banc moteur, on peut considérer que la comparaison reste
pertinente. Il doit aussi être rappelé que l’inertie des rouleaux Meq,Rlx est nécessaire au
calcul de Pmes,BaR , et que la précision de cette « mesure » dépend donc de ce paramètre.
Enfin, la comparaison énergétique basée sur les variables du contrôle moteur peut
paraître la plus fiable, puisque la méthode de calcul est la même quel que soit le moyen
d’essai. Toutefois, il est nécessaire de souligner que les variables ECUEstiT qi et ECUEstiT qe
ne sont pas mesurées par le contrôle moteur, mais proviennent d’une estimation. Le calcul
de ces variables est susceptible d’être influencé par des facteurs extérieurs. De plus,
des différences de calibration moteur entre deux essais impacteront ce calcul. Enfin,
on dispose de peu de détails concernant l’estimation des pertes utilisée pour calculer
ECUEstiT qe . Cette estimation peut poser question, puisque certains accessoires comme
la climatisation ne sont pas présents au banc moteur.

2.5.1.5 Représentativité du banc à rouleaux

Comme développé plus haut, on utilise plusieurs indicateurs pour analyser la repré-
sentativité énergétique du banc EiL par rapport à la référence véhicule. En particulier,
l’énergie mesurée Emes et l’énergie demandée Ereq sont obtenues directement pour le
banc EiL grâce aux couples mesuré Tmes et demandé Tdem . Concernant le banc à rou-
leaux, on dispose de deux grandeurs calculées, l’une à partir de la force mesurée, et
l’autre à partir de la force théorique demandée par le banc. En premier lieu, on peut
comparer la valeur de ces deux indicateurs sur un cycle WLTC.
La Figure 2.8(a) représente les forces mesurée Fmes,BaR et théorique Fth,BaR en bleu
et rouge respectivement. Avec le même code couleur, la Figure 2.8(b) représente les
puissances associées à ces forces Pmes,BaR et Pth,BaR , et la Figure 2.8(c) les énergies
Emes,BaR et Eth,BaR . Enfin, la Figure 2.8(d) représente l’écart δE entre Emes,BaR et
Eth,BaR au cours du cycle ramené à l’énergie totale Eth,BaR (tend ). Les courbes de force,

67
2 Présentation de l’environnement et des moyens d’essais

puissance et énergie sont superposées tout au long du cycle. L’écart relatif final entre
l’énergie théorique et l’énergie calculée à partir de la mesure est inférieur à 0.3%. On
peut donc conclure que l’essai WLTC sur BàR est valide d’un point de vue énergétique
et constitue une référence fiable de comparaison.

Fig. 2.8 : Ecart entre force théorique et mesurée au BàR sur un WLTC.

2.5.2 Consommation de carburant

Un autre axe important de la représentativité de l’environnement EiL est la compa-
raison de la consommation de carburant par rapport au banc à rouleaux. Le débit de
carburant injecté est mesuré sur le banc moteur par un appareil KMA4000 [124]. Cet
appareil est basé sur deux roues possédant des trous de grandeurs connues et entraînées
par un moteur électrique, la mesure de débit étant liée directement à la vitesse de ro-
tation du moteur. Toutefois, cette mesure n’est pas réalisée sur banc à rouleaux. Afin
de minimiser les biais de mesure, on choisit donc dans cette thèse de calculer la masse
de carburant injectée en utilisant les variables du contrôle moteur. En particulier, la
variable ECUF IM correspond à la quantité de carburant injecté par coup, exprimée en
mg/strk. Afin d’obtenir un débit de carburant Qcarb en g/s, on utilise le régime moteur
ECUN en tr/min.
1
Qcarb = ECUF IM · ECUN · Ncyl · Nstrk · (2.19)
60 · 1000
Avec Ncyl le nombre de cylindres, et Nstrk le nombre de coups par tour, Ncyl = 3 et
Nstrk = 1/2 pour le moteur HR10 considéré dans cette thèse. Sur un essai au banc
moteur, la Figure 2.9 compare la masse obtenue en intégrant le débit Eq. (2.19) à celle
obtenue en intégrant le débit mesuré par l’appareil KMA4000 sur le cycle complet.
On représente sur la Figure 2.9(a) le débit ECU en rouge, et le débit mesuré en bleu.
La Figure 2.9(b) représente l’écart δM entre la masse cumulée calculée à partir de la
variable ECU et la masse cumulée calculée en intégrant le débit mesuré. On exprime cet
écart relativement à la masse totale calculée en utilisant le débit mesuré. Les Figures

68
 2.5 Moyens de mesure

2.9(c) et 2.9(d) représentent le couple et le régime moteur respectivement. En premier

lieu, on constate que l’écart relatif entre les masses totales issues des deux méthodes de
calcul est de 7.7%, soit 75 g de carburant. On peut en outre souligner que l’écart relatif
augmente de manière quasi-linéaire au cours du cycle, ce qui suggère que le biais entre
les deux méthodes de mesure ne dépend pas du point de fonctionnement moteur.

Fig. 2.9 : Comparaison du débit carburant ECU (rouge) et mesuré au banc moteur
(bleu) sur un WLTC.

Fig. 2.10 : Comparaison du débit carburant ECU (rouge) et mesuré au banc moteur
(bleu) sur un WLTC. Zoom sur une fraction du cycle

La Figure 2.10 représente un zoom sur une fraction du cycle et permet d’analyser
plus précisément les écarts entre les deux méthodes. Tout d’abord, on identifie un retard
conséquent de la variable mesurée, de l’ordre de 3 secondes. Comme détaillé sur la
Figure 2.3, la mesure du débit est enregistrée sous PUMA, tandis que la variable ECU

69
2 Présentation de l’environnement et des moyens d’essais

est enregistrée par le poste INCA. Toutefois, ce retard ne provient pas d’un déphasage
entre les deux fichiers d’enregistrement : on vérifie en parallèle la bonne synchronisation
entre le régime mesuré par le banc PUMA et le régime mesuré par l’ECU sous INCA. De
plus, on peut ajouter que la fréquence d’acquisition de la mesure du débit de carburant
est de l’ordre de 1 seconde, ce qui peut expliquer en partie l’écart avec la masse calculée
à partir de la variable ECU. La documentation du KMA4000 faisant référence à une
fréquence d’acquisition pouvant atteindre 5 Hz, il est possible que ce comportement soit
du à un mauvais réglage de l’appareil. Enfin, on observe que le débit mesuré chute à
0 g/s lors des lâchers de pieds, à t = 1380 s par exemple lorsque le couple ECUEstiT qi
est nul. Ce n’est pas le cas du débit estimé par l’ECU, qui ne chute pas en dessous de
0.16 g/s. Il existe donc un biais conséquent entre les méthodes de mesure. Dans le reste
de cette thèse, on choisit de minimiser les biais de comparaison entre le BàR et le banc
EiL. Par conséquent, on considère uniquement le débit de carburant calculé à partir de
la variable ECU commune aux deux bancs d’essai, Eq. (2.19).

2.5.3 Emissions gazeuses

Pour terminer l’étude de la représentativité de l’environnement EiL par rapport au
BàR, il est intéressant de comparer la masse de dioxyde de carbone CO2 émis, ainsi
que des polluants, i.e. les oxydes d’azote NOx , les hydrocarbures imbrûlés HC et le
monoxyde de carbone CO. Deux points de mesure sont disponibles : en sortie du moteur
(EO, Engine out), noté « mot », et en aval du système de post-traitement, au niveau du
pot d’échappement (TP, Tailpipe), noté « ech ». Dans la suite de cette section, on ne
considère pas un point de mesure spécifique, et on note « mes » le point de mesure.

Tableau 2.10 : Méthode d’analyse, plage de fonctionnement et précision pour chaque

gaz (VM : valeur mesurée) [125].
Précision
Gaz Type de mesure Plage nominale
Plage Précision
[0 ; 0.5] % 0.02 %
CO NDIR [0 ; 10] %
[0.5 ; 10] % 4% VM
[0 ; 1000] ppm 60 ppm
CO2 NDIR [0 ; 20] %
[1000 ppm ; 20%] 3% VM
[0 ; 50] ppm 6 ppm
HC FID [0 ; 30000] ppm
[50 ; 30000] ppm 7% VM
[0 ; 2000] ppm 55 ppm
NOx CLD [0 ; 10000] ppm
[2000 ; 10000] ppm 3% VM

Les baies d’analyse utilisées pour l’analyse modale (i.e. au cours du temps, Section
1.4.2.1) des polluants sur banc à rouleaux et sur banc moteur sont le modèle MEXA-ONE
développé par HORIBA [125]. Les méthodes de mesure sont renseignées pour chaque
gaz dans le Tableau 2.10. Le CO2 et le CO sont mesurés par absorption infrarouge non
dispersive (NDIR). Les HC sont détectés par ionisation de flamme (FID), et les NOx
par chimiluminescence (CLD).

70
 2.5 Moyens de mesure

2.5.3.1 Méthode de calcul

Les baies d’analyse mesurent la concentration volumique de chaque polluant [pollu],

en % pour le CO2 et en ppm pour les autres. Afin d’obtenir un débit massique pour
chaque polluant Qpollu,mes , il est donc nécessaire d’utiliser le débit des gaz d’échappement
au point de mesure, i.e. en sortie moteur ou à l’échappement, après le post traitement. Ce
débit est mesuré par un débitmètre sur banc à rouleaux, mais pas sur banc moteur. Ici
encore, afin de minimiser les biais de comparaison, on utilise donc une variable commune
aux deux moyens d’essai : le débit d’air calculé par le contrôle moteur, ECUM AF , exprimé
en kg/h. Il est important de préciser que ce débit n’est pas mesuré mais bien estimé
par le contrôle moteur. Le calcul se base sur une cartographie précise de l’efficacité de
remplissage du cylindre, sur la mesure de pression dans le collecteur et sur l’estimation
de la température dans le cylindre pendant l’admission.

ρpollu 1e6 [pollu] KH · 1000

Qpollu,mes = · ECUM AF · · (1 + E · ECUrich ) · · (2.20)
ρgaz 3600 KB F

Avec ρpollu la densité du polluant considéré et ρgaz la densité des gaz d’échappement
que l’on considère égale à celle de l’air, ρgaz = ρair . La variable ECUrich correspond à la
richesse du mélange mesurée à l’aide de la sonde λ du contrôle moteur. Le coefficient KH
est utilisé pour les NOx afin de corriger l’humidité dans l’air comburant. Le facteur F est
un facteur de conversion variant si la concentration est en ppm ou %. Le coefficient KB
est utilisé pour les NOx et les HC, et permet de passer d’une mesure sur gaz « humides »
à une mesure en gaz « secs ».
200
KB =
200 + [CO2 ] · HCratio + [CO] · · (HCratio − 2B) + [HC] · 10−4 · (Y · HCratio − Z)
10−4
(2.21)
Avec HCratio le rapport moyen du nombre d’atomes d’hydrogène H sur le nombre
d’atomes de carbone C du carburant. Le coefficient B est défini par l’Eq. (2.22) :

B = dcarb · [CO]ecarb (2.22)

Avec dcarb , ecarb des paramètres du carburant définis expérimentalement. Les coefficients
Y et Z représentent le nombre moyen d’atomes de carbone et d’hydrogène dans une
molécule de gaz imbrûlée respectivement. Le coefficient E est défini par l’Eq. (2.23) :

2 · OCratio − HCratio
E= (2.23)
19.04 · (1 + 0.25 · HCratio + 0.5 · OCratio )

Avec OCratio le rapport moyen du nombre d’atomes d’oxygène O sur le nombre d’atomes
de carbone C du carburant. Le Tableau 2.11 recense les valeurs des coefficients utilisés
dans cette thèse. A partir du calcul de débit massique en fonction du temps, on peut
enfin évaluer la masse totale Mpollu,mes au point de mesure mes en intégrant Qpollu,mes
sur le cycle complet : Z t=tend
Mpollu,mes = Qpollu,mes (t) dt (2.24)
t=0

Pour effectuer une comparaison avec un essai de référence noté « ref » (qui pourra
correspondre à un essai véhicule, ou à un essai au banc moteur selon le contexte), on

71
2 Présentation de l’environnement et des moyens d’essais

introduit l’écart relatif ∆Mpollu,mes :

Mpollu,mes − Mrpollu,mes,ref
∆Mpollu,mes = 100 · (2.25)
Mpollu,mes,ref

Enfin, on peut aussi calculer la masse de polluant émise par kilomètre Mpollu/km,mes en
utilisant la distance parcoure Dtot :
Mpollu,mes
Mpollu/km,mes = (2.26)
Dtot
On note ∆Mpollu/km,mes l’écart relatif du cumul par kilomètre par rapport à la référence
ref :
Mpollu/km,mes − Mpollu/km,mes,ref
∆Mpollu/km,mes = 100 · (2.27)
Mref,pollu,mes

Tableau 2.11 : Coefficients utilisés pour le calcul des émissions polluantes. Tous les
coefficients sont sans unité.
Paramètre Valeur
HCratio 1.9222
OCratio 0.032
Y 6.22
Z 12.05
KH 0.89303
dcarb 0.3244
ecarb 0.08

2.5.3.2 Temps de transfert

Sur le banc moteur, les baies d’analyse ne sont pas placées au plus près des points de
prélèvement (sortie moteur ou échappement). De ce fait, la concentration [pollu] d’un
polluant donné est mesurée avec un retard ∆t par rapport au débit d’air ECUM AF (t).
Comme mentionné en Section 1.4.2.1, ce retard correspond à la fois au temps de transport
des gaz entre le point de prélèvement et la baie d’analyse et à la durée d’analyse du
polluant par la baie, et dépend du polluant et du banc moteur considéré. Afin de calculer
le débit massique de chaque polluant Qpollu,mes (Eq. 2.20), il est donc nécessaire de
synchroniser le débit d’air avec la concentration [pollu]. La méthode de synchronisation
utilisée au banc moteur s’appuie sur l’analyse de lâchers de pédale brusques. Au moment
d’une levée de pied, la concentration en CO et HC augmente, tandis que la concentration
en CO2 et NOx chute. On réalise un recalage manuel en se basant sur plusieurs lâchers de
la pédale d’accélérateur afin de synchroniser le débit de carburant injecté (qui chute lors
d’un lâcher de pied, et qui est déjà synchronisé avec le débit ECUM AF puisque provenant
du contrôle moteur) avec la concentration de chaque polluant. On conserve ensuite pour
chaque polluant un temps de transfert constant sur tous les essais. La Figure 2.11 illustre
un exemple de synchronisation de la concentration en NOx sur un cycle WLTC.
La concentration en NOx brute (i.e. avant synchronisation) est représentée en rouge
sur l’axe de gauche, et le débit de carburant injecté estimé par le contrôle moteur

72
 2.5 Moyens de mesure

ECUF IM sur l’axe de droite. On identifie tout d’abord l’instant t1 = 965.2 s corres-
pondant au dernier lâcher de pied et à la chute du débit FIM. Ce lâcher de pied entraîne
une chute de la concentration en NOx , que l’on repère par l’instant t2 = 983.2 s. Sur cet
exemple, le temps de transfert estimé est donc de ∆tN Ox = t2 − t1 = 18.0 s.

Fig. 2.11 : Exemple d’identification du temps de transfert pour les NOx .

2.5.3.3 Comparaison à la mesure par sacs

Dans cette thèse, l’analyse des émissions gazeuses est basée sur une mesure temporelle
(« modale ») du débit massique mesuré, la masse totale étant obtenue par intégration sur
le cycle complet (Eq. 2.24). Comme mentionné dans le Chapitre 1, il existe une seconde
méthode de mesure des émissions gazeuses, principalement utilisée dans le cadre des
essais d’homologation : la mesure par sacs. Cette méthode permet une mesure précise
mais n’est pas adaptée à une analyse approfondie puisqu’elle renseigne uniquement les
émissions totales sur un cycle, et non leur évolution au cours du temps. Elle est géné-
ralement réservée aux émissions à l’échappement sur banc à rouleaux, et n’est donc pas
disponible sur les bancs moteur utilisés lors de cette thèse. On peut néanmoins utiliser
cette mesure comme référence afin de vérifier la fiabilité de la mesure modale utilisée
dans la suite des travaux. La Figure 2.12 permet de comparer pour chaque polluant la
masse estimée à l’échappement par les deux méthodes de mesure sur 4 cycles WLTC
réalisés à froid au BàR lors de la campagne véhicule 3 (voir Table 2.7).
La Figure 2.12(a) représente sur l’axe de gauche la masse totale de HC et de NOx
mesurée à l’échappement, ainsi que la masse totale de CO et CO2 sur l’axe de droite. On
représente par une barre la valeur moyenne obtenue sur les essais considérés, en bleu pour
la mesure par sac et en rouge pour le cumul des émissions modales. L’écart-type obtenu
sur les 4 cycles est représenté par une barre d’incertitude. La Figure 2.12(b) représente
par une barre l’écart relatif moyen entre la masse estimée par la mesure modale et la
masse mesurée par sac pour chaque polluant, ainsi que l’écart-type obtenu sur les essais
considérés par une barre d’incertitude.

73
2 Présentation de l’environnement et des moyens d’essais

On observe que la mesure modale sous-estime les émissions de NOx et de CO de

1.5% et 3.6% respectivement, soit 18 mg et 668 mg. Au contraire, les émissions de CO2
sont surestimées de 3.9% i.e. 114 g. Les HC sont le polluant pour lequel l’écart relatif
est le plus important, avec une surestimation de 9.1% soit 105 mg. On peut souligner
que la dispersion est significative par rapport à l’écart de mesure, en particulier en ce
qui concerne les HC et les NOx , avec un écart-type de 7.7% et 11.1% respectivement. La
dispersion est par ailleurs du même ordre de grandeur que l’écart de mesure pour le CO
et le CO2 , avec un écart-type de 5.2% et 1.6% respectivement. On peut donc en conclure
que l’intégration des émissions modales utilisée dans cette thèse permet une estimation
fiable de la masse émise totale comparée à la mesure par sacs.

Fig. 2.12 : Comparaison des émissions totales cumulées à partir de la mesure modale
aux émissions mesurées par sac sur 4 essais BàR.

2.5.4 Représentativité thermique

Comme développé dans le Chapitre 4, la représentativité thermique des essais au
banc moteur par rapport à la référence véhicule est un aspect crucial pour l’approche
EiL. Dans cette thèse, on s’intéresse à la température du circuit de refroidissement
ECUT CO , à la température interne du catalyseur T24M, et tout particulièrement à la
température de l’air de suralimentation mesurée par le contrôle moteur, notée ECUM AT .
Dans cette section, on prend l’exemple de la température ECUM AT pour présenter les
indicateurs de corrélation utilisés pour analyser l’écart entre la température ECUM AT
et la température de référence ECUM AT,ref . Tout d’abord, on note l’écart moyen ∆M AT
et l’écart absolu moyen |∆M AT |.

∆M AT = ECUM AT,ref − ECUM AT (2.28)

|∆M AT | = |ECUM AT,ref − ECUM AT | (2.29)

On considère aussi l’écart absolu maximal, |∆M AT |max = max |∆M AT |. Ensuite, l’écart
relatif moyen, noté M AP D (mean average percentage deviation) représente la moyenne

74
 2.6 Synthèse

de l’écart à la référence en pourcentage en considérant les N points de mesure :

X
N
ECUM AT,ref (i) − ECUM AT (i)
M AP DM AT = 100 · (2.30)
i=1 ECUM AT,ref (i)

Pour ce calcul, la température est exprimée en Kelvin (K). La somme des carrés des
erreurs d’estimation est notée SSE (sum squared error) et donne une mesure de la
divergence entre les données de référence et la mesure obtenue au banc moteur.

X
N
SSEM AT = (ECUM AT,ref − ECUM AT )2 (2.31)
i=1

Enfin, on calcule le coefficient de corrélation R2 en utilisant la somme des carrés des

erreurs totales SST (sum of squares total) :

X
N
SSTM AT = (ECUM AT,ref − ECUM AT,ref )2 (2.32)
i=1

Le coefficient de corrélation s’écrit :

SSE
R2 = 1 − (2.33)
SST
Plus la valeur des indicateurs ∆M AT , |∆M AT | et M AP DM AT est proche de zéro, plus
2
les deux signaux sont proches, et inversement. Pour le coefficient RM AT , une corrélation
2
parfaite équivaut à RM AT = 1.

2.6 Synthèse
Dans ce chapitre, la démarche générale de la thèse a été présentée, ainsi que les
différents moteurs et bancs d’essai utilisés. Comme synthétisé Figure 2.4, les campagnes
EiL 0 et 1 ont été réalisées avec le même moteur H5D400 numéroté 1, le même ECU et
le même système de post-traitement que les essais de référence des campagnes véhicule
1 et 2. Suite à l’endommagement du moteur, les campagnes EiL 2 et 4 ont été effectuées
avec un nouveau moteur H5D470 numéroté 2. Ces campagnes ont pour référence la
campagne véhicule n◦ 3, réalisée sur BàR avec un autre exemplaire du moteur H5D470
numéroté 3. Le système de post-traitement étant différent, les émissions à l’échappement
ne pourront cependant être comparées. La campagne EiL 3 a été réalisée dans le cadre
d’une architecture hybride électrique et l’on ne dispose pas de référence véhicule de
corrélation pour cette campagne. Enfin, on dispose d’une campagne annexe réalisée
sur route réelle sur un véhicule Mégane équipé de thermocouples sous-capot, qui sera
exploitée dans le Chapitre 4.
Ce chapitre décrit en outre les indicateurs de corrélation utilisés pour analyser la
représentativité des essais EiL du point de vue du bilan énergétique, de la consomma-
tion de carburant, des émissions gazeuses et de la thermique moteur. Dans le prochain
chapitre, on détaille le fonctionnement de l’environnement de simulation développé dans
cette thèse, en particulier les modèles de l’embrayage et du conducteur. Les résultats

75
2 Présentation de l’environnement et des moyens d’essais

d’essais EiL obtenus avec cet environnement sont ensuite analysés à l’aide des indicateurs
présentés ci-dessus.

76
CHAPITRE 3
Développement de
l’environnement de
simulation
La méthode Engine-in-the-Loop reposant sur l’association de modèles temps réel
et d’un banc dynamique, la simulation précise et fidèle des éléments de la chaîne de
traction en est un aspect crucial. Dans le cadre de cette thèse, on base les travaux sur
la plateforme de simulation GREEN développée par Renault. Conçue pour les analyses
de performance et consommation en simulation, elle permet de paramétrer rapidement
un modèle complet séparé en deux parties :

• Le modèle véhicule est développé à l’aide du logiciel AMESim [86], qui permet
la modélisation de systèmes multiphysiques (mécanique, thermique, hydraulique,
électrique) et inclut des bibliothèques composées de sous-modèles prédéfinis pou-
vant être reliés entre eux de manière à représenter des systèmes complexes.

• Le modèle de conducteur est développé sous le logiciel Simulink [126]. Ce logiciel

développé par Matlab est un environnement de diagramme fonctionnel destiné à
la simulation multidomaine. De manière similaire à AMESim, il propose aussi un
ensemble de bibliothèques de blocs.

Après avoir présenté le fonctionnement du modèle issu de l’outil GREEN, on détaille

dans ce chapitre les modifications nécessaires afin de l’adapter à l’environnement EiL, en
particulier concernant le bloc simulant l’embrayage. Le modèle de conducteur développé
dans cette thèse est ensuite présenté, ainsi que la méthode de calibration associée. Les
résultats expérimentaux obtenus au banc EiL sont enfin analysés et discutés. Après la
validation de l’environnement EiL à travers l’étude de la stabilité de la liaison embrayage
et de la régulation de la marchine de charge, la qualité du suivi obtenue par la méthode de
calibration du conducteur est analysée et l’impact de l’anticipation est évalué. Ensuite,
la répétabilité et la représentativité du banc EiL sont analysées par rapport aux essais
BàR de référence. Enfin, on fait varier plusieurs paramètres de l’environnement virtuel
afin d’analyser leur impact, comme la durée du changement de rapport et la masse du
véhicule. Finalement, l’environnement EiL est testé sur d’autres cycles que le WLTC
de référence, ainsi que dans un environnement hybride électrique. Pour des raisons de
confidentialité, certaines courbes d’émissions et de puissance moteur de ce chapitre ont
été adimensionalisées, comme souligné par la mention « Arbitrary units ».
3 Développement de l’environnement de simulation

3.1 Simulation du véhicule

3.1.1 Présentation du modèle GREEN
Le modèle généré par l’outil GREEN est modulable selon l’architecture choisie, per-
mettant notamment de modéliser plusieurs types de transmission. Dans la configuration
choisie pour cette thèse, il repose sur une approche uni-dimensionnelle du véhicule, re-
présentée Figure 3.1.
Selon la formulation AMESim, les blocs sont reliés entre eux par des liens de trans-
mission de couple (flèches rouges) et de régime (flèches bleues). Afin d’être utilisé dans
un environnement EiL, ce modèle doit tout d’abord être adapté en supprimant les com-
posants physiquement présents sur le banc, qui ne seront pas détaillés par la suite :

• Le moteur thermique est représenté par une cartographie du couple moteur Teng
en fonction du régime ωeng et de l’appui pédale par le conducteur α, qui est une
entrée du modèle véhicule : Teng = f (α, ωeng ). A ce couple sont retranchées les
pertes moteur Tloss , représentées par une cartographie fonction de la température
moteur et du régime ωeng .

• Le bloc « starter » simule un couple additionnel lors du démarrage moteur.

• Les blocs « auxiliaires » et « alternateur » représentent chacun un couple de friction

additionnel, fonction de l’utilisation des auxiliaires mécaniques et électriques.

• Le sous-modèle « bloc moteur » simule la liaison au bâti.

• Le volant moteur est représenté par une inertie, ce qui inverse la causalité. Contrai-
rement aux blocs précédents, ses deux entrées sont le couple provenant du moteur,
et le couple provenant de la boîte de transmission. La somme de ces couples génère
une variation du régime du volant d’inertie.

Par ailleurs, les blocs « boîte de transmission », « différentiel » et « véhicule » sont néces-
saires à l’environnement EiL et peuvent donc être conservés.

Fig. 3.1 : Schéma simplifié du modèle véhicule AMESim (GREEN).

3.1.1.1 Modélisation de la transmission

La transmission est représentée par les blocs « boîte de transmission » et « différen-
tiel ». Ces blocs consistent principalement en un ratio de transmission igear correspondant
à chaque rapport, ainsi qu’à une efficacité ηgear représentée par un couple de friction

78
 3.1 Simulation du véhicule

Tloss,GB pouvant être fonction du rapport engagé, mais aussi du point de fonctionne-
ment (Teng , ωeng ) et de la température. En première approche, cette efficacité est définie
comme constante pour tous les rapports. Le différentiel est lui aussi défini par un ratio
de transmission iaxle et une efficacité ηaxle équivalente à une perte de couple Tloss,axle .
Ainsi, en écrivant Tprim et ωprim le couple et le régime de l’arbre primaire, c’est à dire
entre l’embrayage et la boîte de vitesses, et Tw et ωw le couple et le régime à la roue, on
a:
Tprim − Tloss,GB − Tloss,axle ηgear · ηaxle
Tw = = · Tprim (3.1)
igear · iaxle igear · iaxle
ωw = igear · iaxle · ωprim (3.2)
D’autre part, l’embrayage est simulé par un bloc de la librairie Powertrain d’AMESim,
Figure 3.2 [86]. Il se caractérise par une inversion de la causalité du modèle, puisque
ses entrées sont le régime moteur, et le régime de l’arbre primaire (entrées 2 et 3).
En fonction de l’ouverture de l’embrayage (entrée 1 du modèle provenant du modèle
de conducteur), le bloc calcule le couple Tprim transmis par le moteur vers la boîte de
vitesse.

Fig. 3.2 : Le bloc embrayage AMESim

((a)) Le modèle « tanh ». ((b)) Le modèle « reset integrator ».

Fig. 3.3 : Fonctionnement des modèles d’embrayage AMESim.

Deux sous-modèles sont proposés par la documentation AMESim, correspondant à

deux modélisations différentes pour le couple d’embrayage.

• Le modèle « tanh », qui représente le couple transmis par l’embrayage Tclutch par
une fonction tangente hyperbolique fonction de l’écart de régime entre le vilebre-
quin et l’arbre primaire, Figure 3.3(a).

∆ω
Tclutch = Tdyn · tanh 2 (3.3)
ω0

79
3 Développement de l’environnement de simulation

Avec ∆ω la différence de régime entre les deux arbres, et ω0 le paramètre qui définit
la variation du couple en fonction de ∆ω. Il est important de souligner que dans ce
modèle la transmission de couple se fait uniquement via une différence de régime,
c’est-à-dire que si les deux arbres sont synchronisés ∆ω = 0, le couple transmis
est nul Tclutch = 0. Augmenter la valeur de ω0 a pour effet d’étaler la courbe de
couple Figure 3.3(a), c’est-à-dire que le couple maximal est atteint pour une diffé-
rence de régime plus importante. On note Tdyn le couple de friction de Coulomb,
qui correspond au couple maximal transmissible Tmax modulé par l’ouverture de
l’embrayage αclutch :
Tdyn = (1 − αclutch ) · Tmax (3.4)
Avec αclutch = 0 pour un embrayage fermé, et αclutch = 1 pour un embrayage
ouvert.

• Le modèle « reset integrator », qui s’appuie sur une modélisation de l’embrayage

par une raideur amortie, la force de frottement générée par l’embrayage correspon-
dant à la force de rappel du ressort. Ce modèle distingue deux phases. Le collage,
représenté à gauche Figure 3.3(b), correspond à une différence de régime ∆ω nulle
entre les deux arbres, avec une élongation p inférieure à l’élongation maximale
du ressort pmax . Quand l’élongation du ressort atteint la valeur maximale pmax ,
l’embrayage entre en glissement et le couple transmis est constant à sa valeur maxi-
male tant que les régimes ne sont pas de nouveau synchronisés, comme représenté
à droite Figure 3.3(b).

Comme détaillé plus bas, on teste dans cette thèse les deux sous-modèles présentés ici,
avant de développer un modèle basé sur le modèle « reset integrator ».

3.1.1.2 Modélisation des forces sur le véhicule

Comme établi dans le Chapitre 1, les forces sur le véhicule peuvent être définies
de plusieurs manière en approche 1D. L’approche la plus simple est de représenter la
force résistive Fres en fonction de la vitesse véhicule notée Vact par les coefficients de
« coastdown » A, B et C définis à partir d’une décélération du véhicule.

Fres (Vact ) = A + B · Vact + C · Vact

2
(3.5)

Naturellement, à cette force s’ajoute aussi la force induite par l’angle de pente de la
route θ :
Fpente = M · g · sin θ (3.6)
La vitesse véhicule est ensuite calculée en appliquant le premier principe de la dyna-
mique :
dVact
Meq = Fw − Fres (Vact ) − Fpente − Ff rein (3.7)
dt
Avec Fw = Tw /Rw la force de traction qui provient de la transmission (avec Rw le rayon
de roue), et Ff rein la force de freinage calculée linéairement à partir du signal de frein
αbrk provenant du modèle de conducteur.

80
 3.1 Simulation du véhicule

3.1.2 Adaptation au banc EiL

Une fois le modèle véhicule extrait de la plateforme GREEN, il est nécessaire de
l’adapter à l’environnement EiL. Comme mentionné plus haut, les composants en amont
de la boîte de transmission (i.e. « moteur thermique », « starter », « auxiliaires », « alter-
nateur », « bloc moteur » et « volant moteur ») sont supprimés puisque déjà présents
physiquement sur le banc. Comme souligné dans le Chapitre 2, les bancs moteur utilisés
dans cette thèse reposent sur le mode de contrôle en couple T − α (voir Section 1.3). La
Figure 3.4 représente l’architecture du banc.
Le modèle véhicule reçoit le régime moteur mesuré sur le banc ωeng et renvoie une
demande de couple résistif Tdem à la machine de charge. En fonction des vitesses réa-
lisée Vact et demandée Vdem , le modèle de conducteur transmet les positions pédale de
l’accélérateur α au moteur ou du frein αbrk au modèle véhicule. Dans le cas d’une trans-
mission manuelle, le modèle véhicule reçoit en outre l’ouverture de l’embrayage αclutch
et le rapport engagé Gear par le conducteur. Dans cette architecture, la liaison entre la
machine de charge et le modèle véhicule est un aspect crucial.

Fig. 3.4 : Schéma de l’architecture du banc EiL

3.1.2.1 Architecture initiale

La première configuration utilisée au banc moteur provient de travaux préalables à
cette thèse au sein du projet Renault, et avait déjà fait l’objet d’une campagne expéri-
mentale. Le régime moteur ωeng provenant d’une mesure, son signal est nécessairement
bruité, en plus des oscillations naturelles du moteur thermique. Afin d’atténuer ces oscil-
lations et d’empêcher leur résonance dans le reste du modèle véhicule, on introduit dans
cette configuration un bloc d’amortissement entre le banc et le modèle d’embrayage.
Cet amortissement est réalisé par un bloc « spring damper » (« raideur amortie ») sous
AMESim, Figure 3.5(a).
Ce bloc simule une raideur amortie définie par une raideur kspring et un coefficient
d’amortissement dspring . Tout comme le bloc d’embrayage Figure 3.2, il se caractérise
par une inversion de la causalité, c’est à dire qu’il reçoit en entrée le régime moteur et
le régime de l’embrayage et calcule le couple transmis des deux côtés. Cette orientation

81
3 Développement de l’environnement de simulation

((a)) Le bloc « spring and

damper » (« raideur amor-
tie »). ((b)) Le bloc « inertie ».
Fig. 3.5 : Blocs AMESim utilisés pour la liaison au banc moteur.

n’est pas compatible avec le modèle d’embrayage, qui nécessite deux régimes en entrées.
Pour connecter ce bloc « spring damper » au bloc d’embrayage et au reste du modèle
véhicule, il est donc nécessaire d’introduire un bloc intermédiaire qui inverse une nouvelle
fois la causalité. Un bloc d’inertie Jint peut jouer ce rôle, Figure 3.5(b). L’architecture
obtenue est donc composée de 3 inversions de causalité, comme représenté Figure 3.6.

Fig. 3.6 : Laison entre banc et modèle véhicule - Version initiale.

A partir de la différence entre les régimes moteur ωeng (t) et de l’inertie ωint (t), le bloc
« raideur amortie » calcule le couple Tspring (t + dt) transmis d’une part au bloc inertie,
et d’autre part à la machine de charge comme demande Tdem . A partir de la différence
entre le couple transmis par la raideur Tspring (t) et le couple embrayage Tclutch (t), le bloc
« inertie » calcule le régime intermédiaire ωint (t + dt). Ce régime est utilisé comme entrée
du modèle véhicule et plus particulièrement du bloc « embrayage », qui calcule le couple
transmis au véhicule Tprim (t+dt) en fonction des régimes intermédiaire ωint (t) et primaire
ωprim (t). Le couple primaire Tprim (t) est utilisé par les blocs « boîte de transmission » et
« différentiel » afin d’obtenir le couple de propulsion transmis au roues Tw (t), Eq. (3.1).
Le bloc « véhicule » calcule ensuite l’accélération du véhicule à partir du bilan des forces
Eq. (3.7), puis la vitesse véhicule au prochain pas de temps Vact (t + dt). Cette vitesse est
transmise aux blocs « boîte de transmission » et « différentiel » pour calculer l’évolution
du régime primaire ωprim (t + dt) à l’aide des ratios de transmission Eq. (3.2). Une fois le
modèle connecté au banc moteur, les paramètres du bloc d’amortissement peuvent être
ajustés manuellement tout en minimisant la valeur de l’inertie intermédiaire Jint .
Plusieurs remarques peuvent être faites à propos de la configuration initiale Figure
3.6. En premier lieu, l’introduction d’un bloc d’inertie peut interroger. En effet, cette

82
 3.1 Simulation du véhicule

inertie supplémentaire ne correspond pas directement à une inertie physique connue, et

est susceptible d’impacter la représentativité de l’environnement EiL. Elle est toutefois
nécessaire à cette configuration, du fait des inversions de causalité des autres blocs. De
plus, le sous-modèle « reset integrator » du bloc d’embrayage AMESim fonctionne déjà
sur le principe d’une raideur amortie : l’ajout du bloc « raideur amortie » peut donc
paraître redondant en utilisant ce sous-modèle. L’association de deux raideurs amorties
peut en outre causer un comportement oscillant indésirable. Malgré les interrogations
que cette configuration peut susciter, elle a été utilisée lors de la première campagne
expérimentale 1 (Tableau 2.6). Après une phase de calibration manuelle du bloc « rai-
deur amortie », elle a permis de réaliser plusieurs cycles WLTC complets sans causer
d’oscillations.

3.1.2.2 Régulation de la machine de charge

Lors de la Campagne 1 mentionnée plus haut, la configuration présentée Figure 3.6
a été utilisée pour le modèle véhicule. Comme développé dans la Section 3.2.2, on utilise
lors de cette campagne le modèle de conducteur initial de l’outil GREEN, qui s’est
avéré inadapté à l’approche EiL et a du être calibré manuellement pendant les essais.
Après cette phase de réglage, bien que le suivi de vitesse du conducteur ne soit pas
idéal, il permet de réaliser un cycle complet au banc EiL. Du fait de la crise sanitaire,
la Campagne 1 a du être abrégée prématurément. Toutefois, cette campagne a tout de
même permis l’identification d’une source importante de divergence entre le banc EiL et
la référence véhicule, illustrée par le cycle WLTC analysé ci-dessous.

Tableau 3.1 : Ecart énergétique entre BàR et banc EiL lors de la Campagne 1.
Indicateur Unité Ref. BàR EiL
Etqi [kWh] 3.98 4.47
∆Etqi [%] - 12.1
Etqe [kWh] 3.22 3.9
∆Etqe [%] - 21.1
Emes [kWh] 3.22 3.79
∆Emes [%] - 17.5
Ereq [kWh] 3.22 3.42
∆Ereq [%] - 6.32
Mcarb [g] 1048 1148
∆Mcarb [%] - 9.59
Dtot [km] 23.2 23.1
∆Dtot [%] - -0.39

Le Tableau 3.1 rassemble les valeurs d’énergie Etqi , Etqe , Emes et Ereq correspondant
aux méthodes de calcul via les couples estimés ECUEstiT qi et ECUEstiT qe , via le couple
mesuré Tmes et le couple demandé à la machine de charge Tdem respectivement, décrites
Section 2.5. De plus, l’écart relatif ∆E entre l’énergie totale sur banc EiL et sur BàR
est indiqué relativement à l’énergie totale sur BàR pour chaque méthode de calcul. On
précise aussi la masse totale de carburant injectée Mcarb ainsi que la distance totale Dtot ,
et l’écart entre banc EiL et BàR pour ces variables. Il apparaît immédiatement que le
banc EiL est en écart important par rapport à la référence véhicule en considérant les

83
3 Développement de l’environnement de simulation

variables ∆Etqi , ∆Etqe , ∆Emes et ∆Mcarb , comprises entre 9.6 % et 21.1 %. Ces écarts
suggèrent que le banc impose une énergie résistive trop importante au moteur au cours
du cycle, qui ne semble pas due à une distance parcourue trop importante, puisque la
distance parcourue par le véhicule virtuel du banc EiL est légèrement inférieure au cycle
de référence, ∆Dtot = −0.4%.
Cependant, il est intéressant de considérer l’écart d’énergie demandée entre le BàR
et le BM, ∆Ereq = 6.3%. Cet écart est d’un ordre de grandeur moindre par rapport aux
écarts d’énergie estimée et mesurée. A partir de cette observation, on peut supposer que
l’écart ne provient pas majoritairement du couple calculé par le modèle véhicule, mais
bien du couple appliqué par la machine de charge. L’analyse de la Figure 3.7 permet de
confirmer cette hypothèse. La Figure 3.7(a) représente la vitesse véhicule Vact en bleu,
et la vitesse demandée Vdem en trait plein rouge. Les tolérances WLTP Vtol (voir Section
3.2.4.2) sont indiquées en pointillés rouges. La Figure 3.7(b) représente le couple Tdem
demandé par le modèle véhicule en bleu, et le couple Tmes mesuré par le couplemètre
du banc EiL en rouge. L’écart de couple ∆T entre Tdem et Tmes est représenté Figure
3.7(c). Enfin, la Figure 3.7(d) représente l’écart relatif énergétique δE entre l’énergie
mesurée Emes,BM et l’énergie demandée Ereq,BM , ramené à l’énergie totale demandée
Ereq,BM (tend ) :
Emes,BM (t) − Ereq,BM (t)
δE(t) = 100 · (3.8)
Ereq,BM (tend )
En premier lieu, on remarque que sur la fraction du cycle WLTC représentée, le couple
mesuré est toujours supérieur au couple demandé par le modèle. L’écart moyen sur tout
le cycle est de ∆T = 6.31 N.m, l’écart moyen absolu étant de |∆T | = 6.52 N.m. Cette
observation suggère que l’écart énergétique provient bien de la machine de charge, qui
impose un couple supérieur au couple demandé. Au cours des 300 s de cycle représentées
Figure 3.7, l’écart relatif ∆E augmente de 6.1 % à 9.2% de manière monotone.

Fig. 3.7 : Ecart entre couple mesuré Tmes et demandé Tdem lors d’un essai au banc EiL
(Campagne 1).

Suite à ce constat, l’entreprise AVL qui fournit la machine de charge et développe

l’environnement de contrôle a ajouté un correcteur de couple sous PUMA. Ce régulateur

84
 3.1 Simulation du véhicule

est nommé CORRECTT et fonctionne sur le principe de la régulation PI, Figure 3.8.
Le régulateur utilise la mesure du couple par le couplemètre placé sur l’arbre moteur
Tmes afin de réguler le couple de commande Tcommand transmis à la machine de charge
en fonction du couple demandé par le modèle Tdem .

3.1.2.3 Oscillations au banc moteur

Suite à la Campagne 1, la Campagne 2 avait pour objectif le test du régulateur
CORRECTT mentionné ci-dessus, puis du nouveau modèle de conducteur (développé
Section 3.2). Comme mentionné Section 2.1, cette campagne se déroule sur le moteur
H5D470 (2) différent de la Campagne 1 (Tableau 2.6), et sur le banc B5, qui partage
les mêmes caractéristiques que le banc B3 de la Campagne 1 (voir Tableau 2.5). Dès
les premiers essais, de fortes oscillations ont été constatées dans la demande de couple
lors des changements de rapport. L’amplitude de ces oscillations a rendu impossible la
réalisation d’un cycle complet, et la campagne a du être abrégée afin de protéger le
moteur utilisé par un projet parallèle. Ce même comportement a par ailleurs ensuite été
observé avec le même moteur sur le banc B4 au début de la Campagne 3. Les oscillations
ont été constatées en intégrant ou non le régulateur de couple CORRECTT, et avec le
modèle de conducteur initial déjà utilisé lors de la Campagne 1. Un exemple d’oscillations
observées est représenté Figure 3.9.

Fig. 3.8 : Schéma de princpe du régulateur de couple CORRECTT.

La Figure 3.9(a) représente les vitesses demandée et réalisée Vdem et Vact en rouge et
bleu respectivement. Sur l’axe de droite, la demande de rapport Geardem est tracée en
pointillés, et le rapport engagé Gear en trait plein. La Figure 3.9(b) représente les pédales
d’accélérateur et d’embrayage du modèle de conducteur en bleu et rouge respectivement.
Sur la Figure 3.9(c), le régime moteur ωeng est tracé en rouge et le régime primaire ωprim
(i.e. le régime de sortie de l’embrayage) en bleu. Enfin, la Figure 3.9(d) représente le
couple demandé par le modèle d’embrayage à la machine de charge Tdem en bleu, et le
couple estimé par le contrôle moteur ECUEstiT qi en rouge.
A l’instant t = 66.9 s, le conducteur reçoit une demande de changement du rapport
2 à 3. Il ouvre donc l’embrayage et change le rapport à t = 67.3 s, ce qui a pour effet
de faire chuter immédiatement le régime primaire ωprim . Ensuite, le conducteur relâche
l’embrayage en suivant une course linéaire (développée Section 3.2), afin de faire chuter
progressivement le régime moteur ωeng jusqu’à la synchronisation des deux arbres. Dans
le cas représenté Figure 3.9, le sous-modèle d’embrayage utilisé est le modèle « tanh »
(Section 3.1.1). Dans cette phase, le couple de l’embrayage dépend à la fois de la diffé-
rence de régime ∆ω et de la position de la pédale d’embrayage, qui influe sur le couple

85
3 Développement de l’environnement de simulation

Fig. 3.9 : Exemple d’oscillations observées lors d’un changement de rapport sur le banc
EiL.

maximal transmissible. Le couple demandé augmente donc entre t = 67 et t = 67.5 s,

quand la position embrayage passe de 1 (totalement ouvert, couple transmis nul) à 0 (to-
talement fermé, couple transmis maximal). On peut d’ailleurs observer la saturation du
couple demandé au couple maximal transmissible par l’embrayage, Tmax,clutch = 242 N.m.
Ensuite, la différence de régime diminuant et passant sous la valeur ω0 caractéristique
du modèle « tanh », le couple demandé diminue progressivement pour atteindre 0 au
moment de la synchronisation des régimes à t = 67.7 s. Cependant, le régime moteur
continue de diminuer et passe sous le régime primaire : le couple à l’embrayage change
donc de signe, et augmente en valeur absolue avec ∆ω. Le banc entre alors en oscilla-
tions, les deux régime se croisant sans se synchroniser, et le couple Tdem oscillant entre
les valeurs Tmax,clutch et −Tmax,clutch . Ce comportement entraîne la coupure de l’essai par
les sécurités du banc afin de protéger le moteur.
Ce phénomène a été observé avec les deux sous-modèles d’embrayage AMESim, la
principale différence étant que le modèle « tanh » transmet un couple uniquement par
une différence de régime, tandis que le modèle « reset integrator » dépend aussi de l’élon-
gation du ressort p (Figures 3.3(a) et 3.3(b)). Le sous-modèle « tanh » est plus simple
et l’impact du paramètre ω0 est clair : en augmentant cette valeur, l’embrayage réagit
de manière moins brutale à une différence de régime, ce qui permet d’atténuer les oscil-
lations. Toutefois, augmenter ω0 augmente aussi la différence de régime nécessaire pour
transmettre un couple donné.
La Figure 3.10 illustre ce problème. De la même manière que la Figure 3.9, elle repré-
sente le comportement du modèle « tanh » sur banc moteur lors du même changement
de rapport, avec une valeur ω0 = 300 tr/min au lieu de ω0 = 100 tr/min sur la Figure
3.9. Il apparaît immédiatement que les oscillations de couple sont de moindre ampli-
tude, et sont atténuées rapidement par rapport au premier cas de figure. Toutefois, il
est important de souligner qu’avant le changement de rapport à t = 66 s par exemple, le
régime moteur n’est pas synchronisé parfaitement avec le régime primaire. En effet, afin
de transmettre le couple nécessaire à l’accélération du véhicule, le modèle d’embrayage

86
 3.1 Simulation du véhicule

accepte une différence de régime de plus de 25 tr/min. Cet écart est constant entre
t = 65 s et t = 67 s, alors que l’embrayage est complètement fermé. A forte charge, en
rapport 6 par exemple, la différence de régime peut atteindre 50 tr/min. Ce compor-
tement ne correspond pas à la physique et n’est pas acceptable dans le cadre d’essais
EiL, puisqu’il implique un comportement moteur différent par rapport à la réalité du
véhicule.
En conclusion, le paramétrage manuel du modèle d’embrayage d’AMESim utilisé
dans la configuration initiale (représentée Figure 3.6) s’est avéré fastidieux et n’a pas
permis d’aboutir à un comportement satisfaisant. Les deux sous-modèles ont été testés,
ainsi qu’une architecture alternative n’utilisant pas le bloc « spring damper » et l’iner-
tie supplémentaire en connectant directement le modèle d’embrayage à la machine de
charge. Le régulateur de couple CORRECTT a par ailleurs été intégré pour certains
essais, sans amélioration notable. Outre un mauvais paramétrage des différents sous-
modèles, une explication probable pour ce phénomène d’oscillations réside dans l’inertie
de la réponse en couple de la machine de charge. Dans le cas d’une montée de rapport
par exemple, le régime primaire chute instantanément lors de l’engagement du nouveau
rapport. La fermeture de l’embrayage est ensuite censée synchroniser le régime moteur
au régime primaire. Le couple calculé par le bloc d’embrayage a donc pour effet de
faire chuter le régime moteur, et d’augmenter le régime primaire. Du fait de l’inertie
véhicule largement supérieure à l’inertie moteur, la variation de régime est par ailleurs
surtout visible du côté du moteur. Toutefois, si le couple résistif Tdem demandé par
le bloc d’embrayage n’est pas appliqué instantanément au moteur par la machine de
charge, le régime moteur ne chute pas autant qu’il le devrait en théorie. En revanche,
le couple Tdem est appliqué instantanément à la boîte de transmission dans le modèle
véhicule. Une nouvelle architecture a donc été mise en place en prenant en compte ce
comportement.

Fig. 3.10 : Exemple de changement de rapport au banc EiL avec le modèle d’embrayage
« tanh » AMESim.

87
3 Développement de l’environnement de simulation

3.1.2.4 Modélisation de l’embrayage

Afin de modifier l’architecture de la liaison entre banc moteur et environnement
virtuel, il est nécessaire d’extraire le modèle d’embrayage du modèle véhicule AMESim.
On développe donc un nouveau modèle sous Simulink. En se basant sur une analyse
bibliographique [127-130], ce bloc s’appuie sur le modèle « reset integrator » Figure 3.11,
qui semble être plus représentatif que le modèle « tanh ». Comme souligné Section 1, on
trouve peu de références EiL simulant une transmission manuelle ainsi qu’un embrayage.
Toutefois, Burette et al. [131] suggèrent que la modélisation de l’embrayage utilisée
s’appuie sur ce même principe.
Comme mentionné précédemment, ce modèle distingue séparément les deux phases
de collage et glissement. En phase de collage, les régimes sont synchronisés et l’embrayage
est représenté par une raideur amortie de raideur kclutch , et de coefficient d’amortissement
dclutch . Il utilise une variable interne p qui représente l’élongation de la raideur représentée
par l’intégrateur. Lorsque l’embrayage est collé, le couple d’embrayage est fonction de
l’élongation du ressort.
dp
Tclutch = (1 + a) · kclutch · p + dclutch · (3.9)
dt
Le coefficient a permet de représenter le frottement statique en collage.

Fig. 3.11 : Fonctionnement du modèle « reset integrator » pour une position d’em-
brayage donné.

Lorsque l’étirement atteint sa valeur maximale p0 , le glissement commence à se pro-

duire et la force de friction est constante.

Tclutch = kclutch · p0 · sgn(∆ω) (3.10)

En phase de glissement, l’intégrateur représentant la raideur est remis à zéro (d’où le

nom du modèle) tant que les régimes ne sont pas synchronisés, ∆ω ̸= 0. L’élongation
maximale p0 est modulée par la position de la pédale d’embrayage (αclutch = 0 pour
un embrayage fermé et 1 pour un embrayage ouvert) s’exprime en fonction du couple

88
 3.1 Simulation du véhicule

maximal transmissible par l’embrayage Tmax et la raideur kclutch :

Tmax
p0 = (1 − αclutch ) · (3.11)
kclutch
La Figure 3.12 illustre le comportement du modèle lors d’un changement de rapport.
Cet exemple est réalisé en simulation, avec un modèle de moteur thermique simulant un
bruit aléatoire afin de représenter les fluctuations de la mesure du régime moteur. La
Figure 3.12(a) représente les pédales d’accélérateur et d’embrayage du modèle conduc-
teur en bleu et magenta respectivement, et l’état de l’embrayage (0 pour collage, 1 pour
glissement) en vert. Le régime moteur ωeng est tracé en bleu sur la Figure 3.12(b), et
le régime primaire ωprim en magenta. La Figure 3.12(c) représente le couple embrayage
Tclutch , et la Figure 3.12(d) l’élongation de la raideur p en bleu, ainsi que les élongations
maximale et minimale en pointillés rouges.
La modélisation de l’embrayage par une raideur amortie permet l’atténuation des
oscillations du régime moteur et la synchronisation des deux régimes. A l’instant t0 =
69.5 s, le modèle de conducteur reçoit une demande de changement de rapport. Comme
détaillé en Section 3.2, il relâche la pédale d’accélérateur puis ouvre l’embrayage linéai-
rement de 0 à 1 entre t1 = 70.0 s et t2 = 70.2 s. Une fois l’embrayage complètement
ouvert, le modèle de conducteur change le rapport à t3 = 70.3 s, et le régime primaire
ωprim chute instantanément de 2870 à 1950 tr/min du fait du changement de ratio de
transmission. Ensuite, le modèle de conducteur ferme l’embrayage linéairement de 1 à 0
entre t3 = 70.3 s et t5 = 70.8 s. A l’instant t3 , la différence de régime étant importante
et l’embrayage étant pratiquement ouvert, le couple maximal transmissible est faible et
l’embrayage passe immédiatement en glissement. Entre t3 et t4 = 70.5 s, l’embrayage
reste en glissement p = |p0 | et Tclutch = Tmax . Le couple maximal transmissible (et donc
l’élongation maximale) augmente avec la fermeture de l’embrayage, Eq. (3.11). La diffé-
rence de régime ∆ω diminue du fait du couple de l’embrayage, jusqu’à atteindre zéro à
t4 . A cet instant, l’embrayage passe en phase de collage et le couple est calculé à partir
de l’Eq. (3.9). L’élongation diminue progressivement jusqu’à la stabilisation des régimes
à t6 = 71.2 s.

3.1.2.5 Architecture finale

Comme mentionné plus haut, il est important de prendre en compte le fait que la
machine de charge n’est pas idéale et ne répond pas instantanément à une demande de
couple de manière à assurer la stabilité du banc EiL. La structure de l’environnement
EiL a donc été modifiée par rapport à l’architecture initiale, tracée en pointillés sur la
Figure 3.13 (« Configuration 1 »). Le régulateur CORRECT permet de réduire l’écart
entre couple demandé et couple réalisé.
Du fait que la machine de charge n’applique pas instantanément les variations de la
demande de couple, cette architecture peut s’avérer problématique pendant un change-
ment de rapport : comme développé en 3.1.2.3, le couple calculé par le modèle d’em-
brayage a pour rôle de synchroniser les deux arbres. Or, il est appliqué instantanément
du côté du véhicule et impacte le régime primaire, tandis que le couple résistif imposé
au moteur est retardé et donc de moindre amplitude.
Dans l’architecture finale, le couple calculé par le modèle d’embrayage Tclutch est
toujours imposé à la machine de charge par le régulateur CORRECT. En revanche,

89
3 Développement de l’environnement de simulation

Fig. 3.12 : Exemple de changement de rapport en simulation avec le modèle « reset

integrator ».

Fig. 3.13 : Architecture finale de la liaison entre le banc EiL et le modèle véhicule.

afin de permettre la synchronisation des régimes moteur et primaire, c’est le couple

Tmes appliqué par la machine de charge et mesuré par le couplemètre qui est transmis
à l’environnement de simulation, plutôt que le couple Tclutch . L’extraction du modèle
d’embrayage en dehors du modèle AMESim permet de réaliser cette nouvelle architecture
de la liaison entre le banc moteur et le modèle. Le modèle véhicule est finalement défini
par les paramètres rassemblés dans le Tableau 3.2. On utilise les mêmes paramètres pour
représenter les véhicules EKE367 et EKB118.

90
 3.2 Simulation du conducteur

Tableau 3.2 : Paramètres principaux du modèle véhicule (Nissan Micra).

Variable Description Valeur Unité
M Masse véhicule 1270 [kg]
Rw Rayon de roue 0.308 [m]
A Coefficient de décélération (1) 118.5 [N]
B Coefficient de décélération (2) 2.7511 [N/(m/s)]
C Coefficient de décélération (3) 0.3799 [N/(m/s)2 ]
iaxle Ratio de transmission 4 [-]
ηaxle Efficacité de transmission 1 [-]
igear,1 Ratio du rapport 1 3.9602 [-]
igear,2 Ratio du rapport 2 2.0690 [-]
igear,3 Ratio du rapport 3 1.4057 [-]
igear,4 Ratio du rapport 4 1.0356 [-]
igear,5 Ratio du rapport 5 0.8106 [-]
igear,6 Ratio du rapport 6 0.5948 [-]
ηgear,1 Efficacité du rapport 1 0.95 [-]
ηgear,2 Efficacité du rapport 2 0.95 [-]
ηgear,3 Efficacité du rapport 3 0.95 [-]
ηgear,4 Efficacité du rapport 4 0.95 [-]
ηgear,5 Efficacité du rapport 5 0.95 [-]
ηgear,6 Efficacité du rapport 6 0.95 [-]
Tmax Couple maximal embrayage 242 [N.m]
kclutch Raideur de l’embrayage 20
dclutch Facteur d’amortissement de l’embrayage 4
a Facteur de frottement statique de l’embrayage 0 [-]

3.2 Simulation du conducteur

Comme mentionné plus haut, la plateforme GREEN permet de générer un modèle de
conducteur sous Simulink. Toutefois, ce modèle s’est révélé inadapté à l’environnement
EiL lors de la Campagne 1, et un nouveau modèle a été développé dans le cadre de
cette thèse. Du fait du planning des bancs d’essais du projet Renault Virtual Testing, le
modèle de conducteur a d’abord pu être testé en contexte EiL sur l’architecture hybride
électrique, pour lequel le modèle de véhicule avait été développé et adapté par l’équipe
du projet Renault. Ces travaux ont par ailleurs fait l’objet d’une publication scientifique
[132]. Le modèle de conducteur a ensuite pu être testé dans le cadre de l’architecture
conventionnelle de référence, qui implique la tâche supplémentaire de la gestion de la
transmission manuelle.

3.2.1 Qualité du suivi de cycle

Afin d’évaluer la performance du conducteur, on utilise tout d’abord l’écart moyen
de vitesse, c’est-à-dire la différence moyenne entre la vitesse demandée Vdem et la vitesse
réalisée Vact , notée µV dif f = Vdem − Vact . Un autre indicateur couramment utilisé est le
temps cumulé en dehors des limites de tolérance de la vitesse WLTP, noté tOutT ol .

91
3 Développement de l’environnement de simulation

Fig. 3.14 : Tolérances de vitesse de la procédure WLTP.

A un instant donné, la marge de tolérance est définie comme suit [7], et représentée
sur la Figure 3.14 :

• La vitesse maximale autorisée Vtol,max (tracée en rouge) est obtenue en ajoutant

2 km/h au point le plus élevé de la demande de vitesse (en pointillés noir) entre
t − 1 s et t + 1 s.

• La vitesse minimale autorisée Vtol,min (en vert) est obtenue en soustrayant 2 km/h
au point le plus bas de la demande de vitesse entre t − 1 s et t + 1 s.

A partir de cette définition, plusieurs indicateurs peuvent être calculés pour un cycle
donné : le nombre de déviations hors tolérance Ndev , et la durée maximale de déviation
tdev,M ax . Pour qu’un cycle soit valide, la vitesse du véhicule ne doit jamais être en dehors
des limites de tolérance pendant plus d’une seconde, tdev,M ax ≤ 1.0 s. De plus, il ne
devrait pas y avoir plus de 10 déviations sur un WLTC, c’est-à-dire Ndev ≤ 10.

3.2.2 Modèle initial

Comme mentionné plus haut, le modèle généré par la plateforme GREEN inclut un
modèle de conducteur sous Simulink. Les fonctions principales de ce modèle sont :

• Le contrôle de vitesse en fonction de la trace de vitesse paramétrée. Ce contrôle

est réalisé par un régulateur proportionnel-intégral (PI) qui commande la position
des pédales d’accélérateur et de frein.

• La gestion de l’embrayage lors des changements de rapport. Le modèle est para-

métré avec une durée de changement de rapport tshif t . L’ouverture de l’embrayage
se fait linéairement en tshif t /2, puis la fermeture en tshif t /2.

• La gestion des décollages, i.e. le démarrage du véhicule à l’arrêt. Le décollage est

réalisé par deux actions simultanées. D’une part, le conducteur ferme progressive-
ment l’embrayage pour transmettre du couple moteur au véhicule et avancer selon

92
 3.2 Simulation du conducteur

la trace demandée ; d’autre part, il agit sur la pédale d’accélérateur pour maintenir
le régime constant à la valeur cible ωtkof et éviter le calage.

Ce conducteur remplit correctement ses fonctions dans le cadre de l’utilisation de la

plateforme GREEN, i.e. avec le modèle de véhicule complet incluant le moteur simulé.
Toutefois, la Campagne expérimentale 1 (voir Tableau 2.6) a révélé que ce modèle n’est
pas adapté pour fonctionner avec un moteur réel. En effet, le conducteur s’est avéré
instable lors des premiers essais, les pédales d’accélérateur et de frein oscillant entre 0 et
100%. Les coefficients du régulateur PI ont donc été ajustés manuellement afin d’obtenir
un suivi satisfaisant sur un cycle WLTC complet. Ce réglage s’est avéré fastidieux et a
réquisitionné le banc pendant plusieurs jours, dans un contexte déjà impacté par la crise
sanitaire. Le réglage finalement retenu pour les derniers essais permet bien de réaliser
un cycle WLTC complet, comme représenté Figure 3.15.
La Figure 3.15(a) représente la vitesse véhicule demandée en rouge, ainsi que la
vitesse réaliée Vact en bleu. Les tolérances WLTP Vtol sont représentées en pointillés
noirs. La Figure 3.15(b) représente la position de la pédale d’accélérateur. On repère par
des rectangles rouges trois phases d’accélération forte pendant lesquelles le conducteur
ne parvient pas à maintenir la vitesse Vact dans les tolérances, à t = 610 s, t = 780 s et
t = 960 s.
Le cycle réalisé par ce modèle conducteur est invalide du point de vue des tolérances
WLTP, avec Ndev = 11 déviations et une déviation maximale de tDev,max = 9.9 s. Le
temps cumulé hors tolérance est de 44.3 s sur 1800 s du cycle. En plus d’être coûteux
en termes de temps de calibration sur le banc, le réglage manuel de ce conducteur ne
permet donc pas un suivi de cycle satisfaisant. Par conséquent, un nouveau modèle de
conducteur a été développé dans le cadre de cette thèse.

3.2.3 Structure du modèle de conducteur

En se basant sur l’étude bibliographique présentée dans le Chapitre 1, la structure
choisie pour le modèle de conducteur est la régulation proportionnelle-intégrale (PI), en
noir sur la Figure 3.16.
Ce régulateur est caractérisé par les gains KP et KI , et agit sur les pédale d’accélé-
rateur et de frein afin de réduire l’écart entre la vitesse demandée par le cycle Vdem et la
vitesse réalisée par le modèle véhicule Vact . La sortie du régulateur, notée α, est bornée
entre -100% et 100% et correspond à une position de la pédale d’accélérateur pour α
> 0, et à une position de la pédale de frein pour α < 0. Dans le cas d’une architecture
conventionnelle, le signal de frein est transmis au modèle de véhicule qui le convertit
en couple résistif supplémentaire, tandis que le signal d’accélérateur est transmis au
contrôle moteur (voir Figure 3.4). Dans le cas d’une architecture hybride, la commande
du modèle de conducteur est transmise au modèle de l’unité de contrôle. Pour α > 0,
l’unité répartit la demande de couple entre le moteur thermique et le moteur électrique
simulé dans le modèle véhicule. Pour α < 0, la demande de couple de freinage est répar-
tie par l’unité de contrôle entre les freins et le module de freinage récupératif, simulés
par le modèle de véhicule (voir Figure 3.76).

93
3 Développement de l’environnement de simulation

Fig. 3.15 : Suivi de cycle du modèle de conducteur GREEN initial réglé manuellement
au banc EiL sur une fraction du WLTC lors de la Campagne 1.

Fig. 3.16 : Structure du modèle de conducteur avec anticipation (vert) et anti-windup

(bleu).

3.2.3.1 Anti-windup
Du fait que le signal de sortie du régulateur PI est saturé aux positions minimale
et maximale de la pédale d’accélérateur, un phénomène indésirable peut se produire
dans une phase de pleine charge par exemple. Si la vitesse demandée n’est pas réalisable
par le véhicule, c’est à dire que la vitesse réalisée est inférieure à la vitesse deman-
dée Vact < Vdem alors que la pédale d’accélérateur est en butée α = 100%, le terme
intégral du PI augmentera tant que l’écart Vdem − Vact ne change pas de signe. Ce phéno-
mène, nommé « emballement de l’intégrateur » (ou « integrator windup »), peut causer

94
 3.2 Simulation du conducteur

un dépassement important de la consigne lorsque l’écart Vdem − Vact devient nul : selon
l’amplitude du terme intégral, la sortie du régulateur peut rester en butée pendant un
certain temps alors même que la consigne est inférieure à la vitesse réalisée. Pour évi-
ter ce comportement indésirable, plusieurs structures anti-windup peuvent être utilisées,
comme mentionné dans certaines études EiL [36, 44, 55, 62]. La méthode la plus géné-
ralement utilisée et choisie dans cette thèse est l’antiwindup dit « tracking-back », i.e.
avec boucle linéaire directe. Comme représenté en bleu sur la Figure 3.16, cette méthode
consiste à retrancher au terme intégral la différence entre le signal de sortie brut et le
signal de sortie borné, multipliée par un gain KAW . Ce gain est généralement exprimé
comme un multiple de l’inverse du gain intégral, plus particulièrement KAW = K1I [95,
96]. Une valeur plus élevée du gain KAW diminuera la durée de remise à zéro de l’inté-
grateur, mais augmentera la sensibilité au bruit de mesure et pourrait causer des remise
à zéro indésirables. La Figure 3.17 illustre l’impact de l’antiwindup à l’aide d’un exemple
simple similaire à [96].
En partant d’une vitesse constante de 50 km/h, le véhicule rencontre une pente raide
à t = 25 s. La pente revient ensuite à sa valeur initiale nulle à t = 33 s. Deux cas
sont représentés : le cas standard sans antiwindup en vert, et le cas avec antiwindup
KAW = K1I en bleu. La Figure 3.17(a) représente la vitesse véhicule Vact pour les deux
cas, ainsi que la vitesse demandée Vdem constante en rouge. Les pédales d’accélérateur
et de frein sont représentées pour les deux cas Figure 3.17(b) en traits plein et pointillé
respectivement. Le signal de frein est représenté négatif pour des raisons de lisibilité.
Entre t = 25 s et t = 33 s, la pente rencontrée par le véhicule est tellement raide qu’il
n’est pas possible d’atteindre la vitesse demandée : la vitesse véhicule Vact chute sous
46 km/h à t = 32 s. Dans le cas sans anti-windup, on constate ensuite un dépassement
important de la consigne à t = 33 s, au moment où la pente repasse à zéro. La vitesse
réalisée Vact est au-dessus de la vitesse demandée Vdem pendant plus de 8 secondes, avec
un écart maximal de 8 km/h, et la pédale d’accélérateur reste bloquée à 100% jusqu’à
t = 34 s. L’antiwindup permet de diminuer l’amplitude du dépassement à seulement
0.6 km/h : le conducteur relâche la pédale immédiatement, tandis que le terme intégral
diminue lentement dans le cas standard. Bien que cet exemple corresponde à un cas
extrême, il permet d’illustrer la stabilité apportée par l’ajout de l’antiwindup.

3.2.3.2 Anticipation de la consigne

La trace de vitesse demandée par le cycle étant connue à l’avance, elle peut être
utilisée pour anticiper des fluctuations fortes et améliorer le suivi global. C’est d’ailleurs
ce que fait un conducteur humain qui peut voir quelques secondes à l’avance la trace de
vitesse demandée sur un écran lors d’un essai sur BàR, et qui anticipe les évènements
visibles lors d’un essai sur route. Bien que l’utilisation de l’anticipation de la consigne
(« speed preview ») soit mentionnée dans certaines études EiL [12, 29, 36, 55, 62], on
trouve peu de détails concrets sur son implémentation. Dans cette thèse, on propose donc
une approche simple, représentée en vert sur la Figure 3.16. Elle consiste à remplacer la
vitesse demandée Vdem en entrée du régulateur PI par une moyenne pondérée de cette
trace de vitesse, ainsi que de la même trace anticipée de 1, 2, 3, et 4 secondes, Vdem,1s ,
Vdem,2s , Vdem,3s et Vdem,4s respectivement. La vitesse cible Vtarget en entrée du modèle de

95
3 Développement de l’environnement de simulation

Fig. 3.17 : Illustration de l’impact de l’anti-windup (AW) : pente raide rencontrée entre
t = 25 s et t = 33 s. Comparaison entre le cas standard sans anti-windup (vert) vs avec
anti-windup (bleu).

conducteur s’exprime ainsi :

X
i=4
Vtarget (t) = Ci · Vdem,i (t) (3.12)
i=0
P
Avec C0 , ... C4 les coefficients de pondération entre 0 et 1, 0 ≤ Ci ≤ 1 et i Ci = 1.
Le cas standard sans anticipation est obtenu avec C0 = 1 et Ci>0 = 0. Il faut souligner
qu’augmenter les autres coefficients Ci (et diminuer le coefficient C0 ), c’est-à-dire intro-
duire de l’anticipation de la consigne, peut avoir pour effet d’augmenter l’écart moyen
entre Vdem et Vact . En effet, le conducteur ne cherche plus à suivre la vitesse demandée
Vdem , mais bien la vitesse cible calculée Vtarget . Cependant, le but de cette prévisualisa-
tion est de lisser le comportement du conducteur, tout en améliorant la qualité de suivi
du point de vue des tolérances WLTP décrites Section 3.2.1.
La Figure 3.18 illustre l’impact de la prévisualisation pour trois réglages différents,
testés en simulation :

• Le cas standard sans anticipation (« No preview » en légende), qui correspond à

Vtarget = Vdem (C0 = 1 et Ci>0 = 0) est représenté en bleu.

• Un réglage intermédiaire (« Mild preview » en légende) est représenté en vert, avec

96
 3.2 Simulation du conducteur

C0 = 0.6 et C2 = 0.4. Dans ce cas, la vitesse cible est une moyenne pondérée de la
vitesse demandée Vdem , ansi que cette vitesse anticipée de 2 secondes.

• Un réglage extrême (« Extreme preview » en légende) est représenté en magenta,

avec C0 = 0.4 et C4 = 0.6. Dans ce cas, la vitesse cible est une moyenne pondérée
de la vitesse demandée Vdem , ansi que cette vitesse anticipée de 4 secondes.

La vitesse véhicule Vact est représentée pour chaque cas en trait plein Figure 3.18(a),
ainsi que la vitesse cible Vtarget (qui dépend du degré d’anticipation) en pointillés. Les
vitesses minimale et maximale autorisées par la procédure WLTP sont représentées en
pointillés rouge. La position de la pédale d’accélérateur est représentée sur la Figure
3.18(b) pour chaque cas.
L’impact de la prévisualisation de la trace de consigne est visible sur cet exemple.
Dans le cas extrême, la vitesse cible est tellement anticipée que la vitesse véhicule sort
des tolérances, à t = 706 s par exemple. D’autre part, le cas intermédiaire réalise un
suivi similaire au cas standard puisque la vitesse véhicule ne sort jamais des tolérances.
En outre, le comportement du conducteur est plus doux par rapport au cas standard.
A t = 706 s par exemple, la vitesse demandée change de tendance et augmente de
manière brusque. La prévisualisation de la consigne permet au conducteur d’anticiper
cette augmentation plus tôt que le conducteur standard, et le pic de la position de la
pédale d’accélérateur constaté à t = 708 s est ainsi atténué.
L’anticipation devrait donc être paramétrée de manière à atteindre un équilibre entre
précision (i.e. l’erreur moyenne entre Vact et Vdem ), et lissage du comportement conduc-
teur. En se basant sur un balayage des différents réglages, les cas les plus prometteurs
peuvent être sélectionnés grâce aux indicateurs décrits à la fin de cette section.

3.2.3.3 Gestion des changements de rapport

Dans le cas d’une transmission manuelle, le conducteur doit ouvrir et fermer l’em-
brayage pendant les phases de changement de rapport de transmission. Afin de définir
le comportement du conducteur dans ces phases, on se base sur l’analyse des enregistre-
ments ECU de roulages effectués sur le véhicule de référence par un conducteur humain.

Montée de rapport : Tout d’abord, le passage à un rapport supérieur (noté « up-

shift ») est le plus significatif car il peut se produire lors de phases d’accélération et de
forte sollicitation du moteur. Comme représenté Figure 3.19(a), on identifie cinq évène-
ments Xi caractérisant l’action du conducteur au cours d’une montée de rapport lors
d’un essai véhicule sur banc à rouleaux (BàR).
Les repères X0 , X1 , X3 , X4 et X5 sont indiqués sur la Figure 3.19(a) par les mar-
queurs cercle, étoile, croix, flèche et carré respectivement. La Figure 3.19(a)(i) représente
la vitesse du véhicule (à gauche) et la position du rapport (à droite) en lignes pleines
et en pointillés respectivement. La Figure 3.19(a)(ii) représente la position de la pédale
d’accélérateur et de la pédale d’embrayage, respectivement en lignes pleines et en poin-
tillés. La Figure 3.19(a)(iii) représente les régimes du moteur et de l’arbre primaire en
lignes pleines et en pointillés respectivement. Il convient de souligner que le régime de
rotation de l’arbre primaire ωprim est ici calculé sur la base du rapport engagé et de
la vitesse du véhicule. De plus, comme détaillé en Annexe A, le signal de position de

97
3 Développement de l’environnement de simulation

Fig. 3.18 : Illustration de l’impact de la prévisualisation de la vitesse de consigne.

Comparaison entre trois profils d’anticipation : aucune anticipation (bleu), anticipation
intermédiaire (vert) et extrême (magenta).

l’embrayage ne correspond pas à la position exacte de la pédale car il s’agit d’un boo-
léen calculé par le contrôle moteur ECUclutch avec un retard, 100% correspondant à un
embrayage ouvert et 0% à un embrayage fermé.

• Le début du changement de vitesse peut être identifié comme l’instant où le conduc-

teur commence à relâcher la position de la pédale d’accélérateur, t = X0 .

• A t = X1 , le conducteur commence à appuyer sur la pédale d’embrayage. Le

signal de position de l’embrayage ECUclutch enregistré par le contrôle moteur n’est
pas fiable. Cependant, l’ouverture de l’embrayage peut être caractérisée par la
désynchronisation du régime moteur ωeng et du régime de l’arbre primaire ωprim ,
calculé à partir du rapport de vitesse et de la vitesse du véhicule.

• Lorsque l’embrayage est complètement ouvert, le rapport de vitesse peut être chan-
gé à t = X2 . Comme le signal de rapport ECUGear du contrôle moteur n’est pas
non plus fiable, cet événement ne peut pas être identifié précisément. Cependant,
il peut être caractérisé par l’action suivante du conducteur.

• L’événement t = X3 correspond à l’instant où le conducteur commence à fermer

l’embrayage une fois le nouveau rapport de vitesse engagé. Il est caractérisé par

98
 3.2 Simulation du conducteur

((a)) Montée de rapport. ((b)) Rétrogradage.

Fig. 3.19 : Identification des principales actions du conducteur lors de changements de
rapport enregistrés sur BàR.

le début de la chute du régime moteur, due à la resynchronisation avec l’arbre

primaire.

• A t = X4 , le conducteur commence à appuyer sur la pédale d’accélérateur tout en

fermant l’embrayage.

• A t = X5 , l’embrayage est complètement fermé, et le changement de vitesse est

terminé. Cet instant est défini par la synchronisation des régimes moteur et de
l’arbre primaire.

Rétrogradage : En utilisant la même approche, plusieurs événements peuvent être

identifiés en analysant les rétrogradages lors d’essais sur véhicule (notés « downshift »).
De la même manière que la Figure 3.19(a), la Figure 3.19(b) illustre les 2 événements
Xi caractérisant un rétrogradage lors d’un essai sur banc à rouleaux.

• Pour la majorité des rétrogradages, l’intention du conducteur étant de ralentir, la

pédale d’accélérateur est déjà relâchée plusieurs secondes avant le changement de
rapport. Par conséquent, le début du rétrogradage t = X0 peut être défini par le
moment où le conducteur commence à appuyer sur la pédale d’embrayage. De la
même manière que pour le passage au rapport supérieur, cet instant est identifié
par la désynchronisation des régimes moteur et primaire.

99
3 Développement de l’environnement de simulation

• A t = X1 , l’embrayage est complètement ouvert, et le rapport est changé. L’em-

brayage peut ensuite être relâché. Cet instant est caractérisé par le début de l’aug-
mentation du régime moteur.

• A t = X2 , les régimes du moteur et de l’arbre sont synchronisés : le changement

de rapport est terminé, l’embrayage est complètement fermé.

Profils de conducteur : En utilisant les indicateurs définis ci-dessus, l’analyse des

changements de rapport peut être étendue à 177 essais réalisés sur piste avec le véhicule
référence par plusieurs conducteurs humains lors de la Campagne V1 (Tableau 2.7). Afin
de distinguer plusieurs profils de conducteurs, on considère la distribution de la durée
totale moyenne de montée de rapport tup de chaque essai, comme représenté sur la Figure
3.20.
La densité de probabilité est représentée par un histogramme en bleu clair (« Proba.
density » en légende). La fonction de répartition est représentée par une ligne en bleu
foncé (« Cumulative proba. » en légende). Le premier quartile est représenté par des
pointillés rouges (tup,25% en légende). Le dernier quartile est représenté par des pointillés
verts (tup,75% en légende). A partir de cette distribution, trois profils peuvent être définis :

• Le conducteur « Lent » (« Slow »), correspondant aux essais dans le quartile supé-
rieur de tup .

• Le conducteur « Normal », correspondant aux 2ème et 3ème quartiles de tup .

• Le conducteur « Rapide » (« Fast »), qui correspond au quartile inférieur de tup .

Fig. 3.20 : Distribution de la moyenne de la durée de la montée de rapport tup pour

177 essais sur piste.

100
 3.2 Simulation du conducteur

Pour chacun de ces trois profils, on rassemble tous les essais véhicule correspondant
et on analyse l’ensemble des montées de rapport selon la définition présentée plus haut.
On obtient ainsi les valeurs de X1 , X3 , X4 et X5 pour chaque profil, représentées à l’aide
de diagrammes boîte Figure 3.21, respectivement en rouge, violet, vert et jaune.
Les tests sur banc à rouleaux (BàR) sont tous rassemblés dans le même profil de
conducteur « Banc » (« Bench » en légende). Pour chaque événement Xi , les barres d’in-
certitude représentent les valeurs extrêmes inférieures et supérieures obtenues sur l’en-
semble des essais correspondant au profil considéré. La boîte est définie par la valeur du
quartile inférieur à gauche, et du quartile supérieur à droite. La ligne noire représente
la médiane sur le profil considéré. Cette valeur est choisie comme la valeur caractéris-
tique pour un événement et un profil donnés, représentée par un marqueur triangulaire
de la même couleur. On peut noter que le profil de conducteur « Banc » est caractérisé
par une durée de montée de rapport tup = 0.9 s inférieure à celle des conducteurs sur
route, tup = 1.2 s pour le profil « Fast ». Bien que ce ne soit généralement pas le cas, il
convient aussi de souligner que la valeur de X3 est inférieure à celle de X4 pour plusieurs
montées de rapport sur BàR. Cela signifie que le conducteur commence à appuyer sur la
pédale d’accélérateur avant de fermer l’embrayage. Ce n’est pas le cas des conducteurs
sur piste, qui commencent toujours à fermer l’embrayage avant d’appuyer sur la pédale
d’accélérateur.
En conservant la même distribution des essais (Figure 3.20) entre les différents profils,
la phase de rétrogadage peut également être analysée sur l’ensemble des essais considérés,
comme représenté Figure 3.22. De manière similaire aux montées de rapport, le profil de
conducteur « Banc » est caractérisé par le rétrogradage le plus rapide, de tdwn = 0.82 s
contre tdwn = 1.4 s au minimum sur route. Il est important de souligner ici que les profils
de conducteurs ont été définis sur la base de l’analyse des montées de rapport. Cependant,
cette caractérisation reste pertinente pour la phase de rétrogradage : le profil « Rapide »
présente la valeur la plus faible pour tdwn . Bien que les profils « Lent » et « Normal »
partagent la même durée médiane de rétrogradage tdwn = 1.6 s, le conducteur « Lent »
est caractérisé par des valeurs extrêmes plus élevées indiquées par les barres d’incertitude.

Fig. 3.21 : Durées des événements de montée de rapport pour tous les profils de conduc-
teur.

101
3 Développement de l’environnement de simulation

Fig. 3.22 : Durées des événements de rétrogradage pour tous les profils de conducteur.

Implémentation dans le modèle de conducteur : Le comportement du modèle

de conducteur est directement basé sur l’analyse du changement de rapport présentée
ci-dessus, en particulier sur les profils définis Figures 3.21 et 3.22 rassemblés dans le
Tableau 3.3.
La Figure 3.23 illustre le comportement du modèle de conducteur lors d’une montée
de rapport puis d’un rétrogradage sur un essai réalisé en simulation avec le profil de
conducteur « Banc ». La Figure 3.23(a) représente sur l’axe de gauche la vitesse véhicule
Vact en bleu et la vitesse demandée Vdem en rouge. Sur l’axe de droite, on trace en
pointillés le rapport demandé Geardem en rouge et le rapport engagé Gear en bleu. La
Figure 3.23(b) représente les pédales d’accélérateur et d’embrayage en bleu et magenta
respectivement. Enfin, la Figure 3.23(c) représente le régime moteur ωeng en bleu et le
régime primaire ωprim en magenta. Sur la période représentée, le modèle de conducteur
réalise une montée de rapport entre t = 161 s et t = 161.9 s, et un rétrogradage entre
t = 171.3 et t = 172.1 s.

Tableau 3.3 : Durées caractéristiques des changements de rapport pour les 4 pro-
fils de conducteur considérés. Les évènements Xi correspondent aux définitions établies
Paragraphes 3.2.3.3 et 3.2.3.3, et sont exprimés en secondes à partir de l’instant 0 cor-
respondant au début du changement de rapport.
Montée de rapport Rétrogradage
Profil
X1 X3 X4 X5 X1 X2
Banc 0.19 0.46 0.5 0.89 0.34 0.69
Slow 0.6 0.9 1.3 1.9 0.8 1.6
Normal 0.5 0.7 0.89 1.5 0.8 1.6
Fast 0.3 0.6 0.7 1.2 0.7 1.4

Lorsqu’une montée de rapport est imposée par les données d’entrée du cycle :

• Le contrôle de vitesse est inhibé, et la position de la pédale d’accélérateur est forcée

à zéro. Le terme intégral est également remis à zéro afin d’éviter tout dépassement
indésirable.

102
 3.2 Simulation du conducteur

• Après X1 secondes, l’embrayage est ouvert linéairement de 0 à 100% en X3 − X1

secondes. Dès que l’embrayage est complètement ouvert, le rapport de vitesse est
modifié à sa nouvelle valeur.

• La fermeture de l’embrayage commence instantanément à t = X3 . L’embrayage

est fermé linéairement de 100 à 0% en X5 − X3 secondes. Pendant cette phase,
la commande de vitesse (et donc de la pédale d’accélérateur) est réactivée après
X4 − X3 secondes.

De même, lorsqu’un rétrogradage est demandé :

• La commande de vitesse est inhibée, et la position de la pédale d’accélérateur est

forcée à zéro. Le terme intégral est également mis à zéro. L’embrayage est ouvert
linéairement de 0 à 100% en X1 secondes.

• Dès que l’embrayage est complètement ouvert, le rapport de vitesse est changé
à sa nouvelle valeur. L’embrayage est ensuite fermé linéairement de 100 à 0% en
X2 − X1 secondes. Le contrôle de la vitesse (et donc de la pédale d’accélérateur)
est réactivé à la fin du rétrogradage.

Fig. 3.23 : Exemples de changement de rapport par le modèle de conducteur lors d’un
essai en simulation avec le profil « Banc »

103
3 Développement de l’environnement de simulation

3.2.3.4 Gestion du décollage

Architecture conventionnelle : Le décollage est également une phase cruciale dans
le cas d’une transmission manuelle. Pour cette phase, on s’appuie sur le fonctionnement
simple du modèle de conducteur initial. La Figure 3.24 donne un exemple de décollage
réalisé par le modèle de conducteur en simulation. Avec le même code couleur que la
Figure 3.23, la Figure 3.24(a) représente sur l’axe de gauche les vitesses demandée et
réalisée en rouge et bleu respectivement, ainsi que les rapport demandé et engagé en
pontillés rouges et bleus respectivement sur l’axe de droite. La Figure 3.24(b) représente
les pédales d’accélérateur et d’embrayage en bleu et magenta respectivement, et la Figure
3.24(c) trace les régime moteur et primaire en bleu et magenta respectivement.
À partir de l’arrêt, le moteur est au ralenti et l’embrayage est complètement ouvert.
Ensuite, le conducteur commence à relâcher l’embrayage pour augmenter le régime pri-
maire et suivre la demande de vitesse, tout en appuyant sur la pédale d’accélérateur
pour maintenir le régime moteur au régime de décollage ωtkof indiqué par les pontillés
rouge afin d’éviter le calage. Lorsque les régimes sont synchronisés, le conducteur referme
l’embrayage. Pour cette phase, la principale valeur caractéristique est le régime moteur
cible ωtkof . Sur les essais du véhicule, il peut être identifié en considérant la valeur du
régime moteur lors de la synchronisation. En utilisant la distribution entre les profils de
conducteur issue de l’analyse des montées de rapport Figure 3.20, le régime moteur de
décollage peut être défini pour chaque type de conducteur. La Figure 3.25 représente la
distribution du régime moteur de décollage pour tous les profils de conducteur à l’aide
d’un diagramme en boîte. On peut noter que le pilote « Banc » présente la plus faible
valeur de régime moteur au décollage avec ωtkof = 1330 tr/min. De plus, les profils de
conducteur basés sur l’analyse des montées de rapport ne montrent pas une corrélation
immédiate avec le régime de décollage : le profil « Normal » est caractérisé par la valeur
la plus basse pour ωtkof .

Architecture hybride : Dans le cas d’une transmission automatique, le décollage

est réalisé en relâchant simplement la pédale de frein et en appuyant sur la pédale
d’accélérateur. Si la vitesse de référence augmente de manière progressive, le régulateur
PI peut présenter un comportement indésirable : le frein est relâché lentement, ce qui
peut causer une sortie de tolérance, comme illustré en vert sur la Figure 3.26 (« NoTkOf »
en légende).
La Figure 3.26(a) représente la vitesse du véhicule en trait plein, ainsi que la demande
de cycle en rouge et les limites de tolérance en lignes rouges pointillées. La Figure 3.26(b)
représente la pédale d’accélérateur en trait plein, ainsi que la pédale de frein en pointillés.
Le signal de frein est représenté en négatif pour plus de lisibilité. A titre de comparaison,
un cycle effectué sur le banc à rouleaux par un conducteur humain suivant la même
demande de vitesse Vdem est représenté en noir (« BàR » en légende). En raison de la
réponse progressive du conducteur PI, la vitesse véhicule Vact est inférieure à la demande
entre t = 165 s et t = 170 s, ce qui induit un pic de la pédale d’accélérateur. Ce pic
provoque une vitesse excessive entre t = 171 s et t = 173 s, désignée par un cercle rouge
sur la Figure 3.26(a).
Afin d’éviter ce comportement indésirable, l’intégrateur du régulateur PI est initialisé
à une valeur de départ Acc0 non nulle lorsque la demande de vitesse commence à aug-
menter. Cette fonction est réalisée à l’aide d’un bloc Simulink « Hit Crossing », comme
représenté en orange sur la Figure 3.27. À partir de l’arrêt, la sortie de ce bloc est nulle

104
 3.2 Simulation du conducteur

Fig. 3.24 : Exemple de décollage par le modèle de conducteur sur transmission manuelle
lors d’un essai en simulation avec le profil « Banc »

jusqu’à ce que le signal d’entrée Vtarget commence à augmenter ; la sortie est alors égale
à 1 pendant un pas de temps, avant de revenir à zéro. Afin d’initialiser la sortie de
l’intégrateur à la valeur désirée de Acc0 , la sortie du bloc « Hit Crossing » est multipliée
par Acc0 , et divisée par le gain intégral KI et le pas de temps dt. Par exemple, avec Acc0
= 10%, le conducteur relâche instantanément la pédale de frein et commence à appuyer
sur la pédale d’accélérateur, comme représenté en bleu sur la Figure 3.26 (« TkOf » en
légende). Cette initialisation a pour effet de placer la vitesse du véhicule au-dessus de
la demande dès le début du décollage, tout en restant dans les tolérances WLTP. Le pic
de pédale d’accélérateur est également lissé et le comportement est proche de l’essai sur
véhicule. L’influence de l’initialisation Acc0 est suffisamment intuitive pour être réglée
manuellement sur le banc EiL : si le décollage est trop lent, alors la valeur doit être aug-
mentée d’une quantité raisonnable, par exemple 5%. En revanche, si la pédale diminue
rapidement après un premier pic lors du décollage, cela signifie que la valeur Acc0 a été
surestimée et que le régulateur PI tente de compenser. La valeur doit alors être abaissée
afin de lisser le comportement au décollage.

3.2.4 Calibration du modèle

Une fois la structure du modèle de conducteur établie, la calibration de ses différents
gains et coefficients joue un rôle crucial dans son comportement et la qualité de suivi,

105
3 Développement de l’environnement de simulation

Fig. 3.25 : Régime de décollage pour tous les profils de conducteurs.

en particulier les gains KP et KI . Le temps sur banc d’essai étant généralement compté,
la méthode proposée ici a pour but de réaliser cette phase en amont de la mise au banc
moteur, c’est à dire en simulation pure (« offline »).

Fig. 3.26 : Illustration de l’impact de l’initialisation de l’intégrateur pendant le décol-

lage. Comparaison entre l’absence d’initialisation (« NoTkOf », en vert), l’initialisation
(« TkOf », en bleu) et la référence humaine (« BàR », en noir).

106
 3.2 Simulation du conducteur

Fig. 3.27 : Structure du modèle de conducteur avec anticipation (vert), anti-windup

(bleu) et initialisation au décollage (orange) dans le cas d’une transmission automatique.

3.2.4.1 Dynamique de la réponse moteur

Afin de réaliser la calibration du conducteur en amont de la mise au banc, le moteur
physique est remplacé par un modèle de moteur thermique (noté « ICE ») pour cette
phase.

Modélisation du moteur : La simulation précise de ce composant est complexe

et nécessite une quantité importante de données expérimentales, d’où l’intérêt de la
méthode EiL décrite dans cette thèse. Ainsi, l’approche généralement choisie, et par
ailleurs utilisée dans l’environnement GREEN (voir Section 3.1), consiste à utiliser une
cartographie du couple moteur Teng en fonction du régime ωeng et de la position de la
pédale d’accélérateur α, Teng = f (α, ωeng ). Toutefois, cette approche n’est pas adaptée
dans le contexte de la calibration du modèle.
En effet, il est crucial de considérer la dynamique de la réponse moteur à une demande
par le modèle de conducteur : en se basant simplement sur la cartographie du couple,
le moteur simulé répond instantanément à la demande de couple du conducteur. Ce
comportement ne correspond pas au système physique, qui est caractérisé par un temps
de réponse variable. Selon le type de moteur, ce temps de réponse peut être de l’ordre
de 10 ms, ou même de la seconde dans le cas d’un moteur suralimenté. Par conséquent,
un modèle de conducteur réglé à l’aide de ce type de modèle de moteur basique risque
de se révéler instable lorsqu’il sera utilisé au banc moteur. Si la réponse du moteur réel
met du temps à affecter la vitesse du véhicule, le conducteur appuiera encore plus sur
la pédale d’accélérateur, ce qui pourrait entraîner des oscillations. On observe ce type
de comportement en connectant directement le modèle de conducteur initial de l’outil
GREEN au banc lors de la Campagne 1 (Tableau 2.6). Il est donc crucial de prendre en
compte le temps de réponse du moteur lors du réglage du régulateur PI.
Le but principal de cette phase étant bien la calibration du modèle de conduc-
teur et non la simulation précise du moteur thermique, la méthode choisie dans cette
thèse se base sur une fonction de transfert du premier ordre avec retard variable (notée
« FOPDT » pour first order plus dead time) [133-136] :

K
H(s) = e−ϵs (3.13)
1+τ ·s
Le gain K, la constante de temps τ et le retard ϵ sont des caractéristiques du moteur et
de son point de fonctionnement. Une fois ces paramètres établis en fonction du régime

107
3 Développement de l’environnement de simulation

Fig. 3.28 : Schéma du modèle moteur utilisé pendant la phase de calibration du modèle
conducteur.

moteur, la fonction de transfert peut être introduite dans le modèle véhicule. Le moteur
thermique simulé est ainsi représenté Figure 3.28. Dans cette phase de calibration, on
suppose que la machine de charge compense sa propre inertie et on ne la prend donc
pas en compte pour calibrer le conducteur. A partir de la position pédale et du régime
moteur, la cartographie déjà présente dans le modèle GREEN permet de calculer le
couple demandé au moteur par le conducteur. Ensuite, la fonction de transfert FOPDT
calcule le couple réalisé par le moteur en prenant en compte la dynamique de sa réponse,
elle aussi fonction du régime moteur. Ce régime est calculé à partir de l’inertie moteur
Jeng et du couple résistif Tres provenant du modèle de véhicule.

Identification de la fonction de transfert : Comme mentionné plus haut, le mo-

dèle de conducteur et sa méthode de calibration ont été testés dans deux architectures
EiL distinctes, i.e. l’architecture conventionnelle de référence ainsi qu’une architecture
hybride électrique. Pour ces deux contextes, l’identification des paramètres de la dyna-
mique moteur a été réalisée de deux manières différentes.
Dans le cas de l’architecture conventionnelle, on disposait d’essais spécifiques réali-
sés au banc moteur afin de caractériser la réponse en couple du moteur de référence.
Pour un régime moteur constant donné, ces essais consistent à imposer un créneau de
pédale d’accélérateur de 0 à 100%. Le couple moteur est ensuite mesuré, et cet essai est
répété pour plusieurs valeurs de régime. Les Figure 3.29(a) et 3.29(b) représentent la
réponse en couple pour les valeurs de régime ωeng = 1000 tr/min et ωeng = 1750 tr/min
respectivement. Le créneau de couple demandé est représenté en bleu (« Input demand »
en légende), et le couple mesuré est représenté en noir (« Measure »). Par la méthode
des moindres carrés, les paramètres K, τ et ϵ peuvent être identifiés pour chaque valeur
de régime. Dans ce contexte, le gain K est égal à 1 puisque le couple moteur atteint le
couple demandé. De plus, le retard ϵ est trop faible pour être pris en compte, et est donc
nul pour le moteur considéré.
On peut souligner à partir de la Figure 3.29(b) que la fonction de transfert FOPDT
est seulement une approximation de la réponse moteur. En effet, la tendance de la
réponse moteur change à t = 0.32 s, et on peut identifier deux phases distinctes. Ce
phénomène est du au fait que le moteur considéré est suralimenté, ce qui induit un
temps de réponse supérieur, « turbo-lag ». A faible charge, le turbocompresseur est inactif
(phase atmosphérique) et la dynamique du moteur est plus rapide que pour les charges
plus élevées (phase suralimentée). Par conséquent, lorsque l’on considère les deux phases
(en rouge sur la Figure, « Turbo-lag fitting »), la fonction FOPDT n’est pas parfaitement

108
 3.2 Simulation du conducteur

((a)) ωeng = 1000 tr/min. ((b)) ωeng = 1750 tr/min.

Fig. 3.29 : Essais de caractérisation de la dynamique moteur pour deux valeurs de
régime moteur ωeng .

ajustée aux premières 0,4s - c’est-à-dire à la phase de faible charge - pour lesquelles la
constante de temps τT urbo semble être surestimée. D’autre part, en ne considérant que
la phase atmosphérique, on obtient une constante de temps τAtmo sous-estimée, en vert
sur la Figure (« NA fitting » pour naturally aspirated). Pour la phase de calibration du
conducteur, un troisième jeu de paramètres intermédiaire est donc pris en compte, en
considérant la moyenne entre les deux valeurs de τT urbo et τAtmo , notée τM ean . Le Tableau
3.4 rassemble les valeurs de la constante de temps pour les valeurs de régime moteur
testées, correspondant aux trois jeux de paramètres. Il peut être remarqué que, comme
suggéré Figure 3.29(a), pour les faibles valeurs de régime moteur ωeng = 1000 tr/min et
ωeng = 1250 tr/min, la suralimentation n’intervient pas et n’impacte donc pas la réponse
moteur : τT urbo et τAtmo sont égaux. Les trois jeux de paramètres peuvent ainsi être utilisés
pour la phase de calibration du conducteur, afin de comparer les trois réglages du P I
obtenus au banc moteur.

Tableau 3.4 : Paramètres de la fonction de transfert de la dynamique moteur pour les

3 cas considérés
τT urbo τAtmo τM ean
Régime [tr/min]
τ [s] ϵ [s] τ [s] ϵ [s] τ [s] ϵ [s]
1000 0.14 0 0.14 0 0.14 0
1250 0.21 0 0.21 0 0.21 0
1500 0.45 0 0.25 0 0.35 0
1750 0.85 0 0.30 0 0.575 0
2000 0.62 0 0.28 0 0.45 0
3000 0.56 0 0.25 0 0.405 0

Dans le cas de l’architecture hybride, on ne dispose pas d’essais de mise sous couple
pour l’identification de la fonction de transfert. Toutefois, le cahier des charges exprime
les valeurs maximales de la dynamique moteur grâce à la fonction de transfert FOPDT.
On considère la réponse du moteur thermique seul, la réponse des composants électriques

109
3 Développement de l’environnement de simulation

étant négligeable en comparaison.

Adyn
τ= (3.14)
ωeng
Bdyn
ϵ= (3.15)
ωeng
Avec Adyn et Bdyn des valeurs caractéristiques du moteur thermique. Le moteur considéré
étant atmosphérique et non suralimenté (Tableau 2.4), on utilise directement ces valeurs
pour la phase de calibration.

3.2.4.2 Représentativité
Une fois la dynamique du moteur implémentée, le conducteur virtuel doit être réglé
avec deux objectifs principaux :

• La performance de suivi de cycle, c’est-à-dire sa capacité à minimiser l’écart entre

la demande et la vitesse atteinte.

• La fidélité de son comportement : les fluctuations de la pédale d’accélérateur

doivent correspondre à celles observées dans le cas d’un conducteur humain.

En ce qui concerne la capacité de suivi de cycle, on utilise les indicateurs définis Section
3.2.1, i.e. l’écart moyen de vitesse µV dif f , le nombre de déviations Ndev , le temps cumulé
hors tolérance tOutT ol et la durée maximale de déviation tdev,M ax . En revanche, la repré-
sentativité du modèle de conducteur semble moins évidente à évaluer que la qualité de
suivi. Cependant, le réglage du régulateur PI avec pour seul objectif la performance de
suivi du cycle peut conduire à un comportement indésirable, comme illustré sur la Fi-
gure 3.30. La Figure 3.30(a) représente les vitesses réalisée et demandée en bleu et rouge
respectivement. La Figure 3.30(b) représente la position de la pédale d’accélérateur.

Fig. 3.30 : Exemple de comportement indésirable et irréaliste du conducteur virtuel.

On peut noter que dans cet exemple réalisé en simulation, le conducteur est per-
formant en ce qui concerne le suivi du cycle : la vitesse ne sort jamais des limites de
tolérance, et l’écart moyen est inférieur à 0.1 km/h. Cependant, si l’on considère la po-
sition de la pédale d’accélérateur, on observe des oscillations de grande amplitude et de
fréquence élevée. Ce signal de pédale ne correspond pas à celui d’un conducteur humain.

110
 3.2 Simulation du conducteur

Lors de la réalisation des essais sur le banc EiL, de telles variations de la demande de
couple moteur induiront inéluctablement des taux de consommation et d’émission dif-
férents par rapport aux essais sur banc à rouleaux. Il est donc crucial d’écarter ce type
de comportement lors du réglage du conducteur afin de préserver la représentativité des
tests.
Dans ce but, une analyse fréquentielle du signal de la pédale d’accélérateur peut être
effectuée. Plus précisément, en utilisant la transformation de Fourier rapide (FFT), la
densité spectrale de puissance (PSD) donne une mesure du contenu en puissance du
signal en fonction de la fréquence. En cumulant la PSD sur le spectre, on peut calculer
la fréquence contenant 35% du spectre, écrite F35 , comme illustré sur la Figure 3.31(a).
La densité spectrale cumulée est représentée pour plusieurs conducteurs avec une ligne
verticale indiquant la valeur de F35 .
La valeur de référence Fref pour F35 peut être estimée en considérant les tests ef-
fectués par des conducteurs humains sur un banc d’essai à rouleaux. Dans cette thèse,
on dispose de 11 cycles WLTC conduits avec un véhicule similaire et suivant la même
trace de vitesse demandée Vdem . Ces essais peuvent être utilisés afin d’évaluer la valeur
de référence maximale pour F35 , représentée par la ligne verticale rouge sur la Figure
3.31(a). Si un essai donné présente une valeur de F35 supérieure à cette référence, cela
signifie que la réponse du conducteur virtuel est trop instable par rapport à celle d’un
humain. C’est ce qu’illustre la Figure 3.31 : deux essais réalisés en simulation (« Sim.
n◦ 1 » et « Sim. n◦ 2 » en légende) sont représentés respectivement en bleu et en vert. À
titre de comparaison, deux des tests sur banc à rouleaux, (« Mesure n◦ 1 » et « Mesure
n◦ 2 » en légende), sont représentés en noir et bordeaux respectivement. La Figure 3.31(b)
représente la position de la pédale d’accélérateur pour une fraction du WLTC. On peut
noter que la position de la pédale dans la Sim. n◦ 1 présente des fluctuations importantes,
tant en amplitude qu’en fréquence, par rapport aux essais sur banc à rouleaux. En re-
vanche, la pédale dans la Sim. n◦ 2 est beaucoup plus lisse et proche des conducteurs de
référence. En analysant la Figure 3.31(a), cette tendance est également observable dans
la valeur de F35 : la valeur de la Sim. n◦ 1 est supérieure à 0.1 Hz, significativement plus
grande que pour les tests de référence autour de 0.03 Hz. En revanche, la valeur de F35
est plus proche de la référence pour la Sim. n◦ 2, autour de 0.04 Hz. Ainsi, l’indicateur
F35 permet de quantifier le niveau de stabilité du conducteur, et peut donc être utilisé
pour écarter les comportements irréalistes.

Fig. 3.31 : Analyse fréquentielle du signal de la pédale : comparaison de plusieurs

conducteurs.

111
3 Développement de l’environnement de simulation

3.2.4.3 Méthode de calibration

En utilisant le modèle complet du véhicule incluant la dynamique du moteur ainsi
que les indicateurs décrits ci-dessus, les gains KP et KI peuvent être ajustés dans l’en-
vironnement de simulation (Figure 3.28) en suivant plusieurs étapes. Pour cette phase,
le gain anti-windup est fixé à KAW = 1/KI et dans le cas d’une transmission hybride la
position initiale de la pédale de décollage est fixée à zéro, Acc0 = 0. Dans un premier
temps, aucune anticipation du cycle n’est introduite, c’est-à-dire que C0 = 1 et Ci>0 = 0.
Comme il s’agit du cycle d’homologation de référence, le WLTC est choisi pour réaliser
les tests de réglage. Pour gagner en temps de calcul, une petite fraction du cycle est
considérée en premier lieu. La Figure 3.32 représente le processus de réglage.

1. Tout d’abord, un balayage large sur KP et KI est effectué sur la première phase du
WLTC, c’est-à-dire les 120 premières secondes. Par exemple, on peut faire varier
KP et KI entre 0 et 10, avec un incrément de 0.1. Pour chaque couple (KP , KI ),
les indicateurs tDev,M ax , Ndev et F35 sont calculés.

2. Sur la base de cette première analyse, l’intervalle de validité peut être réduit en
éliminant les couples (KP , KI ) qui induisent des déviations de plus d’une seconde
hors tolérance tdev,M ax > 1s, plus de 5 déviations Ndev > 5 et/ou présentent une
valeur de F35 supérieure à la limite. Dans cet intervalle réduit, un balayage plus
précis de toutes les paires de valeurs peut être effectué, avec un incrément plus
petit de 0.025, et sur une plus grande fraction du WLTC (c’est-à-dire la première
phase lente, correspondant aux 500 premières secondes).

3. Parmi les paires obtenues satisfaisant les conditions de validité, les meilleures sont
choisies en fonction de l’erreur moyenne µV dif f , et testées sur un WLTC complet.
La priorité est donnée à celles qui impliquent le moins de temps hors tolérance. La
sélection finale est ensuite effectuée en tenant compte des paires présentant l’erreur
moyenne la plus faible. Parmi celles-ci, la valeur la plus faible de F35 est préférée
car elle correspond à un conducteur plus stable.

Une fois que le meilleur couple (KP , KI ) est déterminé, plusieurs réglages d’anticipation
peuvent être testés afin d’évaluer quel profil doit être testé sur le banc, comme indiqué
dans le Tableau 3.5. Pour chacun des profils d’anticipation sélectionnés, l’étape 3 peut
également être répétée avec des valeurs modifiées pour les coefficients Ci afin d’obtenir
les valeurs les plus adaptées pour KP et KI .

3.3 Résultats expérimentaux

Lors de la Campagne 4, l’architecture finale présentée en Section 3.1 a pu être mise
en place et testée au banc B4 avec le moteur H5D470 (voir Section 2.3). Pour cette
campagne, les essais véhicule de référence ont été réalisés avec le véhicule EKB118.
De nombreux essais ont finalement pu être réalisés et permettent d’analyser différents
aspects de l’approche EiL.

112
 3.3 Résultats expérimentaux

Fig. 3.32 : Processus de calibration du modèle conducteur dans l’environnement de

simulation.

3.3.1 Régulation de la machine de charge

Tout d’abord, l’impact de l’ajout du régulateur CORRECTT peut être constaté sur
un cycle WLTC. De la même manière que la Figure 3.7, la Figure 3.33 représente l’écart
entre le couple demandé Tdem et le couple mesuré Tmes au cours du cycle.
La Figure 3.33(a) représente les vitesses réalisée Vact et demandée Vdem en bleu et
rouge respectivement. Les tolérances WLTP Vtol sont indiquées en pointillés rouges.
La Figure 3.33(b) représente les couples demandé par le modèle Tdem et mesuré par
le couplemètre Tmes en bleu et rouge respectivement. L’écart de couple ∆T entre Tdem
et Tmes est représenté Figure 3.33(c). Enfin, la Figure 3.33(d) représente l’écart relatif
énergétique δE entre l’énergie mesurée Emes,BM et l’énergie demandée Ereq,BM , ramené
à l’énergie totale demandée Ereq,BM (tend ).
En comparaison avec la Figure 3.7, il apparaît immédiatement que le régulateur
de couple CORRECTT remplit sa fonction : les courbes de couple demandé Tdem et
mesuré Tmes sont superposées sur la majorité du cycle, mise à part pendant les phases
dynamiques des changements de rapport. L’écart moyen de couple est de -0.005 N.m,
et l’écart relatif entre l’énergie demandée et l’énergie mesurée est de -0.56% à la fin du
cycle. Ces résultats permettent de conclure que le régulateur parvient bien à compenser
le manque de précision de la machine de charge observé Section 3.1.2.2 et réduit cette
source d’écart avec la référence.

113
3 Développement de l’environnement de simulation

Tableau 3.5 : Réglages d’anticipation du conducteur évalués en simulation. On indique

en bleu les réglages sélectionnés pour être testés au banc EiL (Section 3.3.4).
N◦ C0 C1 C2 C3 C4
1 1 0 0 0 0
2 0.8 0.2 0 0 0
3 0.8 0 0.2 0 0
4 0.8 0 0 0.2 0
5 0.8 0 0 0 0.2
6 0.6 0.4 0 0 0
7 0.6 0 0.4 0 0
8 0.6 0 0 0.4 0
9 0.6 0 0 0 0.4
10 0.4 0.6 0 0 0
11 0.4 0 0.6 0 0
12 0.4 0 0 0.6 0
13 0.4 0 0 0 0.6
14 0.6 0.2 0.1 0.05 0.05
15 0.6 0.1 0.1 0.1 0.1
16 0.5 0.2 0.1 0.1 0.1
17 0.4 0.3 0.2 0.1 0
18 0.7 0.2 0.1 0 0
19 0.6 0.3 0.1 0 0
20 0.5 0.3 0.2 0 0
21 0.5 0.25 0.25 0 0

De la même manière que le Tableau 3.1, le Tableau 3.6 rassemble les indicateurs éner-
gétiques Etqi , Etqe , Emes et Ereq ainsi que l’écart relatif entre l’énergie totale sur BM et
sur BàR ∆E pour chaque méthode de calcul, la masse totale de carburant injectée Mcarb
et la distance totale Dtot , et l’écart entre BM et BàR pour ces variables. Les résultats
de l’architecture initiale (Tableau 3.1) sont indiqués dans la colonne « EiL (Init.) », et
ceux obtenus avec l’architecture finale dans la colonne « EiL (Final) ». L’impact du ré-
gulateur sur la représentativité énergétique est clair : les indicateurs d’écart énergétique
sont compris entre 0.51% et 4.63% avec l’architecture finale, contre au moins 9.6% dans
la configuration initiale.

3.3.2 Modélisation de l’embrayage

L’intégration du modèle d’embrayage décrit en Section 3.1.2.4 dans l’architecture
finale (Figure 3.13) a permis d’atténuer les oscillations observées lors des premiers essais,
et ainsi de réaliser des cycles complets.

3.3.2.1 Analyse des résultats

La Figure 3.34 illustre le comportement du modèle d’embrayage sur le banc EiL lors
d’une montée de rapport entre t = 163.2 s et t = 164.2 s, puis d’un rétrogradage entre
t = 173.9 s et t = 175 s.

114
 3.3 Résultats expérimentaux

Fig. 3.33 : Couple demandé et mesuré - Essai réalisé avec le régulateur CORRECTT.

Tableau 3.6 : Ecarts entre BàR et BM sur un cycle WLTC réalisé avec l’architecture
initiale (« Init. ») et l’architecture finale (« Final »)
Indicateur Unité Ref. BàR EiL (Init.) EiL (Final)
Etqi [kWh] 3.98 4.47 4.01
∆Etqi [%] - 12.1 0.51
Etqe [kWh] 3.22 3.9 3.37
∆Etqe [%] - 21.1 4.63
Emes [kWh] 3.22 3.79 3.28
∆Emes [%] - 17.5 1.81
Ereq [kWh] 3.22 3.42 3.3
∆Ereq [%] - 6.32 2.62
Mcarb [g] 1048 1148 1047
∆Mcarb [%] - 9.59 -0.14
Dtot [km] 23.2 23.1 22.9
∆Dtot [%] - -0.39 -1.04

La Figure 3.34(a) représente les positions pédale de l’accélérateur (bleu) et de l’em-

brayage (rouge). Le signal de la pédale d’accélérateur issu de l’essai BàR de référence
est tracé en noir. La Figure 3.34(b) représente la variable interne d’élongation de l’em-
brayage p, ainsi que les valeurs limites correspondant au couple maximal transmissible
p0 et −p0 en pointillés rouges. La Figure 3.34(c) représente le régime moteur mesuré
par la machine de charge en rouge, ainsi que le régime primaire calculé par le modèle
véhicule en bleu. Le régime moteur de l’essai BàR est tracé en noir. Enfin, la Figure
3.34(d) représente en bleu le couple calculé par le modèle d’embrayage Tdem , et le couple
mesuré sur l’arbre par la machine de charge Tmes en rouge.
En premier lieu, on peut souligner que l’élongation p n’est pas nulle avant le change-
ment de rapport. En effet, la transmission de couple dans le modèle d’embrayage « reset
integrator » se fait par la déformation de la raideur. Ensuite, le régime primaire ωprim
chute instantanément lors de la montée de rapport à la valeur correspondant au nou-

115
3 Développement de l’environnement de simulation

Fig. 3.34 : Comportement du modèle d’embrayage lors d’une montée de rapport puis
d’un rétrogradage sur le banc EiL.

veau rapport. Le conducteur commence à relâcher l’embrayage à t = 163.7 s jusqu’à sa

fermeture complète à t = 164.2 s. L’embrayage étant initialement totalement ouvert, la
valeur maximale de l’élongation p0 est nulle puisqu’elle dépend directement du couple
maximal transmissible, et est donc modulée par l’ouverture de l’embrayage. Entre l’ins-
tant t = 163.7 s et t = 164.2 s, la différence de régime entre les deux arbres est telle que
l’embrayage entre en glissement, l’élongation étant à sa valeur maximale. Ceci résulte
en une augmentation forte du couple demandé Tdem , qui a pour impact de faire chuter
le régime moteur vers le régime primaire, qui augmente faiblement du fait de l’inertie
du véhicule. Ensuite, à l’instant t = 164.2 s, les régimes se synchronisent et l’embrayage
passe en phase de collage, l’élongation diminuant de 10 rad à 0.3 rad à t = 164.5 s.
Après un passage sous le régime primaire, le régime moteur remonte et les deux arbres
sont synchronisés : le changement de rapport est terminé. Les observations sont simi-
laires pour le rétrogradage, la principale différence étant que le couple résistif est négatif
lors de la fermeture de l’embrayage, puisque le régime moteur est inférieur au régime
primaire.

3.3.2.2 Discussion
Premièrement, il peut être souligné qu’en position fermée, la valeur maximale de
l’élongation p0 vaut 10 rad, ce qui correspond à environ un tour et demi. Une telle va-
leur peut paraître discutable, puisqu’un embrayage physique ne se déforme pas autant en
réalité. Du fait de cette déformation, le régime moteur ωeng diminue jusqu’à 1170 tr/min,
soit près de 200 tr/min de moins que sur l’essai véhicule. La valeur de p0 dépend direc-
tement du couple maximal transmissible Tmax et de la raideur de l’embrayage kclutch :
Tmax
p0 = (3.16)
kclutch

116
 3.3 Résultats expérimentaux

Pour une valeur de Tmax donnée, augmenter la raideur kclutch permettrait de diminuer la
valeur de p0 . Toutefois, ce réglage ne peut se faire que manuellement une fois sur le banc
EiL, le comportement du système dépendant des inerties de la transmission, du moteur
et de la machine de charge. Augmenter la valeur de la raideur a pour effet d’accentuer
la réponse en couple du modèle d’embrayage, et donc le risque d’oscillations. La valeur
de l’amortissement dclutch doit être ajustée afin d’obtenir un comportement satisfaisant.
Après de nombreuses tentatives, cette configuration s’est avérée la plus adaptée. En effet,
bien que peu réaliste, la déformation observée ne pose pas de problème de représentativité
d’un point de vue énergétique, les régimes étant correctement synchronisés en position
fermée.
En second lieu, on peut aussi noter l’importance de l’architecture finale de la Figure
3.13. En effet, le pic dans la demande de couple du à la fermeture de l’embrayage n’est
pas réalisé par la machine de charge. Le couple mesuré Tmes augmente lui aussi fortement,
mais atteint seulement 100 N.m au lieu de 242 N.m. Ce comportement rend nécessaire
l’utilisation du couple mesuré Tmes au lieu du couple demandé Tdem dans le modèle
véhicule. La machine de charge ne répond pas instantanément au couple demandé dans
les phases dynamiques des changements de rapport, et ce même en utilisant le régulateur
CORRECTT (Section 3.1.2.2).

3.3.2.3 Synthèse
Finalement, il est important de souligner que la liaison entre le banc moteur et
l’environnement de simulation par le modèle d’embrayage a représenté un aspect crucial
des essais EiL. La modélisation de l’embrayage par le modèle « reset integrator » ainsi
que l’utilisation du couple mesuré dans le modèle véhicule ont finalement permis de
résoudre le point bloquant des oscillations de couple d’abord observées au banc moteur.
Toutefois, le réglage des paramètres du modèle d’embrayage (la raideur et le coefficient
d’amortissement) a été réalisé manuellement une fois sur le banc moteur. Cette étape
s’est avérée fastidieuse, mais a abouti à un réglage permettant de réaliser des cycles sans
oscillations, et avec un comportement globalement représentatif. Cependant, la valeur
choisie pour la raideur paraît peu réaliste, puisqu’elle permet à l’embrayage fermé de se
déformer de plus d’un tour complet. Pour de futurs travaux, une méthode de réglage
du modèle d’embrayage devrait être élaborée afin de garantir un paramétrage à la fois
stable et représentatif en minimisant la durée de calibration. Une approche en simulation
semble complexe, puisqu’elle nécessiterait la modélisation précise de la liaison physique
entre le banc et le moteur, ainsi que de la réponse en couple de la machine de charge et
du moteur thermique. Par conséquent, on peut plutôt imaginer une solution combinant
à la fois des calculs préalables à la mise au banc et une démarche de réglage final sur le
banc.

3.3.3 Réglage des gains KP , KI

Comme précisé précédemment, la méthode de calibration du modèle de conducteur
détaillée Section 3.2.4.3 a été appliquée en utilisant trois différents jeux de paramètres
de la dynamique moteur, notés τT urbo , τAtmo et τM ean (Tableau 3.4). Ces paramètres ont
ensuite été comparés sur le banc moteur.

117
3 Développement de l’environnement de simulation

3.3.3.1 Analyse des résultats

Les trois réglages du PI correspondant à ces jeux de paramètres, notés respective-
ment PIT urbo , PIAtmo et PIM ean , sont rassemblés Tableau 3.7, ainsi que les valeurs des
principaux indicateurs définis précédemment. Ces résultats ont été obtenus avec le Pro-
fil n◦ 1 d’anticipation (pas d’anticipation), et le profil de changement de rapport type
« Banc ». A titre de comparaison, les indicateurs sont aussi renseignés pour le tir BàR
de référence.

Tableau 3.7 : Valeurs des gains KP , KI optimisés et des indicateurs de suivi pour les
trois approximations de la dynamique moteur.
KP KI µV dif f tOutT ol Ndev tdev,M ax F35
Réglage
[-] [-] [km/h] [s] [-] [s] [Hz]
Ref. BàR 0.41 0 0 0 0.13
PIT urbo 0.45 0.05 0.82 13.8 5 3.64 0.15
PIAtmo 0.55 0.15 0.55 7.5 5 2.41 0.15
PIM ean 0.625 0.175 0.49 3.6 3 1.62 0.15

Fig. 3.35 : Comparaison du suivi des 3 réglages de PI sur une fraction du WLTC.

118
 3.3 Résultats expérimentaux

Il peut d’abord être souligné qu’aucun des trois réglages de PI ne permet un suivi
de cycle valide selon la tolérance WLTC : bien que le nombre de déviations soit compris
sous la limite de 10, le conducteur cause au moins une déviation de plus de 1 s pour
chaque réglage. Le PIM ean est celui qui permet le meilleur suivi de cycle, avec seulement
3 déviations contre 5 pour les autres réglages, et le temps cumulé hors tolérance le plus
faible, tOutT ol = 3.6 s. Seulement une des trois déviations est supérieure à une seconde,
à t = 1080 s, représentée Figure 3.35.
La référence BàR est représentée en noir, et les réglages PIT urbo , PIAtmo et PIM ean en
vert, magenta et bleu respectivement. La Figure 3.35(a) représente la vitesse véhicule
Vact pour chaque réglage, ainsi que les tolérances WLTC en pointillés. La Figure 3.35(b)
représente la position de la pédale d’accélérateur, et la Figure 3.35(c) le temps cumulé
hors tolérance tOutT ol au cours du cycle. Il peut être noté que les trois PI causent une
déviation au même moment t = 1080 s. Cette phase est caractérisée par trois montées de
rapport à t = 1071 s, t = 1076 s et t = 1078 s, qui peuvent être repérées par les lâchers
de pédale d’accélérateur. La perte de couple momentanée due au changement de rapport
impacte naturellement la vitesse véhicule, ce qui cause la déviation. Plus généralement,
on peut remarquer que le signal de pédale est proche pour les trois réglages, et similaire
à la référence humaine sur BàR. Pour la suite des résultats, le réglage choisi pour le PI
est le réglage PIM ean , sauf indication contraire.

3.3.3.2 Discussion
En premier lieu, il est important de souligner que la fonction de transfert FOPDT
est une estimation approximative de la dynamique d’un moteur à combustion interne.
Par conséquent, le comportement du conducteur optimisé en simulation ne correspondra
jamais exactement à ce qui est observé sur le banc. Il est certain qu’une représentation
plus précise de la dynamique de la réponse moteur lors de la phase de calibration (Sec-
tion 3.2.4.3) permettrait d’obtenir un réglage plus précis des gains KP et KI . Bien que
les cycles ne soient pas valides selon la tolérance WLTC, il peut toutefois être souli-
gné que la méthode de calibration détaillée Section 3.2.4.3 permet d’obtenir un réglage
satisfaisant du PI avant la mise au banc moteur, capable de réaliser un cycle WLTC
complet avec seulement 3 déviations sans nécessiter d’ajustement une fois au banc. De
plus, le comportement du conducteur semble réaliste, avec une position pédale proche
de la référence BàR et une valeur de F35 = 0.15 Hz du même ordre de grandeur que
la valeur de référence de 0.13 Hz. A titre de comparaison, on peut souligner une nette
amélioration de la performance du conducteur par rapport au PI réglé manuellement
lors de la Campagne 1, caractérisé par 11 déviations et un temps cumulé hors tolérance
de 44 s (Section 3.2.2).
Ensuite, un schéma d’optimisation plus complexe pourrait être mis en œuvre afin de
minimiser le temps de calcul et d’obtenir un réglage plus fin. Toutefois, on peut souligner
que la variation des paramètres du PI d’une résolution inférieure à 0.05 a peu d’impact
sur les performances du conducteur. L’approche discrète permet un réglage relativement
rapide dans cette résolution.
Pour finir, le modèle de conducteur développé dans cette thèse n’intègre pas la fonc-
tion de « feedfoward » que l’on trouve dans plusieurs références sur l’approche EiL.
Puisque la force résistive sur le véhicule est calculée par le modèle, elle peut être utili-
sée pour pré-positionner la pédale d’accélérateur en se basant sur une cartographie de

119
3 Développement de l’environnement de simulation

la puissance moteur. Le but du « feedforward » est de lisser les fluctuations de la pé-

dale et améliorer la qualité de suivi. Toutefois, l’intégration de cette fonctionnalité au
cours de cette thèse n’a pas abouti à une amélioration significative du suivi, au contraire.
Cette fonction nécessitant d’intégrer la cartographie du couple moteur dans le modèle de
conducteur, elle n’a pas été conservée pour la suite des travaux. Les limites de tolérance
WLTP pourraient également être intégrées au modèle du conducteur afin de minimiser le
nombre de déviations. Cependant, sur la base des performances satisfaisantes du modèle
de conducteur actuel, cela ne semble pas être une nécessité absolue, étant donné que ces
tolérances sont moins pertinentes lors des tests RDE, par exemple.

3.3.4 Impact de l’anticipation

Une fois les coefficients KP , KI fixés, les réglages d’anticipation jugés prometteurs
lors de la phase de calibration et indiqués en bleu dans le Tableau 3.5 sont testées au
banc moteur avec le réglage PIM ean , ainsi que le réglage PIAtmo pour comparaison. Les
profils considérés sont les profils suivants :

• n◦ 1 : C0 = 1, Ci>0 = 0

• n◦ 3 : C0 = 0.8, C1 = 0, C2 = 0.2, Ci>2 = 0

• n◦ 7 : C0 = 0.6, C1 = 0, C2 = 0.4, Ci>2 = 0

Les valeurs des indicateurs de performance sont rassemblés dans le Tableau 3.8. Tout
d’abord, les deux réglages d’anticipation permettent de réaliser un cycle valide et sans
aucune déviation, ceci pour les deux réglages de PI. De la même manière que la Figure
3.35, la Figure 3.36 illustre le suivi du PIM ean pour les trois réglages d’anticipation.
La référence BàR est représentée en noir ainsi que les essais EiL avec les réglages
d’anticipation n◦ 1 (i.e. pas d’anticipation, « No preview » en légende), 3 et 7 en bleu,
magenta et vert respectivement. La Figure 3.36(a) représente la vitesse réalisée pour
chaque essai ainsi que les tolérances WLTC en pointillés rouges. La Figure 3.36(b) re-
présente la position de la pédale d’accélérateur, et la Figure 3.36(c) le temps cumulé
hors tolérance tOutT ol au cours du cycle pour chaque essai. La phase d’accélération et
de montée de rapport entre t = 1071 et t = 1080 s est anticipée pour les réglages n◦ 3
et n◦ 7, et le conducteur reste dans les tolérances. De plus, le fort appui pédale constaté
pour le réglage n◦ 1 à t = 1080 s est adouci par l’introduction de l’anticipation. On peut
aussi remarquer dans le Tableau 3.8 que la valeur de l’écart moyen µV dif f diminue avec
l’anticipation pour le Profil n◦ 3, mais augmente avec le Profil n◦ 7.

3.3.4.1 Bilan énergétique

La Figure 3.37(a) illustre l’impact du profil d’anticipation sur le bilan énergétique
pour les réglages PIM ean et PIAtmo . Pour chaque réglage du PI, on compare l’énergie
totale à celle obtenue avec le Profil n◦ 1 sans anticipation. Sur la Figure 3.37(a), les écarts
relatifs par rapport à la référence ∆Etqi , ∆Etqe , ∆Emes , ∆Ereq et ∆Mcarb (noté fuel) sont
représentées par une barre, un rond, un losange, un carré et une étoile respectivement.
Les résultats du PIM ean sont représentés en rouge, et ceux du PIAtmo en bleu. Les profils
d’anticipation n◦ 3 et 7 sont précisés en abscisse.

120
 3.3 Résultats expérimentaux

Fig. 3.36 : Comparaison du suivi des 3 réglages d’anticipation pour le PIM ean .

Tableau 3.8 : Valeurs des indicateurs de suivi pour trois profils d’anticipation et pour
deux réglages du PI.
µV dif f tOutT ol Ndev tdev,M ax F35
Preview PI
[km/h] [s] [-] [s] [Hz]
Ref. BàR 0.41 0 0 0 0.13
PIM ean 0.49 3.6 3 1.62 0.15
Profil n◦ 1
PIAtmo 0.55 7.5 5 2.41 0.15
PIM ean 0.35 0.0 0 0 0.15
Profil n◦ 3
PIAtmo 0.35 0.0 0 0 0.14
PIM ean 0.72 0.0 0 0 0.17
Profil n◦ 7
PIAtmo 0.69 0.0 0 0 0.17

Tout d’abord, il est important de souligner que la distance totale parcourue varie
entre 22.903 km et 22.930 km sur les essais considérés, pour 23.170 km pour l’essai
sur BàR. La variation de distance maximale entre les essais au BM étant de 27 m,
l’observation des écarts des cumuls ramenés à la distance totale ne présente donc pas
d’intérêt par rapport aux écarts des cumuls. Ensuite, plusieurs remarques peuvent être
faites à partir de la Figure 3.37(a). Premièrement, l’introduction de l’anticipation de la
vitesse demandée entraîne une réduction de l’énergie totale, quel que soit l’indicateur

121
3 Développement de l’environnement de simulation

Fig. 3.37 : Impact du profil d’anticipation sur le bilan énergétique et les émissions
moteur pour les deux paramétrages de PI, par rapport au Profil n◦ 1 sans anticipation.

considéré. Cette observation peut être expliquée par le fait que l’anticipation a pour effet
d’adoucir les fortes variations de vitesse. L’écart relatif est toutefois faible, entre -0.4 et
-1.8% selon l’indicateur. La Figure 3.37(a) ne rend pas possible la comparaison entre
les deux PI pour un même profil d’anticipation. Toutefois, l’écart relatif maximal est de
0.6%, et il ne ressort pas de tendance de cette comparaison : selon l’indicateur choisi et
le profil considéré, le PIM ean peut présenter un bilan plus important ou plus faible que
le PIAtmo .

3.3.4.2 Emissions moteur

De manière similaire à la Figure 3.37(a), la Figure 3.37(b) illustre l’impact du profil
d’anticipation sur le cumul d’émissions de polluants en sortie moteur par rapport au
cas de référence sans anticipation. Pour chaque polluant pollu et chaque réglage du
conducteur, la Figure 3.37(b) représente l’écart relatif ∆Mpollu,mot (voir Section 2.5) par
rapport à l’essai de référence sans anticipation. Le résultat est indiqué pour les HC, NOx ,
CO ainsi que pour le CO2 par une barre, un losange, un rond et un carré respectivement.
Les résultats du PIM ean sont représentés en rouge, et ceux du PIAtmo en bleu. Les essais
considérés ont tous été réalisés à froid après une macération (voir Section 4.3.1).
En premier lieu, on peut souligner que l’impact de l’anticipation sur les émissions de
CO2 est négligeable. En effet, le plus important écart constaté entre les essais BM est
de -0.8%. Cette observation est cohérente avec le faible écart énergétique constaté, les
émissions de CO2 étant directement liées à la consommation d’énergie. Ensuite, l’intro-
duction de l’anticipation a pour effet de diminuer les émissions moteur de CO, NOx et
surtout de HC. L’impact sur les émissions de CO est plus important pour le Profil n◦ 7,
avec un écart de −5.2% et −5.0% pour le PIM ean et le PIAtmo respectivement, contre
−1.4% et −3.2% avec le Profil n◦ 3. De même, les émissions de NOx diminuent de 3.9%
et 3.5% pour le Profil n◦ 7 avec le PIM ean et le PIAtmo respectivement, contre 3.6% et
1.5% pour le Profil n◦ 3. L’écart le plus important est constaté pour les émissions de HC,

122
 3.3 Résultats expérimentaux

Fig. 3.38 : Comparaison des émissions de HC en sortie moteur sur une fraction du
WLTC au banc EiL pour trois réglages d’anticipation avec le PIM ean .

en particulier avec le PIM ean pour lequel l’impact est de l’ordre de 11%. Avec le PIAtmo ,
l’anticipation induit une réduction des émissions de HC de 1.9% et 4.2% pour les Profils
n◦ 3 et n◦ 7 respectivement.
Afin d’analyser plus précisément l’impact de l’anticipation sur les émissions de HC,
la Figure 3.38(a) représente le débit massique de HC mesuré en sortie moteur au cours
du cycle pour le PIM ean et les trois profils d’anticipations n◦ 1, 3 et 7 en bleu, magenta
et vert respectivement. Le code couleur est le même sur les 4 sous-figures. Pour les
Profils n◦ 1 et 3, la Figure 3.38(b) représente l’écart δHC,mot,ref (t) (voir Section 2.5) de
la masse cumulée de HC par rapport à la masse de l’essai de référence sans anticipation
(Profil n◦ 1). L’écart est exprimé relativement à la masse totale de l’essai de référence
MHC,mot,ref (tend ). La Figure 3.38(c) représente la richesse du mélange mesurée par l’ECU
pour les 3 profils, et la Figure 3.38(d) la position de la pédale d’accélérateur.
Sur la période représentée, on peut noter trois évènements qui soulignent l’impact de
l’anticipation, à t1 = 282 s, t2 = 286 s et t3 = 288 s. Ces trois évènements sont caracté-
risés par un débit massique de HC émis supérieur pour le Profil n◦ 1. A t1 , le conducteur
de référence (sans anticipation) commence à appuyer sur la pédale d’accélérateur plus
tard que les réglages n◦ 3 et n◦ 7, ce qui impacte la richesse du mélange. Les évènements
t2 et t3 sont marqués par un appui pédale plus fort de la part du conducteur n◦ 1, le
Profil n◦ 7 étant généralement le plus faible. Cet appui pédale se traduit par un pic du
débit massique de HC. En plus d’améliorer le suivi du conducteur, l’anticipation a donc
pour effet de lisser sa gestion de la pédale d’accélérateur, ce qui impacte de manière
significative la gestion de la richesse et les émissions de HC en sortie moteur. On peut
faire une observation similaire en ce qui concerne les émissions de CO.
De manière similaire à la Figure 3.38, la Figure 3.39(a) représente le débit massique
de CO mesuré en sortie moteur au cours du cycle pour le PIM ean et les trois profils
d’anticipations n◦ 1, 3 et 7 en bleu, magenta et vert respectivement. Pour les Profils
n◦ 1 et 3, la Figure 3.39(b) représente l’écart δCO,mot,ref (t) entre les masses cumulées de
CO par rapport à la masse de l’essai de référence sans anticipation (Profil n◦ 1). L’écart

123
3 Développement de l’environnement de simulation

Fig. 3.39 : Comparaison des émissions de CO en sortie moteur sur une fraction du
WLTC au banc EiL pour trois réglages d’anticipation avec le PIM ean .

est exprimé relativement à la masse totale de l’essai de référence MCO,mot,ref (tend ). La

Figure 3.39(c) représente la richesse du mélange mesurée par l’ECU pour les 3 profils, et
la Figure 3.39(d) la position de la pédale d’accélérateur. On repère en particulier à partir
t = 1112 s un pic du débit massique de CO dans le cas du Profil n◦ 1 sans anticipation. Ce
pic est précédé à t = 1111 s par un lâcher de la pédale d’accélérateur par le conducteur,
qui est lissé par l’introduction de l’anticipation. Ce lâcher de pied suivi d’une reprise
par le conducteur entraîne une fluctuation de la richesse du mélange, qui dépasse 1.1 à
t = 1112 s. Ce phénomène, combiné à un fort débit d’air, est à l’origine du pic d’émission
observé.

3.3.4.3 Emissions à l’échappement

Du fait de la phase d’initialisation de l’environnement de co-simulation détaillée dans
la Section 4.3.1, on observe une dispersion significative de la température initiale du sys-
tème de post-traitement lors des essais au banc EiL. De ce fait, il n’est pas pertinent de
comparer les émissions à l’échappement de tous les essais entre eux, car l’écart thermique
cause un biais significatif qui ne permet pas de distinguer l’impact du profil d’anticipa-
tion. On peut néanmoins comparer certains essais pour lesquels les conditions initiales
coïncident. Par exemple, la Figure 3.40 représente les émissions mesurées à l’échappe-
ment lors d’essais réalisés à froid avec les Profils n◦ 1 et n◦ 7 avec le PIM ean .
Les Figures 3.40(a) et (b) représentent la masse émise cumulée en sortie moteur (EO)
et à l’échappement (TP) respectivement. Les HC, le CO et les NOx sont représentés par
les cercles rouges, les losanges bleus et les carrés verts respectivement. Les résultats du
Profil n◦ 1 sont indiqués en pointillés noirs avec les marqueurs pleins, tandis que ceux
du Profil n◦ 7 sont tracés en traits pleins avec les marqueurs blancs. Avec le même code
couleur pour les polluants, les Figures 3.40(c) et (d) représentent l’écart massique relatif
δM entre les deux profils pour les émissions moteur et à l’échappement respectivement.
On trace l’écart massique généré par le Profil n◦ 7 par rapport au Profil n◦ 1, relativement

124
 3.3 Résultats expérimentaux

Fig. 3.40 : Impact du profil d’anticipation sur les émissions polluantes en sortie moteur
(EO) et à l’échappement (TP) au cours du WLTC par rapport au Profil n◦ 1. Essais
enchaînés à froid avec le PIM ean .

à la masse totale émise par le Profil n◦ 1.

En premier lieu, on peut souligner l’efficacité du système de post-traitement utilisé
lors des essais : les émissions mesurées à l’échappement représentent moins de 4% des
émissions moteur pour les trois polluants représentés. Comme déjà observé précédem-
ment, l’introduction de l’anticipation induit une baisse des émissions moteur, qui sont
inférieures dans le cas du Profil n◦ 7 par rapport au Profil n◦ 1, l’écart étant de 3.9%,
5.2% et 10.8% pour les NOx , le CO et les HC respectivement. La Figure 3.40(d) révèle
que cette tendance est retrouvée dans les émissions de HC et de NOx à l’échappement,
qui diminuent de 7.5% et 12.2% respectivement dans le cas du Profil n◦ 7. L’écart relatif
est par ailleurs plus important à l’échappement du fait du faible ordre de grandeur de la
masse totale émise. En revanche, on observe une tendance inverse concernant les émis-
sions de CO, qui augmentent de 20% dans le cas du Profil n◦ 7. La Figure 3.41 permet
d’analyser plus précisément l’impact du profil d’anticipation sur les émissions de CO à
l’échappement.
La Figure 3.41(a) représente le débit massique de CO (« MF » en légende) en sortie
moteur pour les Profils n◦ 1 et n◦ 7 en bleu et rouge respectivement. On indique en outre
en vert sur l’axe de droite (« Diff. » en légende) l’écart massique relatif induit par le
Profil n◦ 7 par rapport au Profil n◦ 1. La Figure 3.41(b) utilise le même code couleur pour
représenter les émissions de CO à l’échappement. Les Figures 3.41(c) et (d) représentent
avec le même code couleur pour les deux profils la position de de la pédale d’accélérateur
et la température mesurée dans le catalyseur T24M respectivement (voir Figure 2.2).
On indique en outre le rapport demandé par le cycle en pointillés sur l’axe de droite de
la Figure 3.41(c). Enfin, la Figure 3.41(e) représente la concentration de CO mesurée
à l’échappement (« CONC ») sur l’axe de gauche, et le débit d’air moteur ECUM AF en
pointillés sur l’axe de droite. La Figure 3.41(f) représente la richesse du mélange mesurée
par le contrôle moteur pour les deux essais.
Pendant la période représentée, l’écart massique relatif en sortie moteur oscille entre

125
3 Développement de l’environnement de simulation

Fig. 3.41 : Impact du profil d’anticipation sur les émissions de CO en sortie moteur
(EO) et à l’échappement (TP) au cours du WLTC par rapport au Profil n◦ 1. Essais
enchaînés à froid avec le PIM ean .

−5.2% et −5.0%, passant de −5.1% à −5.2%, i.e. le moteur émet très légèrement moins
de CO dans le cas du Profil n◦ 7. En revanche, l’écart massique relatif à l’échappement
augmente de 10% à 20%, ce qui signifie que ce profil génère des émissions de CO supé-
rieures en aval du post-traitement. Ces résultats suggèrent une efficacité de traitement
moindre dans le cas du Profil n◦ 7. Il semble peu probable que cet écart soit lié à une
température inférieure du catalyseur, la température interne étant de l’ordre de 700◦ C et
donc largement supérieure à sa température d’amorçage. La richesse du mélange est une
variable d’ordre 1 sur l’efficacité de traitement du catalyseur. Cependant, l’écart aug-
mente de manière monotone sur une longue période d’environ 50 s, et on ne distingue
pas d’écart significatif de la richesse pendant cette période. Ces résultats ne permettent
donc pas de conclure quant à la source de l’écart massique de CO généré à l’échappement
par l’introduction de l’anticipation de la vitesse de consigne.

3.3.4.4 Synthèse
L’anticipation de la vitesse demandée par le modèle de conducteur permet une amé-
lioration du suivi de cycle. Dans cette thèse, les profils d’anticipation jugés les plus
prometteurs vérifient tous Ci+1 ≤ Ci si Ci > 0. Cela correspond à ce que l’on pouvait
initialement prévoir, et à ce qui a été suggéré dans [62]. Enfin, les profils avec un aperçu
de plus de 3 s n’ont pas été sélectionnés : cela suggère que l’avantage de l’anticipation

126
 3.3 Résultats expérimentaux

n’est pas pertinent au delà de 3 secondes d’anticipation, du moins pour le cycle WLTC
considéré ici.
L’introduction de l’anticipation a généralement peu d’impact sur le bilan énergétique,
la variation étant de l’ordre de 2% sur les essais réalisés. Cette observation peut être
étendue aux émissions de CO2 , qui sont directement liées à la consommation d’énergie.
En revanche, l’anticipation peut avoir un impact significatif sur les émissions polluantes.
Sur les essais réalisés, le moteur émet moins de NOx , de CO et surtout de HC en intégrant
l’anticipation. L’impact est compris entre 1% et 5% sur le WLTC pour les émissions de
NOx et de CO, et peut atteindre 11% pour les HC. Cet écart s’explique principalement
par le fait que l’anticipation a pour effet de lisser le comportement du conducteur, et
par conséquent les fluctuations de la richesse du mélange. Concernant les émissions
de HC et de NOx , on observe la même tendance sur les émissions à l’échappement,
l’écart relatif étant de l’ordre de 10% du fait du faible ordre de grandeur des masses
mesurées. A l’inverse, les émissions de CO mesurées à l’échappement augmentent avec
l’introduction de l’anticipation, avec un impact de l’ordre de 20%. Cet écart se creuse
principalement dans la dernière phase de haute vitesse du WLTC, et ne semble être
du ni à un écart de thermique du catalyseur, ni à des fluctuations de la richesse. Une
analyse approfondie basée sur un nombre plus important d’essais permettrait de mieux
comprendre ce phénomène.

3.3.5 Répétabilité des essais

La répétabilité des essais est un point central de la méthode EiL et de ses avantages
par rapport aux méthodes d’essai conventionnelles. Au cours de la campagne d’essais,
on répète donc le cycle WLTC avec les mêmes paramètres du véhicule et le même pa-
ramétrage du conducteur, i.e. réglage PIM ean , profil de changement de rapport « Banc »
et profil d’anticipation n◦ 3. On peut par ailleurs comparer la dispersion des résultats
obtenus sur banc moteur à celle obtenue sur 4 essais réalisés au BàR. Pour rappel, tous
les essais sur BàR considérés dans cette thèse sont réalisés à froid dans les conditions
d’homologation.
Le Tableau 3.9 renseigne les valeurs des indicateurs de suivi pour 4 cycles WLTC
répétés à froid ainsi que 7 cycles répétés à chaud avec les mêmes paramètres des modèles
véhicule et conducteur sur le banc EiL. Les essais à chaud sont enchaînés sans aucun
conditionnement thermique entre deux cycles. Les essais sont numérotés selon le principe
utilisé lors de la campagne, i.e. dans l’ordre croissant, chaque centaine correspondant à
un nouveau jour d’essai. Les 4 cycles réalisés à froid au banc à rouleaux lors de la
campagne véhicule 3 (Tableau 2.7) sont aussi renseignés.
En premier lieu, on peut souligner que le comportement du modèle de conducteur
varie très peu sur les 4 cycles à froid. Le nombre de déviation Ndev est nul pour tous
les essais, et l’écart moyen µV dif f est compris entre 0.347 et 0.349 km/h. Sur les 4
essais considérés, l’écart-type entre les valeurs obtenues pour l’écart moyen µV dif f est de
σEiL,F = 0.0008 km/h. On peut faire la même observation sur les cycles chauds, l’écart
moyen variant entre 0.345 et 0.348 km/h, pour un écart-type de σEiL,C = 0.0010 km/h.
En considérant à la fois les essais chauds et froids, l’écart moyen µV dif f est compris entre
0.345 et 0.349 km/h, avec un écart-type de σEiL = 0.0012 km/h. Sur les 4 essais véhicule,
l’écart moyen varie entre 0.411 et 0.534 km/h, avec un écart-type de σBR,F = 0.0437
km/h. On peut donc conclure que la méthode EiL permet des essais plus répétables du

127
3 Développement de l’environnement de simulation

Tableau 3.9 : Valeurs des indicateurs de performance du modèle de conducteur sur le

banc EiL pour plusieurs cycles WLTC répétés à froid et à chaud, ainsi que pour 4 essais
au banc à rouleaux (véhicule EKB118).
µV dif f tOutT ol Ndev tdev,M ax F35
Banc Type d’essai Cycle
[km/h] [s] [-] [s] [Hz]
4601 0.347 0.0 0 0 0.15
4602 0.349 0.0 0 0.0 0.16
Froid 4701 0.347 0.0 0 0.6 0.15
4915 0.348 0.0 0 0.6 0.15
4203 0.346 0.0 0 0 0.15
4207 0.347 0.0 0 0.0 0.15
EiL
4302 0.348 0.0 0 0.6 0.13
Chaud 4306 0.347 0.0 0 0.6 0.15
4310 0.345 0.0 0 0.6 0.15
4512 0.346 0.0 0 0.6 0.15
4914 0.345 0.0 0 0.6 0.15
20/08/20 0.411 0.0 0 0 0.13
29/07/20 0.475 0.0 0 0.0 0.11
BàR Froid
30/07/20 0.534 0.0 0 0.6 0.11
14/08/20 0.483 0.0 0 0.6 0.11

point de vue du suivi de cycle que les essais conventionnels.

3.3.5.1 Bilan énergétique et émissions moteur

Pour chaque cycle froid du Tableau 3.9, la Figure 3.42(a) représente les écarts relatifs
∆Etqi , ∆Etqe , ∆Emes , ∆Ereq et ∆Mcarb (Section 2.5) par rapport à la valeur moyenne
obtenue pour chaque indicateur sur les essais considérés par une barre, un rond, un
losange, un carré et une étoile respectivement. Du fait de la faible dispersion du suivi
du conducteur, les résultats sont similaires aux écarts relatifs des cumuls ramenés à la
distance parcourue.
Sur les essais EiL à froid, l’écart énergétique est compris entre −0.25% et 0.27% en
considérant l’indicateur ∆Mcarb . Les autres indicateurs énergétiques sont moins disper-
sés, l’écart à la moyenne étant compris entre -0.15% et 0.14% tous indicateurs confondus.
La dispersion est encore plus faible en considérant uniquement les indicateurs ∆Emes et
∆Ereq , l’écart étant compris entre −0.11% et 0.08%. L’écart-type relatif (i.e. ramené à
la valeur moyenne) est compris entre 0.03% et 0.11% pour les indicateurs énergétiques
Etqi , Etqe , Ereq et Emes , et est de 0.07% pour la masse de carburant Mcarb . Ensuite, pour
chaque polluant pollu mesuré en sortie moteur et chaque cycle froid, la Figure 3.42(b)
représente l’écart relatif ∆Mpollu,mot (Section 2.5) par rapport à la masse moyenne ob-
tenue sur les essais considérés. Le résultat est indiqué pour les HC, NOx , CO et CO2
par une barre, un losange, un rond et un carré respectivement. Plusieurs observations
peuvent être faites à propos des émissions polluantes. Tout d’abord, l’écart ∆MCO2 ,mot
est compris entre −0.22% et 0.12%, ce qui est cohérent avec les observations concer-
nant le bilan énergétique. L’écart ∆MN Ox ,mot varie entre −0.10% et 0.15%, et l’écart
∆MCO,mot entre −0.27% et 0.46%. Enfin, les émissions de HC sont les plus dispersées,

128
 3.3 Résultats expérimentaux

Fig. 3.42 : Dispersion relative à la valeur moyenne du bilan énergétique et des émissions
en sortie moteur sur 4 cycles WLTC réalisés à froid au banc moteur EiL.

l’écart ∆MHC,mot étant compris entre −0.93% et 1.26%.

Fig. 3.43 : Comparaison des émissions de HC en sortie moteur au cours du cycle WLTC
entre 4 essais EiL froids de paramétrage identique.

La Figure 3.43 représente l’évolution des émissions de HC au cours d’une fraction

du WLTC pour les 4 essais réalisés à froid sur le banc EiL. La Figure 3.43(a) représente
le débit massique de HC au cours du temps pour les essais 4601, 4602, 4701 et 4915
en rouge, noir, bleu et vert respectivement. La Figure 3.43(b) représente l’écart relatif
δMHC,mot de la masse cumulée de HC par rapport à l’essai de référence. Ici, l’essai 4602
(en noir) est choisi comme référence, étant l’essai le plus proche de la valeur moyenne
(Figure 3.42). La Figure 3.43(c) représente la richesse mesurée par le contrôle moteur,

129
3 Développement de l’environnement de simulation

et la Figure 3.43(d) la position de la pédale d’accélérateur en trait plein sur l’axe de

gauche, et le rapport engagé en pointillés sur l’axe de droite.
On peut identifier plusieurs instants pendant lesquels le débit de HC diffère entre les
essais, caractérisés par une position de la pédale d’accélérateur très légèrement différente.
Cet écart de comportement du modèle de conducteur est probablement dû à une réponse
moteur différente dans cette phase de changement de rapport. De la même manière que
la Figure 3.42, la Figure 3.44(a) représente la dispersion du bilan énergétique pour les
essais réalisés à chaud au banc EiL, par rapport à la valeur moyenne obtenue. La Figure
3.44(b) représente la dispersion des émissions moteur pour les mêmes essais.
Sur les essais à chaud, l’écart énergétique varie entre −0.76% et 0.70%, selon l’essai et
l’indicateur choisi. La dispersion est plus faible en considérant uniquement les indicateurs
∆Emes et ∆Ereq , l’écart étant compris entre −0.08% et 0.05%. Plusieurs observations
peuvent être faites à propos des émissions moteur. Tout d’abord, l’écart ∆MCO2 ,mot est
compris entre −0.78% et 0.50%, ce qui est cohérent avec les observations sur le bilan
énergétique. L’écart ∆MN Ox ,mot varie entre −1.04% et 0.75%, et l’écart ∆MCO,mot entre
−0.83% et 1.11%. Ensuite, l’observation faite sur les essais à froid peut être étendue
aux essais à chaud : les émissions de HC sont les plus dispersées, l’écart ∆MHC,mot étant
compris entre −2.3% et 1.6%.

Fig. 3.44 : Dispersion par rapport à la valeur moyenne du bilan énergétique et des
émissions en sortie moteur sur 7 cycles WLTC réalisés à chaud au banc moteur EiL.

Enfin, afin de comparer la dispersion de la méthode EiL aux essais conventionnels

sur banc à rouleaux, la Figure 3.45 illustre la dispersion sur les 4 cycles WLTC réalisés à
froid au BàR sur le même véhicule et indiqués dans le Tableau 3.9. En utilisant la même
représentation que la Figure 3.42(a), la Figure 3.45(a) représente la dispersion du bilan
énergétique pour les essais réalisés à froid au banc BàR, par rapport à la valeur moyenne
sur ces essais. La Figure 3.45(b) représente la dispersion des émissions en sortie moteur
pour les mêmes essais, de manière similaire à la Figure 3.42(b). Sur les essais véhicules,
l’écart énergétique est compris entre −1.42% et 1.55%, selon l’essai et l’indicateur choisi.
L’écart ∆MCO2 ,mot est compris entre −0.52% et 0.31%, plus faible que l’écart observé sur

130
 3.3 Résultats expérimentaux

le bilan énergétique. L’écart ∆MN Ox ,mot varie entre −1.30% et 2.20%, l’écart ∆MCO,mot
entre −0.34% et 0.61%, et l’écart ∆MHC,mot entre −1.91% et 2.73%.

Fig. 3.45 : Dispersion par rapport à la valeur moyenne du bilan énergétique et des
émissions en sortie moteur sur 4 cycles WLTC réalisés à froid au banc à rouleaux.

Fig. 3.46 : Comparaison de l’écart-type relatif obtenu entre 4 essais BàR à froid, 4
essais EiL à froid et 7 essais EiL à chaud.

Pour donner une vision d’ensemble, la Figure 3.46(a) compare la dispersion entre
les essais considérés pour le BàR, le banc EiL à froid et le banc EiL à chaud pour les
variables du bilan énergétique Etqi , Etqe , Emes et Ereq . L’écart-type relatif obtenu sur
les essais BàR est représenté par une barre grise pour chaque indicateur, celui obtenu
sur les essais EiL à froid en bleu, et à chaud en rouge. De la même manière, la Figure
3.46(b) compare l’écart-type obtenu sur les deux moyens d’essai pour chaque polluant,
relativement à la valeur moyenne obtenue pour chaque moyen d’essai. Concernant le

131
3 Développement de l’environnement de simulation

bilan énergétique, les essais sur BàR sont significativement plus dispersés que les essais
EiL, bien que l’écart-type relatif soit compris entre 0.40% et 0.75%. Les essais réalisés
à chaud sur le banc EiL sont généralement plus dispersés que les essais à froid, mais
l’écart-type obtenu sur ces essais est plus faible que sur les essais BàR. Concernant les
émissions moteur, le banc EiL est aussi moins dispersé, en particulier pour les NOx . Les
essais à chaud sont caractérisés par un écart-type plus important que les essais à froid,
et même que les essais BàR pour le CO et le CO2 .

3.3.5.2 Emissions à l’échappement

Comme souligné dans la Section 2.5, le système de post-traitement utilisé lors des
essais EiL de la campagne 4 est neuf, tandis que celui utilisé lors des essais sur BàR
correspond à un niveau de vieillissement d’usage « normal ». La comparaison des masses
émises à l’échappement (en aval du post-traitement) n’est donc pas pertinente. On peut
néanmoins comparer la dispersion des émissions à l’échappement sur les deux moyens
d’essais. La thermique du système de post-traitement jouant un rôle prépondérant dans
son efficacité de traitement, on ne considère dans cette section que les essais réalisés à
froid au banc moteur. La Figure 3.47 compare la dispersion obtenue sur les 4 essais BàR
et les 4 essais EiL à froid. Pour chaque polluant, la Figure 3.47(a) représente par une
barre l’écart-type absolu obtenu sur les essais BàR en gris, et sur les essais EiL en bleu.
Avec le même code couleur, la Figure 3.47(b) représente l’écart-type relatif ramené à la
masse moyenne pour chaque polluant et chaque moyen d’essai.

Fig. 3.47 : Comparaison de l’écart-type obtenu sur les émissions à l’échappement entre
4 essais BàR et 4 essais EiL à froid.

Contrairement aux émissions mesurées en sortie moteur, la dispersion relative à la

moyenne est supérieure sur les essais EiL par rapport aux essais BàR pour les émissions
de HC et de CO, avec un écart-type relatif de 9.3% et 12.5% contre 4.2% et 4.5%
respectivement. Cependant, on peut rappeler ici que le catalyseur utilisé lors des essais
EiL est significativement plus efficace que celui des essais BàR du fait d’un stade de
vieillissement différent. De ce fait, la masse totale mesurée à l’échappement de HC,

132
 3.3 Résultats expérimentaux

CO, NOx sur le banc EiL représente respectivement 16.4%, 5.9% et 21.7% de la masse
mesurée au banc à rouleaux. Devant le faible ordre de grandeur des masses considérées,
il semble donc plus pertinent d’analyser l’écart-type absolu. La Figure 3.47(a) révèle que
la dispersion est plus faible sur le banc EiL par rapport au BàR, avec un écart-type de
20.2 mg, 128 mg et 5.5 mg pour les HC, NOx et CO respectivement, contre 56.2 mg, 783
mg et 85.6 mg. On peut donc en conclure que l’environnement EiL permet des essais
plus répétables que le BàR du point de vue des émissions à l’échappement.

3.3.5.3 Synthèse
Les résultats ci-dessus permettent de tirer plusieurs conclusions quant à la répétabi-
lité du banc EiL.

• Le comportement du conducteur virtuel varie très peu entre deux essais, avec un
écart-type pour l’écart de vitesse moyen µVdif f de 0.0012 km/h sur les 11 essais
considérés. L’écart-type obtenu avec le conducteur humain sur les 4 essais BàR est
de 0.044 km/h.

• Le bilan énergétique est lui aussi moins dispersé sur banc EiL que sur BàR. Sur
les 5 essais à froid au banc EiL, l’écart à la moyenne est compris entre -0.24% et
0.27% selon l’indicateur, contre -1.42% et 1.55% pour les essais BàR.

• Les résultats obtenus pour les émissions de CO2 sont légèrement moins dispersés
sur banc EiL que sur BàR. Sur les essais à froid, on constate un écart-type relatif
de 0.13% pour les émissions de CO2 au banbc EiL, contre 0.31% sur BàR. Cette
remarque peut être étendue aux émissions de CO en sortie moteur, avec un écart-
type de 0.27% contre 0.44%.

• Les essais enchaînés à chaud sur banc EiL affichent une dispersion significativement
plus importante que les essais à froid, avec un écart-type relatif de 0.40% pour les
émissions de CO2 par exemple. L’écart-type relatif obtenu sur les émissions de CO
en sortie moteur pour les 7 essais considérés est supérieur à l’écart-type obtenu
pour les 4 essais BàR à froid, valant 0.68% contre 0.44%. Cette dispersion est pro-
bablement due au fait qu’aucun conditionnement thermique n’est effectué entre
les cycles à chauds, qui peuvent être enchaînés automatiquement ou manuellement
selon le contexte. On observe donc une dispersion conséquente des conditions ther-
miques initiales, détaillée dans la Section 4.3.1.

• On constate une différence nette entre le banc EiL et le BàR dans la dispersion
des émissions de NOx en sortie moteur, avec un écart-type relatif de 0.1% et 0.6%
sur les essais EiL à froid et à chaud respectivement. Le BàR est caractérisé par
une dispersion plus importante, avec un écart-type relatif de 1.3%.

• Les émissions de HC en sortie moteur sont caractérisés par la dispersion la plus

importante sur les deux moyens d’essai. En effet, l’écart-type relatif est de 0.8%
sur les essais EiL à froid, contre 1.7% sur BàR. Sur les essais EiL réalisés à chaud,
la dispersion est significative avec un écart-type relatif de 1.4%.

• Enfin, les émissions à l’échappement de HC et CO mesurées sur les essais EiL

à froid semblent à première vue plus dispersées que les émissions mesurées sur

133
3 Développement de l’environnement de simulation

BàR, avec un écart-type relatif de 9.3% et 12.5% contre 4.2% et 4.5% respective-
ment. Cependant, l’efficacité supérieure du post-traitement utilisé lors des essais
EiL induit une réduction des masses mesurées par rapport au BàR d’un facteur
supérieur à 5. L’analyse de la dispersion absolue permet de conclure que les émis-
sions à l’échappement sont moins dispersées sur banc EiL que sur BàR, avec un
écart-type de 20.2 mg, 128 mg et 5.5 mg pour les HC, NOx et CO respectivement,
contre 56.2 mg, 783 mg et 85.6 mg sur BàR.

3.3.6 Représentativité des essais

Un des axes principaux de cette thèse réside dans la représentativité du banc EiL par
rapport aux essais conventionnels sur véhicules, du point de vue du bilan énergétique
ainsi que des émissions polluantes. Les essais réalisés à froid lors de la Campagne 4
(Tableau 3.9) permettent de comparer le bilan énergétique et les masses émises en sortie
moteur sur le cycle WLTC, en utilisant le même moteur et les mêmes caractéristiques
véhicule. Comme souligné dans la Section 2.5, la ligne d’échappement placée sur le banc
moteur ne correspondant pas à celle utilisée lors des essais sur BàR, la comparaison des
émissions à l’échappement n’est pas pertinente.

Fig. 3.48 : Comparaison du bilan énergétique entre 4 essais réalisés à froid au banc
EiL, et 4 essais réalisés à froid au BàR. Les barres d’erreur représentent l’écart-type sur
les essais considérés pour chaque indicateur.

3.3.6.1 Bilan énergétique

La Figure 3.48 compare le bilan énergétique des 4 essais réalisés à froid au banc
EiL avec les 4 essais de référence réalisés au BàR. La Figure 3.48(a) représente l’énergie
totale exprimée par les 4 méthodes mentionnées précédemment Etqi , Etqe , Emes et Ereq
sur l’axe de gauche (tqi, tqe, mes et req en légende respectivement) ainsi que la masse
de carburant consommé Mcarb sur l’axe de droite (fuel en légende). Les essais réalisés au
BàR sont représentés en bleu, et les résultats obtenus sur le banc EiL en rouge. Pour

134
 3.3 Résultats expérimentaux

chaque moyen d’essai et pour chaque indicateur, on représente la valeur moyenne sur les
essais considérés par une barre. Une barre d’erreur tracée en noir représente l’écart-type
obtenu sur les essais considérés. Pour une meilleure lisibilité, la valeur minimale des axes
verticaux n’est pas nulle.
En premier lieu, on peut souligner que les conclusions établies plus haut quant à la
répétabilité des deux moyens d’essais sont illustrées sur la Figure 3.48(a) : la dispersion
représentée par les barres d’erreurs est généralement plus large pour les essais BàR que
pour les essais au banc EiL. Pour les mêmes indicateurs, la Figure 3.48 (b) représente
l’écart relatif entre les résultats obtenus sur banc EiL et sur BàR. La valeur moyenne
de l’écart est représentée par une barre, et son écart-type est représenté par une barre
d’incertitude qui représente la dispersion des deux moyens d’essai. Il est intéressant de
souligner que l’indicateur ∆Mcarb (« fuel » en légende) est le seul pour lequel le banc
EiL est inférieur au BàR, l’écart moyen étant de −1.08%. Cette observation signifie
que le moteur consomme légèrement moins de carburant sur le banc EiL. Toutefois, cet
indicateur est aussi caractérisé par l’écart-type entre les essais le plus important, avec
une valeur de 1.09%. La valeur moyenne des autres indicateurs ∆Etqi , ∆Etqe , ∆Emes
et ∆Ereq est positive, ce qui suggère que le banc EiL impose une production d’énergie
mécanique supérieure par rapport au banc à rouleaux sur le même cycle WLTC. L’écart
moyen est de 0.41%, 4.98%, 1.48% et 2.29% pour les indicateurs ∆Etqi , ∆Etqe , ∆Emes
et ∆Ereq respectivement, avec un écart-type de 0.77%, 0.65%, 0.64% et 0.42% sur les
essais considérés. Comme développé Section 2.5, il est important de rappeler que la
comparaison du bilan énergétique est basée sur des variables calculées par le contrôle
moteur (Etqi , Etqe et Mcarb ), ou estimées à partir de mesures d’origines différentes sur les
deux moyens d’essais (∆Etqe et ∆Emes ). La Figure 3.49 permet d’observer l’évolution de
l’écart entre banc EiL (essai 4601) et BàR (essai du 20/08/20) sur la deuxième moitié
du WLTC.

Fig. 3.49 : Comparaison entre BàR (essai 4601) et banc EiL (20/08/20) sur le cycle
WLTC.

La Figure 3.49(a) représente l’évolution de l’énergie cumulée au cours du temps.

On trace les variables Etqi et Etqe en bleu et rouge respectivement, avec les marqueurs

135
3 Développement de l’environnement de simulation

rond et losange respectivement. Les résultats du BàR sont tracés en pointillés avec des
marqueurs de couleur, tandis que les résultats du banc EiL sont en trait plein avec
des marqueurs blancs. Avec le même système de notation, la Figure 3.49(b) représente
l’évolution des indicateurs Emes et Ereq en vert et magenta respectivement, avec les indi-
cateurs carré et étoile. En gardant le même code graphique, la Figure 3.49(c) représente
pour chaque indicateur l’évolution de l’écart énergétique δE entre banc EiL et référence
BàR relativement à l’énergie totale de l’essai BàR. Enfin, la Figure 3.49(d) représente
la vitesse véhicule. L’essai BàR est tracé en noir, et l’essai au banc EiL en rouge.
En premier lieu, on peut noter que les écarts δEmes et δEreq varient de manière quasi-
linéaire au long du cycle. Les écarts δEtqi et δEtqe suivent une augmentation similaire
jusqu’à t = 1500 s environ. Ensuite, l’évolution reste quasi-linéaire mais avec un coeffi-
cient plus important, passant de −0.43% à 1.62% et de 2.42% à 6.10% respectivement.
Cette dernière phase coïncide avec la période de haute vitesse du WLTC, la vitesse
véhicule étant supérieure à 100 km/h entre t = 1560 s et t = 1740 s.
De la même manière que la Figure 3.49, la Figure 3.50 représente la dernière phase
du WLTC. On ajoute en outre la vitesse demandée Vdem en bleu, et les tolérance de
vitesse WLTP en pointillés sur la Figure 3.50(d). On observe que pendant cette phase,
la vitesse véhicule calculée sur le banc EiL est légèrement supérieure à la vitesse véhicule
sur BàR. La vitesse réalisée par le modèle conducteur est pratiquement confondue avec
la vitesse demandée, tandis que le conducteur humain semble viser légèrement sous la
consigne, tout en restant dans les tolérances. L’écart moyen est de 0.31 km/h sur la
dernière phase, et peut expliquer l’excès de consommation d’énergie constaté.

Fig. 3.50 : Comparaison entre BàR (essai 4601) et banc EiL (20/08/20) sur la dernière
phase du WLTC.

3.3.6.2 Emissions en sortie moteur

La Figure 3.51 compare les émissions en sortie moteur des 4 essais réalisés à froid
au BM avec les 4 essais de référence réalisés au BàR. La Figure 3.51(a) représente la
masse totale émise pour les polluants HC, CO, NOx sur l’axe de gauche, et pour le CO2

136
 3.3 Résultats expérimentaux

sur l’axe de droite. De manière similaire à la Figure 3.48, les essais réalisés au BàR sont
représentés en bleu, et les résultats obtenus sur le banc EiL en rouge. Pour chaque moyen
d’essai et pour chaque polluant, on représente la valeur moyenne sur les essais considérés
par une barre. La barre d’erreur tracée en noir représente l’écart-type entre les essais.
Pour une meilleure lisibilité, la valeur minimale des axes verticaux n’est pas nulle. La
Figure 3.51(b) représente l’écart relatif entre les masses totales mesurées sur banc EiL
et sur BàR pour chaque polluant. La valeur moyenne de l’écart est représentée par une
barre, et son écart-type est représenté par une barre d’incertitude.
Tout comme le bilan énergétique, les conclusions établies plus haut concernant la
répétabilité des deux moyens d’essais sont illustrées sur la Figure 3.48(a) : la dispersion
représentée par les barres d’erreurs est généralement plus large pour les essais BàR que
pour les essais au banc EiL. Ensuite, le CO est le polluant pour lequel l’écart par rapport
à la référence BàR est le plus faible. En effet, la masse totale moyenne émise en sortie
moteur est supérieure de 0.055% à la moyenne sur BàR, avec un écart-type de 0.52%.
La masse de NOx émise en sortie moteur est supérieure à la référence BàR, avec un
écart moyen de ∆MN Ox ,mot = 3.0%. On peut ajouter que l’écart-type de ∆MN Ox ,mot sur
les essais considérés est de 1.36%. En outre, le moteur émet légèrement moins de CO2
sur banc EiL que sur BàR, l’écart moyen étant de −1.46%. Cette observation semble
cohérente avec l’écart constaté pour la masse de carburant consommé Mcarb . L’écart-type
entre les essais est de 0.33%, ce qui en fait le gaz pour laquelle la dispersion est la plus
faible. L’écart le plus important par rapport à la référence BàR est obtenu pour les HC,
avec un écart moyen de −5.50%. On peut souligner que les HC sont aussi caractérisés
par la dispersion la plus importante, avec un écart-type pour ∆MHC,mot de 1.77%.

Fig. 3.51 : Comparaison des émissions en sortie moteur entre 4 essais réalisés à froid au
banc EiL, et 4 essais réalisés à froid au BàR. Les barres d’erreur indiquent l’écart-type
pour chaque polluant.

La Figure 3.52 représente l’évolution des émissions de polluants pour l’essai EiL
4601 et l’essai BàR du 20/08/20 au cours du cycle WLTC complet. La Figure 3.52(a)
représente les masses cumulées MHC,mot (t) et MCO,mot (t) en rouge et bleu, et avec les
marqueurs rond et losange respectivement. L’essai EiL est représenté en trait plein avec

137
3 Développement de l’environnement de simulation

Fig. 3.52 : Evolution des émissions en sortie moteur au banc EiL (4601) et au BàR
(20/08/20) au cours du cycle WLTC complet.

les marqueurs blancs, tandis que l’essai BàR est représenté en pointillés noir avec les
marqueurs colorés. De la même manière, la Figure 3.52(b) représente l’évolution de la
masse cumulée MN Ox ,mot (t) sur l’axe de gauche et de la masse cumulée MCO2 ,mot (t)
sur l’axe de droite, en vert et magenta respectivement, et avec les marqueurs carré et
étoile respectivement. Avec le même code couleur pour les polluants, la Figure 3.52(c)
représente l’évolution de l’écart relatif δMpollu,mot entre les masses cumulées sur banc
EiL et sur BàR, ramené à la masse totale sur BàR. Enfin, la Figure 3.52(d) représente
la vitesse véhicule au cours du cycle en rouge pour l’essai EiL, et en noir pour l’essai
BàR. En premier lieu, on peut souligner que malgré les écarts constatés entre les masses
totales, l’évolution globale de la masse cumulée mesurée sur banc EiL est similaire à
celle mesurée sur BàR pour les 4 polluants considérés. En analysant la Figure 3.52(c),
on repère toutefois plusieurs phases pendant lesquelles l’écart se creuse particulièrement.
Tout d’abord, on peut remarquer que l’écart δMCO2,mot est négatif pendant la totalité
du cycle. L’écart augmente en valeur absolue tout au long du cycle, jusqu’à changer de
tendance à t = 1100 s environ, puis se rapproche de zéro à partir de t = 1500 s. Cette
observation suggère que le moteur émet moins de CO2 sur le banc EiL que sur le BàR
pendant tout le cycle, jusqu’à la dernière phase de haute vitesse pendant laquelle les
émissions au banc EiL sont supérieures. Afin d’analyser plus précisément cet écart, la
Figure 3.53 représente l’évolution des émissions de CO2 pour le BàR (essai du 20/08/20)
et le banc EiL (essai 4601) sur une fraction du WLTC.
La Figure 3.53(a) représente le débit massique de CO2 mesuré en sortie moteur
au cours du temps sur le banc EiL en rouge, et sur le BàR en noir. La Figure 3.53(b)
représente l’écart relatif entre la masse cumulée MCO2,mot (t) sur les deux moyens d’essais,
relativement à la masse totale MCO2,mot,BaR (tend ) mesurée au BàR. La Figure 3.53(c)
trace la puissance moteur indiquée Ptqi calculée avec la variable du contrôle moteur
ECUEstiT qi pour le banc EiL et le BàR en rouge et noir respectivement. Avec le même
code couleur, la Figure 3.53(d) représente la vitesse véhicule pour les deux moyens
d’essais, ainsi que les tolérances WLTP en vert. Sur la période de 85 s représentée, l’écart

138
 3.3 Résultats expérimentaux

Fig. 3.53 : Comparaison des émissions de CO2 en sortie moteur sur banc EiL (essai
4601) et sur BàR (20/08/20) sur la deuxième moitié du WLTC.

relatif δMCO2,mot augmente de −1.74% à −0.61%. De manière similaire à l’observation

faite pour le bilan énergétique, on peut souligner que la vitesse véhicule est supérieure
sur le banc EiL par rapport au BàR pendant cette période, ce qui se reflète dans la
puissance moteur, en particulier à t = 1650 s. Cet instant est aussi caractérisé par un
pic dans l’augmentation de δMCO2,mot . Compte tenu du comportement sur le reste du
cycle, on peut donc supposer que l’écart constaté est du à une vitesse véhicule supérieure
sur le banc EiL pendant la dernière portion du cycle.

Fig. 3.54 : Comparaison des émissions de HC en sortie moteur sur banc EiL (essai
4601) et sur BàR (20/08/20) sur la deuxième moitié du WLTC.

La Figure 3.54 représente l’évolution des émissions de HC pour le BàR (essai du

20/08/20) et le banc EiL (essai 4601) pour une fraction du WLTC. La Figure 3.54(a)

139
3 Développement de l’environnement de simulation

représente le débit massique de HC mesuré en sortie moteur au cours du temps sur le

banc EiL en rouge, et sur le BàR en noir. La Figure 3.54(b) représente l’écart relatif
δMHC,mot (t) entre la masse cumulée MHC,mot (t) sur les deux moyens d’essais, relative-
ment à la masse totale MHC,mot,BaR (tend ) mesurée au BàR. La Figure 3.54(c) trace la
richesse mesurée par le contrôle moteur pour le banc EiL et le BàR en rouge et noir res-
pectivement. Avec le même code couleur, la Figure 3.54(d) représente la position de la
pédale d’accélérateur sur l’axe de gauche, et le rapport engagé en pointillés sur l’axe de
droite pour les deux moyens d’essais. Au cours des 40 s représentées, l’écart δMHC,mot (t)
augmente en valeur absolue, de −2.53% à −3.08%, i.e. le moteur émet moins de HC au
cours de cette période sur le banc EiL que sur le BàR. On repère plusieurs pics de débit
de HC sur BàR qui sont atténués sur banc EiL, à t = 829 s, t = 835 s et t = 848 s par
exemple. Ces deux premiers pics coïncident avec de forts appuis pédale par le conduc-
teur humain, qui n’apparaissent pas dans le cas du conducteur virtuel. Cette remarque
ne s’applique pas au troisième pic à t = 848 s. Cependant, on remarque tout de même
une variation franche du signal de pédale par le conducteur humain. Ces fluctuations de
la pédale d’accélérateur impactent la richesse du mélange, qui diminue ponctuellement.
Outre la hausse du débit d’air du fait d’un fort appui pédale, les fortes fluctuations de
la pédale d’accélérateur affectent donc la qualité de la combustion. Le comportement
du conducteur virtuel, plus calme que le conducteur réel, semble donc être à l’origine de
l’écart constaté concernant les émissions de HC.

Fig. 3.55 : Comparaison des émissions de NOx en sortie moteur sur banc EiL (essai
4601) et sur BàR (20/08/20) sur la deuxième moitié du WLTC.

La Figure 3.55 représente l’évolution des émissions de NOx en sortie moteur pour
le BàR (essai du 20/08/20) et le banc EiL (essai 4601) sur une fraction du WLTC. La
Figure 3.55(a) représente le débit massique de NOx mesuré en sortie moteur au cours du
temps sur le banc EiL en rouge, et sur le BàR en noir. La Figure 3.55(b) représente l’écart
relatif δMN Ox,mot (t) entre la masse cumulée MN Ox,mot (t) sur les deux moyens d’essais,
relativement à la masse totale MN Ox,mot,BaR (tend ) mesurée au BàR. La Figure 3.55(c)
trace la concentration en NOx mesurée en sortie moteur par la baie en trait plein sur l’axe
de gauche (« CONC »), ainsi que le débit d’air estimé par le contrôle moteur ECUM AF en

140
 3.3 Résultats expérimentaux

pointillés sur l’axe de droite (« MAF »). L’essai EiL et le BàR sont représentés en rouge et
noir respectivement. Avec le même code couleur, la Figure 3.55(d) représente la position
de la pédale d’accélérateur sur l’axe de gauche, et le rapport engagé en pointillés sur l’axe
de droite pour les deux moyens d’essais. Comme souligné plus haut, la Figure 3.52 suggère
que l’écart relatif δMN Ox,mot (t) entre les deux moyens d’essais augmente principalement
lors de la dernière phase du WLTC, à partir de t = 1500 s. Au cours de la portion de 75 s
de cette phase représentée sur la Figure 3.55, l’écart augmente de manière continue de
3.1% à 4.4%. Les NOx se formant principalement pour une température de combustion
élevée, on pourrait s’attendre à ce que la température ECUM AT soit supérieure sur le
banc EiL par rapport au BàR. Au contraire, la température est inférieure d’environ 5◦ C
pendant la période représentée, et plus généralement pendant tout le cycle. Cependant,
on peut toutefois rappeler l’observation faite au sujet de la Figure 3.53 : la vitesse
véhicule calculée par le modèle est supérieure à la vitesse véhicule atteinte sur le BàR
au cours de la dernière phase du WLTC. Cet écart se traduit par un appui pédale plus
important, et peut donc expliquer l’excès de NOx émis au banc EiL.

3.3.6.3 Impact du temps de transfert

Comme détaillé en Section 2.5.3, on réalise une synchronisation manuelle de la
concentration de chaque polluant avec le débit d’air moteur ECUM AF afin de prendre
en compte le temps de transfert propre au banc utilisé et à chaque polluant.

Fig. 3.56 : Dispersion du temps de transfert estimé pour chaque polluant en sortie
moteur sur 4 cycles WLTC.

Dans cette thèse, le recalage est réalisé sur plusieurs cycles WLTC. Sur les différents
lâchers de pédale considérés, on observe une dispersion du temps de transfert pour chaque
polluant. En effet, l’identification des évènements « début du lâcher de pied » et « chute
ou augmentation de la concentration [pollu] » est laissée à l’appréciation humaine. De
plus, bien que le temps d’analyse de la baie puisse être considéré constant [117], le
temps de transfert entre le point de prélèvement en sortie moteur et la baie d’analyse

141
3 Développement de l’environnement de simulation

est dépendant des conditions de fonctionnement du moteur. Considérer un temps de

transfert constant tout au long d’un cycle est donc une approximation, et peut conduire
à une mauvaise synchronisation sur certaines phases du cycle.

Emissions moteur : La Figure 3.56 représente pour chaque polluant les estimations
du temps de transfert pour le point de prélèvement en sortie moteur en considérant 4
cycles WLTC, et 4 évènements par cycle. La valeur moyenne est représentée par une
barre pour chaque polluant indiqué en abscisse, ainsi que l’écart-type par une barre
d’incertitude. Les valeurs obtenues sur les 4 cycles considérés sont représentés par les
marqueurs blancs. On obtient un temps de transfert de 2.6 s, 5.9 s, 18.3 s et 10.7 s pour
les HC, le CO, les NOx et le CO2 respectivement, avec un écart-type de 0.8 s, 0.5 s, 0.8 s
et 1.4 s. Exprimé par rapport au temps de transfert final, l’écart-type relatif est de 30%,
9.0%, 4.7% et 13.3% respectivement.
Afin d’illustrer l’impact du temps de transfert sur la représentativité du banc EiL,
la Figure 3.57(a) représente la masse totale de chaque polluant émise en sortie moteur
sur les essais BàR, et sur les essais EiL analysés avec trois valeurs différentes pour les
temps de transfert :

• En bleu (« EiL » en légende), on représente le cas de référence avec le temps de

transfert moyen analysé à partir de la Figure 3.56 et utilisé dans cette thèse.

• En rouge (« EiL -1 s » en légende), on représente les mêmes essais EiL, analysés

avec un temps de transfert réduit de 1 s pour chaque polluant.

• En vert (« EiL +1 s » en légende), on représente les mêmes essais EiL, analysés

avec un temps de transfert augmenté de 1 s pour chaque polluant.

On indique l’écart relatif par une barre d’incertitude pour chaque polluant. Avec le
même code couleur, la Figure 3.57(b) représente l’écart relatif entre les masses totales
mesurées sur banc EiL et sur BàR pour chaque polluant et pour chaque valeur du temps
de transfert. La valeur moyenne de l’écart est représentée par une barre, et son écart-type
est représenté par une barre d’incertitude.
Une variation de 1 s du temps de transfert ∆tpollu peut impacter de manière si-
gnificative la comparaison avec le BàR. En effet, pour les émissions moteur de CO en
particulier, l’écart relatif passe de 0.05% dans le cas de référence à 1.4% avec un ∆tCO
réduit, et à −2.3% pour un ∆tCO augmenté. La masse totale de HC en sortie moteur
est aussi affectée, l’écart relatif passant de −5.5% dans le cas de référence à −3.05% et
−3.36% respectivement. Concernant les émissions moteur de NOx , l’écart varie de 3.0%
à 1.0% en réduisant le temps de transfert, et à 2.9% en l’augmentant. Enfin, l’écart rela-
tif de la masse de CO2 passe de −1.5% à −0.5% et −2.7% respectivement. De manière
similaire à la Figure 3.57(b), la Figure 3.58(a) représente la variation relative de la masse
totale en sortie moteur pour chaque polluant en augmentant et diminuant le temps de
transfert de 1 s en rouge et vert respectivement.
On observe que la variation du temps de transfert de 1 s peut causer une augmenta-
tion de la masse de HC en sortie moteur de 2.5% environ. Les masses de CO et de CO2
augmentent d’environ 1% avec un temps de transfert diminué, et diminuent de 2.4% et
1.2% respectivement pour un temps de transfert allongé. Enfin, la masse de NOx diminue
de 1.9% pour un temps de transfert raccourci de 1 s. Compte tenu de l’incertitude sur

142
 3.3 Résultats expérimentaux

Fig. 3.57 : Impact de la variation de 1 s du temps de transfert sur le bilan des émissions
polluantes relativement aux essais BàR de référence.

le temps de transfert, il est donc important de considérer son impact sur les émissions
polluantes dans l’analyse de la représentativité.

((a)) Emissions en sortie moteur. ((b)) Emissions à l’échappement.

Fig. 3.58 : Impact de la variation de 1 s du temps de transfert sur le bilan des émissions
polluantes en sortie moteur et à l’échappement relativement à la masse de référence.

Emissions à l’échappement : Bien que la comparaison des masses de polluants

émises à l’échappement sur BàR et banc EiL ne soit pas possible sur ces essais, on
peut tout de même analyser l’impact du temps de transfert sur les émissions finales. De
manière similaire à la Figure 3.58(a), la Figure 3.58(b) représente la variation relative

143
3 Développement de l’environnement de simulation

de la masse totale à l’échappement pour chaque polluant en augmentant et diminuant

le temps de transfert de 1 s en rouge et vert respectivement.
En premier lieu, on note que la dispersion relative discutée en Section 3.3.5 représen-
tée par les barres d’incertitude est significative par rapport à l’impact d’une variation de
1 s du temps de transfert, en particulier pour les HC et les CO. En effet, la réduction du
temps de transfert de 1 s induit une hausse de 1.0% et 0.14% respectivement, tandis que
la diminution du temps de transfert de 1 s entraîne une baisse des émissions de 1.2% et
1.3%. En revanche, l’impact est significatif sur les émissions de NOx , avec une variation
de la masse à l’échappement de +2.7% et −6.8% pour une diminution et une hausse du
temps de transfert respectivement. Cet ordre de grandeur est similaire à celui mentionné
par Hawley et al. [117] qui avancent une hausse des émissions de NOx de 3.3% et 9.2%
en faisant varier le temps de transfert de plus ou moins une seconde.

3.3.6.4 Synthèse
Les essais réalisés permettent d’analyser la représentativité de l’environnement EiL
par rapport aux essais conventionnels sur BàR. Faute d’une méthode de mesure fiable
commune aux deux moyens d’essais, on base la comparaison du bilan énergétique sur
l’analyse de 5 indicateurs. L’analyse des résultats suggère que le banc EiL impose une
énergie mécanique au moteur supérieure aux essais BàR, l’écart constaté entre le banc
EiL et le BàR étant compris entre 0.41% et 4.98%. On estime en revanche une masse de
carburant consommée inférieure de 1.08% à la référence.
Bien qu’aucun de ces indicateurs ne soit totalement fiable, on peut conclure que
l’environnement EiL permet des essais représentatifs d’un point de vue énergétique,
quatre des indicateurs suggérant un écart relatif inférieur à 2.3%. On peut souligner que
le conducteur virtuel atteint une vitesse moyenne supérieure au conducteur humain qui
vise sous la vitesse cible, en particulier dans la dernière phase de haute vitesse du cycle
WLTC. Bien que l’écart de vitesse soit relativement faible, il peut expliquer en partie
l’excès énergétique. Enfin, il est important de rappeler que certains paramètres véhicule
ont été estimés pour obtenir ces résultats, en particulier la masse totale et l’efficacité de
la transmission. Une estimation plus précise de ces paramètres pourrait donc améliorer
la représentativité énergétique.
En outre, l’analyse de la représentativité du banc EiL a aussi été réalisée du point
de vue des émissions polluantes. Seules les émissions en sortie moteur ont finalement
pu être comparées, du fait des différences significatives de la ligne échappement utilisée
sur le banc EiL avec la référence véhicule. Les résultats obtenus sur le cycle WLTC
suggèrent que le moteur émet moins de CO2 et de HC comparé à la référence, avec
un écart d’environ 1.5% et 5.5% respectivement. De plus, le moteur émet environ 3%
de NOx et 0.05% de CO en plus que sur le BàR. Le constat sur les émissions de CO2
peut sembler contradictoire avec le bilan énergétique. Toutefois, le faible écart relatif
constaté est à mettre en perspective avec d’une part la dispersion du BàR de l’ordre de
0.5%, et d’autre part l’incertitude portée sur la mesure des émissions. En particulier, on
suppose dans cette thèse un temps de transfert constant pour chaque polluant entre le
point de prélèvement et la baie. Le temps de transfert est en outre estimé manuellement
sur plusieurs cycles WLTC, et est sujet à une dispersion importante, avec un écart-type
relatif de l’ordre de 1 s. Par exemple, une réduction de 1 s de ce temps de transfert a
pour effet de diminuer l’écart de la masse cumulée de CO2 entre EiL et BàR, qui passe

144
 3.3 Résultats expérimentaux

de 1.5% à 0.5%. De la même manière, l’impact du temps de transfert sur les émissions de
NOx est significatif. L’excès d’émissions de NOx est en outre particulièrement creusé lors
de la dernière portion à haute vitesse du WLTC, pendant laquelle le conducteur virtuel
atteint une vitesse supérieure au conducteur humain. Enfin, la carence en émissions
de HC semble être due au comportement du conducteur virtuel, qui agit sur la pédale
d’accélérateur de manière plus douce que le conducteur humain de référence.

3.3.7 Impact du profil de changement de rapport

Comme détaillé Section 3.2.3.3, l’analyse statistique des essais sur route permet d’éta-
blir plusieurs profils de changement de rapport, en plus du profil « Banc » basé sur les
essais banc à rouleaux. L’impact du profil de changement de rapport peut ensuite être
analysé au banc EiL. En premier lieu, le Tableau 3.10 rassemble les indicateurs de suivi
de cycle du conducteur pour les 4 profils de changement de rapport, avec et sans antici-
pation (Profils n◦ 3 et 1 respectivement). On peut constater que la durée des changements
de rapport impacte directement le suivi du conducteur : en particulier, le profil « Slow »
réalise un nombre important de déviations hors tolérances, avec et sans anticipation. Il
est important de rappeler que le profil « Fast », bien qu’il soit le plus rapide des profils sur
piste, reste plus lent dans les changements de rapport que le profil « Banc ». Toutefois,
avec le réglage d’anticipation n◦ 3, il permet de réaliser un cycle complet sans déviation.

Tableau 3.10 : Indicateurs de suivi conducteur pour différents profils d’anticipation

(« Preview ») et de changement de rapport (« Gearshift »).
µV dif f tOutT ol Ndev tdev,M ax F35
Preview Gearshift
[km/h] [s] [-] [s] [Hz]
Banc 0.50 4.4 3 2.43 0.14
Slow 0.97 108 32 22.4 0.20
Profil n◦ 1 (Sans anticip.)
Normal 0.64 31 6 8.26 0.19
Fast 0.55 19 8 3.4 0.18
Banc 0.35 0.0 0 0.0 0.15
Slow 0.68 47 14 10.6 0.21
Profil n◦ 3 (Avec anticip.)
Normal 0.46 17 9 3.7 0.21
Fast 0.38 0.0 0 0.0 0.18

3.3.7.1 Bilan énergétique

La Figure 3.59 illustre l’impact du profil de changement de rapport sur le bilan
énergétique pour les deux réglages d’anticipation, avec le PIM ean . Pour chaque profil
de changement de rapport (« Slow », « Normal », « Fast » en abscisse), on compare les
résultats à l’essai de référence obtenu avec le profil de changement de rapport « Banc »
et avec le même réglage du PI.
Sur la Figure 3.59(a), les écarts relatifs par rapport à la référence ∆Etqi , ∆Etqe ,
∆Emes , ∆Ereq et ∆Mcarb (Section 2.5) sont représentés par une barre, un rond, un
losange, un carré et une étoile respectivement. Les résultats du Profil n◦ 1 sont représentés
en bleu, et ceux du Profil n◦ 3 en rouge. A titre de comparaison, l’écart entre le tir

145
3 Développement de l’environnement de simulation

Fig. 3.59 : Impact du profil de changement de rapport sur le bilan énergétique par
rapport au profil de référence « Banc ».

obtenu au banc à rouleaux et l’essai EiL de référence obtenu avec le profil « Banc »
est indiqué pour les deux réglages d’anticipation par une barre grise et les marqueurs
colorés (« Compar. BàR » en abscisse). La même notation est utilisée sur la Figure
3.59(b) pour les écarts relatifs des cumuls ramenés à la distance parcourue ∆Etqi/km ,
∆Etqe/km , ∆Emes/km , ∆Ereq/km et ∆Mcarb/km .
On peut noter que le profil « Slow » entraîne un bilan énergétique total plus faible
que le profil de référence pour la majorité des indicateurs, tandis que le bilan énergétique
par kilomètre est supérieur. Ceci est du au fait que le profil « Slow », puisqu’il est plus
lent dans ses changements de rapport, est généralement en retard par rapport au profil
de référence, et parcourt donc une distance plus faible. Toutefois, l’écart de distance
est de 159 m, ce qui paraît négligeable par rapport à la distance totale de 22.8 km.
On peut finalement souligner que l’augmentation de la durée du changement de rapport
entraîne une hausse de la production d’énergie mécanique de l’ordre de 1% pour les trois
profils analysés, tandis que l’indicateur ∆Mcarb suggère une hausse de la consommation
de carburant pouvant aller jusqu’à 2%. Ce résultat suggère l’importance de réduire la
durée du changement de rapport afin de minimiser la consommation, comme mentionné
dans la bibliographie [137-139].

3.3.7.2 Emissions en sortie moteur

De manière similaire à la Figure 3.59(a), la Figure 3.60(a) illustre l’impact du profil
de changement de rapport sur le cumul d’émissions de polluants en sortie moteur.
Pour chaque polluant pollu et chaque réglage du conducteur, la Figure 3.60(a) re-
présente l’écart relatif ∆Mpollu,mot (voir Section 2.5) par rapport à l’essai de référence
obtenu avec le profil « Banc ». Le résultat est indiqué pour les HC, NOx , CO ainsi que
le CO2 par une barre, un losange, un rond et un carré respectivement. Les résultats du
Profil n◦ 1 sont représentés en bleu, et ceux du Profil n◦ 3 en rouge. La même notation
est utilisée sur la Figure 3.60(b) pour représenter les écarts relatifs de la masse totale

146
 3.3 Résultats expérimentaux

Fig. 3.60 : Impact du profil de changement de rapport sur les émissions en sortie moteur
par rapport au profil de référence « Banc ».

ramenée à la distance parcourue ∆Mpollu,mot/km . Il est important de préciser ici que les
essais avec le Profil n◦ 1 (i.e. sans anticipation) on été réalisé à froid, tandis que les es-
sais du profil d’anticipation n◦ 3 ont été enchaînés à chaud, sans conditionnement entre
chaque tir.
Premièrement, on peut noter que l’impact du profil de changement de rapport est
relativement faible sur la masse totale de CO2 émis, l’écart étant compris entre −1.48%
et 0.4%. Le profil « Slow » entraîne une légère baisse des émissions de CO2 par km,
avec un écart de 0.8% pour le Profil n◦ 3. Cette observation est en contradiction avec
l’analyse du bilan énergétique, qui suggère que l’allongement de la durée du changement
de rapport a pour effet d’augmenter l’énergie par km. Une partie de la surconsommation
de carburant pourrait toutefois être rejetée en HC et CO plutôt qu’en CO2 lors des
changements de rapport du fait d’une richesse inadaptée. On peut en outre souligner le
faible ordre de grandeur des écarts observés.
Ensuite, les résultats suggèrent que rallonger la durée de changement de rapport
augmente les émissions de CO en sortie moteur : le profil « Slow » engendre une aug-
mentation de 10.7% et 8.5%, et le profil « Fast » une augmentation de 3.5% et 3.0%
pour les réglages d’anticipation n◦ 1 et 3 respectivement. Au contraire, une plus longue
durée du changement de rapport entraîne une baisse des émissions de NOx . En effet, le
profil « Slow » engendre une diminution de 6.2% et 4.4%, et le profil « Fast » une baisse
de 2.8% et 0.5% pour les réglages d’anticipation n◦ 1 et 3 respectivement. Ces évolutions
opposées suggèrent un impact du profil de changement de rapport sur la richesse du
mélange. Une richesse excessive pourrait causer à la fois une hausse des émissions de
CO et une baisse des émissions de NOx . Enfin, l’impact du profil de changement de
rapport sur les HC n’est pas le même selon le profil d’anticipation et/ou les conditions
initiales. En effet, pour les essais réalisés à chaud avec le Profil n◦ 3, une augmentation
de la durée de changement de rapport a pour effet d’augmenter les émissions de HC,
avec une hausse entre 2.1% et 6.7% pour les profils « Fast » et « Slow » respectivement.
Cette observation n’est pas vérifiée dans le cas des essais réalisés à froid avec le Profil n◦ 1

147
3 Développement de l’environnement de simulation

(sans anticipation) : les trois réglages de changement de rapport induisent une baisse
des émissions de HC, comprise entre 1.3% et 4.0% pour le profil « Slow » et le profil
« Normal » respectivement. Par ailleurs, le profil « Normal » ne présente pas un bilan
intermédiaire entre les profils « Slow » et « Fast », contrairement aux autres polluants.
Afin d’analyser plus précisément l’impact du profil de changement de rapport sur les
émissions de CO, la Figure 3.61(a) représente le débit massique de CO en sortie moteur
sur une fraction du WLTC pour les profils « Banc » (« Ref BM » en légende), « Slow »,
« Normal » et « Fast » en noir, rouge, bleu et vert respectivement. On représente les essais
obtenus à froid avec le réglage d’anticipation n◦ 1. Avec le même code couleur, la Figure
3.61(b) représente l’écart relatif ramené à la masse totale δMCO,mot des émissions de CO
par rapport à l’essai de référence obtenu avec le profil « Banc ». Les Figures 3.61(c) et
(d) représentent la richesse mesurée par le contrôle moteur et la position de la pédale
d’accélérateur respectivement. En outre, le rapport demandé est indiqué en pointillés
sur l’axe de droite de la Figure 3.61(d).
En premier lieu, on remarque immédiatement l’impact du profil de changement de
rapport sur la position de la pédale d’accélérateur. En effet, la fraction du WLTC re-
présentée sur la Figure 3.61 est caractérisée par deux montées de rapport successives, à
t = 725 s et t = 729 s. L’augmentation de la durée du changement de rapport allonge la
perte de couple due au relâchement de la pédale. Cette perte de couple force le modèle
conducteur à compenser par un fort appui pédale après le changement de rapport, en
particulier pour le profil « Slow » pour lequel la pédale d’accélérateur est saturée pen-
dant plus d’une seconde. Ce comportement augmente le débit de CO émis en sortie du
moteur. De plus, la variation brusque de la pédale d’accélérateur affecte la richesse du
mélange qui chute dans le cas du conducteur « Slow » pendant le changement de rapport.
Cette chute est succédée par une phase de richesse supérieure à 1.05 pendant près d’une
seconde, la richesse dépassant 1.1 à t = 731.2 s.

Fig. 3.61 : Impact du profil de changement de rapport sur les émissions de CO en sortie
moteur au cours du WLTC par rapport au profil de référence « Banc ». Essais réalisés à
froid avec le profil d’anticipation n◦ 1.

De manière similaire à la Figure 3.61, la Figure 3.62 illustre l’impact de la durée du

148
 3.3 Résultats expérimentaux

changement de rapport sur les émissions de NOx en sortie moteur. La Figure 3.62(a)
représente le débit massique de NOx en sortie moteur sur une fraction du WLTC pour
les profils « Banc », « Slow », « Normal » et « Fast » en noir, rouge, bleu et vert respec-
tivement. On représente les essais obtenus à froid avec le réglage d’anticipation n◦ 1.
Avec le même code couleur, la Figure 3.62(b) représente l’écart relatif ramené à la masse
totale δMN Ox ,mot des émissions de NOx par rapport à l’essai de référence obtenu avec le
profil « Banc ». Les Figures 3.62(c) et (d) représentent le débit d’air moteur estimé par
le contrôle moteur et la position de la pédale d’accélérateur respectivement. En outre,
le rapport demandé est indiqué en pointillés sur l’axe de droite de la Figure 3.62(d). La
Figure 3.62(e) représente la richesse du mélange mesurée par le contrôle moteur.
En premier lieu, la Figure 3.62 permet de souligner que l’écart en termes d’émissions
de NOx réside principalement dans les montées de rapport. En effet, l’écart massique
relatif δMN Ox ,mot est pratiquement constant pour les trois profils de changement de
rapport excepté pendant la période de t = 960 s à t = 969 s. Or, on observe que
le conducteur réalise trois rétrogradages pendant la période représentée, à t = 954 s,
t = 956.7 s et t = 974 s. La pédale d’accélérateur étant déjà complètement relâchée
avant le rétrogradage, le débit d’air moteur est faible et la durée de changement de
rapport a peu d’impact sur les émissions de NOx . En revanche, les montées de rapport
observées à t = 960 s et t = 962.5 s permettent de différencier les profils conducteur. De
manière similaire à la Figure 3.61, l’augmentation de la durée du changement de rapport
a deux effets : d’une part, la pédale d’accélérateur est relâchée plus longtemps, ce qui
a pour effet de faire chuter le débit d’air moteur ; d’autre part, le retard engendré par
cette perte de couple force le conducteur à presser fortement et plus longtemps la pédale
d’accélérateur à la suite du changement de rapport. Dans le cas du conducteur « Slow »,
le débit massique de NOx suit la même tendance que le débit d’air moteur et les deux
montées de rapport résultent en une augmentation en valeur absolue de l’écart δMN Ox ,
qui passe de −1.74% à −2.0%. De manière similaire aux observations faites à propos
de la Figure 3.61, les fortes fluctuations de la pédale d’accélérateur causent une richesse
supérieure à 1.1 suite au changement de rapport, en particulier pour le profil « Slow ».
Ensuite, la Figure 3.63 illustre l’impact de la durée du changement de rapport sur
les émissions de HC en sortie moteur. La Figure 3.63(a) représente le débit massique
de HC en sortie moteur sur une fraction du WLTC pour les profils « Banc », « Slow »,
« Normal » et « Fast » en noir, rouge, bleu et vert respectivement. Dans un premier
temps, on représente les essais obtenus à chaud avec le réglage d’anticipation n◦ 3. Avec
le même code couleur, la Figure 3.63(b) représente l’écart relatif ramené à la masse totale
δMHC,mot des émissions de HC par rapport à l’essai de référence obtenu avec le profil
« Banc ». Les Figures 3.63(c) et (d) représentent la richesse du mélange mesurée par le
contrôle moteur et la position de la pédale d’accélérateur respectivement. En outre, le
rapport demandé est indiqué en pointillés sur l’axe de droite de la Figure 3.63(d).
L’observation faite pour les émissions de CO sur la Figure 3.61 peut être étendue
aux émissions de HC sur la Figure 3.63. En effet, les montées de rapport successives à
t = 770 s, t = 773 s et t = 776 s forcent le conducteur à un fort appui sur la pédale d’ac-
célérateur, qui fait chuter la richesse du mélange, en particulier pour le profil « Slow ».
Cette chute de richesse est suivie d’une phase riche couplée à un fort débit d’air causé
par la saturation prolongée de la pédale d’accélérateur, entraînant une hausse de l’écart
δMHC,mot de 3.0% à 3.5%. Concernant les essais réalisés à froid avec le profil d’anticipa-
tion n◦ 1 (i.e. sans anticipation), le comportement semble proche de celui observé pour
les essais à chaud. De manière similaire à la Figure 3.63, la Figure 3.64 illustre l’impact

149
3 Développement de l’environnement de simulation

Fig. 3.62 : Impact du profil de changement de rapport sur les émissions de NOx en
sortie moteur au cours du WLTC par rapport au profil de référence « Banc ». Essais
réalisés à froid avec le profil d’anticipation n◦ 1.

de la durée du changement de rapport sur les émissions de HC, cette fois en considérant
les essais obtenus à froid avec le réglage d’anticipation n◦ 1.
La Figure 3.64(a) représente le débit massique de HC en sortie moteur sur la même
fraction du WLTC pour les profils « Banc », « Slow », « Normal » et « Fast » en noir,
rouge, bleu et vert respectivement. Avec le même code couleur, la Figure 3.64(b) re-
présente l’écart relatif ramené à la masse totale δMHC,mot des émissions de HC par
rapport à l’essai de référence obtenu avec le profil « Banc ». La Figure 3.64(c) représente
la concentration en HC en trait plein sur l’axe de gauche et le débit d’air moteur (MAF)
en pointillés sur l’axe de droite. La Figure 3.64(d) représente la position de la pédale
d’accélérateur sur l’axe de gauche et le rapport demandé en pointillés sur l’axe de droite.
Enfin, la Figure 3.64(e) représente la pression de suralimentation mesurée par le contrôle
moteur ECUP boost .
En comparaison avec la Figure 3.63, il apparaît en premier lieu sur la Figure 3.64
que l’impact de la montée de rapport est similaire sur les essais à froid. En particulier, la
pédale d’accélérateur est saturée avec le profil « Slow » entre les changements de rapport,
et le débit massique de HC suit une évolution similaire à celle observée sur la Figure
3.63. Cependant, on observe aussi un pic du débit massique de HC à t = 773 s largement
plus important que dans le cas des essais avec le Profil n◦ 3, en particulier pour les profils
« Fast » et « Banc ». En analysant la Figure 3.64(c), il apparaît que ce pic n’est pas du
à une hausse de la concentration en HC, mais bien à un débit d’air moteur supérieur

150
 3.3 Résultats expérimentaux

Fig. 3.63 : Impact du profil de changement de rapport sur les émissions de HC en sortie
moteur au cours du WLTC par rapport au profil de référence « Banc ». Essais enchaînés
à chaud avec le profil d’anticipation n◦ 3.

aux profils « Normal » et « Slow ». Pourtant, la position de la pédale d’accélérateur pour

le conducteur « Banc » est inférieure à celle des autres profils, pour lesquels la pédale
d’accélérateur est saturée. La saturation de la pédale d’accélérateur entraîne un temps
de réponse différent du moteur. L’analyse de la pression de suralimentation ECUP boost
suggère que ce temps de réponse accru est lié au « turbo-lag » du compresseur, causé par
la perte de couple plus longue lors du changement de rapport.

3.3.7.3 Emissions à l’échappement

Comme mentionné dans la Section 3.3.4, la phase d’initialisation de l’environnement
de co-simulation détaillée dans la Section 4.3.1 ne permet pas de comparer les émissions
à l’échappement de tous les essais entre eux, car la dispersion de la température initiale
du catalyseur induit un biais significatif. On peut néanmoins comparer certains essais
pour lesquels les conditions initiales coïncident. Par exemple, la Figure 3.65 représente
les émissions mesurées lors d’essais réalisés à froid avec les profils « Slow » et « Normal »
pour le réglage d’anticipation n◦ 1.
Les Figures 3.65(a) et (b) représentent la masse émise cumulée en sortie moteur (EO)
et à l’échappement (TP) respectivement. Les HC, le CO et les NOx sont représentés par
les cercles rouges, les losanges bleus et les carrés verts respectivement. Les résultats du
profil « Normal » sont indiqués en pointillés noirs avec les marqueurs pleins, tandis que
ceux du profil « Slow » sont tracés en traits pleins avec les marqueurs blancs. Avec le
même code couleur pour les polluants, les Figures 3.65(c) et (d) représentent l’écart
massique relatif δM entre les deux profils pour les émissions moteur et à l’échappement
respectivement. On trace l’écart massique généré par le profil « Slow » par rapport au
profil « Normal », relativement à la masse totale émise par le profil « Normal ».
De manière similaire à la Section 3.3.4, l’efficacité du système de post-traitement est
telle que les émissions mesurées à l’échappement représentent moins de 4% des émissions

151
3 Développement de l’environnement de simulation

Fig. 3.64 : Impact du profil de changement de rapport sur les émissions de HC en sortie
moteur au cours du WLTC par rapport au profil de référence « Banc ». Essais enchaînés
à froid avec le profil d’anticipation n◦ 1.

moteur pour les trois polluants représentés. Ensuite, la Figure 3.65(d) révèle que le profil
« Slow » induit une hausse significative des émissions à l’échappement par rapport au
profil « Normal », d’environ 19.0%, 10.2% et 66.6% pour les HC, CO et NOx respec-
tivement. Concernant les émissions de HC et de CO, le profil « Slow » est à l’origine
d’une hausse d’environ 2% des émissions moteur. L’écart relatif important à l’échappe-
ment est principalement du au faible ordre de grandeur de la masse totale émise. En
revanche, le profil « Slow » entraîne une baisse d’environ 2% des émissions moteur de
NOx , et on observe une tendance inverse sur les émissions à l’échappement. La Figure
3.66 permet d’analyser plus précisément l’impact du profil de changement de rapport
sur les émissions de NOx à l’échappement.
La Figure 3.66(a) représente le débit massique de NOx en sortie moteur pour les
profils « Normal » et « Slow » en bleu et rouge respectivement. On indique en outre en
vert sur l’axe de droite l’écart massique relatif généré par le profil « Slow » par rapport
au profil « Normal ». La Figure 3.66(b) utilise le même code couleur pour représenter les
émissions à l’échappement. Les Figures 3.66(c) et (d) représentent avec le même code
couleur pour les deux profils la position de la pédale d’accélérateur et la température
mesurée dans le catalyseur T24M respectivement. On indique en outre le rapport de-
mandé par le cycle en pointillés sur l’axe de droite de la Figure 3.66(c). Enfin, la Figure
3.66(e) représente la concentration de NOx mesurée à l’échappement sur l’axe de gauche,
et le débit d’air moteur ECUM AF en pointillés sur l’axe de droite. La Figure 3.66(f) re-

152
 3.3 Résultats expérimentaux

Fig. 3.65 : Impact du profil de changement de rapport sur les émissions polluantes en
sortie moteur (EO) et à l’échappement (TP) au cours du WLTC par rapport au profil
« Normal ». Essais enchaînés à froid avec le profil d’anticipation n◦ 1.

présente la richesse du mélange ECUrich mesurée par le contrôle moteur pour les deux
essais.
Pendant la période de 50 s représentée, l’écart massique relatif en sortie moteur di-
minue de −1.8% à −1.91% de la masse totale, i.e. le moteur émet légèrement moins de
NOx dans le cas du profil « Slow ». En revanche, l’écart massique relatif à l’échappement
augmente de 44% à 54%, ce qui signifie que ce profil génère des émissions de NOx supé-
rieures en aval du post-traitement. Ces résultats suggèrent une efficacité de traitement
moindre dans le cas du profil « Slow ». Cet écart d’efficacité ne semble pas lié à un écart
de thermique du post-traitement, la température interne du catalyseur étant de l’ordre
de 600◦ C pendant cette période pour les deux profils, donc largement supérieure à sa
température d’amorçage. En revanche, l’efficacité de traitement est directement impac-
tée par la richesse du mélange, le contrôle moteur opérant généralement une alternance
entre phases légèrement riches et phases légèrement pauvres afin de maintenir une cer-
taine quantité d’oxygène stockée dans le catalyseur. Comme mentionné précédemment,
l’allongement de la durée du changement de rapport entraîne des fluctuations de la pé-
dale d’accélérateur qui affectent la maîtrise de la richesse par le contrôle moteur. Les
résultats suggèrent que l’impact sur la richesse se traduit par une baisse de l’efficacité
de traitement du catalyseur.

3.3.7.4 Synthèse
L’analyse des essais EiL permet de conclure que le fonctionnement du modèle de
conducteur lors des phases de changements de rapport est réaliste comparé à la référence
véhicule. De plus, l’impact de la durée de changement de rapport a pu être analysé à
l’aide des 4 profils de conducteur définis.
Les résultats suggèrent qu’augmenter la durée de changement de rapport a relative-
ment peu d’impact sur la production d’énergie mécanique et les émissions de CO2 , l’écart

153
3 Développement de l’environnement de simulation

Fig. 3.66 : Impact du profil de changement de rapport sur les émissions de NOx en
sortie moteur (EO) et à l’échappement (TP) au cours du WLTC par rapport au profil
« Normal ». Essais enchaînés à froid avec le profil d’anticipation n◦ 1.

étant de l’ordre de 1%. On observe néanmoins une augmentation de 2% de la consomma-

tion de carburant. L’impact sur les polluants est plus conséquent, en particulier durant
les montées de rapport. L’augmentation de la durée du changement de rapport a pour
effet d’allonger la phase de lâcher de pédale et d’amplifier la réaction du conducteur
qui suit cette perte de couple. Ces fluctuations de la pédale d’accélérateur affectent le
contrôle de la richesse du mélange par le contrôle moteur. Par conséquent, l’allongement
du changement de rapport conduit à une augmentation d’environ 10% des émissions de
CO en sortie moteur, et à une baisse d’environ 5% des émissions moteur de NOx , ce
qui suggère une richesse excessive. L’impact sur les HC est lui aussi significatif, mais
les essais réalisés ne permettent pas d’établir de conclusion nette. Sur les essais à chaud
avec anticipation, augmenter la durée du changement de rapport semble augmenter les
émissions de HC jusqu’à 7%, tandis que les émissions diminuent sur les essais à froid
sans anticipation, la variation étant de l’ordre de 5%.
Les tendances observées sur les émissions moteur de HC et CO sont retrouvées à
l’échappement, avec un écart relatif plus important du fait des faibles masses en jeu.
En revanche, on constate que l’augmentation de la durée de changement de rapport
conduit à une hausse des émissions de NOx à l’échappement, alors que la masse émise
en sortie moteur diminue. Ce phénomène semble être du aux fluctuations de la pédale
d’accélérateur qui affectent la maîtrise de la richesse, et donc l’efficacité du catalyseur.

154
 3.3 Résultats expérimentaux

Ces résultats suggèrent l’importance de minimiser la durée du changement de rapport

afin de réduire la consommation et les émissions à l’échappement.

3.3.8 Variation de la masse véhicule et robustesse du

conducteur
Afin d’analyser la robustesse du modèle de conducteur et de sa méthode de cali-
bration, on réalise des essais au banc EiL en faisant varier la masse du véhicule par
rapport à la masse de référence, sans recalibrer le modèle de conducteur. Les valeurs
choisies correspondent à deux masses diminuées de 25% et 10% par rapport à la masse
de référence Mref et deux masses augmentées de 10% et 25%, notées M−10 , M−25 , M10
et M25 respectivement. Ces essais sont réalisés au banc moteur avec et sans anticipation
(Profils n◦ 1 et 3 respectivement), et pour les deux réglages du modèle PIM ean et PIAtmo .
Seul le paramètre de la masse véhicule M est modifié pour ces essais, et non les coef-
ficients de « coast-down ». L’impact de la masse véhicule sur le coefficient de résistance
au roulement n’est donc pas pris en compte (Section 1.2.2). Le Tableau 3.11 rassemble
les indicateurs de suivi pour ces essais.

Tableau 3.11 : Performance des deux réglages du P I pour différentes valeurs d’antici-
pation (« Preview ») et de masse véhicule.
∆M µV dif f tOutT ol Ndev tdev,M ax F35
Driver Preview
[%] [km/h] [s] [-] [s] [Hz]
−25 0.38 0.0 0 0.0 0.18
−10 0.43 0.0 0 0.0 0.16
Profil n◦ 1 0 0.49 3.6 3 1.6 0.16
10 0.53 12.1 6 5.8 0.13
25 0.64 30.0 6 8.3 0.12
PIM ean
−25 0.34 0.0 0 0.0 0.18
−10 0.34 0.0 0 0.0 0.15
Profil n◦ 3 0 0.35 0.0 0 0.0 0.15
10 0.35 0.0 0 0.0 0.14
25 0.40 4.0 3 2.1 0.13
−25 0.43 0.0 0 0.0 0.18
−10 0.50 1.8 3 0.9 0.15
Profil n◦ 1 0 0.57 12.1 7 3.2 0.14
10 0.65 26.9 7 7.5 0.13
25 0.79 41.0 8 10.8 0.12
PIAtmo
−25 0.34 0.0 0 0.0 0.2
−10 0.35 0.0 0.0 0 0.16
Profil n◦ 3 0 0.36 0.0 0.0 0 0.14
10 0.39 0.28 1 0.28 0.13
25 0.49 24.8 7 7.4 0.12

On peut noter comme tendance générale que l’augmentation de la masse véhicule a

pour effet d’augmenter le temps cumulé hors tolérance tOutT ol et le nombre de déviations
Ndev , et de diminuer la fréquence F35 . Ces observations sont cohérentes, puisqu’une masse

155
3 Développement de l’environnement de simulation

véhicule augmentée par rapport à la masse de référence utilisée pour la calibration aura
pour effet de diminuer la sensibilité de la vitesse véhicule aux interventions du conduc-
teur. En second lieu, on peut souligner que pour les deux réglages de PI, l’introduction
de l’anticipation avec le Profil n◦ 3 améliore de manière significative les performances du
conducteur, en particulier pour les masses augmentées M10 et M25 . Par exemple, pour
le PIM ean , le temps hors tolérance du Profil n◦ 1 est de 12.1 s pour 6 déviations, tandis
que le Profil n◦ 3 réalise un cycle sans déviation. Par ailleurs, le PIAtmo induit plus de
déviations, ainsi qu’une valeur plus importante de tOutT ol . Toutefois, l’introduction du
profil d’anticipation n◦ 3 permet d’améliorer nettement ces résultats. Il reste important
de souligner que pour la masse maximale M25 , aucun des réglages ne permet un cycle
valide du point de vue des tolérances WLTC : bien que le Profil n◦ 3 permette de réaliser
moins de 10 déviations pour les deux réglages du PI, la déviation la plus longue est
au-dessus de la limite de 1 s.

3.3.8.1 Bilan énergétique

La Figure 3.67(a) illustre l’impact de la masse véhicule sur le bilan énergétique pour
les deux profils d’anticipation et le PIAtmo . Pour chaque variation de la masse véhicule,
on représente les écarts relatifs ∆Etqi , ∆Etqe , ∆Emes , ∆Ereq et ∆Mcarb (Section 2.5)
par rapport à l’essai obtenu avec la masse référence par une barre, un rond, un losange,
un carré et une étoile respectivement. Les résultats du Profil n◦ 1 sont représentés en
rouge, et ceux du Profil n◦ 3 en bleu. A titre de comparaison, l’écart entre l’essai EiL de
référence et le tir obtenu au banc à rouleaux (« Compar. BàR » en légende) est indiqué
par une barre grise pour les deux réglages d’anticipation.

Fig. 3.67 : Impact de la masse véhicule sur (a) le bilan énergétique et (b) les émissions
en sortie moteur avec le réglage PIAtmo et pour deux profils d’anticipation.

Comme attendu, la diminution de la masse se traduit par une baisse du bilan éner-
gétique, et l’augmentation de la masse par une hausse. Cette observation se vérifie pour
les deux profils d’anticipation, quel que soit l’indicateur énergétique choisi. On peut
souligner que la variation du bilan énergétique est comprise entre 5.7 et 8.5% pour une

156
 3.3 Résultats expérimentaux

masse augmentée de 25%. En effet, la masse véhicule intervenant principalement dans

les phases d’accélération et de décélération, son impact sur le bilan énergétique n’est
pas linéaire et dépend du cycle. On peut rappeler ici que les coefficients de décélération
n’ont pas été modifiés avec la masse véhicule. L’impact permanent de la masse véhicule
sur la résistance au roulement a donc été négligé.
La Figure 3.68 appuie cette observation. La Figure 3.68(a) représente l’énergie cu-
mulée Etqi au cours d’une fraction du WLTC pour les masses Mref , M−25 , M−10 , M10 ,
et M25 en noir, rouge, vert, bleu et magenta respectivement. On représente les essais ob-
tenus avec le Profil n◦ 1. La Figure 3.68(b) reprend le même code couleur et trace l’écart
énergétique δEtqi par rapport à l’essai obtenu avec la masse Mref . Enfin, les Figures
3.68(c) et (d) représentent la vitesse véhicule et la position de la pédale d’accélérateur.
La demande de rapport est tracée en pointillés sur l’axe de droite de la Figure 3.68(d).
On peut souligner que l’écart δEtqi est symétrique par rapport à 0 entre les masses M−10
et M10 , ainsi qu’entre les masses M−25 et M25 , ce qui est cohérent avec les observations
de la Figure 3.67(a). En outre, on identifie par ailleurs les principales phases d’augmen-
tation de l’écart énergétique à t = 30 s, t = 75 s, t = 143 s et t = 164 s. Comme attendu,
ces phases coïncident avec des phases d’accélération du véhicule.

Fig. 3.68 : Impact de la masse véhicule sur l’énergie mécanique Etqi avec le réglage
PIAtmo et le profil d’anticipation n◦ 1.

3.3.8.2 Emissions en sortie moteur

Ensuite, pour chaque polluant pollu et les deux réglages d’anticipation avec le PIAtmo ,
la Figure 3.67(b) représente l’écart relatif de la masse émise cumulée en sortie moteur
∆Mpollu,mot (voir Section 2.5) par rapport à l’essai EiL obtenu avec la masse véhicule
de référence. Le résultat est indiqué pour les HC, NOx , CO ainsi que le CO2 par une
barre, un losange, un rond et un carré respectivement. Les résultats du Profil n◦ 1 (pas
d’anticipation) sont représentés en rouge, et ceux du Profil n◦ 3 en bleu. Il est important
de souligner ici que les essais ont été enchaînés à chaud, sans aucun conditionnement

157
3 Développement de l’environnement de simulation

entre les cycles. Par conséquent, on ne représente pas sur cette figure le tir BàR réalisé
à froid.
Tout d’abord, l’impact de la variation de la masse véhicule sur les émissions de CO2
est cohérent avec l’observation faite concernant le bilan énergétique. Une masse plus
importante augmente les émissions de CO2 , et cette augmentation n’est pas linéaire :
une hausse de 25% de la masse véhicule résulte en une hausse d’environ 7% des émissions
de CO2 , tandis qu’augmenter la masse de 10% résulte en une hausse des émissions
d’environ 3.5%. Ces valeurs sont comparables aux ordres de grandeur mentionnés dans
la bibliographie. Cecchel et al. [140] estiment qu’une réduction de 20% de la masse
véhicule entraîne une baisse d’environ 6.9% des émissions moyennes de CO2 . A partir
d’une étude bibliographique, Lutsey [141] calcule que cette réduction de la masse véhicule
résulterait plutôt en une diminution des émissions de CO2 comprise entre 12 et 16%.
Par ailleurs, Cheah [142] estime qu’une réduction de la masse de 10% peut réduire la
consommation de carburant d’environ 7%.
L’observation faite à propos des émissions de CO2 peut être étendue aux émissions de
CO, qui augmentent de 9.0% et 9.2% avec la masse M25 pour les profils d’anticipation
1 et 3 respectivement. L’impact de la masse est similaire sur les NOx , avec un écart
de l’ordre de 10% pour la masse M25 . Pour finir, les HC sont le polluant pour lequel
l’impact de la masse véhicule est le plus variable. En effet, la masse M25 résulte en une
augmentation des émissions de 2.2% pour le Profil n◦ 1, et de 9.9% avec le Profil n◦ 3. On
peut souligner qu’à l’inverse, la masse M−25 résulte en une diminution des émissions de
11.7% pour le Profil n◦ 1, et de 5.0% avec le Profil n◦ 3. En revanche, l’augmentation de
10% de la masse véhicule résulte en une diminution de 1.7% des émissions de HC avec le
Profil n◦ 1, contre une hausse de 2.0% avec le Profil n◦ 3. De manière similaire à la Figure
3.68, la Figure 3.69 illustre l’impact de la masse véhicule sur les émissions de CO2 sur
une fraction du WLTC.

Fig. 3.69 : Impact de la masse véhicule sur les émissions de CO2 en sortie moteur au
cours du cycle avec le réglage PIAtmo et le profil d’anticipation n◦ 1.

On représente les essais obtenus avec le PIAtmo et le Profil n◦ 1 (i.e. sans anticipation)
pour les masses Mref , M−25 , M−10 , M10 , et M25 en noir, rouge, vert, bleu et magenta

158
 3.3 Résultats expérimentaux

respectivement. La Figure 3.69(a) représente le débit massique de CO2 émis en sortie

moteur, et la Figure 3.69(b) l’écart relatif δMCO2 ,mot de la masse cumulée de CO2 par
rapport à l’essai EiL obtenu avec la masse Mref . Les Figures 3.69(c) et (d) représentent
la variable ECUF IM correspondant à la quantité de carburant injecté par coup et la
vitesse véhicule respectivement. Les observations faites pour la Figure 3.68 peuvent être
étendues à la Figure 3.69 : les émissions de CO2 sont impactées par la masse véhicule
principalement dans les phases d’accélération, par exemple à t = 20 s, t = 30 s et
t = 70 s. On peut remarquer que les courbes de δMCO2 ,mot sont quasiment symétriques
par rapport à zéro pour M25 et M−25 . L’analyse des émissions de NOx et de CO révèlent
une influence similaire de la masse véhicule.

3.3.8.3 Synthèse
Les résultats ci-dessus permettent de conclure que l’anticipation de la vitesse deman-
dée par le modèle de conducteur conduit à une nette amélioration de sa robustesse à
des modifications des paramètres véhicule. En outre, l’impact de la masse sur le bilan
énergétique a pu être évalué. Sur le cycle WLTC, une diminution de 25% de la masse
véhicule résulte en une baisse d’environ 8% de l’énergie consommée, et d’environ 7% des
émissions de CO2 .

3.3.9 Variation de l’efficacité de la transmission

Comme mentionné précédemment, on suppose dans cette thèse que l’efficacité de
transmission est constante et égale à ηgear = 95% pour tous les rapports. Cette hypothèse
est basée sur un ordre de grandeur, puisqu’on ne dispose pas d’estimation précise pour
la transmission considérée. Afin d’illustrer l’impact de l’efficacité de la transmission, on
réalise plusieurs cycles WLTC au banc moteur en faisant varier ce paramètre, constant
pour tous les rapports. Le réglage PIM ean est utilisé pour le conducteur, avec le profil
d’anticipation n◦ 3 et le réglage de changement de rapport « Banc ».

3.3.9.1 Analyse des résultats

Pour chaque valeur de l’efficacité ηgear , la Figure 3.70 représente les écarts relatifs
∆Etqi , ∆Etqe , ∆Emes , ∆Ereq et ∆Mcarb (Section 2.5) par rapport à l’essai obtenu avec
l’efficacité de référence ηgear,ref = 95% par une barre, un rond, un losange, un carré et
une étoile respectivement. A titre de comparaison, l’écart entre l’essai de référence et le
tir obtenu au banc à rouleaux (BàR) est indiqué par une barre grise.
Comme attendu, une augmentation de l’efficacité de transmission induit une baisse
de l’énergie fournie par le moteur, et inversement. Cette tendance se vérifie quel que soit
l’indicateur énergétique choisi. L’impact de la variation de l’efficacité est pratiquement
linéaire, une hausse de 95% à 100% entraînant une baisse comprise entre 3.1 et 5.3%, et
une diminution de 95% à 75% une hausse comprise entre 22 et 27%. Cette observation
est cohérente avec le fonctionnement du modèle véhicule, l’efficacité de transmission
intervenant de manière linéaire dans la perte de couple de la transmission, mise à part
pendant les phases de débrayage. La Figure 3.71 illustre l’impact de l’efficacité de la
transmission sur le bilan énergétique au cours du cycle WLTC.

159
3 Développement de l’environnement de simulation

Fig. 3.70 : Impact de l’efficacité de transmission sur le bilan énergétique avec le réglage
PIM ean .

Fig. 3.71 : Impact de l’efficacité de transmission sur le bilan énergétique sur une fraction
du WLTC avec le réglage PIM ean .

La Figure 3.71(a) représente l’énergie cumulée Emes au cours d’une fraction du WLTC
pour les valeurs d’efficacité 75%, 90% et la valeur de référence 95% en vert, rouge, et
noir respectivement. La Figure 3.71(b) reprend le même code couleur et trace l’écart
énergétique δEmes par rapport à l’essai obtenu avec l’efficacité ηref = 95%. Enfin, les
Figures 3.71(c) et (d) représentent la vitesse véhicule et la position de la pédale d’accé-
lérateur. La demande de rapport est tracée en pointillés sur l’axe de gauche de la Figure
3.71(d). On observe que l’écart énergétique δEmes augmente tout au long de la période

160
 3.3 Résultats expérimentaux

représentée, mise à part pendant les phases d’arrêt. On peut par ailleurs souligner que
l’écart s’accroît particulièrement pendant les phases d’accélération, puisque ces phases
impliquent une puissance moteur importante ; cependant, les phases de décélération sont
aussi source d’écart, le couple moteur n’étant généralement pas nul.

3.3.9.2 Synthèse
Dans cette thèse, on suppose une efficacité constante et identique pour chaque rap-
port. Les résultats ci-dessus suggèrent qu’une augmentation de l’efficacité de la transmis-
sion de 95% à 100% entraîne une baisse de l’énergie mécanique produite par le moteur
d’environ 4%. Une estimation plus précise de l’efficacité est donc susceptible d’améliorer
la représentativité du moyen d’essai, mais nécessite de disposer de données précises qui
n’étaient pas disponibles, et qui le sont rarement dans un contexte industriel.

3.3.10 Application à d’autres cycles

Le modèle de conducteur a également été testé sur d’autres cycles au banc moteur,
sans aucun ajustement par rapport au réglage PImean obtenu sur le cycle WLTC. Le
Tableau 3.12 rassemble les indicateurs de suivi pour les différents cycles testés.

Tableau 3.12 : Valeurs des indicateurs de suivi sur un cycle RDE et sur un roulage
piste (Aubevoye) pour différents réglages d’anticipation (« Preview »).
µV dif f tOutT ol Ndev tdev,M ax
Cycle Preview Gearshift
[km/h] [s] [-] [s]
RDE Profil n◦ 3 Banc 0.49 18.0 13 2.2
Banc 1.02 6.6 8 2.2
Slow 1.52 60.4 28 12.3
Profil n◦ 1
Normal 1.20 29.3 14 11.0
Fast 1.10 19.0 13 9.4
Aubevoye
Banc 0.72 0.0 0 0.0
Slow 1.11 31.9 11 8.2
Profil n◦ 3
Normal 0.82 5.8 3 3.2
Fast 0.75 1.7 2 0.9

3.3.10.1 Cycle RDE

En premier lieu, un cycle RDE réaliste et dynamique a pu être réalisé au banc
moteur. Ce cycle est basé sur une trace de référence qui provient d’un cycle effectué sur
route. Cette trace a aussi été jouée au banc à rouleaux (BàR) à des fins de comparaison
lors de la campagne véhicule 1. Le modèle de conducteur calibré sur le cycle WLTC
réalise 16 déviations sur les 6550 s du RDE. La Figure 3.72 représente une portion du
cycle pendant laquelle deux déviations se produisent. Sur les Figures 3.72(a), (c) et
(d), le cycle réalisé au banc moteur est représenté en bleu, et le cycle réalisé au BàR
en noir. Sur la Figure 3.72(a), on trace la vitesse actuelle en trait plein, ainsi que la
vitesse demandée en trait plein rouge et les tolérances en pointillés. La Figure 3.72(b)

161
3 Développement de l’environnement de simulation

représente les pédales d’accélérateur et de frein en trait plein et pointillés respectivement,

le frein étant représenté en négatif pour plus de lisibilité. Sur la Figure 3.72(c), on trace le
rapport demandé en pointillés et le rapport engagé en trait plein. Enfin, la Figure 3.72(d)
représente le régime moteur mesuré par l’ECU. Du fait d’un problème d’enregistrement,
la variable de la pédale d’accélérateur n’est pas disponible pour l’essai BàR.
Les deux périodes de déviations sont notées t1 et t2 et repérées par les encadrés
rouge et bleu respectivement. Il est important de souligner ici que contrairement au
cycle WLTC, la trace de rapport demandé n’a pas été constituée à partir de l’enregis-
trement véhicule, car le signal de pédale n’était pas disponible pour l’essai BàR. Comme
développé en Annexe A, ce signal est nécessaire au recalage du signal de rapport calculé
par l’ECU, qui est généralement en retard d’environ 1 s. Par conséquent, la trace de
rapport utilisée comme demande pour le banc EiL provient d’un calcul basé sur la pro-
cédure WLTC, qui détermine le rapport à engager en fonction du régime moteur et des
caractéristiques de la boîte de vitesse. Bien que ce calcul soit adapté pour la majorité
du cycle, il génère une demande de rapport inappropriée aux périodes t1 et t2 , qui ne
correspond pas au rapport réellement engagé par le conducteur humain. Cette différence
de rapport a pour effet de placer le moteur dans une plage de fonctionnement qui ne
permet pas au conducteur virtuel de suivre la vitesse demandée. De plus, en particulier
à t2 , le rapport demandé évolue rapidement entre deux valeurs, et force le conducteur à
relâcher la pédale d’accélérateur.

Fig. 3.72 : Portion du cycle RDE réalisé avec le réglage PIM ean et le profil d’anticipation
n◦ 3.

Les deux déviations constatées sur la Figure 3.72 sont donc principalement dues à
une trace de rapport inadaptée. Par ailleurs, ce motif se répète cinq fois au cours du
RDE, et représente 10 des 13 déviations, et 12.4 s de temps cumulé hors tolérance. On
peut supposer qu’avec une trace de rapport adaptée, le modèle conducteur réaliserait
donc le cycle RDE avec 3 déviations et 5.6 s de temps cumulé hors tolérance.

162
 3.3 Résultats expérimentaux

3.3.10.2 Roulage sur piste

Le banc EiL a aussi pu être utilisé afin de reproduire un roulage sur piste réalisé lors la
campagne véhicule n◦ 1 (Tableau 2.7) au centre d’Aubevoye. Pour cet essai, les demandes
de vitesse véhicule et de rapport sont obtenues à partir des enregistrements ECU, et la
pente de la route est recalculée en utilisant le filtre de Kalman et l’accéléromètre du
véhicule (voir Annexe A). En premier lieu, la Figure 3.73(a) représente par une barre
la valeur des indicateurs de représentativité énergétique Etqi , Etqe , Ereq , Emes et Mcarb
(indiqués en abscisse) pour l’essai véhicule (en bleu, « Veh » en légende) ainsi que pour
l’essai EiL réalisé avec le profil d’anticipation n◦ 3, et le réglage de changement de rapport
« Banc » (en rouge, « EiL » en légende). Avec ce paramétrage, le modèle de conducteur
réalise un suivi de cycle sans aucune déviation hors tolérance, comme indiqué dans le
Tableau 3.12. On peut souligner que l’essai véhicule ayant été réalisé sur piste et non
sur banc à rouleaux (BàR), on ne dispose pas des variables Ereq et Ereq de référence.
Pour les indicateurs pour lesquels c’est possible, la Figure 3.73(b) représente par une
barre la valeur de l’écart relatif entre l’essai EiL et l’essai véhicule. Les trois indicateurs
énergétiques (∆Etqi , ∆Etqe et ∆Mcarb ) suggèrent un écart important entre l’essai EiL
et la référence véhicule. En effet, le bilan énergétique de l’essai EiL est inférieur à la
référence, avec un écart conséquent compris entre −17.8 et −14.7%. Cet écart n’est pas
du à une différence de distance parcourue, l’écart ∆Dtot étant de −2.09%.

Fig. 3.73 : Comparaison du bilan énergétique entre l’essai EiL et l’essai véhicule sur
piste.

Compte tenu des résultats obtenus sur cycle WLTC et détaillés plus haut, plusieurs
hypothèses peuvent expliquer cet écart énergétique significatif.

• En premier lieu, il convient de souligner ici que contrairement aux cycles WLTC
étudiés précédemment, ce roulage sur piste a été réalisé lors de la campagne vé-
hicule 1 avec le véhicule EKE367. Comme précisé en Section 2.3, ce véhicule est
équipé d’un moteur H5D400, tandis que le moteur utilisé lors de la campagne EiL
finale est un moteur H5D470. On ne dispose pas d’une liste exhaustive des écarts
entre les deux moteurs. Cependant, on peut rappeler que les principales différences

163
3 Développement de l’environnement de simulation

résident dans le système de post-traitement, et leurs performances devraient donc

être similaires.

• Ensuite, cet essai véhicule n’a pas été réalisé dans les conditions d’homologation
définie par la procédure WLTP, contrairement aux essais BàR. En particulier, la
masse véhicule n’a pas été strictement contrôlée et ne correspond pas forcément à
la valeur référence choisie dans le modèle, du fait du nombre de passagers et du
chargement du coffre. De plus, l’utilisation des accessoires a été librement choisie
par le conducteur. La consommation de puissance par ces accessoires est susceptible
d’impacter le bilan énergétique, et n’est pas prise en compte par le modèle véhicule
actuel.

• Enfin, il est important de souligner que pour cet essai, on introduit une pente de la
route non nulle, contrairement au WLTC. Comme détaillé en Annexe A, ce signal
est recalculé à partir des variables du contrôle moteur par un filtre de Kalman.
Bien que ce filtre ait été validé sur des essais spécifiques, il s’agit d’une estimation
de la pente, et non d’une mesure.

La Figure 3.74(a) représente l’énergie cumulée au cours du temps sur le banc EiL pour
les indicateurs Etqi et Etqe en rouge et bleu respectivement, ainsi que pour la référence
véhicule en pointillés noirs avec les mêmes marqueurs rond et losange.

Fig. 3.74 : Ecart énergétique entre banc EiL et référence véhicule au cours d’un essai
piste.

La Figure 3.74(b) représente l’écart énergétique δE du banc EiL par rapport à la

référence relativement à l’énergie totale avec le même code couleur pour les deux mé-
thodes de calcul. Enfin, la Figure 3.74 (c) représente la vitesse véhicule en noir pour la
référence BàR et en rouge pour le banc EiL, ainsi que la pente calculée en vert (« θ » en
légende) sur l’axe de droite. La Figure 3.74(d) représente la puissance moteur indiquée
Ptqi calculée avec la variable ECUEstiT qi pour la référence véhicule et le banc EiL en
noir et rouge respectivement. On remarque que l’écart énergétique se creuse particuliè-
rement dans les phases d’accélération, par exemple à t = 856 s, t = 890 s et t = 923 s.

164
 3.3 Résultats expérimentaux

Cette observation peut suggérer que l’écart énergétique provient en partie d’une masse
véhicule différente, comme vu Section 3.3.8. On peut souligner que ces phases coïncident
aussi avec des fluctuations de la pente de la route. En effet, l’estimation de la pente est
basée sur le signal de l’accéléromètre du véhicule, et est susceptible d’être impactée par
de fortes fluctuations de la vitesse.
En second lieu, les 4 différents réglages de changement de rapport (« Banc », « Slow »,
« Normal » et « Fast ») sont testés sur ce roulage, ainsi que les Profils n◦ 1 (pas d’anti-
cipation) et 3. Les indicateurs de suivi de cycle sont rassemblés dans le Tableau 3.12.
Les résultats coïncident avec les observations Section 3.3.7 : l’augmentation de la durée
de changement de rapport entraîne une hausse du nombre de déviations et du temps
cumulé hors tolérance. L’anticipation de la demande de vitesse atténue cet impact et
améliore globalement le suivi de cycle.
La Figure 3.75 illustre l’impact du profil de changement de rapport sur le bilan
énergétique par rapport au profil de référence « Banc » au cours du cycle. Sur la Figure
3.75(a), les écarts relatifs par rapport à la référence ∆Etqi , ∆Etqe , ∆Emes , ∆Ereq et
∆Mcarb (Section 2.5) sont représentées par une barre, un rond, un losange, un carré
et une étoile respectivement. Les résultats du Profil n◦ 1 sont représentés en rouge, et
ceux du Profil n◦ 3 en bleu. Les profils de changement de rapport « Slow », « Normal »
et « Fast » sont précisés en abscisse. La même notation est utilisée sur la Figure 3.75(b)
pour les écarts relatifs des cumuls ramenés à la distance parcourue ∆Etqi/km , ∆Etqe/km ,
∆Emes/km , ∆Ereq/km et ∆Mcarb/km .

Fig. 3.75 : Impact du profil de changement de rapport sur le bilan énergétique - appli-
cation à un roulage sur piste.

Le profil de changement de rapport affectant la qualité de suivi du conducteur, la

distance totale parcourue est affectée. Par conséquent, pour un même indicateur éner-
gétique, le cumul total peut être inférieur à la référence véhicule, alors que le cumul
ramené à la distance est supérieur. C’est le cas par exemple avec le profil d’anticipation
n◦ 3 et le réglage de changement de rapport « Slow » : le cumul Etqi est inférieur de 0.92%
à la référence véhicule, tandis que le cumul ramené à la distance Etqi/km est supérieur
de 0.45%. Ensuite, de manière similaire à l’observation faite Section 3.3.7, l’impact du

165
3 Développement de l’environnement de simulation

profil de changement de rapport sur le bilan énergétique est relativement faible, l’écart
maximal constaté étant de l’ordre de 1%. On constate par ailleurs que l’écart est variable
selon l’indicateur et le profil : pour le réglage « Slow » sans anticipation (Profil n◦ 1), l’in-
dicateur ∆Emes/km suggère une hausse d’environ 0.3% de l’énergie mesurée, tandis que
les valeurs de ∆Etqe/km , ∆Etqi/km et ∆Ereq/km indiquent une baisse de l’énergie méca-
nique comprise entre 0.6% et 1.0%. Enfin, de manière similaire à la Section 3.3.7, les
résultats suggèrent que l’augmentation de la durée de changement de rapport conduit
à une hausse de la consommation de carburant, l’écart ∆Mcarb/km étant compris entre
0.4% et 2.6%.

3.3.11 Application à l’hybridation : modèle de

conducteur
Dans le cadre de cette thèse, le modèle de conducteur décrit plus haut a pu être
testé dans le contexte d’une transmission hybride lors de la Campagne 3 (Tableau 2.6).
Cette campagne s’appuie sur un modèle véhicule différent de celui présenté Section 3.1,
développé sous Simulink par Renault spécifiquement pour la simulation et le dévelop-
pement d’une transmission hybride électrique. Comme détaillé en Section 2.1.3, l’unité
de contrôle hybride alterne automatiquement entre plusieurs modes de traction dans le
véhicule simulé : le moteur à combustion (ICE) peut tracter le véhicule, mais il peut
aussi être utilisé pour charger les batteries, ou être complètement arrêté en traction
électrique. On peut distinguer deux blocs de modèles dans l’environnement Simulink :
• Le modèle d’environnement, qui représente la charge de la route, le rapport et
l’efficacité de la transmission, la batterie et son système de gestion, les moteurs
électriques ainsi que le moteur à combustion interne, et le conducteur.
• Le modèle algorithmique, qui simule l’unité de contrôle hybride et son réseau CAN.
Comme mentionné Section 3.1, le modèle d’environnement est adapté au banc EiL en
supprimant le bloc simulant le moteur thermique, puisque le moteur HR12 ETech (Ta-
bleau 2.4) est présent physiquement sur le banc d’essai. Ce modèle de véhicule est ensuite
connecté au modèle de conducteur décrit Section 3.2. Une vue d’ensemble de l’architec-
ture des signaux de la configuration EiL est représentée sur la Figure 3.76. Sur le banc
d’essai, la machine de charge (« Dynamometer ») applique le couple résistif calculé par
le modèle d’environnement. Le régime moteur qui en résulte est mesuré sur l’arbre et
transmis au modèle de transmission pour calculer la vitesse véhicule. En fonction de
cette vitesse et de la vitesse demandée par le cycle, le modèle de conducteur calcule une
position de la pédale d’accélérateur.
La principale différence avec l’architecture décrite Figure 3.4 réside dans la présence
du modèle de l’unité de contrôle hybride. La demande du modèle conducteur n’est pas
transmise directement au moteur thermique, mais à cette unité de contrôle. Elle est
ensuite traduite en deux demandes distinctes : la demande de couple électrique est
envoyée au modèle d’environnement, tandis que la demande de moteur thermique est
transmise au moteur sous forme de position de la pédale d’accélérateur. La demande de
couple peut par ailleurs être négative dans le cas d’un freinage. Dans ce cas, l’unité de
contrôle répartit le couple de freinage entre d’une part le système de freinage récupératif
permettant de recharger la batterie, et d’autre part le freinage conventionnel.

166
 3.3 Résultats expérimentaux

Fig. 3.76 : Vue d’ensemble du flux de signaux dans la configuration EiL hybride.

3.3.11.1 Vue d’ensemble

Les gains KP et KI ont été réglés en suivant les étapes décrites dans la Section
3.2.4.3 avec une valeur de référence pour F35 de F35,ref = 0, 048 Hz. Le gain anti-windup
a été fixé à KAW = 1/KI . A partir des profils listés dans le Tableau 3.5, trois réglages
d’anticipation différents ont été sélectionnés pour être testés sur le banc EiL : les Profils
n◦ 1, 3 et 7 indiqués en gras et en bleu dans le Tableau 3.5. La position initiale de la
pédale d’accélérateur pour le décollage Acc0 a été réglée manuellement à 7,5%.
La Figure 3.77(a) représente la vitesse du véhicule en ligne continue pour le conduc-
teur PI avec le profil d’anticipation n◦ 3 (en bleu), ainsi qu’un essai de référence effectué
par un conducteur humain au banc à rouleaux (en noir). La demande de vitesse du cycle
est représentée en rouge, ainsi que les limites de tolérance WLTP en pointillés. La Figure
3.77(b) représente la position des pédales d’accélérateur et de frein pour le conducteur
humain et le conducteur virtuel, en utilisant le même code couleur. Les pédales d’accélé-
rateur et de frein sont représentées respectivement en ligne pleine et en ligne pointillée,
le frein étant en négatif pour plus de lisibilité. La Figure 3.77(c) représente le couple du
moteur thermique, tandis que la Figure 3.77(d) représente le régime moteur.
On peut noter que l’allure de la courbe de position pédale d’accélérateur est proche
pour les deux conducteurs. Des différences peuvent être observées dans la courbe de
la pédale de frein, dues au fait qu’aucune cartographie du couple de freinage n’était
disponible pour le véhicule de référence. Cependant, le signal de freinage est uniquement
utilisé par le modèle du véhicule et non par le moteur physique. Par conséquent, cela ne
devrait affecter que l’amplitude du signal de la pédale de frein et non la représentativité
globale de la configuration EiL. Les courbes de vitesse et de couple moteur montrent
une bonne corrélation globale avec l’essai sur banc à rouleaux de référence. Cependant,
plusieurs phases présentent des comportements différents, comme t1 = 1150 s, t2 = 1220 s
et t3 = 1250 s, indiqués en rouge sur la Figure 3.77.
Tout d’abord, à t1 , le conducteur EiL appuie sur la pédale d’accélérateur alors que
le conducteur humain ne le fait pas : bien que les deux conducteurs restent dans les
limites de tolérance, ils ne suivent pas strictement la même courbe de vitesse, ce qui
a un impact sur le comportement du moteur. En revanche, la position de la pédale

167
3 Développement de l’environnement de simulation

Fig. 3.77 : Fraction du WLTC pour le conducteur EiL Profil n◦ 3 (bleu) par rapport à
un conducteur humain sur banc à rouleaux (noir).

d’accélérateur du conducteur EiL est très similaire à celle de la référence humaine à t2

et t3 . Le comportement différent du moteur pendant ces phases est très probablement
dû à une demande différente de l’unité de contrôle hybride. En effet, la demande de
couple envoyée au moteur thermique par l’unité de contrôle ne dépend pas seulement
de la position de la pédale d’accélérateur du conducteur, mais aussi d’autres facteurs
tels que l’état de charge de la batterie et la température de la ligne d’échappement. Ces
différences de comportement du moteur sont donc dues à des écarts dans le modèle du
véhicule, qui n’étaient pas l’objet principal de cette étude. Afin d’améliorer la fidélité du
comportement du moteur à combustion interne par rapport à la référence, la précision
du modèle de véhicule devrait donc être améliorée.

Tableau 3.13 : Valeurs des indicateurs de performance du modèle de conducteur sur

le banc EiL pour plusieurs réglages d’anticipation.
µV dif f tOutT ol Ndev tdev,M ax F35
Driver
[km/h] [s] [-] [s] [Hz]
Ref. 0.30 0.0 0 0.0 0.032
n◦ 1 0.26 0.0 0 0 0.038
n◦ 3 0.39 0.0 0 0.0 0.038
n◦ 7 0.60 0.0 1 0.6 0.042

Il peut tout de même être souligné que le conducteur EiL atteint une performance
satisfaisante de suivi de cycle et reste dans les limites de tolérance. Le Tableau 3.13 ras-
semble les valeurs d’intérêt pour plusieurs profils d’anticipation du conducteur EiL ainsi
que l’essai sur banc à rouleaux de référence (« Ref. »). On peut tout d’abord souligner
que les trois paramètres d’anticipation conduisent à un cycle WLTC valide, avec une
seule déviation pour le Profil n◦ 7. De plus, la valeur de F35 est inférieure à la valeur
moyenne de référence de 0,048 Hz. Comme le Profil n◦ 1 présente déjà un cycle sans
déviation, l’impact de l’anticipation n’apparaît pas clairement dans le Tableau 3.13. Ces

168
 3.3 Résultats expérimentaux

résultats suggèrent que l’architecture hybride nécessite moins d’anticipation du conduc-

teur, le moteur électrique pouvant fournir du couple de manière quasi-instantanée dans
les phases de forte accélération. De plus, l’introduction de l’anticipation semble même
dégrader les performances de suivi de cycle dans le cas du Profil n◦ 7. En analysant en
détail, il apparaît que la déviation se produit pendant le décollage, comme le montre la
Figure 3.78.

Fig. 3.78 : Déviation hors tolérance lors du décollage du à une anticipation excessive.
Comparaison de plusieurs réglages d’anticipation sur le banc EiL.

La Figure 3.78(a) représente la vitesse du véhicule en ligne continue pour les Profils
n◦ 1, 3, et 7 en rouge, bleu et vert respectivement. La vitesse cible Vtarget (qui est différente
pour chaque réglage d’anticipation) est tracée en pointillés de la même couleur pour
chaque réglage. Les limites de tolérance WLTP sont indiquées en noir. Avec le même
code couleur, la Figure 3.78(b) représente les positions de la pédale d’accélérateur et
de la pédale de frein en ligne pleine et en ligne pointillée respectivement pour chaque
profil conducteur, le signal du frein étant tracé en négatif pour plus de lisibilité. Enfin, la
Figure 3.78(c) représente l’évolution du temps cumulé hors tolérance tOutT ol en fonction
du temps.
On peut noter que jusqu’à t=169 s, la vitesse du véhicule Vact est inférieure à la
vitesse cible Vtarget pour les Profils n◦ 3 (vert) et 7 (bleu). Par conséquent, le conducteur
accélère, bien que la vitesse du véhicule soit supérieure à la vitesse de demande du cycle

169
3 Développement de l’environnement de simulation

Vdem . L’écart du Profil n◦ 7 est dû au fait que la vitesse cible est trop anticipée et est
proche de la limite supérieure de tolérance.

3.3.11.2 Robustesse du modèle de conducteur

À des fins de corrélation, le modèle de véhicule a été légèrement modifié au cours
de l’étude dans le cadre du projet Renault. En particulier, les rapports de transmission,
la loi de route et le modèle de batterie ne correspondaient pas exactement à l’essai du
véhicule de référence et ont été modifiés au cours de la campagne d’essai. Par conséquent,
l’algorithme de calibration du modèle de conducteur (Figure 3.32) a donné lieu à deux
réglages : PIbest correspond au réglage du conducteur ajusté en utilisant la version finale
du modèle de véhicule, tandis que PItemp a été réglé sur la version initiale du modèle.
Les deux réglages ont été testés dans la configuration EiL complète (Figure 3.76) en
utilisant la version finale du modèle de véhicule. En outre, les deux conducteurs ont
également été testés sur le banc avec une masse véhicule M33 augmentée de 33% (c’est-
à-dire environ 600 kg) par rapport à la masse de référence Mref . Tandis que les Figures
3.77 et 3.78 et le Tableau 3.13 étaient basés sur le réglage final du conducteur PIbest , le
Tableau 3.14 rassemble les valeurs des indicateurs de performance pour les deux modèles
de conducteur, avec et sans anticipation.

Tableau 3.14 : Performance des deux réglages du P I (« Driver ») pour différentes

valeurs d’anticipation (« Preview ») et de masse véhicule.
µV dif f tOutT ol Ndev tdev,M ax F35
Driver Preview Mass
[km/h] [s] [-] [s] [Hz]
Vehicle ref. Mref 0.30 0.0 0 0.0 0.032
Mref 0.26 0.0 0 0 0.038
n◦ 1
M33 0.34 0.0 0 0 0.039
PIbest
Mref 0.39 0.0 0 0 0.036
n◦ 3
M33 0.39 0.0 0 0 0.037
Mref 0.50 5.4 7 1.2 0.033
n◦ 1
M33 0.67 20.2 15 2.0 0.035
PItemp
Mref 0.46 0.0 0 0 0.031
n◦ 3
M33 0.56 4.8 5 1.4 0.032

On peut tout d’abord noter que le réglage final PIbest est robuste aux changements
de masse du véhicule puisqu’il effectue toujours un cycle valide avec M33 . En revanche,
l’anticipation est nécessaire pour le réglage PItemp afin d’effectuer un cycle valide. Ces
résultats s’expliquent par le fait que ce modèle a été réglé en utilisant un modèle de
véhicule légèrement différent de celui utilisé dans la configuration EiL, et qu’il n’est
donc pas parfaitement adapté. L’introduction de l’anticipation permet d’améliorer les
performances de suivi du cycle du conducteur et de réaliser un cycle valide avec un réglage
non optimal du PI pour la masse de référence Mref . Cependant, même si l’anticipation
permet de réduire le nombre de déviations de 15 à seulement 5 avec M33 , elle ne permet
toujours pas de réaliser un cycle valide avec le conducteur PItemp , en raison d’une longue
déviation de 1.4 s.

170
 3.4 Conclusions

3.3.11.3 Application à un cycle RDE

Enfin, le réglage optimal du conducteur PIbest avec le profil d’anticipation n◦ 3 a
également été testé sur un cycle RDE réaliste et dynamique au banc EiL. Dans ce cas,
le cycle est basé sur un test RDE réalisé avec un véhicule réel. Comme le montre la
Figure 3.79, le modèle de conducteur réglé à l’aide d’un WLTC présente un suivi de
cycle satisfaisant sur le RDE, sans déviation. Bien que la référence du véhicule ne soit
pas disponible pour la corrélation, la manipulation de l’accélérateur semble également
réaliste.

Fig. 3.79 : Suivi du conducteur virtuel au banc EiL pendant une fraction de cycle RDE.

3.4 Conclusions
Ce chapitre présente en premier lieu les travaux réalisés sur l’environnement virtuel
du banc EiL. Tout d’abord, le modèle véhicule utilisé dans cette thèse s’appuie sur
un modèle AMESim issu de la plateforme de co-simulation GREEN. En particulier,

171
3 Développement de l’environnement de simulation

seuls les blocs « transmission », « différentiel » et « véhicule » ont été conservés, les autres
composants étant présents physiquement au banc moteur.
• La transmission et le différentiel sont représentés par des ratios de transmission
ainsi qu’une efficacité que l’on suppose constante pour chaque rapport. Le modèle
véhicule s’appuie sur une projection 1D du principe fondamental de la dynamique.
• Le bloc « embrayage » du modèle initial a été remplacé par un modèle développé
spécifiquement et basé sur le modèle « reset integrator ». L’embrayage est repré-
senté par une raideur amortie en phase de collage, c’est-à-dire quand l’élongation
de la raideur est inférieure à sa valeur maximale. Quand l’élongation atteint son
maximum, l’embrayage passe en glissement et le couple est constant à sa valeur
maximale jusqu’à ce que les régimes soient de nouveau synchronisés.
• L’extraction du bloc « embrayage » a permis de modifier la liaison entre l’envi-
ronnement virtuel et le banc moteur. Le couple calculé par ce bloc est transmis
comme demande à la machine de charge, tandis que le modèle véhicule reçoit le
couple effectivement appliqué et mesuré sur l’arbre moteur.
Ensuite, un modèle de conducteur a été développé sous Simulink, dont la principale
fonction est le suivi de la vitesse demandée via les pédales d’accélérateur et de frein.
Ce contrôle longitudinal de la vitesse véhicule s’appuie sur la structure de régulation
proportionnelle-intégrale (PI). A cette structure, on ajoute deux fonctions :
• L’anti-windup de type « tracking-back », qui consiste à retrancher au terme intégral
la différence entre le signal de sortie brut et le signal de sortie saturé, multipliée
par un gain KAW = 1/KI .
• L’anticipation de la vitesse de consigne via le calcul d’une vitesse cible Vtarget basée
sur une moyenne pondérée de la vitesse demandée Vdem et de cette vitesse anticipée
de 1, 2, et 3 secondes respectivement.
Dans le cas d’une transmission manuelle, le modèle de conducteur a aussi pour fonction
la gestion de la pédale d’embrayage lors des phases de changements de rapport et de
décollage.
• On base le fonctionnement du modèle sur le comportement humain observé lors
d’essais sur piste et BàR. Cette analyse permet de définir les différents évènements
caractéristiques d’une montée de rapport ou d’un rétrogradage et leurs durées
respectives, et a par ailleurs été étendue à 180 essais afin de définir différents
profils de conducteur.
• Lors d’un décollage, le modèle de conducteur agit sur la pédale d’accélérateur
via un régulateur PI similaire à celui utilisé pour le contrôle de vitesse afin de
réguler le régime moteur à un régime cible défini par l’analyse des essais véhicule.
En parallèle, le conducteur relâche progressivement l’embrayage afin de suivre la
vitesse demandée.
• Dans le cas d’une transmission hybride (automatique), il n’y a pas de pédale d’em-
brayage et le modèle de conducteur est donc plus simple. On ajoute cependant une
initialisation de l’intégrateur lors des décollages de manière à commencer le décol-
lage à une position non nulle de la pédale d’accélérateur.

172
 3.4 Conclusions

On propose en outre une méthode de calibration de ce modèle conducteur en simulation,

avant la mise au banc moteur.

• Pour réaliser la calibration des gains KP et KI , on s’appuie sur un modèle de

moteur thermique intégrant une représentation de la dynamique de la réponse
moteur basée sur la fonction de transfert FOPDT. Cette fonction de transfert
peut être paramétrée à partir d’essais de caractérisation au banc moteur, ou bien
des exigences du cahier des charges.

• La calibration s’appuie sur un balayage discret de différents réglages et cherche à

obtenir le conducteur le plus précis, la qualité de suivi étant quantifiée à partir du
temps cumulé hors tolérance. Par ailleurs, on utilise un indicateur de représentati-
vité du conducteur, noté F35 . Cet indicateur est basé sur une analyse fréquentielle
du signal de la pédale d’accélérateur, et doit être inférieur à une valeur de référence
établie à partir d’essais sur véhicule.

Finalement, l’environnement virtuel développé a permis de réaliser un nombre important

d’essais au banc EiL, dont les principaux apports sont listés ci-dessous.

• L’application de l’approche EiL dans le contexte d’une transmission manuelle a

permis de révéler que la liaison entre l’environnement virtuel et le banc physique
par le modèle d’embrayage représente une source potentielle de forte instabilité,
et donc un aspect crucial de l’environnement EiL. La modélisation de l’embrayage
par le modèle « reset integrator » ainsi que l’utilisation du couple mesuré dans le
modèle véhicule ont finalement conduit à un comportement stable et représentatif.

• La structure choisie pour le modèle de conducteur ainsi que sa méthode de cali-

bration sont adaptées à l’approche Engine-in-the-Loop. Le modèle de conducteur
avec anticipation réalise un suivi de vitesse satisfaisant sans aucune déviation sur
le cycle WLTC, et son comportement est réaliste comparé aux essais sur véhicule.
Le réglage obtenu en simulation ne nécessite pas d’ajustement une fois sur le banc
moteur. De plus, il est robuste à la variation de la masse véhicule, et est adap-
té à des cycles de type RDE ainsi qu’à un fonctionnement dans une architecture
hybride.

• En particulier, l’anticipation de la vitesse demandée par le modèle de conducteur

permet une nette amélioration du suivi de cycle, ainsi que de sa robustesse à des
modifications des paramètres véhicule. L’introduction de cette fonction a généra-
lement peu d’impact sur le bilan énergétique et les émissions de CO2 , la variation
étant de l’ordre de 2% sur les essais réalisés. En revanche, l’anticipation a pour
effet de lisser le comportement du conducteur, et par conséquent les fluctuations de
la richesse du mélange. Ainsi, l’introduction de cette fonction conduit à une baisse
des émissions moteur de NOx , de CO et surtout de HC, l’impact étant compris
sur le WLTC entre 1% et 5% pour les émissions de NOx et de CO, et pouvant
atteindre 11% pour les HC. Cette tendance se vérifie sur les émissions de NOx et
de HC à l’échappement, l’écart relatif étant de l’ordre de 10% du fait du faible
ordre de grandeur des masses mesurées. A l’inverse, les résultats suggèrent que
les émissions de CO mesurées à l’échappement augmentent d’environ 20% avec
l’introduction de l’anticipation. Une analyse approfondie basée sur un plus grand

173
3 Développement de l’environnement de simulation

nombre d’essais serait néanmoins nécessaire pour mieux comprendre les impacts
de l’anticipation sur les émissions à l’échappement.

• Le fonctionnement du modèle de conducteur lors des phases de changements de

rapport est réaliste comparé à une référence véhicule. De plus, la définition de dif-
férents profils de conducteur a permis de révéler que l’allongement du changement
de rapport a relativement peu d’impact sur la production d’énergie mécanique,
l’écart étant de l’ordre de 1%. On observe néanmoins une augmentation de 2% de
la consommation de carburant. L’impact sur les polluants est plus conséquent, en
particulier durant les montées de rapport. L’augmentation de la durée du change-
ment de rapport a pour effet d’allonger la phase de lâcher de pédale et d’amplifier
la réaction du conducteur à la perte de couple engendrée, ce qui affecte la maîtrise
de la richesse du mélange par le contrôle moteur. L’allongement du changement de
rapport conduit ainsi à une augmentation d’environ 10% des émissions de CO et
à une baisse d’environ 5% des émissions de NOx en sortie moteur. Cette tendance
est vérifiée à l’échappement pour les émissions de CO, avec un écart relatif plus
important du fait des faibles masses en jeu. En revanche, l’allongement du chan-
gement de rapport conduit à une hausse des émissions de NOx à l’échappement
causée par la dégradation du contrôle de la richesse qui diminue l’efficacité de trai-
tement du catalyseur. La dispersion des résultats obtenus ne permet pas d’établir
de conclusion nette quant à l’impact sur les émissions de HC.

• L’environnement EiL élaboré dans cette thèse est caractérisé par une dispersion
significativement plus faible que les essais BàR. Cette conclusion concerne non
seulement le suivi du modèle de conducteur, mais aussi le bilan énergétique qui
varie de moins de 0.3% sur 4 essais considérés, contre jusqu’à 1.8% sur BàR. Les
émissions de NOx , CO et CO2 varient de moins de 0.5% sur ces 4 essais. Les
émissions de HC sont caractérisées par la dispersion la plus élevée sur les deux
moyens d’essais, l’écart à la moyenne étant de l’ordre de 1% sur le banc EiL,
contre environ 2% sur BàR.

• L’analyse du bilan énergétique basée sur 5 indicateurs suggère que le banc EiL
impose une énergie mécanique au moteur supérieure par rapport aux essais BàR,
l’écart constaté étant compris entre 0.41% et 4.98%. On estime en revanche une
masse de carburant consommée inférieure de 1.08% à la référence. Bien qu’aucun de
ces indicateurs ne soit totalement fiable, on peut conclure que l’environnement EiL
permet des essais représentatifs d’un point de vue énergétique. On peut souligner
que le conducteur virtuel atteint une vitesse moyenne supérieure au conducteur
humain qui vise sous la vitesse cible, en particulier dans la dernière phase de haute
vitesse du cycle WLTC. Bien que l’écart de vitesse soit relativement faible, il peut
expliquer une partie de l’excès énergétique.

• Certains paramètres véhicule ont été estimés pour obtenir ces résultats, en parti-
culier la masse totale et l’efficacité de la transmission. Une estimation plus précise
de ces paramètres pourrait améliorer la représentativité énergétique. Par exemple,
une diminution de 10% de la masse véhicule résulte en une baisse d’environ 2.5%
de l’énergie mécanique sur le cycle WLTC. De la même manière, une augmentation
de l’efficacité de la transmission de 95% à 100% entraîne une baisse d’environ 4%.

174
 3.4 Conclusions

• Du fait des différences significatives de la ligne échappement utilisée sur le banc

EiL avec la référence véhicule, la comparaison des émissions gazeuses sur les deux
moyens d’essai concerne uniquement les émissions en sortie moteur. Sur le banc
EiL, le moteur émet moins de CO2 et de HC comparé à la référence véhicule, avec
un écart d’environ 1.5% et 5.5% respectivement. De plus, le moteur émet environ
3% de NOx et 0.05% de CO en plus que sur le BàR. Ces écarts sont à mettre
en perspective avec d’une part la dispersion des essais véhicule, et d’autre part
l’incertitude portée sur la mesure des émissions. En particulier, on suppose dans
cette thèse un temps de transfert constant pour chaque polluant entre le point de
prélèvement et la baie. Le temps de transfert est en outre estimé manuellement sur
plusieurs cycles WLTC, et est sujet à une dispersion importante, avec un écart-
type de l’ordre de 1 s. Par exemple, une réduction de 1 s de ce temps de transfert
a pour effet de diminuer l’écart de la masse cumulée de CO2 entre EiL et BàR, qui
passe de 1.5% à 0.5%. L’excès d’émissions de NOx est particulièrement creusé lors
de la dernière portion à haute vitesse du WLTC, pendant laquelle le conducteur
virtuel atteint une vitesse supérieure au conducteur humain. Enfin, la carence en
émissions de HC semble être due au comportement du conducteur virtuel, qui agit
sur la pédale d’accélérateur de manière plus douce que le conducteur humain de
référence.

• Le banc EiL a aussi pu être utilisé pour reproduire un essai véhicule réalisé sur
piste. Dans ce contexte, la pente de la route a été reconstituée à l’aide du signal
de l’accéléromètre du véhicule et d’un filtre de Kalman. On constate que l’énergie
mécanique produite sur le banc EiL est inférieure d’environ 15% par rapport à
la référence véhicule. Cet écart est probablement du à une sous-estimation de la
pente de la route.

Finalement, on peut conclure que le banc EiL développé dans ce chapitre permet des
essais plus répétables que le banc à rouleaux, qui sont représentatifs par rapport à la
référence BàR du point de vue du bilan énergétique et des émissions moteur. Il convient
ensuite d’évaluer la représentativité de l’environnement physique du banc EiL vis-à-vis
de la configuration véhicule, en particulier en ce qui concerne les conditions thermiques
du moteur et de la ligne d’échappement.

175
176

176
CHAPITRE 4
Etude de la représentativité
thermique
Comme déjà mentionné dans le Chapitre 1, la thermique du moteur ainsi que celle de
la ligne d’échappement jouent un rôle important dans la représentativité de l’environne-
ment EiL, puisqu’elles sont susceptibles d’impacter le bilan énergétique du moteur, ainsi
que ses émissions polluantes. Suite aux résultats d’essais présentés dans le chapitre pré-
cédent, la seconde partie de la campagne expérimentale 4 (Table 2.6) s’est concentrée sur
la représentativité thermique du banc EiL, en particulier le circuit de refroidissement
et l’air de suralimentation. Les résultats obtenus ont conduit au développement d’un
modèle thermique de la ligne d’air, présenté en second lieu.

4.1 Configuration véhicule

4.1.1 Circuit de refroidissement
Le circuit de refroidissement a pour fonction d’évacuer une partie de la puissance
thermique générée par la combustion vers l’extérieur, afin de préserver les éléments
physiques du moteur. Sur le véhicule de référence, les principaux composants du circuit
de refroidissement sont le circuit de liquide de refroidissement, le radiateur et le calorstat,
représentés Figure 4.1.

Fig. 4.1 : Schéma simplifié du circuit de refroidissement sur le véhicule.

La pompe est entraînée par le moteur et fait circuler le liquide de refroidissement

dans le circuit. Le calorstat est un élément thermodilatable qui joue le rôle de vanne
proportionnelle. Quand le moteur est froid, le calorstat est fermé et le liquide ne circule
4 Etude de la représentativité thermique

pas dans la boucle représentée en rouge. A partir d’une certaine température générale-
ment proche de 85◦ C, le calorstat commence à s’ouvrir progressivement et une partie du
débit est donc dirigée vers le radiateur. Le radiateur est un échangeur à air qui refroidit
le liquide de refroidissement du moteur grâce à l’air extérieur entrant par la face avant
du véhicule. Un ventilateur entraîné électriquement peut en outre forcer la circulation
de l’air dans le cas où la circulation naturelle générée par la vitesse véhicule est insuf-
fisante. La boucle aérotherme a pour rôle de chauffer l’habitacle, selon la demande du
conducteur.

4.1.2 Circuit d’air de suralimentation

Comme la majorité des moteurs modernes, le moteur HR10 de référence est un mo-
teur suralimenté. La suralimentation consiste à ajouter un turbocompresseur dans la
ligne d’air afin d’insuffler de l’air sous pression dans les cylindres. En augmentant la
masse d’air comburant, la suralimentation permet ainsi d’augmenter la masse de car-
burant injectée dans les cylindres, le but étant d’augmenter la puissance fournie par le
moteur sans modifier sa vitesse de rotation. Il est ainsi possible de remplacer un moteur à
alimentation atmosphérique par un moteur de cylindrée réduite mais de puissance simi-
laire (« down-sizing ») avec un meilleur rendement aux charges faibles et intermédiaires.
Le turbocompresseur est entraîné par une turbine qui détend les gaz d’échappement.
Du fait de la compression, la température de l’air comburant augmente et sa densité
diminue. Afin d’obtenir une densité optimale, on place donc généralement un échangeur
après le turbocompresseur. Cet échangeur, appelé refroidisseur d’air suralimenté (RAS,
ou charge air cooler (CAC) en anglais), peut être un échangeur à air ou à eau (water
CAC).

Fig. 4.2 : Schéma simplifié du circuit d’air de suralimentation sur véhicule.

Sur le véhicule de référence, le RAS est un échangeur à air placé sur la face avant
du véhicule, à côté du radiateur. La Figure 4.2 représente les principaux composants

178
 4.2 Configurations utilisées au banc moteur

du circuit d’air de suralimentation. La température de l’air de suralimentation, notée

ECUM AT , est mesurée par le contrôle moteur par un thermocouple placé au niveau du
collecteur d’admission.

4.2 Configurations utilisées au banc moteur

Les bancs moteurs sont généralement caractérisés par un conditionnement thermique
différent par rapport à la configuration véhicule, certains composants étant absents ou
leur fonctionnement étant détourné. Sur les bancs utilisés dans cette thèse, la tempéra-
ture ambiante de la cellule est régulée par une ventilation afin d’être comprise entre les
températures minimale Tcell,min = 21◦ C et maximale Tcell,max = 23◦ C. Le circuit d’huile
n’est pas mentionné dans la suite de cette section, car il n’est pas modifié par rapport
à la configuration véhicule. L’huile évacue une partie de la chaleur accumulée dans la
masse métallique par un échangeur avec le liquide de refroidissement. En revanche, le
circuit de refroidissement est modifié par rapport à la configuration véhicule, ainsi que
le circuit d’air suralimenté.

4.2.1 Circuit de refroidissement

Les bancs moteurs étant le plus souvent utilisés pour réaliser des points stabilisés dans
le contexte industriel, la structure généralement choisie pour le circuit de refroidissement
répond à ce besoin. Par conséquent, le volume de liquide de refroidissement est largement
supérieur au volume sur véhicule, et le calorstat est extrait du circuit. La température
du liquide est alors régulée par un échangeur à eau, par exemple via le débit d’eau
secondaire.

Fig. 4.3 : Schéma simplifié du circuit de refroidissement au banc moteur.

Dans cette thèse, le choix a été fait de placer l’architecture du banc moteur au plus
proche de la configuration véhicule afin de minimiser les écarts thermiques. Le circuit
de refroidissement est représenté sur la Figure 4.3. Contrairement à la configuration
généralement utilisée sur banc moteur en contexte industriel, le calorstat de série est

179
4 Etude de la représentativité thermique

conservé et le volume de liquide de refroidissement est du même ordre de grandeur

que sur le véhicule. Le radiateur à air est remplacé par un échangeur à eau à débit
régulé de manière à maintenir une température moteur constante une fois le calorstat
ouvert. L’aérotherme n’est pas présent puisque inutilisé lors des essais EiL, mais la
boucle aérotherme est conservée. Une boucle supplémentaire est ajoutée : la boucle de
macération. Cette boucle permet de contourner le calorstat afin de refroidir le moteur à
l’aide de l’échangeur indépendamment de la température du circuit. Elle est seulement
utilisée entre deux essais, afin de ramener rapidement le moteur dans les conditions
correspondant à un départ à froid, comme détaillé en Section 4.3.1.

4.2.2 Circuit d’air de suralimentation

Dans cette thèse, deux configurations ont été évaluées au banc moteur concernant le
circuit d’air de suralimentation, Figure 4.4. Le RAS est extrait du véhicule de référence
et présent sur le banc, ainsi que les tubulures d’origine. La principale différence avec
la configuration véhicule réside dans le refroidissement du RAS, qui ne se fait plus par
l’air entrant naturellement par la face avant du véhicule, mais plutôt par arrosage (en
noir sur la Figure 4.4), ou par une ventilation pilotée (en gris). En plus de la mesure
système ECUM AT , l’environnement du banc moteur permet la mesure des température
TAV C , TAP C et TAP E , respectivement en entrée et sortie du compresseur, et directement
en sortie du RAS. Contrairement à la mesure TAP E , tous les essais réalisés au cours de
cette thèse ne disposent pas de l’enregistrement des températures TAV C et TAP C .

Fig. 4.4 : Schéma simplifié du circuit d’air de suralimentation sur banc moteur.

4.2.2.1 Constat initial : refroidissement par arrosage

La première option mise en place lors des campagnes 0, 1 et 2 (Table 2.6) consiste à
refroidir le RAS par arrosage, Figure 4.5(a). Une arrivée d’eau froide est donc placée sur
le haut du RAS (en rouge sur la Figure). L’eau ruisselle de haut en bas sur l’échangeur

180
 4.2 Configurations utilisées au banc moteur

avant d’être évacuée. Le débit d’eau est contrôlé par un correcteur PID agissant sur la
vanne pour réguler la température TAP E mesurée en sortie de RAS, ou de la température
en entrée du collecteur ECUM AT mesurée par le contrôle moteur. La température de
consigne provient généralement d’une cartographie basée sur des essais véhicule.

((a)) Arrivées d’eau d’arrosage sur le

RAS. ((b)) Cartographie de régulation.
Fig. 4.5 : Méthode de refroidissement du RAS par arrosage.

La Figure 4.6 représente les résultats obtenus au banc moteur lors de la Campagne
0 (Table 2.6) ainsi que la référence véhicule en noir.

Fig. 4.6 : Température d’air de suralimentation ECUM AT lors de la Campagne 0.

La température ECUM AT est représentée pour 3 cas :

181
4 Etude de la représentativité thermique

• En rouge, le premier tir WLTC réalisé avec la régulation standard généralement

utilisée pour les essais Renault. Dans ce cas, la cartographie de régulation est basée
sur la température ECUM AT et sur le point de fonctionnement moteur. A partir
d’un cycle réalisé sur BàR par le véhicule de référence, la cartographie est élaborée
en considérant la température d’admission ECUM AT moyenne correspondant à
chaque point de fonctionnement moteur, défini par le régime ωeng et le couple
moteur ECUEstiT qi ou la pression dans le collecteur ECUP boost .

• Pour réduire l’écart important constaté entre la courbe initiale et la référence

véhicule, une première approche a consisté à appliquer un incrément ∆T = 10◦ C
à la cartographie initiale. La courbe obtenue, représentée en bleu sur la Figure,
est plus proche de la référence véhicule. Toutefois, l’écart reste significatif, en
particulier dans la deuxième partie du cycle.

• Afin d’améliorer la représentativité du banc EiL, une nouvelle formulation a été

élaborée lors de la Campagne 0. En effet, pour un point de fonctionnement moteur
donné, la température ECUM AT peut varier de manière significative au long du
cycle, du fait de l’accumulation de chaleur dans la masse métallique et sous le
capot du véhicule. La cartographie initiale est basée uniquement sur le point de
fonctionnement moteur et néglige donc cet aspect. Pour prendre ce phénomène en
compte, l’approche choisie consiste à établir la cartographie ECUM AT en considé-
rant l’énergie Etqi produite par le moteur depuis le début du cycle. La cartographie
est élaborée en considérant la température d’admission ECUM AT moyenne corres-
pondant à une énergie Etqi donnée, ainsi qu’à une valeur de l’accélération véhicule
dV /dt. La Figure 4.5(b) représente l’accélération véhicule en abscisse et l’énergie
produite en ordonnée, la cartographie de température cible étant représentée par
une échelle de couleur du bleu au rouge. Finalement, la température de suralimen-
tation obtenue avec cette cartographie est tracée en jaune sur la Figure 4.6, et
réduit considérablement les écarts constatés.

Malgré l’amélioration observée concernant les écarts de température d’admission, on

identifie plusieurs lacunes concernant l’arrosage du RAS. Tout d’abord, la régulation se
base sur une cartographie élaborée à partir d’un cycle véhicule donné. On peut donc
souligner que les résultats sont susceptibles de varier selon le cycle joué au banc mo-
teur : il est peu probable que la cartographie basée sur un cycle WLTC soit adaptée à un
cycle RDE plus long et plus dynamique, par exemple. Afin d’obtenir une cartographie
représentative pour une large combinaison de cycles, il serait donc nécessaire de dis-
poser de nombreux essais véhicules différents. Cette méthodologie ne correspond pas à
l’environnement EiL, dont l’intérêt est bien de minimiser les essais véhicule. Ensuite, la
régulation par arrosage est principalement destinée à des essais stabilisés et manque de
réactivité. Elle n’est pas adaptée à un cycle tel que le WLTC. Par exemple, on peut voir
à 1600 s une chute brutale de la température ECUM AT dans la dernière configuration.
Cette chute est due à l’ouverture partielle de la vanne d’arrosage : l’eau froide impacte
fortement la température du RAS, ce qui ne permet pas une régulation précise par le
PID, du moins avec le matériel utilisé dans cette thèse.

182
 4.2 Configurations utilisées au banc moteur

4.2.2.2 Refroidissement par soufflante : principe et modifications

Suite à ces campagnes, la méthode de régulation par arrosage du RAS a été écartée
et une deuxième option a donc été mise en place. Dans cette configuration, le RAS est
refroidi par une ventilation (Figure 4.7(a)) qui a pour but de représenter l’air entrant par
la face avant du véhicule. Cette ventilation est régulée de manière linéaire en fonction
de la vitesse véhicule, Figure 4.7(b).

((a)) Soufflante de refroidissement. ((b)) Cartographie de pilotage.

Fig. 4.7 : Méthode de refroidissement du RAS par soufflante.

Lors de la Campagne 4, plusieurs configurations expérimentales ont été testées sur

le banc moteur schématisé sur la Figure 4.8. On appelle « face échappement » le côté du
moteur sur lequel est placé le post-traitement et la connection à la ligne d’échappement,
tandis que la « face accessoires » désigne le côté où est placé le RAS.

Fig. 4.8 : Schéma de l’agencement du banc moteur.

Tout d’abord, afin de réduire le débit d’air froid entrant dans le RAS, un « écran »
a été placé sur la face avant de celui-ci à l’aide de ruban adhésif. Deux versions de cet
écran ont été testées, numérotées 1 et 2, représentées sur les Figures 4.9(a) et 4.9(b)
respectivement. On désigne par ailleurs la version initiale sans écran par le numéro 0.
La face avant du RAS fait 29 cm de haut pour 22 cm de large, soit une surface de
S0 = 0.0634 m2 . L’écran V1 réduit l’ouverture à 8 cm de haut pour 14 cm de large, soit

183
4 Etude de la représentativité thermique

une surface de S1 = 0.0112 m2 et une réduction de 82% par rapport à la surface initiale.
L’écran V2 réduit l’ouverture à 4.5 cm de haut pour 10 cm de large, soit une surface de
S2 = 0.0045 m2 et une réduction de 93% par rapport à la surface initiale, et de 60% par
rapport à la V1.

((a)) Version 1. ((b)) Version 2.

Fig. 4.9 : Obturation partielle du RAS lors de la Campagne 4.

((a)) Face admission. ((b)) Face échappement.

Fig. 4.10 : Pose d’un « capot » isolant sur le moteur - Version 1.

184
 4.3 Résultats expérimentaux

Outre l’obturation partielle du RAS, un écran thermique a été placé sur le moteur
afin de reproduire l’environnement sous capot. Le « capot » est réalisé à l’aide d’un
matériau d’isolation de 3 cm d’épaisseur comportant une face réfléchissante. Le rôle de
ce capot est de conserver la chaleur émise par le moteur, plutôt qu’elle ne se dissipe du
fait de la ventilation de la cellule. De manière similaire à l’obturation du RAS, outre la
configuration initiale sans capot numérotée 0, deux versions ont été testées sur le banc
moteur, numérotées 1 et 2 et représentées Figures 4.10 et 4.11 respectivement.

((a)) Face admission. ((b)) Face échappement.

Fig. 4.11 : Pose d’un « capot » isolant sur le moteur - Version 2.

La première version du capot concerne principalement le haut du moteur. La version

2 reprend le même capot, auquel est ajouté une surface importante sur le côté du moteur.
Une isolation supplémentaire est aussi ajoutée sur la face échappement.

4.3 Résultats expérimentaux

Comme développé plus haut, la seconde partie de la campagne expérimentale 4 s’est
concentrée sur la représentativité thermique du banc EiL, en particulier sur l’air de sur-
alimentation. Plusieurs cycles WLTC sont donc réalisés avec le moteur H5D470 sur le
banc B4 (voir Section 2.3) afin d’analyser l’impact du capot et de l’obturation partielle
du RAS sur la thermique moteur par rapport à la référence véhicule EKB118. Pour quan-
tifier l’impact de chaque configuration, on utilise les indicateurs de corrélation Section
2.5.4. Le Tableau 4.1 rassemble le nombre d’essais réalisés pour chaque configuration.
Tous les essais ont été réalisés avec les paramètres de référence pour le modèle vé-
hicule, avec le profil d’anticipation n◦ 3 et le paramétrage de changement de rapport
« Banc ». On peut souligner que seulement 6 et 4 essais ont été réalisés avec les niveaux
de capot 0 et 1, contre 12 pour le niveau 2. Ce faible nombre est du au fait qu’une fois
le capot 2 posé, il n’était plus possible de revenir au niveau intermédiaire avant la fin de
la campagne. Pour les mêmes raisons, aucun essai n’a été réalisé avec le niveau d’écran
2 et le capot 0.

185
4 Etude de la représentativité thermique

Tableau 4.1 : Nombre d’essais réalisés au banc moteur pour chaque configuration
d’écran et capot thermique.
Capot V0 Capot V1 Capot V2
Ecran V0 5 1 4
Ecran V1 1 1 3
Ecran V2 0 2 5

4.3.1 Dispersion des conditions initiales

En premier lieu, il est important de souligner la dispersion des conditions initiales
sur le banc moteur utilisé lors de la Campagne 4. Les essais réalisés « à chaud » dans
cette thèse sont enchaînés sans aucun conditionnement thermique, la durée entre deux
essais pouvant varier selon si l’enchaînement est automatique ou manuel. De ce fait,
les conditions initiales sont naturellement dispersées. Pour chaque essai de l’analyse de
répétabilité à chaud présentée en Section 3.3.5, on représente sur la Figure 4.12 un
point dont l’abscisse correspond à la température initiale du liquide de refroidissement
ECUT CO,init , et l’ordonnée à celle de l’air suralimenté ECUM AT,init .

Fig. 4.12 : Dispersion des conditions initiales au démarrage moteur pour 7 essais de
répétabilité à chaud (Section 3.3.5).

On peut noter que pour 5 des 7 essais représentés, la température initiale du liquide de
refroidissement ECUT CO,init est comprise entre 73◦ C et 76◦ C, et la température initiale
d’air ECUM AT,init entre 35.5◦ C et 37.5◦ C. Plus généralement, la température du liquide
est comprise entre 60.7◦ C et 80◦ C, et la température d’air entre 35.5◦ C et 46.0◦ C. Afin
de minimiser la dispersion et de comparer les résultats aux essais BàR de référence,
on considère dans cette section uniquement des essais réalisés « à froid ». Deux lacunes
doivent cependant être prises en compte dans l’analyse de la représentativité thermique
du banc EiL. Le premier aspect est propre au banc utilisé lors de cette campagne, et plus
particulièrement à un dysfonctionnement de son système de conditionnement thermique.
En effet, avant le lancement d’un essai à froid, le banc opère une macération de la cellule
afin d’amener le moteur dans les conditions d’homologation. Cette macération se déroule
en deux étapes :

186
 4.3 Résultats expérimentaux

• La première étape consiste à refroidir la cellule à l’aide d’une ventilation puissante

et d’un échangeur permettant de refroidir l’air provenant de l’extérieur à 12◦ C.
Comme mentionné Section 4.2, la température moteur est aussi abaissée par le
circuit de refroidissement grâce à la boucle de macération (Figure 4.3).

• Une fois que les températures du liquide de refroidissement, de l’huile et du cata-

lyseur sont inférieures à 24◦ C, la phase de stabilisation commence. Pendant cette
phase, la température de consigne est de 22◦ C pendant au moins 20 minutes,
puis jusqu’à ce que les températures soient comprises dans l’intervalle cible entre
Tcell,min = 21◦ C et maximale Tcell,max = 23◦ C. Dans cette thèse, les conditions
cibles sont celles de la procédure WLTP appliquées au banc à rouleaux. Pour
cette phase, la ventilation injecte toujours de l’air extérieur, mais cet air doit être
réchauffé à 22◦ C et non refroidi.

Après un cycle WLTC, la macération dure approximativement deux heures. Suite à une
panne au début de la Campagne 4, la « batterie » d’eau chaude utilisée pour réchauffer
l’air extérieur n’a pas pu être utilisée pour les essais. Pour cette raison, le banc n’a pas
toujours pu assurer les conditions initiales demandées de manière précise, en particulier
dans les cas où la température extérieure était inférieure aux températures cibles.

Fig. 4.13 : Dispersion des conditions initiales au démarrage du moteur.

La Figure 4.13 représente la dispersion des températures initiales du liquide de re-

froidissement ECUT CO,init et de l’air suralimenté ECUM AT,init à la fin de la macération
pour les essais considérés dans le reste de cette section. Chaque point représente un
essai ; les marqueurs rond, carré ou losange correspondent aux niveaux de capot 0, 1
et 2 respectivement, et les couleurs rouge, bleu et vert aux niveaux 0, 1 et 2 d’écran
respectivement. On peut noter que pour 15 des 20 essais représentés, la température
initiale du liquide de refroidissement ECUT CO,init est comprise entre 19.5◦ C et 21◦ C, et
la température initiale d’air ECUM AT,init entre 21◦ C et 22.5◦ C. Plus généralement, la
température du liquide est comprise entre 18.8◦ C et 24◦ C, et la température d’air entre
20.9◦ C et 24.9◦ C.

187
4 Etude de la représentativité thermique

Fig. 4.14 : Procédure de lancement d’un essai EiL sous PUMA - ModelConnect.

Ensuite, la seconde lacune est propre à la configuration des logiciels ModelConnect,

TestBedConnect et PUMA utilisés au cours de cette thèse. Plus particulièrement, la
procédure de lancement d’un essai représentée Figure 4.14 est problématique. Une fois
l’essai configuré sous PUMA, le moteur thermique est démarré à l’aide de la machine
de charge et l’enregistreur INCA est lancé. Ensuite seulement, la communication entre
ModelConnect et l’environnement PUMA est testée, puis la simulation est démarrée.
Une fois les conditions initiales du modèle vérifiées, la simulation externe est activée par
PUMA, et la machine de charge est contrôlée par ModelConnect. Il s’écoule donc une
durée ∆tstart entre le démarrage du moteur thermique, et le lancement effectif du cycle.
Pour les campagnes réalisées au cours de cette thèse, cette durée était en moyenne de
50.0 s, pour un écart-type de 1.7 s. Du point de vue de la représentativité thermique, cet
intervalle de temps n’est pas négligeable. En effet, la température du catalyseur joue un
rôle prépondérant sur son efficacité de traitement et les réactions chimiques sont facilitées
et accélérées par une température élevée. De ce fait, une large portion des émissions à
l’échappement sont généralement formées au début d’un cycle, avant que le catalyseur
n’atteigne son efficacité nominale. Afin de minimiser ces émissions dès le début du cycle,
il est donc courant que le contrôle moteur intègre une stratégie de « mise en action »
(MEA) dont le but est d’augmenter rapidement la température interne du catalyseur,
en faisant varier la richesse et le régime moteur par exemple. Ainsi, bien que le moteur
ne soit pas sollicité par la machine de charge pendant la phase d’initialisation ∆tstart , il
opère une phase de MEA dans le cas d’un essai à froid, et les conditions initiales assurées
par le système de macération du banc avant le démarrage du moteur ne seront pas celles
du début de l’essai.
La Figure 4.15 représente l’impact de la durée de prise de communication ∆tstart sur

188
 4.3 Résultats expérimentaux

Fig. 4.15 : Phase d’initialisation d’un essai à froid au banc moteur.

les températures du liquide de refroidissement ECUT CO et de l’air suralimenté ECUM AT .

Le régime et le couple moteur ECUN et ECUEstiT qe sont représentés sur les Figures
4.15(a) et 4.15(b), et les températures ECUT CO et ECUM AT sur les Figures 4.15(c) et
4.15(d) respectivement. La phase d’initialisation ∆tstart est indiquée en rouge, et le début
du cycle à t = 0 en bleu. Le contrôle moteur régule le régime à une valeur supérieure
à 1200 tr/min, alors que son régime de ralenti est de 800 tr/min. On peut noter que la
température du liquide de refroidissement ECUT CO passe de sa valeur initiale de 21◦ C
à 34.5◦ C pendant les 46 s entre le démarrage du moteur (caractérisé par le pic de couple
et la montée du régime moteur) et le début effectif du cycle à t = 0. La température
d’air ECUM AT augmente au démarrage du moteur et passe de 22.5◦ C à 24◦ C, puis se
stabilise à 23.3 ◦ C.
Pour finir, la Figure 4.16 représente la dispersion des températures initiales du li-
quide de refroidissement ECUT CO,init et de l’air suralimenté ECUM AT,init au démarrage
du moteur (« PreCycle » en légende, marqueurs blancs) et au lancement effectif de l’es-
sai (« Cycle » en légende, marqueurs pleins). Pour chaque essai, les deux points sont
reliés pour illustrer l’impact de la phase ∆tstart . De manière à la Figure 4.16, chaque
essai est représenté par un point, les marqueurs rond, carré ou losange correspondant
aux niveaux de capot 0, 1 et 2 respectivement. Les couleurs rouge, bleu et vert corres-
pondent aux niveaux 0, 1 et 2 d’écran respectivement. A titre indicatif, on représente
les conditions initiales des 4 essais banc à rouleaux de référence par un marqueur noir
(« Ref. »). On constate une légère dispersion des températures initiales sur les essais
BàR, la température du circuit de refroidissement étant comprise entre 22.6◦ C et 24.9◦ C
et la température d’air de suralimentation entre 25.0◦ C et 24.9◦ C. La procédure d’ho-
mologation WLTP impose une phase de macération du véhicule comprise entre 12 et 36
heures. Bien que la température cible de la cellule de macération soit de 23◦ C, il existe
une tolérance de 3◦ C qui est par ailleurs appliquée aux températures finales du circuit
de refroidissement et d’huile.
La majorité des essais EiL suivent la même tendance entre le démarrage du moteur
et le début du cycle, la durée de cette phase ne variant pas de manière significative.

189
4 Etude de la représentativité thermique

Fig. 4.16 : Dispersion des conditions initiales au démarrage du moteur et au lancement

effectif de l’essai.

Les essais débutent avec une température du liquide de refroidissement ECUT CO,init
supérieure aux essais BàR de plus de 10◦ C. Par ailleurs, 16 des 20 essais considérés
débutent avec une température d’air ECUM AT,init inférieure aux essais de référence,
l’écart étant compris entre 1.5 et 4◦ C.
La phase d’initialisation ∆tstart a en outre un impact significatif sur la température
interne du catalyseur au lancement de l’essai. Cette température étant enregistrée par
PUMA et non par le contrôle moteur, on dispose uniquement de sa valeur au lancement
de l’essai, et non de son évolution pendant la phase de lancement. La Figure 4.17 illustre
la température T24M au coeur du catalyseur (voir Figure 2.2) au lancement effectif du
cycle pour les essais considérés. Les trois niveaux de capot sont indiqués en abscisse. Les
résultats sont tracés en rouge pour le niveau 0 d’écran, et en bleu et vert pour les niveaux
1 et 2 respectivement. Pour chaque configuration, on représente la valeur moyenne par
une barre, et l’écart-type obtenu sur les essais considérés par une barre d’incertitude en
noir.
En premier lieu, on observe que du fait de la phase de MEA mentionnée plus haut, la
température interne du catalyseur est généralement autour de 115◦ C et donc largement
supérieure à la cible de macération. Ensuite, on note une dispersion importante de la
température initiale du catalyseur, la température étant comprise entre 103◦ C et 135◦ C,
avec un écart-type de 7.8◦ C dans la configuration initiale par exemple. Cette dispersion
pourrait être due d’une part à la variation de la durée ∆tstart , et d’autre part à la
dispersion initiale des températures ECUT CO et ECUM AT qui impacte le déroulement
de la MEA. Les émissions à l’échappement ne pourront donc pas être comparées entre
tous les essais, mais seulement ceux pour lesquels les conditions initiales coïncident.
En conclusion, les conditions thermiques initiales sont dispersées du fait du manque
de précision du système de conditionnement du banc moteur. De plus, la phase d’initia-
lisation du logiciel ModelConnect entraîne un écart des conditions initiales par rapport

190
 4.3 Résultats expérimentaux

Fig. 4.17 : Dispersion de la température interne du catalyseur T24M au lancement

effectif de l’essai.

aux conditions cibles, en particulier pour la température du circuit de refroidissement

et la température interne du catalyseur.

4.3.2 Circuit de refroidissement

Comme détaillé dans la section précédente, l’approche choisie dans cette thèse pour
assurer la bonne représentativité de la thermique moteur est de placer le circuit de
refroidissement au plus proche de la configuration véhicule, en utilisant un volume de
liquide similaire et le calorstat de série. Néanmoins, le radiateur n’est pas présent et est
remplacé par un échangeur à eau. La Figure 4.18 illustre l’impact des différents niveau
de capot et d’écran sur les indicateurs de représentativité thermique ∆T CO , M AP DT CO ,
SSET CO et RT2 CO (voir Section 2.5.4) Figures 4.18(a), (b), (c) et (d) respectivement.
Les trois niveaux de capot sont indiqués en abscisse. Les résultats sont tracés en rouge
pour le niveau 0 d’écran, et en bleu et vert pour les niveaux 1 et 2 respectivement. Pour
chaque configuration, on représente la valeur moyenne par une barre, et l’écart-type
obtenu sur les essais considérés par une barre d’incertitude en noir.
En premier lieu, on peut souligner que la Figure 4.18 suggère qu’il n’y a pas d’impact
du niveau de capot et/ou d’écran sur la représentativité de la température du circuit de
refroidissement. De plus, on remarque que l’écart moyen relatif (M AP D) est compris
entre 1.1% et 1.5%, et le coefficient de corrélation R2 entre 0.85 et 0.91, ce qui suggère
une bonne corrélation du banc EiL avec la référence véhicule. La Figure 4.19 permet
d’analyser la montée en température du circuit de refroidissement sur les deux moyens
d’essai.
La Figure 4.19(a) représente la température ECUT CO au cours du cycle WLTC sur
l’essai de référence BàR en noir, et sur un cycle au banc EiL en rouge. L’écart ∆T CO
entre les deux moyens d’essai est représenté sur la Figure 4.19(b). Tout d’abord, on
constate que l’allure de la montée en température du début du cycle jusqu’à t = 750 s
est similaire sur les deux bancs. Comme précisé précédemment, on observe cependant

191
4 Etude de la représentativité thermique

Fig. 4.18 : Impact des différents niveau d’écran et capot sur les indicateurs de corréla-
tion thermique pour la température du liquide de refroidissement ECUT CO .

Fig. 4.19 : Comparaison de la température du circuit de refroidissement entre BàR et

banc EiL.

que la différence de température initiale est significative, avec un écart d’environ 12◦ C.
Du fait de cet écart initial, la montée en température du banc EiL est en avance par
rapport à la référence véhicule. La température ECUT CO est supérieure par rapport à la
référence d’environ 3.5◦ C pendant la montée en température. Par conséquent, le calorstat
s’ouvre à t = 784 s sur le banc EiL, et t = 807 s sur le BàR. Pendant la deuxième
moitié du cycle, la température ECUT CO est ensuite régulée autour de 90◦ C par une
succession d’ouvertures et de fermetures du calorstat. Sur cette phase, on observe que le
calorstat s’ouvre de manière plus fréquente sur le banc EiL, l’amplitude des oscillations
de température étant par ailleurs plus importante. Comme précisé plus haut, l’échangeur
à eau qui remplace le radiateur sur le banc moteur est régulé par le débit secondaire en
fonction de la température du liquide de refroidissement. La température ECUT CO est
donc régulée d’une part par cet échangeur, et d’autre part par le calorstat. Le calorsat
étant le même sur véhicule que sur le banc EiL, on peut donc supposer que l’écart
constaté dans la deuxième partie de cycle est du à la régulation de l’échangeur à eau.
L’amplitude des oscillations suggère une efficacité d’échange trop importante par rapport
à la configuration véhicule, causant une chute plus brusque de la température du circuit

192
 4.3 Résultats expérimentaux

lorsque le calorstat s’ouvre. Toutefois, l’écart est compris entre −10◦ C et +10◦ C pendant
cette partie du cycle, ce qui ne paraît pas significatif relativement à l’ordre de grandeur
de la température ECUT CO .
Au vu de l’allure générale des deux courbes et du faible écart relatif constaté, on
concentre la suite des travaux de cette thèse sur la température du circuit d’air sur-
alimenté pour lequel l’écart est plus conséquent. On peut cependant souligner qu’une
amélioration de la procédure d’initialisation de l’essai permettrait de réduire l’écart ini-
tial et donc améliorer la représentativité de la montée en température.

4.3.3 Circuit d’air suralimenté

En premier lieu, la Figure 4.20 illustre l’impact des différents niveau de capot et
d’écran sur les indicateurs de représentativité thermique ∆M AT , M AP DM AT , SSEM AT
2
et RM AT (voir Section 2.5.4) Figures 4.20(a), (b), (c) et (d) respectivement. Les trois
niveaux de capot sont indiqués en abscisse. Les résultats sont tracés en rouge pour le
niveau 0 d’écran, et en bleu et vert pour les niveaux 1 et 2 respectivement. Pour chaque
configuration, on représente la valeur moyenne par une barre, et l’écart-type obtenu sur
les essais considérés par une barre d’incertitude en noir.

Fig. 4.20 : Impact des différents niveau d’écran et capot sur les indicateurs de corréla-
tion thermique pour la température d’air ECUM AT .

Tout d’abord, la Figure 4.20 permet d’identifier une tendance générale : pour un
niveau d’écran donné, augmenter le niveau de capot améliore la représentativité ther-
mique. En analysant le niveau d’écran 0 par exemple, l’écart moyen ∆ passe de -4.2◦ C
avec le capot V0 à -3.1◦ C et -2.4◦ C pour les niveaux 1 et 2 respectivement. Cette ten-
dance se vérifie pour les trois niveaux d’écran, et pour les 4 indicateurs de corrélation
représentés : l’écart relatif moyen M AP D et la somme des carrés diminuent, et la valeur
de l’indicateur R2 se rapproche de 1.
Ensuite, on peut souligner que pour un niveau de capot donné, augmenter le niveau
d’obturation améliore la représentativité thermique. Par exemple, avec le capot V2,
l’indicateur R2 passe de 0.64 pour le niveau d’écran 0, à 0.84 et 0.88 pour les niveaux 1

193
4 Etude de la représentativité thermique

et 2 respectivement. Cette tendance se vérifie pour les 4 indicateurs et pour les niveaux
de capot 1 et 2. Toutefois, il est important de remarquer que la tendance ne se vérifie pas
pour le capot V0 (aucun capot sur le moteur). En effet, l’écart relatif moyen M AP DM AT
est de 1.3% pour le niveau 0 d’écran, contre 1.4% pour le niveau 1. On peut toutefois
souligner que seulement un essai a été réalisé avec le capot V0 et l’écran V1. La dispersion
des conditions initiales est susceptible d’affecter la valeur des indicateurs sur un cycle
WLTC.

4.3.3.1 Impact du capot

Pour le niveau d’écran 1, la Figure 4.21 illustre l’impact des différents niveaux de ca-
pot sur la première moitié du cycle WLTC. Pour des questions de lisibilité, on représente
seulement un essai pour chaque niveau de capot.

Fig. 4.21 : Impact du niveau de capot sur les températures ECUM AT et TAP E pour le
niveau 1 d’écran - 1re partie du WLTC.

La Figure 4.21(a) représente la température d’air de suralimentation ECUM AT , ainsi

que la température TAP E en sortie de RAS en pointillés et marqueurs blancs. Les niveaux
0, 1 et 2 de capot sont représentés en bleu, vert et rouge respectivement. La référence
banc à rouleaux (BàR) est indiquée en noir. Le même code couleur est utilisé pour
représenter la vitesse véhicule Figure 4.21(d). La Figure 4.21(b) représente l’écart de
la température d’air ECUM AT entre le banc moteur et la référence BàR, noté ∆M AT .
La Figure 4.21(c) représente l’augmentation de température entre la sortie du RAS et
le collecteur d’admission, ∆T = ECUM AT − TAP E . Pour le niveau d’écran considéré,
on peut noter que l’impact du capot n’est pas identifiable pendant les premières 500 s
environ : les courbes ECUM AT et TAP E sont pratiquement confondues entre les différentes
configurations. Les variations de ECUM AT sont similaire à la mesure sur véhicule, et la
différence entre les courbes est principalement due aux conditions initiales pour cette
phase, passant de -3◦ C à -1◦ C environ. A partir de t = 500 s, les courbes se distinguent
entre les trois niveaux de capot, le niveau V2 étant le plus proche de la référence véhicule,
puis le niveau V1, et enfin le V0. A la fin de cette première moitié du WLTC à t = 930 s,

194
 4.3 Résultats expérimentaux

l’écart ∆TM AT est de l’ordre de 0.5◦ C pour le niveau 2 d’écran, contre -1.6◦ C et -2.7◦ C
pour les niveaux 1 et 0 respectivement. Par ailleurs, le capot V2 induit une température
supérieure à la référence véhicule pendant la phase d’arrêt entre t = 985 s et t = 1025 s.
On peut souligner que l’amélioration de la représentativité de la température ECUM AT
semble être induite par une augmentation de la température TAP E en sortie du RAS : la
température augmente avec le niveau de capot, atteignant 25.5◦ C en fin de cycle pour le
capot 2, contre 24.1◦ C et 22.4◦ C pour les niveaux 1 et 0. Par ailleurs, l’augmentation de
température en sortie de RAS ne semble pas être impactée par le niveau de capot, les
courbes étant pratiquement confondues Figure 4.21(c). Cette observation suggère que
le niveau de capot n’impacte pas le transfert thermique entre le RAS et le collecteur,
mais plutôt la température de sortie du RAS. La température en sortie de compresseur
TAP C n’étant pas disponible pour ces essais, il n’est toutefois pas possible d’identifier si
l’augmentation de température se fait plutôt au niveau compresseur ou du RAS.

Fig. 4.22 : Impact du niveau de capot sur les températures ECUM AT et ECUT CO pour
le niveau 1 d’écran - 2nde partie du WLTC.

De manière similaire à la Figure 4.21, la Figure 4.22 illustre l’impact des différents
niveaux de capot moteur sur la seconde moitié du cycle WLTC. On distingue clairement
les courbes correspondant aux trois niveaux de capot. Sur cette partie du cycle, le niveau
2 de capot induit un écart ∆TM AT compris entre -5.1◦ C et 2◦ C. Pour les niveaux 1 et
0, l’écart est compris entre -8◦ C et 0.5◦ C, et -11.3◦ C et-1.9◦ C respectivement. On peut
souligner que le niveau 2 de capot induit une température ECUM AT supérieure à la
référence véhicule entre t = 1680 et t = 1730 s. Par ailleurs, contrairement à la première
partie du cycle, on peut souligner ici que l’augmentation de température après le RAS
(Figure 4.22(c)) est bien impactée par le niveau de capot. A t = 1575 s par exemple,
l’augmentation de température est de 15.8◦ C pour le niveau 2 de capot, contre 13.8◦ C et
11.8◦ C pour les niveaux 1 et 0 respectivement. Ces résultats indiquent que le niveau de
capot, en plus d’augmenter la température de sortie du RAS, augmente aussi le transfert
thermique dans le conduit entre le RAS et le collecteur d’admission.

195
4 Etude de la représentativité thermique

4.3.3.2 Impact de l’écran

Pour le niveau de capot V2, la Figure 4.23 illustre l’impact des différents niveaux
d’obturation du RAS sur la deuxième moitié du cycle WLTC, de manière similaire à la
Figure 4.22.

Fig. 4.23 : Impact de l’obturation partielle du RAS sur les températures ECUM AT et
ECUT CO pour le niveau 2 de capot - 2nde partie du WLTC.

On représente un essai par niveau d’écran. Pour les essais représentés, la température
initiale d’air ECUM AT,init est comprise entre 22 et 23◦ C. La première moitié du WLTC ne
permet pas de distinguer de différence notable entre les trois niveaux d’écran. Cependant,
l’écart est plus net dans la deuxième partie du cycle, en particulier entre le niveau 0
et les deux autres niveaux. En effet, le niveau 0 est caractérisé par une température
ECUM AT nettement inférieure à la référence véhicule avec un écart de l’ordre de 5◦ C,
tandis que les niveaux 1 et 2 suivent la tendance de la courbe de référence. On peut
souligner que l’écart est faible entre les niveaux 1 et 2. Par exemple, la température
ECUM AT est supérieure avec l’écran V1 comparé à l’écran V2 pendant la phase d’arrêt
à t = 1000 s. Ces observations sont cohérentes avec l’analyse de la Figure 4.20. Par
ailleurs, l’augmentation de température entre le RAS et le collecteur d’admission est
quasiment la même pour les trois niveaux d’écran, Figure 4.23(c). Au contraire, l’impact
de l’écran est net sur la température en sortie de RAS TAP E : à t = 1600 s par exemple,
la température TAP E atteint 33.4◦ C dans le cas de l’écran 2, contre 28.0◦ C avec l’écran
V0. A cet instant, l’augmentation de température post-RAS est comprise entre 5.4◦ C et
6.4◦ C pour les trois configurations, alors qu’on constate un écart d’environ 5◦ C entre la
température ECUM AT obtenue avec l’écran V2 et l’écran V0. Cette observation suggère
que le niveau d’écran n’a pas d’impact sur le transfert thermique post-RAS. L’obturation
partielle permet bien d’approcher la température mesurée au banc moteur de la référence
véhicule, mais l’amélioration de la représentativité de la température ECUM AT est ici
principalement due à une augmentation de la température en sortie de RAS causée par
la réduction de débit d’air de refroidissement.

196
 4.3 Résultats expérimentaux

4.3.3.3 Synthèse
Les résultats expérimentaux permettent de tirer plusieurs conclusions à propos de la
représentativité thermique du banc EiL.

• Tout d’abord, on peut conclure que la pose d’un capot sur le moteur permet
d’améliorer la représentativité thermique du circuit d’air. L’écart moyen de la
température ECUM AT passe d’environ −4◦ C dans la configuration initiale, à envi-
ron −2.5◦ C et −1.5◦ C avec les niveaux 1 et 2 de capot respectivement. Le dernier
niveau de capot permet d’obtenir la meilleure représentativité de la thermique du
circuit d’air.

• Ensuite, l’analyse de l’augmentation de température entre la sortie du RAS et le

collecteur d’admission suggère que l’impact du capot intervient de deux manières.
Premièrement, la température en sortie du RAS augmente avec le niveau de capot.
Cette augmentation est probablement due à un transfert thermique plus important
provenant de l’ambiance sous-capot. L’absence de mesure de la température de
sortie compresseur TAP C pour les niveaux de capot 0 et 1 ne permet cependant
pas d’identifier si ce transfert se fait plutôt au niveau du compresseur ou du RAS.
Le niveau de capot accroît aussi l’augmentation de température entre la sortie du
RAS et le collecteur d’admission, du fait d’un transfert thermique plus important
sur cette zone du circuit d’air. Le premier phénomène est prépondérant en début
de cycle, tandis que le second phénomène est surtout visible après la première
moitié du WLTC.

• En outre, l’impact de l’obturation partielle du RAS est moins net pour un même
niveau de capot. En effet, l’écart observé entre deux niveau d’écran est du même
ordre de grandeur que la dispersion due aux conditions initiales. Cependant, les
résultats suggèrent tout de même que l’obturation partielle du RAS améliore la
représentativité de la température ECUM AT , particulièrement dans la deuxième
moitié du WLTC. Contrairement au capot, l’écran impacte seulement la tempéra-
ture en sortie d’échangeur TAP E , et n’influe pas sur l’augmentation de température
entre le RAS et l’admission. Ces résultats suggèrent que le RAS reçoit un débit
d’air trop important dans sa configuration initiale.

• Enfin, on peut ajouter que les deux niveaux d’écran V1 et V2 induisent des résultats
similaires. Cela pouvait être attendu, du fait des géométries proches de ces deux
configurations. On peut néanmoins souligner que le niveau 2 d’écran conduit à une
température supérieure à la référence lors de la phase de haute vitesse du cycle
WLTC, entre t = 1650 s et t = 1730 s.

4.3.4 Emissions en sortie moteur

4.3.4.1 Impact de l’écran et du capot
De manière similaire à la Figure 4.20, la Figure 4.24 illustre l’impact des différents
niveaux de capot et d’écran sur les émissions cumulées de HC, CO, NOx et CO2 Figures
4.24(a), (b), (c) et (d) respectivement. Les résultats sont tracés en rouge pour le niveau

197
4 Etude de la représentativité thermique

0 d’écran, et en bleu et vert pour les niveaux 1 et 2 respectivement. Pour chaque confi-
guration, on représente par une barre la moyenne de la masse totale émise de polluant
Mpollu,mot en sortie moteur (voir Section 2.5), et l’écart-type obtenu sur les essais consi-
dérés par une barre d’erreur en noir. Pour plus de lisibilité, le minimum de l’axe vertical
n’est pas nul.

Fig. 4.24 : Impact des différents niveau d’écran et capot sur les émissions moteur sur
le banc EiL

Les résultats suggèrent que les émissions de CO et CO2 ne sont pas impactées par
la configuration d’écran et de capot choisie sur le banc moteur. En effet, la masse totale
mesurée pour ces polluants ne varie significativement ni avec le niveau d’écran ni celui
de capot. Pour l’écran V0 par exemple, la valeur moyenne de la masse totale de CO est
de 109.9 g pour le capot V0, et de 109.9 g pour le capot V2, l’écart-type étant de 0.85
g et 1.16 g respectivement. On peut faire la même observation concernant les émissions
de CO2 .
Par ailleurs, les résultats suggèrent que le niveau de capot a une influence sur les
émissions de HC. En effet, pour l’écran V0 par exemple, la masse moyenne de HC est
de 20.3 g pour le capot V0, et de 21.0 g pour le capot V2. On peut toutefois souligner
la dispersion importante des résultats, avec un écart-type de 0.39 g pour le capot V0.
De plus, les résultats obtenus avec le niveau 1 de capot contredisent cette observation :
pour l’écran V0, la masse obtenue avec le capot 1 est supérieure à celle obtenue avec les
deux autres niveaux de capot. En outre, pour l’écran V1, la masse obtenue avec le capot
1 est inférieure au deux autres configuration. On peut toutefois rappeler que seulement
un essai a été réalisé avec le capot 1 et les niveaux d’écran 0 et 1 ; au vu de la dispersion
observée sur les autres configurations, ces résultats ne permettent pas d’interprétation
nette. En outre, la Figure 4.24 suggère que pour un niveau d’écran donné, la masse totale
de NOx émise en sortie moteur augmente avec le niveau de capot. Cette observation est
valide pour les niveaux 1 et 2 d’écran. Par exemple, avec l’écran V1, la masse totale
de NOx augmente de 44.9 g à 45.4 g entre les nivaux 0 et 1 de capot, puis à 46.2 g
avec le niveau 2. De la même manière que les émissions de HC, l’essai obtenu avec le
capot 1 et l’écran 1 contredit cette observation. Toutefois, on constate une dispersion

198
 4.3 Résultats expérimentaux

importante ; un unique essai ne paraît pas suffisant pour identifier une tendance. Enfin,
on peut souligner que l’impact de l’écran sur les émissions de NOx et de HC n’est pas
clairement identifiable, l’écran V1 étant le plus émetteur pour les capots V0 et V2. La
Figure 4.25 illustre l’impact du niveau de capot sur les émissions de NOx au cours du
cycle WLTC, avec le niveau d’écran 1.

Fig. 4.25 : Impact du niveau de capot sur les émissions de NOx en sortie moteur au
cours du cycle WLTC au banc EiL.

On représente les essais obtenu avec les niveaux 0, 1, et 2 de capot en bleu, vert et
rouge respectivement. La Figure 4.25(a) représente le débit massique de NOx émis en
sortie moteur, et la Figure 4.25(b) l’écart relatif δMN Ox ,mot de la masse cumulée de NOx
par rapport à l’essai EiL obtenu avec le capot V0. La Figure 4.25(c) représente l’écart
de température ∆M AT par rapport à l’essai EiL obtenu avec le capot V0, et la Figure
4.25(d) la vitesse véhicule. Tout d’abord, on peut observer le débit massique de NOx est
proche pour les trois configurations. Cependant, il est intéressant de souligner que l’écart
relatif entre les masses cumulées augmente surtout dans la seconde partie du cycle. La
masse cumulée de NOx augmente avec le niveau de capot, et cette augmentation semble
être directement liée à la température d’air d’admission ECUM AT . En effet, au début de
la période représentée, la température ECUM AT est pratiquement la même pour les trois
configurations, l’écart étant de l’ordre de 0.5◦ C. A cet instant, l’écart massique relatif
est inférieur à 0.2%. Ensuite, l’écart de température se creuse, et augmente à t = 1200 s
à 2.5◦ C et 4.5◦ C pour les niveaux de capot 1 et 2 respectivement. A cet instant, l’écart
massique relatif est de 0.7% avec le capot 1 par rapport au capot 0, et de 2.0% avec
le capot 2. Ces observations suggèrent que les émissions de NOx augmentent avec la
température de l’air d’admission, ce qui pouvait être attendu. La Figure 4.26 illustre
l’impact du niveau de capot sur les émissions de HC au cours du cycle WLTC avec le
niveau d’écran 0.
On représente les essais obtenus avec les niveaux 0, 1, et 2 de capot en bleu, vert
et rouge respectivement. La Figure 4.26(a) représente le débit massique de HC émis
en sortie moteur, et la Figure 4.26(b) l’écart relatif δMHC,mot de la masse cumulée de
HC par rapport à l’essai EiL obtenu avec le capot V0. La Figure 4.26(c) représente la

199
4 Etude de la représentativité thermique

Fig. 4.26 : Impact du niveau de capot sur les émissions de HC en sortie moteur au
cours du cycle WLTC au banc EiL.

concentration en HC mesurée par la baie sur l’axe de gauche, et le débit d’air moteur
(« MAF ») en pointillés et marqueurs sur l’axe de droite. La Figure 4.26(d) représente la
température de l’air suralimenté ECUM AT . Il est important de souligner qu’avec l’écran
V0, la configuration avec le capot 1 induit le plus d’émissions de HC, puis le capot 2,
puis le capot 0. Sur la fraction de cycle représentée, on repère plusieurs évènements
pendant lesquels le débit massique de HC est supérieur avec les niveaux 1 et 2 de capot
par rapport à l’essai de référence, par exemple à t = 655 s, t = 680 s et t = 760 s. La
Figure 4.26(c) révèle que le débit d’air moteur est le même pour les trois configurations,
les courbes étant confondues. En revanche, on observe un écart net dans la concentration
de HC, qui est supérieure pour les configurations 1 et 2 : à t = 760 s par exemple, la
concentration en HC dépasse 10000 ppm et est similaire pour ces configurations, contre
environ 8000 ppm dans l’essai de référence. Cependant, en observant la température de
l’air de suralimentation ECUM AT , il apparaît que la configuration 1 est plus proche de
la configuration 0 de référence que de la configuration 2. Bien que les résultats suggèrent
qu’une augmentation de la température ECUM AT induit une hausse des émissions de HC,
la Figure 4.26 ne permet pas de confirmer cette observation. Enfin, on peut rappeler ici
que l’estimation manuelle du temps de transfert (Section 3.3.6.3) induit une incertitude
sur la mesure des émissions, les HC étant en outre le polluant pour lequel on observe la
dispersion la plus importante.

4.3.4.2 Représentativité et dispersion

De manière similaire à la Figure 3.51, la Figure 4.27 compare les émissions en sortie
moteur sur banc moteur et sur banc à rouleaux (BàR). On représente les 4 essais réalisés
à froid au banc EiL dans la configuration intiale (sans capot ni écran, Section 3.3.6) en
rouge (« EiL (Init.) » en légende), et les 5 essais réalisés à froid dans la configuration finale
(écran V2 et capot V2) en vert (« EiL (Final) » en légende). Les 4 essais de référence
réalisés à froid au BàR sont représentés en bleu (« BàR » en légende).

200
 4.3 Résultats expérimentaux

Fig. 4.27 : Comparaison des émissions moteur entre 4 essais réalisés à froid au banc EiL
dans la configuration initiale, 5 essais réalisés à froid au banc EiL dans la configuration
finale, et 4 essais réalisés à froid au BàR. Les barres d’erreur indiquent l’écart-type pour
chaque polluant.

La Figure 4.27(a) représente la masse totale émise pour les polluants HC, CO, NOx
sur l’axe de gauche, et pour le CO2 sur l’axe de droite. Pour chaque configuration et pour
chaque polluant, on représente la valeur moyenne sur les essais considérés par une barre,
et l’écart-type par une barre d’erreur tracée en noir. Pour une meilleure lisibilité, la valeur
minimale des axes verticaux n’est pas nulle. La Figure 4.27(b) représente l’écart relatif
entre les masses totales mesurées sur les deux configuration du banc EiL par rapport à
la référence BàR pour chaque polluant. La valeur moyenne de l’écart est représentée par
une barre, et son écart-type est représenté par une barre d’incertitude.
Comme suggéré par la Figure 4.24, les émissions de CO et de CO2 de la configuration
finale du banc EiL sont similaires à celles de la configuration initiale. En effet, dans la
configuration initiale, l’écart massique relatif est de 0.05% et −1.5% pour le CO et le CO2
respectivement, contre −0.35% et −1.3% dans la configuration finale. L’écart-type est
similaire dans les deux configurations et est de l’ordre de 0.7% pour le CO, et 0.35% pour
le CO2 . Comme détaillé plus haut, la configuration finale augmente la masse de NOx
émis, et donc l’écart massique relatif pour ce polluant. L’écart augmente de 3.0% dans
la configuration initiale à 5.2% dans la configuration finale. Il est toutefois important de
préciser que la dispersion est plus importante pour les essais de la configuration finale,
de l’ordre de 1.8% contre 1.4%. Ces résultats suggèrent que le faible écart de la masse
émise de NOx par rapport à la référence véhicule constaté dans la configuration initiale
(Section 3.3.6.2) est du à un phénomène compensant l’écart significatif observé pour la
température d’air de suralimentation.
En revanche, la configuration finale est plus proche de la référence en termes d’émis-
sions de HC, l’écart passant de −5.5% dans la configuration initiale à −1.0% pour la
configuration finale. Comme déjà souligné, l’écart-type est néanmoins conséquent pour
ce polluant, de l’ordre de 1.8% et 2.5% respectivement.

201
4 Etude de la représentativité thermique

4.3.5 Ligne d’échappement et post-traitement

4.3.5.1 Impact de l’écran et du capot
En premier lieu, on peut imaginer que l’augmentation de la température de l’air
suralimenté par la pose d’un capot et l’obturation du RAS se répercute sur la montée
en température du catalyseur, et donc sur son efficacité de traitement. En outre, le ca-
pot de niveau 2 (Figure 4.11) englobe le post-traitement, ce qui pourrait aussi conduire
à une température plus importante au sein du catalyseur. Cette température joue un
rôle prépondérant dans la phase d’amorçage du catalyseur, quand son efficacité est in-
férieure à 50%. En général, on considère que la température d’amorçage du catalyseur
est de l’ordre de 350◦ C. De manière à visualiser l’impact de la configuration du banc
sur la thermique du catalyseur, on introduit l’indicateur ∆tLightOf f , qui correspond à la
durée que met la température interne du catalyseur T24M à atteindre sa température
d’amorçage depuis le lancement du cycle.

Fig. 4.28 : Impact des différents niveau d’écran et capot sur les émissions à l’échappe-
ment sur le banc EiL.

De manière similaire à la Figure 4.24, la Figure 4.28 illustre l’impact des différents
niveaux de capot et d’écran sur les émissions cumulées de HC, CO, et NOx Figures
4.28(a), (b), et (c) respectivement. La Figure 4.28(d) représente la durée d’amorçage
∆tLightOf f pour chaque configuration. Les résultats sont tracés en rouge pour le niveau
0 d’écran, et en bleu et vert pour les niveaux 1 et 2 respectivement. Pour chaque confi-
guration, on représente par une barre la moyenne de la masse totale émise de polluant
Mpollu,ech à l’échappement, et l’écart-type obtenu sur les essais considérés par une barre
d’erreur en noir.
En premier lieu, le post-traitement utilisé lors des essais EiL étant neuf et la phase
d’initialisation ∆tstart détaillée en Section 4.3.1 conduisant à une température supérieure
à 110◦ C dans le catalyseur au lancement du cycle, les émissions à l’échappement sont
d’un ordre de grandeur faible par rapport aux normes d’homologation. Ensuite, les ré-
sultats ne permettent pas d’identifier une relation entre la configuration du banc EiL et
la durée d’amorçage ∆tLightOf f . Pour le niveau 0 d’écran par exemple, la valeur moyenne

202
 4.3 Résultats expérimentaux

est de 61.2 s pour le niveau 0 de capot, contre 66.2 s avec le niveau 2, pour un écart-type
significatif de 4.1 s et 2.3 s respectivement sur ces essais. Ces observations suggèrent que
ni le capot ni l’écran n’ont d’impact sur la montée en température du catalyseur. Ces
conclusions peuvent par ailleurs être étendues aux émissions de HC et NOx à l’échappe-
ment, qui ne montrent pas de corrélation avec la configuration du banc EiL, la dispersion
étant généralement plus importante que les écarts observés. Pour les émissions de HC
par exemple, la masse totale à l’échappement est de 0.218 g pour le niveau 0 d’écran et
de capot, contre 0.236 g avec le niveau 2 de capot, pour un écart-type de 0.018 g et 0.022
g respectivement. On observe donc un écart de 0.018 g entre les deux configurations,
pour un écart-type du même ordre. En revanche, les résultats suggèrent un impact du
niveau de capot sur les émissions de CO à l’échappement. Pour le niveau 0 d’obturation
du RAS par exemple, la masse émise est de 1.07 g pour le niveau 0 de capot, contre 1.55
g pour le niveau 2, avec un écart-type de 0.15 g et 0.18 g respectivement. Dans le cas
des niveaux 1 et 2 d’écran, on constate néanmoins que le niveau 1 de capot génère une
masse légèrement plus importante que le niveau 2.

Ces observations sont en opposition avec les résultats détaillés Section 4.3.4.1, qui
indiquent que la pose d’un capot et l’obturation partielle du RAS conduisent à une aug-
mentation des masses de HC et de NOx émises en sortie moteur. Ces tendances suggèrent
que l’augmentation en sortie moteur est compensée par une meilleure efficacité de trai-
tement du catalyseur, qui conduit finalement à une masse équivalente à l’échappement.
En outre, il semble qu’un niveau accru de capot conduit à une baisse de l’efficacité de
traitement du CO, la masse émise à l’échappement augmentant pour une masse en sor-
tie moteur équivalente. Pour chaque polluant pollu, on définit l’efficacité de traitement
globale du catalyseur, définie par le rapport des masses émises entre l’échappement la
sortie moteur, Eq. (4.1).

Mpollu,mot − Mpollu,ech
ηcata,pollu = 100 · (4.1)
Mpollu,mot

Les Figures 4.29(a), (b), et (c) représentent l’efficacité globale du catalyseur pour les
HC, le CO et les NOx respectivement. La Figure 4.29(d) représente la dispersion de la
température interne initiale du catalyseur T24M. Les résultats sont tracés en rouge pour
le niveau 0 d’écran, et en bleu et vert pour les niveaux 1 et 2 respectivement. Pour chaque
configuration, on représente par une barre la valeur moyenne, et l’écart-type obtenu sur
les essais considérés par une barre d’erreur en noir.

La Figure 4.29 ne permet pas de confirmer les observations faites plus haut concer-
nant les émissions de HC et de NOx . En effet, la dispersion observée est significative
par rapport aux écarts d’efficacité entre les différentes configurations. En revanche, l’ef-
ficacité de traitement des CO semblent diminuer en augmentant le niveau de capot.
Ces observations ne sont cependant pas vérifiées pour le niveau 1 de capot, et cette
étude devrait donc être approfondie par une nouvelle campagne d’essai en minimisant
les écarts de conditions initiales. L’utilisation d’un catalyseur vieilli permettrait en outre
d’obtenir des masses émises à l’échappement plus importantes, et de mieux distinguer
les différentes configurations.

203
4 Etude de la représentativité thermique

Fig. 4.29 : Impact des différents niveau d’écran et capot sur l’efficacité globale du
catalyseur sur le banc EiL.

4.3.5.2 Représentativité
Comme souligné dans l’étude bibliographique Section 1, la représentativité ther-
mique de la ligne d’échappement joue un rôle crucial dans la performance du système de
post-traitement des polluants. Par conséquent, des écarts de conditions ambiantes sont
susceptibles d’affecter la représentativité du banc EiL en termes d’émissions à l’échap-
pement. Afin de traiter cette problématique, la démarche initialement prévue dans cette
thèse (Section 2.1) consistait à la reproduction d’essais véhicule sur banc EiL avec le
même moteur, le même ECU et surtout le même système de post-traitement afin de
minimiser les biais dûs à un état de vieillissement différent du catalyseur. Cependant,
suite à l’endommagement du moteur H5D400 1 après la campagne EiL 1 (Table 2.6), le
système de post-traitement instrumenté en thermocouples (Figure 2.2) et utilisé lors des
campagnes EiL 2 et 4 ne correspond pas à la référence véhicule et ne permet donc pas une
comparaison pertinente des émissions mesurées à l’échappement. Les essais réalisés lors
de la Campagne 0 permettent tout de même une première analyse de la représentativité
thermique du banc EiL par rapport à la référence véhicule.
Comme détaillé Section 2.3, cette campagne est conduite dans le cadre du projet
Renault avec l’outil industriel SIMBOX au lieu de l’environnement virtuel développé au
cours de cette thèse. Les essais sont réalisés avec le moteur H5D400 initial, ainsi que
l’ECU et la ligne d’échappement d’origine. On dispose d’un essai véhicule de référence
réalisé à froid sur BàR juste avant l’extraction du moteur. Enfin, la ligne d’échappe-
ment est instrumentée en thermocouples comme détaillé Figure 2.2. En premier lieu,
il est important de souligner qu’une des principales lacunes de la Campagne 0 est la
représentativité du bilan énergétique, comme indiqué dans le Tableau 4.2.
On constate notamment un écart relatif important de l’énergie totale mesurée par
rapport à la référence BàR ∆Emes = 11.4%, ainsi que de l’énergie totale estimée à
partir du couple effectif ECUEstiT qe , ∆Etqe = 8.98%. On peut toutefois remarquer que
la variable Etqi suggère un écart significativement plus faible, ∆Emes = 0.62%. La Figure
4.30 compare le cycle WLTC réalisé sur le banc EiL SIMBOX avec l’essai de référence

204
 4.3 Résultats expérimentaux

Tableau 4.2 : Ecarts entre BàR et BM sur un cycle WLTC réalisé avec l’outil SIMBOX
(Campagne 1).
Variable Unité Ref. BàR EiL
Etqi [kWh] 4.14 4.17
∆Etqi [%] - 0.62
Etqe [kWh] 3.31 3.61
∆Etqe [%] - 8.98
Emes [kWh] 3.27 3.64
∆Emes [%] - 11.4
Dtot [km] 23.0 23.3
∆Dtot [%] - 0.92

BàR.

Fig. 4.30 : Comparaison du bilan énergétique et des températures de la ligne d’échap-

pement entre l’essai EiL SIMBOX et l’essai BàR de référence.

La Figure 4.30(a) représente la vitesse véhicule de l’essai EiL en rouge, et de l’essai

BàR en noir. La Figure 4.30(b) représente les écarts énergétiques ∆Etqi , ∆Etqe et ∆Emes
(voir Section 2.5) relativement à l’énergie totale sur BàR en bleu, rouge, et vert respec-
tivement. Les Figures 4.30(c) et (d) comparent les températures mesurées à l’intérieur
et à l’extérieur du pain catalytique sur les deux essais. Sur l’axe de gauche de la Figure
4.30(c), on trace la température interne T24M en rouge pour l’essai EiL, et en noir avec
des marqueurs rouges pour l’essai sur BàR. De manière similaire, on trace la température
DA8 sur l’axe de droite en vert pour l’essai EiL, et en noir avec les marqueurs verts pour
l’essai sur BàR. En conservant le même code couleur, on trace sur la Figure 4.30(d) les
températures interne T34F et externe DA7 sur les axes de gauche et de droite, en rouge
et vert respectivement.
En analysant le cycle complet, on observe immédiatement que les températures in-
ternes T24M et T34F sont proches de la référence véhicule, et suivent les mêmes variations.
En revanche, les températures externes DA8 et DA7 semblent être largement inférieures

205
4 Etude de la représentativité thermique

à l’essai véhicule. La Figure 4.31 représente les indicateurs de corrélation entre l’essai
EiL et l’essai BàR pour les températures considérées.

Fig. 4.31 : Valeur des indicateurs de corrélation thermique pour les températures du
système de post-traitement lors de l’essai SIMBOX (Campagne 1).

Pour chaque point de mesure indiqué en abscisse, on indique par une barre la moyenne
de l’écart de température ∆T , la moyenne de l’écart absolu de température |∆T |, l’écart
relatif moyen M AP D, et le coefficient de corrélation R2 en rouge, bleu, vert et ma-
genta respectivement. Les valeurs de R2 sont indiquées sur l’axe de droite. Pour les
températures internes T24M et T34F , l’écart moyen est environ de −11◦ C, pour un écart
absolu moyen de 15◦ C. Du fait des hautes températures en jeu, l’écart relatif moyen est
de l’ordre de 1.8% pour ces deux mesures. Le coefficient de corrélation est supérieur à
0.97, ce qui confirme l’observation basée sur la Figure 4.30. En revanche, les résultats
indiquent un écart significatif pour les températures DA1 et DA8 . L’écart moyen est de
l’ordre de 40◦ C. Par ailleurs, cette valeur correspond à l’opposée de l’écart absolu, la tem-
pérature étant inférieure à la référence pendant tout le cycle. Du fait des températures
plus faibles sur ces points de mesure, l’écart relatif moyen est d’autant plus important,
M AP D = 10% environ. Enfin, le coefficient de corrélation est inférieur à 0.65 pour ces
points de mesure. Ces résultats suggèrent que l’isolation du système de post-traitement
est suffisante pour garantir une température interne proche de la référence véhicule, bien
que la température ambiante soit en écart significatif.
Outre la représentativité globale de la température interne, il est important d’analy-
ser la montée en température au sein du système de post-traitement au banc EiL, puisque
cette phase correspond à une portion importante des émissions cumulées à l’échappe-
ment. La Figure 4.32 représente les deux premières minutes du cycle WLTC.
La Figure 4.32(a) représente les mesures sur banc EiL températures internes T24M
et T34F en rouge et vert, et les températures externes DA7 et DA8 en bleu et magenta
respectivement. Les valeurs des températures externes sont indiquées sur l’axe de droite.
Pour chaque température, la mesure de l’essai de référence sur BàR est indiquée par des

206
 4.3 Résultats expérimentaux

Fig. 4.32 : Montée en température du système de post-traitement sur un cycle WLTC.

Comparaison entre BàR et banc EiL.

marqueurs de la couleur correspondante. Avec le même code couleur, la Figure 4.32(b)

représente l’écart de température ∆T = TEiL − TBaR entre l’essai sur banc EiL et l’es-
sai sur BàR. Enfin, les Figures 4.32(c) et (d) représentent le débit d’air moteur calculé
par l’ECU et la puissance moteur Ptqi respectivement. On observe que les températures
internes sont inférieures à la référence véhicule pendant la phase de montée en tempéra-
ture. L’écart ∆T24M atteint −62◦ C à t = 29 s. A cet instant, la température de référence
est de l’ordre 120◦ C : l’écart de température est significatif à cet instant du cycle. L’écart
est moindre pour la température T34F , mais atteint tout de même −33◦ C à t = 50 s,
quand la température de référence est de l’ordre de 70◦ C. Par ailleurs, on peut préciser
que cet écart ne semble pas du aux conditions ambiantes du banc EiL, l’écart entre banc
EiL et référence étant de l’ordre de −1◦ C pour les températures externes pendant cette
période. On constate donc un écart significatif des températures internes au système de
post-traitement lors de la phase de chauffe, mais cet écart ne semble pas être lié aux
températures externes. On peut souligner que le banc EiL ne reproduit pas exactement
la puissance moteur ni le débit observé sur BàR. En particulier, on remarque que l’écart
de température T24M semble se creuser à partir de t = 17 s, suite à un pic de débit et
de puissance moteur sur BàR qui n’est pas reproduit par le banc EiL. Ce phénomène
pourrait expliquer la montée en température plus rapide de la référence véhicule. Mal-
heureusement, le comportement du conducteur SIMBOX génère des émissions en sortie
moteur en écart par rapport à la référence. Par conséquent, ces essais ne permettent
pas de quantifier l’impact de l’écart thermique sur l’efficacité de traitement de la ligne
d’échappement.

4.3.6 Synthèse & discussion

Les essais expérimentaux réalisés lors de la Campagne 4 permettent de tirer plusieurs
conclusions quant à la représentativité thermique de l’environnement EiL.
• Concernant le circuit de refroidissement, la configuration choisie consiste à placer

207
4 Etude de la représentativité thermique

le banc EiL au plus proche de la configuration véhicule, à travers un volume de

liquide de refroidissement similaire et l’utilisation du calorstat de série. La prin-
cipale différence concerne le radiateur, qui est remplacé par un échangeur à eau
régulé en débit en fonction de la température du circuit. Les résultats obtenus
suggèrent que cette configuration est adaptée à la reproduction fidèle d’essais au
banc moteur, avec un écart moyen de l’ordre de 2◦ C, et une tendance similaire
lors de la montée en température. Cependant, il est important de souligner que la
phase d’initialisation propre au système de co-simulation utilisé dans cette thèse
est à l’origine d’un écart d’environ 10◦ C au lancement de l’essai, qui se répercute
pendant le reste de la montée en température. De plus, la régulation de l’échan-
geur cause des ouvertures du calorstat plus fréquentes que sur véhicule. Au lieu de
chercher à maintenir une température moteur constante, la représentativité pour-
rait être améliorée en régulant le débit de manière à obtenir une certaine chute
de température dans le radiateur, basée par exemple sur une cartographie de son
efficacité en fonction de la vitesse véhicule.

• Ensuite, la campagne expérimentale a été concentrée principalement sur la repré-

sentativité thermique de la ligne d’air suralimenté. Dans la configuration initiale,
on constate une température inférieure à la référence, avec un écart significatif de
4◦ C en moyenne pour un écart relatif moyen de l’ordre de 11%. Plusieurs configu-
rations alternatives ont été testées lors de cette campagne. En particulier, la face
avant du RAS est partiellement obturée par un écran, et le moteur est entouré
d’un « capot » réalisé à partir d’un revêtement isolant. Les résultats obtenus sug-
gèrent que l’ajout d’un capot améliore de manière significative la représentativité
de la température d’air suralimenté. L’impact du capot intervient à la fois sur la
température de sortie du RAS, et sur l’augmentation de température entre le RAS
et l’admission. Ces résultats suggèrent que l’accumulation de chaleur sous le capot
moteur joue un rôle prépondérant sur la température d’admission. L’obturation
partielle du RAS a pour effet d’augmenter la température de sortie du RAS, et
améliore aussi la représentativité thermique, en particulier dans la seconde phase
du WLTC. Ces modifications du banc EiL ont aussi un impact sur les émissions
polluantes. En particulier, les émissions de NOx augmentent avec le niveau de ca-
pot. Les résultats suggèrent une tendance similaire pour les émissions de HC, mais
on observe une dispersion significative.

• Pour finir, les résultats suggèrent que ni le capot ni l’écran n’ont d’impact significa-
tif sur les émissions à l’échappement. La Campagne 0 réalisée avec l’outil SIMBOX
a en outre permis de révéler que la température ambiante a peu d’impact sur les
températures internes du système de post-traitement. Malgré une bonne corréla-
tion des températures internes, on constate un écart significatif lors de la phase de
chauffe, la température étant inférieure sur le banc EiL. Cet écart semble toutefois
être plutôt dû à un comportement moteur différent, et des essais de corrélation
supplémentaires seraient nécessaires pour approndir ces conclusions.

208
 4.4 Modélisation du circuit d’air de suralimentation

4.4 Modélisation du circuit d’air de

suralimentation
Afin de mieux comprendre les phénomènes en jeu, on propose dans cette thèse une
modélisation simple du circuit d’air de suralimentation basée sur un nombre restreint de
paramètres. On peut distinguer deux cas d’application de cette modélisation dans une
approche EiL.

• D’une part, la modélisation thermique de la ligne d’air pourrait servir à guider

les démarches expérimentales au banc EiL. Dans ce cas d’usage, le modèle est
d’abord calibré sur un cycle réalisé au banc moteur. Une fois que le comportement
simulé représente de manière fidèle la mesure sur banc, les paramètres du modèle
peuvent ensuite être ajustés pour approcher au mieux l’essai de référence réalisé
sur véhicule. La variation des paramètres peut ainsi être interprétée de manière à
guider l’utilisateur au banc moteur, par exemple en suggérant un niveau accru de
capot ou d’obturation du RAS.

• D’autre part, le deuxième cas d’application se base sur la calibration du modèle

directement sur l’essai véhicule de référence. A condition que le modèle représente
de manière fidèle le comportement observé sur le véhicule, la température de sor-
tie calculée pourrait ensuite être utilisée comme cible de régulation sur le banc
moteur. Par exemple, on peut imaginer que la soufflante de refroidissement du
RAS soit régulée non seulement en fonction de la vitesse véhicule, mais aussi de
la température cible de l’air de suralimentation ECUM AT . Une fois calibré, le mo-
dèle permettrait ainsi de minimiser les manipulations au banc EiL, et de disposer
d’une température cible pour n’importe quel cycle sans nécessiter d’essai véhicule
de référence.

L’analyse de la bibliographie révèle que plusieurs références proposent un modèle dyna-

mique de la ligne d’air de suralimentation [143, 144] prenant en compte l’accumulation
d’air dans certaines parties du circuit. Toutefois, ces modèles requièrent de nombreux
paramètres d’entrée qui sont difficilement disponibles dans un contexte EiL. De plus, le
modèle proposé par Holmgren [144] s’appuie sur une mesure du régime de la turbine, qui
n’est pas disponible sur le moteur étudié ici. Le modèle proposé par Sabeh [143] calcule
ce régime grâce au principe fondamental de la dynamique appliqué à l’arbre du tur-
bocompresseur, mais cette formulation nécessite une initialisation précise ainsi qu’une
modélisation complexe des gaz d’échappement. Le modèle proposé ici s’appuie donc
plutôt sur une formulation pseudo-stationnaire du problème, le débit d’air Qair étant
supposé uniforme tout au long de la ligne, et égal à la valeur estimée par le contrôle
moteur ECUM AF .

4.4.1 Approche initiale

Dans cette section, on présente la première approche choisie pour la modélisation
thermique de la ligne d’air. Les lacunes de cette approche sont ensuite identifiées et une
nouvelle modélisation est proposée dans la section suivante.

209
4 Etude de la représentativité thermique

4.4.1.1 Fonctionnement du modèle

La version initiale du modèle est représentée sur la Figure 4.33. On indique en rose les
points de mesure disponibles sur la ligne. Outre la mesure fournie par le contrôle moteur
ECUM AT (disponible à la fois sur véhicule et sur banc moteur), l’instrumentation du
banc EiL fournit les températures d’entrée et de sortie du compresseur TAV C et TAP C ,
ainsi que la température TAP E en sortie du RAS.

Fig. 4.33 : Schéma du modèle de la ligne d’air suralimenté - Version initiale.

Le modèle se base sur les deux composants principaux de la ligne d’air suralimenté :
le compresseur et le RAS. Dans le cas d’une compression isentropique, la température de
sortie du compresseur Tcomp,iso est obtenue à partir de la température d’entrée ambiante
Tamb et du taux de compression, correspondant au rapport entre la pression de sortie du
compresseur Pcomp et la pression de l’air ambiant Pamb , κComp = Pcomp /Pamb .
γ−1

Tcomp,iso = Tamb · κComp

γ
(4.2)

Avec γ le rapport de chaleurs spécifiques de l’air γ = CP /CV . Toutefois, la compression

n’est pas réellement isentropique, du fait des pertes du compresseur. Pour tenir compte
de ces pertes, on introduit le rendement du compresseur ηcomp :

TComp,iso − Tamb
ηcomp = (4.3)
TComp − Tamb

La température en sortie de compresseur est ensuite exprimée par l’Eq. (4.4) [143-145].
γ−1

κ γ −1
TComp = Tamb · (1 + Comp ) (4.4)
ηcomp

La température ambiante est mesurée par le contrôle moteur à travers la variable

ECUTamb . Le rendement du compresseur est une donnée renseignée par le fournisseur.
Dans cette thèse, elle est donnée sous la forme d’une cartographie fonction du débit

210
 4.4 Modélisation du circuit d’air de suralimentation

d’air Qair et du taux de compression ηcomp = f (Qair , κComp ). La cartographie utilisée ici
est représentée Figure 4.34. Les points bleus représentent les points de fonctionnement
renseignés dans la cartographie constructeur. Par interpolation, on obtient ensuite sous
Matlab une cartographie complète. Pour les points de fonctionnement se situant hors de
la plage définie par les spécifications, on considère la valeur de la cartographie la plus
proche.

Fig. 4.34 : Cartographie de l’efficacité du compresseur ηcomp = f (Qair , κComp ). Points

de fonctionnements (bleu) et interpolation.

Le contrôle moteur fournit une mesure de la pression de l’air de suralimentation en

aval du RAS ECUP boost = PRAS . Pour calculer la pression en sortie de compresseur Pcomp
et le taux de compression κComp nécessaire à l’Eq. (4.4), il faut donc prendre en compte
les pertes de charges du RAS ∆PRAS = Pcomp − PRAS . Ces pertes sont renseignées par
le fournisseur, en fonction du débit d’air ∆PRAS = f (Qair ), Figure 4.35(a). On obtient
ainsi :
Pcomp = PRAS + ∆PRAS (Qair ) (4.5)
Pour un point de fonctionnement donné, l’Eq. (4.4) permet de calculer la température en
sortie de compresseur, Tcomp . Cette température est prise comme température d’entrée
du RAS TRAS,e = Tcomp . Ensuite, la température TRAS en sortie du RAS peut être
exprimée en fonction de son efficacité ηRAS .
TRAS,e − TRAS
ηRAS = (4.6)
TRAS,e − Tair,RAS

Avec Tair,RAS la température de l’air ambiant qui entre en face avant du RAS. Si l’ef-
ficacité ηRAS est connue, l’Eq. (4.6) peut être utilisée pour calculer la température de

211
4 Etude de la représentativité thermique

sortie du RAS :
TRAS = TRAS,e − ηRAS · (TRAS,e − Tair,RAS ) (4.7)
Cette efficacité est définie par le constructeur en fonction du débit d’air Qair et de la
vitesse de l’air extérieur entrant par la face avant du RAS, notée Vair,RAS : ηRAS =
f (Qair , Vair,RAS ). Les points de fonctionnement renseignés par la cartographie sont re-
présentés en bleu Figure 4.35(b). On extrapole ensuite afin d’élargir la plage de fonc-
tionnement du modèle à des valeurs de faible débit d’air.

((a)) Pertes de charge ∆PRAS = ((b)) Efficacité ηRAS = f (Qair , Vair,RAS ). Points de
f (Qair ). fonctionnement (bleu) et extrapolation.
Fig. 4.35 : Spécifications du refroidisseur d’air suralimenté (RAS) de référence.

Comme suggéré par [144], on suppose une relation linéaire entre la vitesse véhicule
V et la vitesse de l’air Vair,RAS entrant en face avant du RAS.

Vair,RAS = Aair,RAS + Bair,RAS · V (4.8)

En première approche, on considère Aair,RAS = 0 et Bair,RAS = 0.1. A l’aide des cartogra-

phies constructeurs et des variables du contrôle moteur, il est donc possible de calculer
la température TRAS en sortie du RAS.

4.4.1.2 Lacunes de l’approche initiale

Une première évaluation du modèle sur un cycle WLTC révèle rapidement les lacunes
de l’approche initiale. La Figure 4.36 représente les résultats obtenus sur un cycle WLTC
en utilisant les variables du contrôle moteur ECUTamb , ECUP boost , ECUM AF et ECUV
issues d’un essai de référence sur BàR.
On représente la température ambiante mesurée ECUTamb en bleu, et les températures
TComp et TRAS calculées par le modèle en sortie du compresseur et du RAS en gris et
rouge respectivement. A titre de comparaison, la température ECUM AT de l’essai de
référence est représentée en noir. La tendance de la température TRAS en sortie de

212
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.36 : Températures calculées par le modèle initial à partir de mesures véhicule
sur un WLTC.

RAS calculée par le modèle ne correspond pas à la température mesurée en entrée du

collecteur ECUM AT . La température calculée par le modèle est par ailleurs proche de la
température ambiante pendant la majorité du cycle.
En particulier, on peut souligner un phénomène non pris en compte par le modèle et
observable sur l’essai véhicule. Pour un point de fonctionnement moteur donné, la tem-
pérature en entrée du collecteur ECUM AT augmente au cours du cycle WLTC. La Figure
4.37 illustre ce phénomène. La Figure 4.37(a) représente la température du liquide de
refroidissement ECUT CO (bleu, axe de droite) et la température d’air de suralimentation
ECUM AT (rouge, axe de gauche) au cours du cycle WLTC de référence sur le véhicule.
Les phases d’arrêt véhicule sont représentées par des points noirs. Il est important de
souligner ici que le « Stop & Start » n’étant pas actif sur les essais de référence, le mo-
teur est au ralenti pendant les phases d’arrêt. Suivant la même représentation, la Figure
4.37(b) représente la vitesse véhicule au cours de l’essai. Il apparaît clairement que la
température d’air de suralimentation ECUM AT ne dépend pas seulement du point de
fonctionnement moteur : entre la première phase de ralenti à t = 10 s et la dernière phase
de ralenti à t = 1800 s, on constate un écart de près de 20◦ C, avec environ 45◦ C en fin de
cycle contre 26◦ C en début de cycle. Cette observation confirme qu’un phénomène signi-
ficatif n’est pas représenté par le modèle initial. Comme suggéré par l’analyse des essais
expérimentaux en Section 4.3, on peut faire l’hypothèse que l’accumulation de chaleur
sous le capot joue un rôle prépondérant sur la température de l’air de suralimentation.
L’instrumentation de la ligne d’air sur le banc moteur permet de confirmer ces ob-
servations. A titre d’exemple, la Figure 4.38 représente les mesures de température lors
d’un essai au banc moteur obtenu avec le capot de niveau 2, et sans aucune obturation
du RAS (écran 0).
La Figure 4.38 représente les températures d’entrée et de sortie du compresseur TAV C
et TAP C en bleu et gris respectivement. De plus, on trace la température de sortie du
RAS (TAP E ) en vert, ainsi que la température d’air de suralimentation mesurée par le

213
4 Etude de la représentativité thermique

((a)) ECUM AT (bleu) et ECUT CO (rouge). ((b)) Vitesse véhicule.

Fig. 4.37 : Températures du contrôle moteur et vitesse véhicule pendant un WLTC sur
véhicule. Les phases de ralenti sont représentés en noir.

Fig. 4.38 : Mesure des températures de la ligne d’air sur banc moteur, comparaison
avec le banc à rouleaux. Les phases d’arrêt véhicule sont représentées en magenta.

contrôle moteur ECUM AT en rouge. Les phases d’arrêt véhicule et de ralenti moteur sont
indiquées par des marqueurs magenta. A titre de comparaison, la température ECUM AT
est représentée en noir pour l’essai BàR de référence. La température mesurée sur le banc
moteur ne correspond pas exactement à la référence véhicule. Toutefois, la corrélation
entre les deux essais paraît suffisante pour établir des observations pertinentes à partir
de l’essai sur banc moteur.
En premier lieu, l’observation de la Figure 4.38 permet de confirmer l’hypothèse
émise plus haut : la température de l’air de suralimentation ECUM AT est supérieure à
la température TAP E mesurée en sortie du RAS. Sur les points de ralenti, cet écart est de

214
 4.4 Modélisation du circuit d’air de suralimentation

l’ordre de 15◦ C en fin de cycle. Comme souligné dans la section précédente, l’air du circuit
subit donc bien un transfert thermique entre la sortie du RAS et le collecteur d’admission,
qui n’est pas représenté dans le modèle. En outre, la mesure de la température en sortie
du compresseur TAP C Figure 4.38 permet de révéler que le phénomène d’accumulation de
chaleur sous le capot influe aussi sur la température de sortie compresseur : sur le point de
fonctionnement du ralenti, la température TAP C augmente de 25◦ C à 52◦ C en fin de cycle.
Cette augmentation est en partie due à l’augmentation de la température d’admission
du compresseur TAV C au cours du cycle. Toutefois, en considérant uniquement les points
de ralenti, cette augmentation est peu significative, avec une température maximale de
24◦ C en fin de cycle, pour une température initiale de 21◦ C. Il semble donc crucial de
considérer l’augmentation de température entre le compresseur et le RAS, puis entre le
RAS et le collecteur, pour approcher le comportement observé sur véhicule. Le modèle
présenté Figure 4.33 doit donc être complété afin de prendre ce phénomène en compte.

4.4.2 Modélisation de l’effet sous capot

Afin de considérer l’effet de l’accumulation de chaleur sous capot sur la ligne d’air,
on ajoute plusieurs blocs au modèle Figure 4.33. La Figure 4.39 représente la nouvelle
version du modèle. On distingue les branches A, B et C, représentées en rouge, bleu
et vert respectivement. La branche A représente le compresseur ainsi que la ligne d’air
entre l’admission et l’entrée du RAS. La branche B représente le RAS, et la branche C
représente le conduit entre la sortie du RAS et le collecteur d’admission.
On considère une température d’air uniforme TU nder dans le volume sous-capot. En
aval du modèle de compresseur détaillé plus haut, l’air subit dans le conduit un transfert
thermique de la part de l’ambiance sous-capot représenté par le coefficient KA , et at-
teint la température TComp,under . Pour calculer TComp,under , on considère une température
uniforme dans le conduit égale à TComp . Le transfert thermique ΦA subit par l’air dans
le conduit s’écrit donc :
ΦA = KA · (TU nder − TComp ) (4.9)
On peut ensuite écrire le bilan d’énergie sur les débits d’air entrant et sortant du conduit
A:
Qair · Cp · TComp,under = Qair · Cp · TComp + ΦA (4.10)
Finalement, la température de sortie du conduit peut être obtenue en combinant les Eq.
(4.9) et (4.10) :

KA
TComp,under = TComp + · (TU nder − TComp ) (4.11)
Qair · Cp

Afin de représenter l’inertie thermique des parois du compresseur et du conduit, on

introduit l’inertie τComp . La température TComp,f ilt en sortie de la branche A est ensuite
obtenue à l’aide de la fonction de transfert du premier ordre HComp .

TComp,f ilt 1
HComp (s) = = (4.12)
TComp,under 1 + τComp · s

La température de sortie de la branche A correspond à la température d’entrée de la

branche B, TRAS,e = TComp,f ilt . La température TRAS en sortie du RAS est obtenue à

215
4 Etude de la représentativité thermique

partir de l’Eq. (4.7). On introduit ensuite l’inertie thermique de la masse métallique du

RAS, τRAS . La température TRAS,f ilt en sortie de la branche B est ensuite obtenue à
partir de la fonction de transfert du premier ordre HRAS .
TRAS,f ilt 1
HRAS (s) = = (4.13)
TRAS,under1 1 + τRAS · s

L’air de sortie du RAS subit enfin un transfert thermique ΦC par l’ambiance sous-capot
représenté par le coefficient KC . De la même manière que pour la branche A, on considère
une température uniforme dans le conduit C égale à TRAS,f ilt .

ΦC = KC · (TU nder − TRAS,f ilt ) (4.14)

La température de sortie du conduit TP ipe s’écrit ensuite :

KC
TP ipe = TRAS,f ilt + · (TU nder − TRAS,f ilt ) (4.15)
Qair · Cp

Finalement, on introduit l’inertie thermique τP ipe du conduit C afin d’obtenir la tempé-

rature dans le collecteur d’admission TP ipe,f ilt .

TP ipe,f ilt 1
HP ipe (s) = = (4.16)
TP ipe,under 1 + τP ipe · s

Dans le modèle présenté, les températures de sortie des branches A, B et C doivent

correspondre aux températures mesurées TAP C , TAP E et ECUM AT respectivement.
Afin de calculer les transferts thermiques subits par l’air de suralimentation, il est
nécessaire d’exprimer la température sous-capot, notée TU nder . On trouve dans la biblio-
graphie plusieurs références proposant une modélisation de la température sous-capot.
Cependant, la plupart de ces références appuient le travail de modélisation sur une
approche tridimensionnelle à l’aide de la méthode des éléments finis, en couplant la
simulation thermique à un modèle de dynamique des fluides computationnelle (CFD)
[146-151]. Cette approche nécessite un maillage très précis de l’environnement sous-capot
et n’est donc pas compatible avec l’approche EiL. Dans cette thèse, on considère deux
modélisations simples de la température sous-capot, chacune associée à une définition
différente des coefficients de transfert KA et KC .

4.4.3 Formulation simplifiée

En premier lieu, on propose une modélisation simple basée sur des coefficients ma-
thématiques pour représenter l’effet sous-capot, notée modèle « simplifié », ou modèle
n◦ 1.

4.4.3.1 Température sous-capot

Dans cette formulation, la température sous-capot est assimilée à la température de
du bloc moteur. Comme utilisé dans [152], il est possible de représenter la montée en
température des différents composants du moteur par une approche nodale des prin-
cipaux volumes, comme le volume de liquide de refroidissement, le volume d’huile, la

216
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.39 : Schéma du modèle de la ligne d’air suralimenté - Version complète.

masse métallique, et l’air ambiant. Toutefois, dans le cadre de cette thèse, on dispose
déjà des variables mesurées par le contrôle moteur ECUT CO et ECUT oil , i.e. les tem-
pératures du circuit de refroidissement et du circuit d’huile respectivement. On utilise
ces variables pour calculer une température intermédiaire TBLOCK , correspondant à une
moyenne pondérée de ces deux températures, à l’aide du coefficient δBLOCK :

TBLOCK = δBLOCK · ECUT CO + (1 − δBLOCK ) · ECUT oil (4.17)

Avec 0 ≤ δBLOCK ≤ 1. Pour obtenir la température sous-capot TU nder , on choisit ensuite

de représenter l’inertie de la masse du bloc moteur par la fonction de transfert du premier
ordre HBLOCK (s) définie par l’inertie thermique τBLOCK .

TU nder 1
HBLOCK (s) = = (4.18)
TBLOCK 1 + τBLOCK · s

4.4.3.2 Coefficients de transfert

Dans le modèle simplifié, on introduit une formulation mathématique des coefficients
de transfert KA et KC . Afin de représenter l’influence de la vitesse véhicule V sur le
transfert thermique, on considère une fonction linéaire définie par les coefficients KA0 ,
KA1 et KC0 , KC1 respectivement.

KA = KA0 + KA1 · V (4.19)

KC = KC0 + KC1 · V (4.20)

217
4 Etude de la représentativité thermique

La méthode de calibration des paramètres de ce modèle est détaillée Section 4.4.5.

4.4.4 Formulation détaillée

Dans le but de minimiser les efforts de calibration et de rendre l’utilisation du modèle
plus intuitive, la modélisation de l’effet sous-capot peut être basée sur un bilan d’énergie
de l’air sous-capot. Cette version est notée modèle « détaillé », ou modèle n◦ 2.

4.4.4.1 Température sous-capot

Comme détaillé Section 2.4, on dispose de mesures de température sous-capot effec-
tuées sur le véhicule d’essai Mégane (Figure 2.6). Il est important de rappeler que ce
véhicule ne correspond pas au véhicule de référence utilisé dans le reste de cette thèse, et
en particulier dans la section précédente. Toutefois, en analysant ces mesures, il apparaît
immédiatement que la formulation simple décrite ci-dessus ne représente pas de manière
fidèle la température sous-capot. La Figure 4.40 représente un exemple de roulage réalisé
lors de cette campagne d’essai.
La Figure 4.40(a) représente la vitesse véhicule mesurée par le contrôle moteur, et la
Figure 4.40(b) la puissance moteur effective calculée à partir du couple ECUEstiT qe et
du régime ECUN . Sur la Figure 4.40(c), on trace la température ambiante ECUT amb , la
température du liquide de refroidissement ECUT CO et celle du circuit d’huile ECUT oil
en vert, bleu et magenta respectivement. Enfin, on représente sur la Figure 4.40(d) les
mesures de température ambiante sous-capot à proximité du catalyseur, de la turbine,
du compresseur, de la face accessoire et de l’admission en bleu, magenta, vert, rouge et
gris respectivement.
Comme déjà constaté, la température ECUT CO augmente de manière quasi linéaire
pendant les première 370 s de l’essai, jusqu’à l’ouverture du calorstat quand la tempéra-
ture atteint 95◦ C. Le calorstat régule ensuite la température ECUT CO autour de 90◦ C
pendant le reste de l’essai. La température d’huile suit une tendance similaire, avec une
température maximale proche de 80◦ C. En revanche, on observe des variations impor-
tantes dans la température sous-capot qui ne correspondent pas à la tendance observée
pour les températures moteur. Bien que la température ne soit pas la même selon le point
de mesure, on peut souligner l’impact de la vitesse véhicule sur l’ambiance sous-capot. A
t = 1250 s par exemple, on constate une augmentation brusque de la température pour
la plupart des points de mesure. Cet instant coïncide avec un arrêt véhicule. Dans ce
cas, la puissance moteur nulle indique un arrêt du moteur, caractérisé par un débit nul
dans la ligne d’air. Toutefois, on peut remarquer plus généralement qu’une chute de la
vitesse véhicule est caractérisée par une hausse des températures sous-capot, à t = 935 s
par exemple. En outre, on peut aussi souligner que les températures sous-capot ne com-
mencent à augmenter qu’à partir de t = 500 s environ, peu après la première ouverture
du calorstat. Cette observation suggère que le fonctionnement du radiateur pourrait
avoir un impact sur l’ambiance sous-capot.

Fonctionnement du modèle : En se basant sur l’analyse de ces essais, on propose

donc une modélisation de la température ambiante sous capot, représentée Figure 4.41.
On considère en premier lieu le flux d’air entrant sous le capot à la température ambiante

218
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.40 : Exemple de roulage Mégane - Mesure des températures sous-capot.

Text . De manière similaire à la vitesse d’air entrant dans le RAS Eq. (4.8), Le débit d’air
Qcircu est exprimé en fonction de la vitesse véhicule V et des coefficients Aair , Bair .

Qcircu = Aair + Bair · V (4.21)

Ici, on considère que la majorité de l’air entrant sous le capot provient du radiateur. Du
fait du transfert thermique avec le circuit de refroidissement, l’air ambiant est réchauffé et
entre sous le capot à la température Tcircu . Pour représenter ce phénomène, on considère
le volume intermédiaire à la température uniforme Tcircu , en jaune sur la Figure 4.41.
On peut ainsi réaliser un bilan entre les flux entrant et sortant à l’aide de la puissance
échangée dans le radiateur Φradia .

Qcircu · Cp · Tcircu = Qcircu · Cp · Text + Φradia (4.22)

La température de sortie Tcircu peut ainsi être exprimée :

Φradia
Tcircu = Text + (4.23)
Qcircu · Cp

Dans le cadre des essais réalisés sur la Mégane, on dispose de la température du

liquide de refroidissement en entrée et en sortie moteur, notées Te,CO et Ts,CO respecti-
vement. On peut donc calculer le transfert thermique dans le radiateur Φradia,int à l’aide
du débit de liquide de refroidissement QCO et de la capacité calorifique du liquide Cp,CO .

Φradia,int = QCO · Cp,CO · (Ts,CO − Te,CO ) (4.24)

La pompe étant entraînée par courroie, on peut exprimer le débit de liquide de refroi-
dissement dans le moteur QCO,eng à partir du régime moteur ωeng et d’un coefficient χ
obtenu dans les caractéristiques véhicule :

QCO,eng = χ · ωeng (4.25)

219
4 Etude de la représentativité thermique

Fig. 4.41 : Modèle de la température sous-capot dans la formulation n◦ 2 (modèle

« détaillé »)

Le débit de liquide dans le radiateur QCO est ensuite modulé par l’ouverture du calorstat
αcalor , que l’on suppose linéaire entre 0 et 1 pour les températures du circuit de refroidis-
sement T0% = 89◦ C et T100% = 99◦ C respectivement à partir de l’observation des essais
véhicule.
QCO = αcalor · χ · ωeng (4.26)
De manière à représenter l’inertie de la masse métallique du radiateur, on introduit en
outre la fonction de transfert du premier ordre Hradia (s) pour calculer la puissance Φradia .

Φradia 1
Hradia = = (4.27)
Φradia,int 1 + τradia · s

Après avoir traversé le radiateur, le flux d’air entre dans le volume sous-capot et reçoit
un flux de chaleur de la part du moteur et des pièces métalliques (noté Φinput ). En consi-
dérant une température TU nder uniforme dans le volume sous-capot, on peut effectuer
un bilan énergétique entre les flux entrant et sortant :

Qcircu · Cp · TU nder = Qcircu · Cp · Tcircu + Φinput (4.28)

La température sous-capot peut ainsi être exprimée :

Φinput
TU nder = Tcircu + (4.29)
Qcircu · Cp

Le transfert Φinput,int est exprimé à partir de la puissance moteur Ptqe et du coefficient β.

La puissance moteur étant calculée à l’aide du couple effectif ECUEstiT qe et du régime
moteur ECUN , on introduit le terme constant Φ0 pour représenter le flux de chaleur au

220
 4.4 Modélisation du circuit d’air de suralimentation

ralenti :
Φinput,int = Φ0 + β · Ptqe (4.30)
Enfin, on représente l’inertie thermique de la masse métallique du moteur par la fonction
de transfert du premier ordre Hinput (s).

Φinput 1
Hinput = = (4.31)
Φinput,int 1 + τinput · s

Finalement, la température sous-capot TU nder est obtenue en combinant les Eq. (4.23)
et (4.29).
Φradia Φinput
TU nder = Text + + (4.32)
Qcircu · Cp Qcircu · Cp
Il est intéressant de souligner que ce modèle reste valide dans le cas où une fraction
δ du flux d’air provient directement de l’extérieur sans passer par l’échangeur, comme
représenté Figure 4.42. On note Qradia le flux d’air traversant l’échangeur avant d’entrer
dans le volume sous-capot, et Qext le débit d’air provenant directement de l’extérieur.
La somme des deux débits correspond au flux d’air total Qcircu .

Qcircu = Qradia + Qext (4.33)

En reprenant l’Eq. (4.28), le bilan sur le flux d’air s’écrit :

Qcircu · Cp · TU nder = Qradia · Cp · Tcircu + Qext · Cp · Text + Φinput (4.34)

En introduisant la fraction δ telle que Qext = δ · Qcircu , on peut écrire :

Qradia = (1 − δ) · Qcircu (4.35)

Le bilan Eq. (4.34) peut donc être simplifié :

Qcircu · Cp · TU nder = (1 − δ) · Qcircu · Cp · Tcircu + δ · Qcircu · Cp · Text + Φinput (4.36)

Finalement :

Qcircu · Cp · TU nder = Qcircu · Cp · ((1 − δ) · Tcircu + δ · Text ) + Φinput (4.37)

Puis, avec l’Eq. (4.23) exprimée avec le débit Qradia :

Φradia
Qcircu · Cp · TU nder =Qcircu · Cp · ((1 − δ) · (Text + ) + δ · Text )
(1 − δ) · Qcircu · Cp (4.38)
+ Φinput

On retrouve finalement l’Eq. (4.32), du fait de l’hypothèse de température uniforme dans

le volume sous-capot. Le modèle est donc adapté pour représenter les configurations
représentées Figures 4.41 et 4.42.

Validation du modèle : Le modèle représenté Figure 4.42 peut être validé à partir
des essais réalisés sur le véhicule d’essai Mégane. Dans ce but, on considère la moyenne

221
4 Etude de la représentativité thermique

Fig. 4.42 : Modèle final de la température sous-capot dans la formulation n◦ 2.

des températures mesurées sous-capot, notée Tmean :

Tamb,cata + Tamb,turbo + Tamb,comp + Tamb,access + Tamb,adm
Tmean = (4.39)
5
A l’aide de l’outil d’optimisation « sdo.optimize » de Matlab Simulink [153], on cherche
ensuite à ajuster les paramètres Φ0 , β, Aair et Qcircu de manière à approcher la tempé-
rature TU nder de la référence Tmean . Cet outil permet de réaliser une optimisation non
linéaire en précisant une valeur initiale et un intervalle pour chaque paramètre. L’algo-
rithme cherche à minimiser la fonction objectif, qui correspond ici à la somme des carrés
totaux (SST) de l’écart entre la température mesurée et la température calculée par le
modèle. Afin de faciliter l’optimisation, le flux de chaleur au ralenti Φ0 peut tout d’abord
être estimé. On note Φcomb la puissance dégagée par la combustion dans les cyclindres :
ωeng
Φcomb = Qcarb · P CI · (4.40)
2 · 60
Avec Qcarb la masse de carburant injecté à chaque cycle, et P CI le pouvoir calorifique
du carburant. La pression moyenne indiquée P M I s’exprime à partir du rendement de
combustion ηcomb , du rendement thermodynamique ηthermo et de la cylindrée vcyl .

Qcarb · P CI · ηcomb · ηthermo

P MI = (4.41)
vcyl

On a donc :
vcyl ωeng
Φcomb = P M I · · (4.42)
ηcomb · ηthermo 2 · 60
Pour calculer l’estimation de l’apport de chaleur sous-capot au ralenti Φ0,estim , on intro-
duit la fraction σ de la chaleur de combustion évacuée dans le volume sous-capot, tel

222
 4.4 Modélisation du circuit d’air de suralimentation

que :
Φ0,estim = σ · Φcomb (4.43)
Finalement :
vcyl ωeng
Φ0,estim = σ · P M I · · (4.44)
ηcomb · ηthermo 2 · 60
Au ralenti, on suppose P M I = P M F = 1 bar. Avec vcyl = 1198 cm3 et ωeng = 850
tr/min et en supposant le rendement de combustion ηcomb = 85%, le rendement ther-
modynamique ηthermo = 20% et la fraction de la chaleur étant évacuée dans le volume
sous-capot σ = 0.5, on obtient finalement Φ0,estim = 2.1 kW. Les valeurs initiales uti-
lisées pour l’optimisation sont rassemblées Table 4.3 ainsi que les limites pour chaque
paramètre, et les valeurs ajustées par l’outil d’optimisation.

Tableau 4.3 : Paramètres du modèle de température sous-capot : valeurs ajustée (« Va-

leur »), minimale (« Min. »), maximale (« Max. ») et initiale (« Init. »), et unité.
Paramètre Valeur Min. Max Init. Unité
Φ0 2.76 1.48 2.76 2.12 [kW]
β 1.5 0.85 2 1 [-]
Aair 0.4182 0 5 0.1 [kg/s]
Bair 0.036 0 5 0.01 [(kg/s)/(m/s)]

La Figure 4.43 représente le comportement du modèle de température sous-capot

sur un essai véhicule. Sur la Figure 4.43(a), on trace la température moyenne mesurée
sous-capot Tmean , la température sous-capot calculée par le modèle TU nder , ainsi que la
température extérieure Text et la température de l’air réchauffé par le radiateur Tcircu en
noir, rouge, bleu et magenta respectivement. L’ouverture du calorstat αcalor est repré-
sentée en vert sur l’axe de droite. Ensuite, la Figure 4.43(b) représente la température
sous-capot mesurée à proximité du compresseur, de la turbine, du catalyseur, de l’ad-
mission et de la face accessoire en rouge, magenta, vert, orange et bleu respectivement,
ainsi que la température moyenne Tmean en noir. On trace la vitesse véhicule en noir sur
la Figure 4.43(c), ainsi que le débit d’air sous-capot en rouge sur l’axe de droite. Enfin,
la Figure 4.43(d) représente les puissances thermiques apportées par le radiateur et par
la combustion en bleu et rouge respectivement.
En premier lieu, on peut souligner que la température TU nder calculée par le modèle
est proche de la température moyenne mesurée Tmean . L’écart absolu moyen est de
5.6◦ C, et la courbe respecte les tendances de manière générale. On remarque ensuite que
l’apport de puissance du radiateur est d’un ordre de grandeur inférieur par rapport à
l’apport de chaleur par le moteur. Toutefois, son impact n’est pas négligeable, puisque
l’air de circulation entre jusqu’à 20◦ C de plus que l’air extérieur, en particulier sur la
deuxième moitié de l’essai pendant laquelle le calorstat est pratiquement totalement
ouvert. Enfin, on peut rappeler que l’on cherche à représenter la température moyenne
sous-capot, et que la température mesurée par les différents thermocouples peut varier
localement de près de 40◦ C. Afin d’évaluer la robustesse du modèle sur d’autres essais, la
Figure 4.44 représente de manière similaire à la Figure 4.43 le comportement du modèle
sur un second essai réalisé avec le même véhicule. Le modèle est paramétré avec les
valeurs calibrées sur l’essai représenté Figure 4.43.
On constate directement que le modèle est plus éloigné de la mesure, avec un écart
absolu moyen de 10.8◦ C. Cet écart est en partie du au fait que les paramètres du modèle

223
4 Etude de la représentativité thermique

Fig. 4.43 : Exemple de comportement du modèle sur un essai véhicule Mégane - Essai
de calibration.

ne sont pas calibrés sur cet essai spécifiquement. Toutefois, la configuration véhicule
est la même que sur l’essai de calibration, et les paramètres ne devraient donc pas être
amenés à changer. On peut cependant souligner que la tendance des fortes fluctuations
observées dans la température mesurée est reproduite par le modèle, à t = 1175 s et
t = 1810 s par exemple. Ces instants correspondent à des arrêts véhicules, et l’impact de
la vitesse sur la circulation d’air est correctement pris en compte par le modèle. On peut
souligner que l’ouverture du calorstat ne dépasse pas 0.6, ce qui suggère que le débit de
liquide de refroidissement dans le radiateur est moindre par rapport au premier essai. Ce
faible débit entraîne une faible puissance échangée dans le radiateur, et pourrait donc
expliquer en partie la température largement inférieure à la mesure dans la deuxième
partie de l’essai. On peut rappeler ici que l’ouverture du calorstat a été définie de manière
linéaire en observant les essais véhicules, et pourrait ne pas être fidèle au comportement
du calorstat réel.
Les résultats présentés ci-dessus permettent de conclure que l’approche choisie pour
la modélisation de la température sous-capot est cohérente et représente la majorité des
phénomènes en jeu. L’hypothèse d’une température sous-capot uniforme constitue ce-
pendant une approximation importante. Dans ce contexte, malgré les écarts constatés
entre la température calculée et la moyenne mesurée, on peut considérer que la modéli-
sation est adaptée à l’utilisation dans le modèle de la ligne d’air.

Adaptation au banc moteur : Dans l’objectif de modéliser le comportement observé

sur banc moteur, le modèle présenté Figure 4.42 doit être modifié. En effet, comme
souligné Section 4.2, le radiateur n’est pas présent physiquement sur le banc et est
remplacé par un échangeur à eau. Par conséquent, l’air entrant sous le capot n’est pas
réchauffé par le radiateur, et on peut négliger la puissance Φradia . En revanche, le RAS
est présent sur le banc, et on peut considérer son impact sur la température de l’air
entrant sous le capot de manière similaire au radiateur avec la puissance échangée dans
˙ RAS,e − TRAS ), comme représenté Figure 4.45.
le RAS ΦRAS = Qair · Cp (T

224
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.44 : Exemple de comportement du modèle sur un essai véhicule Mégane - Para-
mètres calibrés.

Fig. 4.45 : Modèle de la température sous-capot adapté à la configuration du banc

moteur.

L’impact du RAS n’a pas été pris en compte dans le modèle présenté Figure 4.42.
Cependant, on ne dispose pas de la cartographie du RAS pour le véhicule Mégane, ni du
débit d’air dans la ligne de suralimentation, et il est par conséquent impossible de calculer
la puissance échangée dans le RAS pour ces essais. De plus, on peut souligner que la
puissance échangée avec l’eau dans le radiateur est d’un ordre de grandeur supérieur par
rapport à la puissance échangée dans le RAS, du fait de la capacité calorifique élevée de
l’eau. Au vu des résultats obtenus présentés Figure 4.43, on peut conclure que l’impact
du RAS peut être négligé dans le cas où le radiateur est présent.

225
4 Etude de la représentativité thermique

4.4.4.2 Coefficients de transfert

Dans le modèle « détaillé », on choisit d’exprimer les coefficients de transfert à l’aide
de grandeurs physiques. On considère un conduit de longueur L et de diamètre D,
schématisé Figure 4.46. On note Te et Ts les températures d’entrée et de sortie du
conduit, et Tin la température interne, que l’on suppose uniforme telle que Tin = Te .
Le débit d’air Qair est uniforme le long du conduit. Du fait de sa faible épaisseur, on
considère la température de la paroi du conduit Twall uniforme et égale à la température
ambiante sous-capot Twall = TU nder .

Fig. 4.46 : Calcul du transfert thermique par convection.

On note Φ le transfert thermique par convection entre la paroi du conduit et le flux

d’air, tel que :
Qair · Cp · Ts = Qair · Cp · Te + Φ (4.45)
On exprime Φ à partir du coefficient de convection h, de la surface d’échange S = π·D·L,
de la température interne Tin et celle de la paroi Twall .

Φ = h · s · (Twall − Tin ) (4.46)

Pour calculer le coefficient de convection, on utilise le nombre de Nusselt N u :

Nu · λ
h= (4.47)
D
Avec λ la conductivité thermique de l’air. Le nombre de Nusselt s’exprime différemment
selon le régime d’écoulement, déterminé par le nombre de Reynolds Re.
Vmean · D
Re = (4.48)
ν
Avec ν la viscosité cinématique de l’air, et Vmean la vitesse moyenne d’écoulement. On
peut calculer Vmean en utilisant le débit massique Qair , la masse volumique de l’air ρ et
la section SA = πD2 /4.
Qair Qair
Vmean = = D2 (4.49)
SA · ρ π 4 ·ρ

226
 4.4 Modélisation du circuit d’air de suralimentation

On considère un régime turbulent pour Re > 2400, et un régime laminaire sinon. En

régime turbulent à l’intérieur d’un tube circulaire, le nombre de Nusselt peut être exprimé
par la relation de Dittus-Boelter [154] :

N u = 0.023 · Re0.8 · P r0.4 (4.50)

Avec P r le nombre de Prandt caractéristique de l’air à la température Tin . En régime

laminaire, le nombre de Nusselt s’exprime :
D 1 µ 0.14
N u = 1.86 · (Re · P r · )3 · ( ) (4.51)
L µwall
Avec µ la viscosité dynamique de l’air à la température Tin , et µwall la viscosité dy-
namique de l’air à la température de paroi Twall . Finalement, pour des valeurs de
Twall = TU nder et Te données, on peut calculer le coefficient de convection h. Les co-
efficients KA et KC introduits Eq. (4.9) et (4.14) peuvent être identifiés dans l’Eq.
(4.46) :
KA = hA · SA (4.52)
KC = hC · SC (4.53)
Avec, pour la branche A par exemple :

SA = π · Dpipe · LA (4.54)

On note LA , LC la longueur des conduits A et C respectivement, et Dpipe le diamètre

du conduit, supposé uniforme sur toute la ligne.

4.4.5 Calibration sur un essai au banc moteur

Dans cette section, on se place dans le premier cas d’application mentionné au début
de la Section 4.4. L’ajustement des paramètres du modèle est basé sur un essai de
référence réalisé au banc EiL. Une fois calibré de manière à représenter fidèlement le
comportement observé au banc EiL, le modèle pourrait ainsi être utilisé de façon à
guider les manipulations sur le banc : en cherchant à rapprocher la température TP ipe,f ilt
modélisée de la mesure ECUM AT de l’essai BàR, le modèle pourrait ainsi suggérer un
niveau différent de capot et/ou d’écran.
L’instrumentation des températures TAV C , TAP C et TAP E au banc moteur permet de
calibrer séparément les différentes branches du modèle présenté Figure 4.39. Afin d’ajus-
ter les paramètres de chaque branche, on utilise l’outil d’optimisation « sdo.optimize »
de Matlab Simulink [153] mentionné plus haut. Sauf précision contraire, on base la ca-
libration des différents blocs sur un même cycle WLTC réalisé à froid au banc EiL avec
le niveau 0 d’obturation du RAS et le niveau 2 de capot, noté « E0C2 ».

4.4.5.1 Branche B (RAS)

Grâce à l’instrumentation du banc moteur, on dispose des mesures des températures
d’entrée TAP C et de sortie TAP E de la branche B représentant le RAS (voir Figure 4.39),
qui peut ainsi être calibrée indépendamment du reste du modèle. La branche B étant

227
4 Etude de la représentativité thermique

modélisée de la même manière dans le modèle simplifié et le modèle détaillé, la méthode

de calibration est commune aux deux formulations. En utilisant la mesure TAP C comme
température d’entrée de la branche B, les coefficients de la vitesse d’air Aair,RAS et
Bair,RAS sont ajustés à l’aide de l’outil d’optimisation de manière à réduire l’écart entre
la température TRAS,f ilt calculée en sortie du bloc d’inertie du RAS et la température
mesurée TAP E . La valeur de l’inertie τRAS est ajustée manuellement de façon à reproduire
la dynamique de la température mesurée.

Fig. 4.47 : Ajustement des paramètres τRAS , Aair,RAS et Bair,RAS sur un WLTC réalisé
à froid au banc moteur.

La Figure 4.47(a) représente la température d’entrée mesurée TAP C en bleu sur l’axe
de droite, ainsi que la température de sortie mesurée TAP E en noir sur l’axe de gauche.
On trace en outre sur l’axe de gauche la température TRAS en sortie du modèle de RAS
calibré en vert, puis la température en sortie de son inertie thermique TRAS,f ilt en rouge.
La Figure 4.47(b) représente l’efficacité du RAS ηRAS modélisée en rouge, et calculée à
partir des données expérimentales et de l’Eq. (4.6) en noir (« Measure » en légende). La
Figure 4.47(c) représente l’écart ∆TB = TAP E − TRAS,f ilt entre la température calculée
en sortie de la branche B par le modèle et la mesure, et la Figure 4.47(d) la vitesse
d’air en face avant du RAS Vair,RAS . Les valeurs ajustées τRAS , Aair,RAS et Bair,RAS sont
rassemblées dans le Tableau 4.4.
Tableau 4.4 : Valeurs ajustées des paramètres du modèle de RAS.
Paramètre Valeur Min. Max. Unité
Aair,RAS 1.29 0 5 [m/s]
Bair,RAS 0 0 1 [-]
τRAS 150 - - [s]

On observe une bonne corrélation de la température modélisée avec la mesure, l’écart

absolu moyen étant de 0.37◦ C, pour un écart maximal de 1.5◦ C en fin de cycle. On note
néanmoins que l’optimisation converge vers une valeur nulle pour le paramètre Bair,RAS .
En reprenant l’Eq. (4.8), cette valeur induit une vitesse d’air constante en face avant

228
 4.4 Modélisation du circuit d’air de suralimentation

((a)) Photo au banc moteur. ((b)) Schéma du caisson.

Fig. 4.48 : Cloisons autour du RAS lors des essais au banc moteur.

du RAS, i.e. Vair,RAS = Aair,RAS comme représenté sur la Figure 4.47(d). Ces valeurs
paraissent discutables, la soufflante du banc moteur étant asservie à la vitesse véhicule
(Section 4.2). De plus, comme mentionné plus haut, l’essai EiL considéré correspond
au niveau 0 d’écran sur le RAS, i.e. aucune obturation. Une explication possible réside
cependant dans la configuration spécifique utilisée lors de cette thèse. En effet, le RAS
ayant d’abord été refroidi par arrosage en début de campagne, il est placé dans un
caisson hermétique. Ce caisson a ensuite été ouvert afin de passer au refroidissement par
soufflante, comme illustré Figure 4.48(a).

Cependant, seule la face avant du caisson est amovible, et le RAS reste cloisonné, sur
les côtés, le dessous et en face arrière. Le flux d’air arrive donc bien en face avant du RAS,
mais ne peut ressortir que par le haut de l’échangeur, ou bien par la face avant, comme
schématisé Figure 4.48(b). Par conséquent, le flux d’air est inéluctablement réduit et on
peut imaginer que l’encastrement du RAS limite la vitesse d’air entrant à une valeur
maximale faible rapidement atteinte lors d’un cycle. Cette configuration ne représente
pas les phénomènes en jeu lors d’un essai sur véhicule. Bien que les modifications du
banc décrites Section 4.2 améliorent la représentativité de la température ECUM AT ,
elles devraient donc être reproduites lors d’une campagne similaire en laissant le RAS
libre. Le but ici étant de reproduire le comportement observé au banc EiL, on conserve
toutefois les valeurs ajustées pour les paramètres de la branche B dans la suite de cette
section.

229
4 Etude de la représentativité thermique

4.4.5.2 Modèle simplifié

Dans cette section, on présente la méthode de calibration adoptée pour les branches
A et C du modèle simplifié (Section 4.4.3), schématisée sur la Figure 4.49.

Fig. 4.49 : Méthode de calibration du modèle simplifié.

Température sous-capot et branche C : La première étape de la calibration

consiste à évaluer les paramètres de la montée en température sous-capot TU nder , δBLOCK
et τBLOCK , qui seront utilisés pour calculer le transfert thermique dans les branches A et
C. Pour ce faire, on s’appuie sur la branche du modèle la plus simple, i.e. la branche C,
qui représente le conduit entre le RAS et le collecteur d’admission (Figure 4.39). Cette
branche est définie par l’inertie τP ipe , et les coefficients de transfert KC0 et KC1 . Pour
cette phase, on utilise en entrée de la branche C la température TAP E mesurée en sortie
du RAS.
• En premier lieu, on commence par estimer le coefficient de transfert thermique à
vitesse nulle KC0 . Afin de s’affranchir de la montée en température sous capot, on
considère pour cette phase un cycle réalisé à chaud au banc moteur, c’est-à-dire
avec une température initiale du liquide de refroidissement de l’ordre de 80◦ C. En
considérant uniquement la seconde moitié du cycle, on peut faire l’hypothèse que
la température sous-capot est constante à sa valeur maximale TBLOCK,max , que
l’on suppose égale à 90◦ C. Ensuite, on concentre la calibration du paramètre KC0
sur les phases d’arrêt véhicule V = 0 afin de s’affranchir du paramètre KC1 , i.e.
KC = KC0 (Eq. 4.20). On néglige ici l’inertie thermique du conduit, τP ipe = 1 s.
En supposant que la température de sortie du conduit doit être égale à la mesure
ECUM AT , l’Eq. (4.15) peut être utilisée pour calculer KC0 :

(TP ipe − TRAS,f ilt ) · Qair · Cp (ECUM AT − TAP E ) · Qair · Cp

KC0 = = (4.55)
TU nder − TRAS,f ilt TBLOCK,max − TAP E

230
 4.4 Modélisation du circuit d’air de suralimentation

En appliquant l’Eq. (4.55) sur toutes les phases de ralenti de la deuxième moitié
du cycle chaud, on obtient une valeur moyenne pour le coefficient KC0,cal , comme
illustré Figure 4.50. Chaque point représente la valeur moyenne pendant une phase
d’arrêt, les valeurs étant majoritairement comprises entre 0.45 et 0.55 W/K. La
valeur finale de KCO est choisie comme la moyenne de tous les points, KC0,cal =
0.49 W/K représentée en rouge.

Fig. 4.50 : Estimation du paramètre KC0 sur les phases d’arrêt d’un cycle réalisé à
chaud au banc moteur.

• Une fois le paramètre KC0 fixé, les paramètres de la température sous-capot

δBLOCK et τBLOCK peuvent être ajustés. Pour cette phase, on considère unique-
ment les phases d’arrêt d’un cycle réalisé à froid au banc moteur. Le coeffi-
cient de transfert thermique sous-capot est fixé à la valeur calibrée précédem-
ment, KC0 = KC0,cal . En utilisant l’outil d’optimisation, les paramètres δBLOCK et
τBLOCK sont ajustés de manière à réduire l’écart entre la température de sortie du
modèle TP ipe,f ilt et la température ECUM AT pendant les phases d’arrêt V = 0. La
Figure 4.51(a) représente les températures mesurées en entrée (TAP E ) et en sortie
(ECUM AT ) de la branche C en bleu et noir respectivement, ainsi que les tempéra-
tures calculées TU nder et TP ipe,f ilt en vert et rouge respectivement. La Figure 4.51(b)
représente l’écart absolu de température |∆TC |V =0 = |ECUM AT − TP ipe,f ilt |V =0
pendant les phases d’arrêt véhicule. La Figure 4.51(c) représente la vitesse véhi-
cule au cours du cycle. La montée en température sous-capot TU nder permet un
écart inférieur à 2◦ C lors des phases d’arrêt. On peut en outre souligner que la
température sous-capot n’atteint pas sa valeur maximale à la fin du WLTC, d’où
la nécessité de considérer un essai à chaud lors de l’estimation de KC0 .

Enfin, une fois les paramètres KC0 , τBLOCK et δBLOCK fixés, l’inertie τP ipe et le coeffi-
cient KC1 sont ajustés de manière à réduire l’écart entre la température de sortie du bloc
d’inertie du conduit TP ipe,f ilt et la température mesurée par le contrôle moteur ECUM AT
sur le cycle WLTC complet. La Figure 4.52(a) représente les températures mesurées en
entrée TAP E et en sortie ECUM AT en bleu et noir respectivement. Les températures
calculées en sortie du bloc de transfert sous-capot TP ipe,under puis du bloc d’inertie du

231
4 Etude de la représentativité thermique

Fig. 4.51 : Calibration des paramètres τBLOCK et δBLOCK sur les phases d’arrêt d’un
WLTC réalisé à froid au banc moteur.

conduit TP ipe,f ilt sont tracées en gris clair et rouge respectivement, ainsi que la tempé-
rature sous capot TU nder en vert sur l’axe de droite. Sur la Figure 4.52(b), on trace le
coefficient de transfert KC = KC0 + KC1 · V , et la Figure 4.52(c) représente l’écart de
température ∆TC = ECUM AT − TP ipe,f ilt au cours du cycle.

Fig. 4.52 : Calibration des paramètres τP ipe et KC1 sur un WLTC réalisé à froid au
banc moteur.

L’optimisation des paramètres permet une représentation proche de la température

mesurée, avec un écart absolu moyen de 1.60◦ C et un écart absolu maximal de 5.8◦ C.

232
 4.4 Modélisation du circuit d’air de suralimentation

On observe une tendance proche entre les températures mesurée et modélisée. On peut
remarquer que la température sous-capot TU nder est inférieure à la température mesu-
rée ECUM AT pendant les premières 200 s du cycle. De ce fait, la température calculée
TP ipe,f ilt est inférieure d’environ 2◦ C à la mesure ECUM AT pendant cette phase, et jus-
qu’à 1000 s environ. Bien que les températures ECUM AT , ECUT CO et ECUT oil soient
initialisées à 21◦ C en début de cycle, la température d’air ECUM AT dépasse rapidement
25◦ C après 25 s. La température sous capot étant ici liée directement au circuit de refroi-
dissement, ce phénomène n’est pas reproduit par le modèle. Enfin, on peut remarquer
que l’écart se creuse particulièrement lors de la dernière phase du cycle, la température
TP ipe,f ilt étant supérieure à la mesure. Cette observation suggère que la température
sous-capot modélisée est surestimée lors de cette phase.

Branche A : Les paramètres de la température sous-capot (δBLOCK , τBLOCK ) étant

fixés, la température TU nder peut être utilisée pour calibrer la branche A représentant le
compresseur ainsi que le conduit jusqu’au RAS (Figure 4.39). On considère en entrée de la
branche A la température mesurée TAV C . Les coefficients τComp , KA0 et KA1 sont ensuite
ajustés en utilisant l’outil d’optimisation afin de réduire l’écart entre la température
calculée en sortie du bloc d’inertie du compresseur TComp,f ilt et la température mesurée
en aval du compresseur TAP C . La Figure 4.53(a) représente les températures mesurées en
entrée TAV C et en sortie TAP C en bleu et noir respectivement. Les températures calculées
en sortie du compresseur TComp , puis du bloc d’inertie du compresseur TComp,f ilt sont
tracées en gris clair et rouge respectivement, ainsi que la température sous capot TU nder
en vert. La Figure 4.53(b) représente le coefficient de transfert KA = KA0 + KA1 · V , et
la Figure 4.53(c) l’écart de température ∆TA = TAP C − TComp,f ilt au cours du cycle.
Bien que l’écart avec la mesure atteigne 23.2◦ C à t = 819 s, on observe un écart absolu
moyen de 4.9◦ C entre le modèle et la mesure sur le cycle complet. Le modèle reproduit
en outre les principales fluctuations de la température mesurée. On peut souligner une
nouvelle fois l’impact du transfert thermique dans le conduit, illustré par l’écart entre
les température TComp et TComp,f ilt . Finalement, le Tableau 4.5 rassemble les valeurs
ajustées des paramètres du modèle simplifié.

Tableau 4.5 : Paramètres du modèle simplifié de la ligne d’air suralimenté : valeurs

ajustée (« Valeur »), minimale (« Min. ») et maximale (« Max. »), et unité.
Paramètre Valeur Min. Max. Unité
KC0 0.49 0 5 [W/K]
δBLOCK 1 0 1 [-]
τBLOCK 708 0 5 [s]
KC1 0.024 0 5 [(W/K)/(m/s)]
τP ipe 10 0 50 [s]
KA0 0.86 0 5 [W/K]
KA1 0.056 0 5 [(W/K)/(m/s)]
τComp 10 0 50 [s]

233
4 Etude de la représentativité thermique

Fig. 4.53 : Calibration des paramètres τComp , KA0 et KA1 sur le WLTC réalisé à froid
au banc moteur.

4.4.5.3 Modèle détaillé

Dans cette section, on détaille la méthode de calibration adoptée pour les branches
A et C du modèle détaillé (Section 4.4.4) représentée sur la Figure 4.54. L’impact du
RAS sur la température sous capot est pris en compte, comme représenté Figure 4.45.

Température sous-capot et branche A : En premier lieu, on considère la branche

A représentant le compresseur et le conduit jusqu’au RAS défini par la longueur LA et le
diamètre Dpipe (Figure 4.39). La température d’entrée de cette branche correspond à la
mesure TAP C . Grâce à l’outil d’optimisation, on ajuste les paramètres du conduit LA et
Dpipe ainsi que ceux de la température sous capot Aair , Bair , Φ0 et β. Les valeurs initiales
des paramètres LA et Dpipe peuvent être estimées approximativement par une mesure
rapide sur le moteur. Le paramètre Φ0 est initialisé à la valeur estimée en utilisant l’Eq.
(4.44). L’inertie τComp est enfin ajustée manuellement de manière à représenter au mieux
la dynamique de la température mesurée TAP C .
La Figure 4.55(a) représente les températures mesurées en amont et en aval du com-
presseur TAV C et TAP C en bleu et noir respectivement. La température TComp en sortie du
compresseur est tracée en gris, ainsi que la température TComp,f ilt en sortie de la branche
A en rouge. On indique en outre la température sous-capot TU nder modélisée en vert. La
Figure 4.55(b) représente le coefficient de transfert KA = hA · π · LA · Dpipe calculé par le
modèle. Sur la Figure 4.55(c), on trace l’écart de température ∆TA = TAP C − TComp,f ilt .
En premier lieu, bien que l’écart de température atteigne 23.8◦ C à t = 1580 s, on ob-
tient un écart absolu moyen de 5.0◦ C similaire au modèle simplifié. L’allure générale de
la température mesurée est par ailleurs reproduite par le modèle. On peut cependant
remarquer un pic de température à t = 1860 s, la température modélisée atteignant
67◦ C, contre 50◦ C pour la mesure. La température TComp étant égale à la température
d’entrée TAV C pendant cette phase, ce pic n’est pas dû à la montée en température dans
le compresseur, mais plutôt à la hausse de la température sous-capot TU nder , qui atteint
sa température maximale de 118◦ C à t = 1850 s.

234
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.54 : Méthode de calibration du modèle détaillé.

Fig. 4.55 : Ajustement des paramètres (LA , Dpipe , τComp ) et (Aair , Bair , Φ0 , β, τinput )
sur le WLTC réalisé à froid au banc moteur.

La Figure 4.56(a) représente la température extérieure Text , la température de l’air

chauffé par le RAS et entrant sous le capot Tcircu , et la température sous-capot TU nder en
bleu, vert et rouge respectivement. La Figure 4.56(b) représente les apports de chaleur
par le moteur et le RAS, Φinput et ΦRAS respectivement en rouge et bleu. Les Figures
4.56(c) et (d) représentent le débit de circulation d’air sous le capot Qcircu et la puissance
moteur Ptqi .
En premier lieu, la chaleur apportée par le RAS semble négligeable par rapport à l’ap-
port de chaleur par le moteur, avec une valeur maximale de ΦRAS,max = 0.65 kW contre
Φinput,max = 19.5 kW. La température Tcircu est par ailleurs pratiquement confondue avec

235
4 Etude de la représentativité thermique

Fig. 4.56 : Modélisation de la température sous-capot sur le WLTC réalisé à froid au

banc moteur.

la température extérieure. Comme mentionné Section 4.4.4.1, cette observation confirme

que l’apport du RAS pourrait être négligé dans le cas où le radiateur du circuit de re-
froidissement serait présent. Ensuite, on peut souligner l’impact de la vitesse véhicule
sur l’allure de la température sous-capot modélisée TU nder . Par exemple, le maximum
de la température sous-capot est atteint pendant la dernière phase d’arrêt véhicule à
partir de t = 1841 s. L’apport de puissance par le moteur atteint sa valeur maximale
à t = 1770 s, cet instant coïncidant avec la valeur maximale du débit de circulation de
0.27 kg/s. L’apport de chaleur diminue ensuite progressivement du fait de l’inertie τinput ,
tandis que le débit de circulation Qair diminue brusquement du fait du ralentissement
du véhicule. De ce fait, la température sous-capot augmente de manière significative. Ce
comportement est cohérent avec les observations expérimentales de la Section 4.4.4.1.
On peut néanmoins souligner que la valeur maximale de TU nder paraît discutable, les
températures sous-capot mesurées sur la Mégane ne dépassant généralement pas 100◦ C.
On conserve tout de même ces valeurs dans la suite de la section.

Branche C : Une fois les paramètres de la température sous-capot TU nder fixés, la

longueur du conduit LC peut être ajustée de manière à approcher la température mesurée
ECUM AT en sortie du conduit (Figure 4.39). On considère en entrée de la branche C la
température TAP E mesurée en aval du RAS, et le diamètre du conduit Dpipe correspond
à la valeur calibrée pour la branche A. L’inertie τP ipe est enfin ajustée manuellement de
manière a représenter au mieux la dynamique de la température mesurée ECUM AT .
La Figure 4.57(a) représente les températures mesurées en entrée et sortie de la
branche, TAP E et ECUM AT , en bleu et noir respectivement. La température de sortie du
conduit TP ipe est tracée en gris, ainsi que la température TP ipe,f ilt en sortie de la branche
C en rouge. On indique en outre la température sous-capot TU nder ajustée lors de l’étape
précédente en vert sur l’axe de droite. La Figure 4.57(b) représente le coefficient de
transfert KC = hC · π · LC · Dpipe calculé par le modèle. Sur la Figure 4.57(c), on trace
l’écart de température ∆TC = ECUM AT − TP ipe,f ilt . L’écart absolu moyen est de 1.80◦ C,

236
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.57 : Ajustement des paramètres (LC , τP ipe ) sur le WLTC réalisé à froid au banc
moteur.

avec un écart maximal de −11.4◦ C atteint en fin de cycle à t = 1860 s. De manière

similaire à la branche A, cet écart est du à la forte hausse de la température sous-
capot. Le modèle permet une reproduction des tendances générales de la température
ECUM AT , comme à t = 1000 s environ par exemple. Cependant, on peut souligner que la
température modélisée est supérieure à la mesure pendant les premières 500 s du cycle.
Le Tableau 4.6 rassemble les valeurs finale, minimale et maximale de chaque paramètre
du modèle détaillé ajusté sur le cycle WLTC de référence.

Tableau 4.6 : Paramètres du modèle détaillé de la ligne d’air suralimenté : valeurs

ajustée (« Valeur »), minimale (« Min. ») et maximale (« Max. »), et unité.
Paramètre Valeur Min. Max. Unité
Φ0 2.65 0.88 2.65 [kW]
β 0.85 0.85 1.2 [-]
Aair 0.14 0 5 [kg/s]
Bair 0.0037 0 5 [(kg/s)/(m/s)]
Dpipe 0.045 0.045 0.075 [m]
LA 1.2 0.6 1.2 [m]
LC 0.6 0.6 1.2 [m]
τinput 150 - - [s]
τComp 10 - - [s]
τP ipe 10 - - [s]

L’optimisation converge vers la valeur maximale pour Φ0 , et minimale pour β. L’al-

gorithme cherche donc à maximiser la part constante de l’apport de chaleur Φinput , et à
minimiser sa part variable fonction de la puissance moteur. En outre, les longueurs LA et
LC correspondent respectivement aux bornes maximale et minimale de l’optimisation.
L’algorithme cherche donc à maximiser la longueur (et donc la surface d’échange) dans
la branche A, et à le minimiser dans la branche C. Ces observations suggèrent que la

237
4 Etude de la représentativité thermique

fidélité du modèle pourrait être améliorée en définissant deux températures sous-capot,

l’une à proximité du compresseur et l’autre du collecteur d’admission. Comme noté en
Section 4.4.4.1, on observe en effet des disparités importantes de la température sous
capot selon le point de mesure. Cette évolution du modèle impliquerait toutefois un
nombre accru de paramètres, et la phase de calibration serait donc plus complexe.

4.4.5.4 Comportement global

Une fois les paramètres des différentes branches ajustées, le comportement des mo-
dèles complets peut être comparé sur l’essai EiL « E0C2 » de référence. On utilise la
température mesurée TAV C en entrée de la branche A. La température d’entrée de la
branche B correspond ensuite à la température Tcomp,f ilt en sortie de la branche A, et
celle de la branche C à la température TRAS,f ilt en sortie de la branche B.
En premier lieu, la Figure 4.58(a) représente la température mesurée en entrée de
la ligne d’air TAV C en noir, ainsi que la température mesurée en sortie du compresseur
TAP C en vert. La température TComp,f ilt en sortie de la branche A est tracée en bleu pour
le modèle simplifié (« n◦ 1 » en légende), et en rouge pour le modèle détaillé (« n◦ 2 »).
De manière similaire, les Figures 4.58(b) et (c) représentent en vert les températures
mesurées TAP E et ECUM AT respectivement, ainsi que les températures modélisées en
sortie des branches B et C avec le même code couleur pour les deux modèles. Enfin,
la Figure 4.58(d) représente l’écart entre la température modélisée et la température
mesurée dans le collecteur d’admission ∆TC = ECUM AT − TP ipe,f ilt en rouge pour le
modèle détaillé, et en bleu pour le modèle simplifié. Pour chacune des branches du modèle
(Figure 4.39), le Tableau 4.7 rassemble l’écart absolu moyen |∆T | entre la température
modélisée et la mesure de référence, l’écart absolu relatif moyen (M AP D), le coefficient
de détermination R2 et l’écart absolu maximal |∆T |max . L’écart absolu moyen est de
1.80◦ C pour le modèle simplifié, contre 2.11◦ C avec le modèle détaillé, avec un écart
maximal de −5.1◦ C et −10.7◦ C respectivement.

Fig. 4.58 : Comparaison des modèles simplifié (n◦ 1) et détaillé (n◦ 2) avec l’essai EiL
de référence (« Mes »).

238
 4.4 Modélisation du circuit d’air de suralimentation

Tableau 4.7 : Indicateurs de corrélation entre les températures simulées et la mesure

sur l’essai EiL « E0C2 » de référence.
|∆T | M AP D R2 |∆T |max
Branche Modèle
[◦ C] [%] [-] [◦ C]
n◦ 1
4.92 1.55 0.71 23.2
A Simplifié
n◦ 2
4.99 1.56 0.68 23.8
Détaillé
n◦ 1
0.44 0.15 0.93 1.28
B Simplifié
n◦ 2
0.39 0.13 0.95 1.28
Détaillé
n◦ 1
1.80 0.59 0.82 5.10
C Simplifié
n◦ 2
2.11 0.69 0.65 10.70
Détaillé

Malgré les écarts de température constatés en sortie du compresseur (Figure 4.58(a)),

les deux versions du modèle aboutissent à une température similaire en sortie du RAS
(Figure 4.58(b)), par ailleurs proche de la mesure. L’efficacité du RAS permet donc de
« lisser » les écarts de température dans la branche A. Finalement, le modèle simplifié,
bien que basé sur une simplification de la température sous-capot et sur une expres-
sion des coefficients de transfert dépendant seulement de la vitesse véhicule, permet
une meilleure représentation que le modèle détaillé de la température d’air suralimenté
ECUM AT mesurée sur l’essai EiL considéré. L’écart moyen est légèrement plus faible,
et le modèle semble représenter de manière fidèle les fluctuations de température. La
Figure 4.59(a) représente la température sous-capot calculée par le modèle simplifié en
bleu (« n◦ 1 » en légende), et par le modèle détaillé (« n◦ 2 ») en rouge. Les Figures 4.59(b)
et (c) comparent les coefficients de transfert KA et KC respectivement, avec le même
code couleur pour les deux versions du modèle.
En premier lieu, on note que les températures sous-capot calculées par les deux mo-
dèles sont d’un ordre de grandeur similaire, en particulier entre t = 600 s et 1500 s. La
température estimée par le modèle détaillé est néanmoins nettement supérieure pendant
les premières 500 s du cycle, ainsi que pendant la dernière phase d’arrêt véhicule men-
tionnée plus haut. Ensuite, on peut souligner que les coefficients de transfert calculés
par le modèle détaillé (KA = hA · π · LA · Dpipe et KC = hC · π · LC · Dpipe ) varient
de manière significative au cours du cycle. On constate en outre que le coefficient KA
atteint près de 15 W/K dans le modèle détaillé, contre moins de 4 W/K avec le mo-
dèle simplifié. De même, le coefficient KC estimé par le modèle détaillé est largement
supérieur à celui du modèle simplifié, dépassant 6 W/K contre moins de 2 W/K. On
peut néanmoins souligner que pendant les phases d’arrêt véhicule et de ralenti moteur,
les coefficients de transfert estimés par les modèles sont du même ordre de grandeur.
Tandis que le modèle simplifié lie directement le coefficient KC à la vitesse véhicule, les
fluctuations du coefficient calculé par le modèle détaillé coïncident avec celles du débit
d’air moteur Qair . En effet, on considère dans ce modèle uniquement la convection entre
l’air de suralimentation et la paroi du conduit que l’on suppose uniforme à TU nder , et on

239
4 Etude de la représentativité thermique

Fig. 4.59 : Comparaison de la température sous-capot et des coefficients de transfert

entre les modèles simplifié (n◦ 1) et détaillé (n◦ 2).

néglige donc l’impact de la vitesse véhicule sur la convection entre l’air sous-capot et la
paroi du conduit.
La Figure 4.60 permet une comparaison plus précise du comportement des modèles
sur une fraction du cycle WLTC. La Figure 4.60(a) représente en vert les tempéra-
tures mesurées TAP E et ECUM AT en aval du RAS et dans le collecteur d’admission en
traits pointillés et traits pleins respectivement. Les températures modélisées TRAS,f ilt et
TP ipe,f ilt en sortie des branches B et C sont représentées en traits pointillés et traits plein
respectivement, en bleu pour le modèle simplifié (« n◦ 1 » en légende) et en rouge pour le
modèle détaillé (« n◦ 2 »). Les Figures 4.60(b) et (c) représentent respectivement la tem-
pérature sous-capot TU nder et le coefficient de transfert KC pour les deux modèles avec
le même code couleur. Enfin, la Figure 4.60(d) trace en noir le débit d’air suralimenté
Qair sur l’axe de gauche, ainsi que la vitesse véhicule en magenta sur l’axe de droite.
Sur la fraction du cycle représentée, on peut tout d’abord distinguer deux phases
d’arrêt véhicule et de ralenti moteur notées ∆t1 et ∆t4 . Du fait de la vitesse nulle, le
coefficient de transfert KC modélisé par le modèle simplifié atteint sa valeur minimale
(KC = KC0 ) pendant ces phases. En parallèle, le coefficient de transfert du modèle
détaillé est lui aussi minimal du fait de la faible valeur du débit d’air au ralenti mo-
teur, de l’ordre de 0.0015 kg/s. Comme mentionné plus haut, cette valeur minimale est
par ailleurs similaire pour les deux modèles, valant 0.49 W/K pour le modèle simplifié
contre environ 0.45 W/K pour le modèle détaillé. Bien que le coefficient de transfert
soit minimal pendant ces périodes, la température TP ipe,f ilt augmente pour les deux mo-
dèles de manière similaire à la mesure, l’écart étant inférieur à 1◦ C. En reprenant l’Eq.
(4.15), on peut en conclure que la faible valeur du coefficient de transfert (au numérateur
dans l’équation) est prépondérante par rapport au faible débit d’air (au dénominateur)
pendant les phases d’arrêt.
Comme mentionné plus haut, le modèle simplifié reproduit de manière plus précise
les fluctuations de la température ECUM AT par rapport au modèle détaillé. On constate
néanmoins un écart de l’ordre de 3◦ C pendant la phase d’accélération lente notée ∆t2

240
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.60 : Comparaison des modèles simplifié et détaillé sur une fraction du cycle
WLTC.

pendant laquelle la vitesse évolue de 17 km/h à 76 km/h en 50 s, la température modé-

lisée étant inférieure à la mesure. Le modèle détaillé est plus précis pendant cette phase,
la température modélisée étant supérieure d’environ 1◦ C à la référence. Cet écart semble
principalement lié à l’estimation coefficient de transfert KC , qui vaut environ 2 W/K
pour le modèle détaillé contre environ 0.6 à 0.9 W/K sur le modèle simplifié au cours de
cette période.
La phase ∆t2 est suivie par une phase de lâcher de pied et de lente décélération notée
∆t3 . La vitesse diminuant de 10 km/h en 10 s, le coefficient de transfert KC calculé par le
modèle simplifié varie peu par rapport à la phase ∆t2 , et reste compris entre 0.95 W/K et
1.0 W/K. En parallèle, le débit d’air chute brutalement de 0.02 kg/s à 0.002 kg/s pendant
cette période du fait du lâcher de pied. Cette chute du débit a pour effet d’augmenter
la température TP ipe,f ilt calculée par le modèle simplifié, qui reproduit de manière fidèle
le comportement de la mesure ECUM AT augmentant de 27.9◦ C à 32.5◦ C. En revanche,
cette augmentation n’est pas représentée par le modèle détaillé, la température fluctuant
entre 29.9◦ C et 30.6◦ C. En effet, la chute du débit d’air moteur (et donc du dénominateur
dans l’Eq. (4.15)) se traduit aussi par une chute brutale du coefficient de transfert (au
numérateur), qui passe de 3.8 W/K à moins de 0.7 W/K. Dans cette phase, le faible
débit est compensé par un faible coefficient de transfert, et la température évolue donc
peu.
Les résultats présentés suggèrent que les deux modélisations sont proches du compor-
tement réel pendant les phases d’arrêt, le paramètre KC0 étant similaire au coefficient
KC = hC ·π ·LC ·Dpipe au débit de ralenti moteur. Le modèle simplifié semble représenter
de manière plus précise la dynamique du transfert thermique dans le conduit C que le
modèle détaillé de manière générale. En particulier, le modèle détaillé semble surestimer
l’impact du débit d’air sur le coefficient de transfert pendant les phases de faible débit
d’air et de vitesse non nulle comme ∆t3 . En revanche, ce modèle semble plus précis dans
les phases de fort débit d’air comme ∆t2 , le coefficient de transfert étant sous-estimé par
le modèle simplifié.

241
4 Etude de la représentativité thermique

4.4.5.5 Impact du capot

Une fois le modèle thermique calibré sur l’essai EiL de référence, il peut être utilisé
afin de guider les manipulations au banc. Dans cette section, les paramètres des modèles
sont initialisés aux valeurs ajustées sur l’essai « E0C2 ». Afin d’analyser la manière dont
le niveau de capot impacte le modèle, on procède ensuite à l’ajustement de certains de
ses coefficients sur un nouvel essai EiL effectué avec un niveau de capot différent. La
calibration initiale ayant été basée sur un essai « E0C2 » réalisé avec le niveau 2 de capot
(Figure 4.11) et aucune obturation du RAS, on choisit ici un essai EiL réalisé avec le
niveau 0 de capot et d’obturation du RAS, noté « E0C0 ».
La branche B du modèle représentant seulement le RAS (Figure 4.39), elle n’est pas
affectée par le niveau de capot. Par conséquent, les coefficients Aair,RAS et Bair,RAS sont
fixés à leur valeur ajustée (Table 4.4) dans cette section. De même, les inerties ther-
miques τComp , τRAS et τP ipe sont inchangées par rapport à la configuration de référence
(Table 4.5). Du fait de la campagne expérimentale, on ne dispose pas de la mesure de
la température TAP C pour cet essai.

Modèle simplifié : La recalibration du modèle simplifié se déroule en deux étapes.

On considère en premier lieu la branche C indépendamment du reste du modèle. Les
coefficients de transfert KC0 , KC1 et l’inertie thermique τBLOCK sont ajustés sur la
température ECUM AT du nouvel essai, en utilisant la mesure TAP E en entrée de la
branche C. Ensuite, le paramètre τBLOCK est utilisé pour ajuster les coefficients de
transfert de la branche A (KA0 , KA1 ). La température TAP C n’étant pas disponible sur
les essais considérés, on cherche ici à réduire l’écart entre la température TRAS,f ilt en
sortie de la branche B et la mesure TAP E , en utilisant comme entrée de la branche B la
température TComp,f ilt en sortie de la branche A.

Modèle détaillé : L’utilisation de coefficients directement liés à des phénomènes phy-

siques permet de réduire le nombre de variable à ajuster pour recalibrer le modèle sur
l’essai « E0C0 ». En effet, les paramètres LC , LA et Dpipe dépendent uniquement de la
géométrie de la ligne d’air et sont donc inchangés par rapport à l’essai « E0C2 » de ré-
férence. En outre, l’apport de chaleur Φinput est caractéristique du moteur et on peut
faire l’hypothèse que les paramètres Φ0 et β sont fixes. Par conséquent, la recalibration
concerne uniquement les coefficients de la circulation d’air sous capot, Aair et Bair . Les
coefficients sont ajustés sur la branche C séparément du reste du modèle, i.e. de manière
à réduire l’écart entre la température TP ipe,f ilt et la mesure ECUM AT , en utilisant la
mesure TAP E comme entrée de la branche C.

Comparaison des modèles : La Figure 4.61(a) représente la température TP ipe,f ilt

en sortie de la branche C pour les modèles simplifié (« n◦ 1 ») et détaillé (« n◦ 2 ») en
bleu et rouge respectivement. On indique en outre la température ECUM AT mesurée
dans le collecteur d’admission pour l’essai EiL d’ajustement « E0C0 » en vert (« Mes »
en légende), ainsi que pour l’essai EiL de référence « E0C2 » (sur lequel les modèles ont
été calibrés au début de cette Section) en pointillés noirs (« Ref » en légende). La Figure
4.61(b) trace la température TComp,f ilt en sortie de la branche A pour les modèles détaillé
et simplifié en rouge et bleu respectivement, ainsi que la température mesurée en entrée
de la branche A sur l’essai « E0C0 » en magenta. Enfin, la Figure 4.61(c) représente la
température TRAS,f ilt en sortie de la branche B pour les modèles détaillé et simplifié en

242
 4.4 Modélisation du circuit d’air de suralimentation

rouge et bleu respectivement. On indique en outre la température TAP E mesurée en aval

du RAS pour l’essai EiL d’ajustement « E0C0 » en vert, ainsi que pour l’essai EiL de
référence « E0C2 » en pointillés noirs. Le Tableau 4.8 rassemble les paramètres pour les
deux modèles, calibrés sur l’essai de référence (« E0C2 ») puis réajustés sur l’essai avec un
niveau de capot inférieur (« E0C0 »). Pour les branches B et C, le Tableau 4.9 rassemble
l’écart absolu moyen |∆T | entre la température modélisée et la référence, l’écart absolu
relatif moyen (M AP D), le coefficient de détermination R2 et l’écart absolu maximal
|∆T |max .

Tableau 4.8 : Paramètres des modèles de la ligne d’air suralimenté : valeurs calibrées
sur l’essai de référence (« E0C2. »), puis ajustées sur l’essai EiL réalisé avec un niveau
de capot inférieur (« E0C0. »).
Modèle Paramètre E0C2 E0C0 Min. Max. Unité
KC0 0.49 0.4322 0 5 [W/K]
KC1 0.0239 0.0244 0 5 [(W/K)/(m/s)]
n◦ 1
τBLOCK 708 708 50 10000 [s]
Simplifié
KA0 0.86 0.3816 0 5 [W/K]
KA1 0.056 0.0122 0 5 [(W/K)/(m/s)]
n◦ 2 Aair 0.14 0.1788 0 5 [kg/s]
Détaillé Bair 0.0037 0.0051 0 5 [(kg/s)/(m/s)]

Du fait du niveau de capot inférieur sur l’essai « E0C0 », on observe naturellement des
températures mesurées ECUM AT et TAP E inférieures par rapport à l’essai de référence
« E0C2 ». En premier lieu, on observe que la température en sortie de la branche A
TComp,f ilt est supérieure pour le modèle détaillé comparé au modèle simplifié. Cet écart
se répercute dans la branche B (qui est identique pour les deux modèles, et inchangée par
rapport à l’essai de référence). En effet, le modèle simplifié représente avec une meilleure
précision la température TAP E mesurée en aval du RAS. L’écart absolu moyen est de
0.33◦ C, contre 0.91◦ C respectivement. On peut souligner ici que dans le cas du modèle
simplifié, les coefficients KA0 , KA1 ont été réajustés sur l’essai « E0C0 », tandis que pour
le modèle détaillé, l’ajustement des paramètres Aair et Bair est basé exclusivement sur la
branche C, la température TAP C n’étant pas disponible. La géométrie des conduits étant
fixe, on n’ajuste pas la longueur LA et la branche A est donc inchangée par rapport à
l’essai de référence, seule la température TU nder étant modifiée. Ensuite, les deux modèles
aboutissent à une valeur proche pour l’écart absolu moyen en sortie de la branche C,
avec 1.93◦ C et 1.97◦ C pour les modèles simplifié et détaillé respectivement. De manière
similaire aux observations faites sur l’essai EiL de référence, le modèle simplifié semble
cependant représenter de manière plus fidèle les fluctuations de la température mesurée,
en particulier à partir de t = 600 s.
Finalement, on peut faire plusieurs observations concernant la recalibration des mo-
dèles. Pour le modèle détaillé, seuls les paramètres de la circulation d’air sous capot ont
été ajustés. L’optimisation converge vers une valeur supérieure pour les coefficients Aair
et Bair , ce qui signifie un débit d’air de circulation plus important pour l’essai « E0C0 ».
Cet ajustement est cohérent, puisque le capot semble favoriser l’accumulation de cha-
leur à proximité du moteur en diminuant le débit de circulation. Concernant le modèle
simplifié, on observe que l’inertie thermique τBLOCK est inchangée par rapport à l’essai
de référence. Ce paramètre étant directement lié à la thermique moteur, il paraît logique

243
4 Etude de la représentativité thermique

Fig. 4.61 : Ajustement des modèles sur un essai EiL réalisé avec un niveau de capot
différent (« Mes »).

qu’il ne soit pas impacté par le niveau de capot. En effet, les résultats expérimentaux
présentés en Section 4.3 suggèrent que le niveau de capot n’a pas d’impact sur la tempé-
rature du circuit de refroidissement. En revanche, les paramètres KA0 , KA1 , KC0 et KC1
ont été ajustés et conduisent à un coefficient de transfert inférieur sur les branches A et
C. Ces coefficients ne sont pas liés à des grandeurs physiques, ce qui rend plus difficile
leur interprétation. Cependant, on peut retenir qu’un niveau inférieur de capot résulte
en une diminution des coefficients de transfert.
Tableau 4.9 : Indicateurs de corrélation entre les températures simulées et la mesure
sur l’essai EiL d’ajustement du niveau de capot « E0C0 ».
|∆T | M AP D R2 |∆T |max
Branche Modèle
[◦ C] [%] [-] [◦ C]
n◦ 1
0.33 0.11 0.92 1.49
B Simplifié
n◦ 2
0.91 0.31 0.61 1.63
Détaillé
n◦ 1
1.93 0.64 0.56 6.38
C Simplifié
n◦ 2
1.97 0.65 0.41 8.86
Détaillé

4.4.5.6 Impact de l’écran

De manière similaire à la Section précédente, l’impact du niveau d’obturation du
RAS sur les paramètres du modèle peut être analysé en ajustant le modèle sur un essai
EiL réalisé avec le même niveau de capot (2), et le niveau 2 d’obturation au lieu de
0 (Figure 4.9(b)). Pour cet essai noté « E2C2 », on dispose bien des températures en

244
 4.4 Modélisation du circuit d’air de suralimentation

amont et aval du RAS, TAP C et TAP E respectivement. On peut attendre que le niveau
d’obturation du RAS impacte seulement les paramètres Aair,RAS et Bair,RAS qui régissent
la vitesse de l’air en face avant du RAS. La branche B du modèle peut donc être ajustée
séparément du reste du modèle en utilisant en entrée la température mesurée TAP C .
Comme mentionné plus haut, la méthode de calibration est la même pour les deux
versions du modèle. Tous les autres paramètres sont fixés à la valeur ajustée sur l’essai de
référence « E0C2 ». La Figure 4.62(a) représente la température TAP C mesurée en amont
du RAS en bleu sur l’axe de droite, ainsi que la température mesurée TAP E mesurée en
aval du RAS en vert sur l’axe de gauche et la température modélisée TRAS,f ilt en sortie de
la branche B. On indique en outre la température TAP E mesurée sur l’essai de référence
« E0C2 » en pointillés noir. Les Figures 4.62(b) et (c) représentent l’écart de température
en sortie de la branche ∆TB = TAP E − TRAS,f ilt et la vitesse d’air Vair en face avant du
RAS respectivement. Le Tableau 4.10 rassemble les valeurs des paramètres Aair et Bair
ajustés sur l’essai de référence « E0C2 », puis sur l’essai de recalibration « E2C2 ».

Fig. 4.62 : Ajustement du modèle de RAS sur un essai EiL réalisé avec un niveau
d’écran différent.

Tableau 4.10 : Paramètres des modèles de la ligne d’air suralimenté : valeurs calibrées
sur l’essai de référence (« E0C2. »), puis ajustées sur l’essai EiL réalisé avec un niveau
d’écran supérieur (« E2C2. »).
Paramètre E0C2 E2C2 Min. Max. Unité
Aair,RAS 1.29 0 0 5 [m/s]
Bair,RAS 0 0 0 5 [-]

En premier lieu, l’ajustement du modèle sur l’essai « E2C2 » converge vers une valeur
nulle pour les coefficients Aair,RAS et Bair,RAS , ce qui correspond à une vitesse d’air nulle
en face avant du RAS. La température modélisée est proche de la mesure pendant la
première moitié de cycle, avec un écart inférieur à 1◦ C jusqu’à t = 910 s. L’écart se creuse
ensuite, la température modélisée étant inférieure à la mesure, avec un écart maximal de
3.9◦ C. Les tendances sont globalement reproduites par le modèle, et l’écart absolu moyen

245
4 Etude de la représentativité thermique

entre la température modélisée TRAS,f ilt et la référence TAP E est de |∆TB | = 0.89◦ C, avec
un écart absolu relatif moyen de M AP D = 0.29% et un coefficient de détermination
R2 = 0.84. L’évolution du coefficient Aair est cohérente avec les observations expérimen-
tales, l’obturation partielle du RAS ayant pour but de réduire le débit d’air entrant en
face avant de l’échangeur. Cependant, bien que la vitesse d’air calculée par le modèle
soit nulle, la température en sortie du RAS est inférieure à la mesure. Cette observa-
tion suggère une efficacité de refroidissement du RAS trop importante par rapport à la
réalité. On peut néanmoins rappeler ici que la modélisation de la vitesse d’air en face
avant sur le banc EiL est discutable du fait de l’encastrement du RAS dans le boîtier,
en particulier la face arrière. De plus, on peut souligner que la cartographie d’efficacité
du RAS renseignée par le constructeur est valide pour une vitesse d’air supérieure à
2 m/s. L’efficacité du RAS dans les zones de faible vitesse d’air est donc estimée par
extrapolation, et les résultats obtenus suggèrent une surestimation à faible vitesse d’air.
Finalement, on pourrait aussi imaginer que l’obturation du RAS a pour effet de favoriser
l’accumulation de chaleur dans l’échangeur et donc augmenter la température de sortie
de la branche B, ce qui n’a pas été pris en compte dans le modèle.

4.4.5.7 Synthèse
Dans cette section, on évalue le modèle thermique de la ligne d’air pour le premier
cas d’application, qui vise à guider les manipulations au banc moteur par la simulation.
Les deux formulations de la modélisation de l’impact de l’accumulation de chaleur sous
capot sont comparées pour ce cas d’usage. La modélisation a été réalisée postérieurement
aux essais et la démarche n’a donc pas été testée dans son ensemble. Cependant, on peut
imaginer les étapes suivantes pour ce cas d’usage :

1. On réalise en premier lieu un essai de référence au banc EiL, et le modèle thermique

est calibré sur cet essai.

2. On ajuste ensuite les paramètres du modèle de manière à approcher la température

mesurée sur l’essai véhicule de référence, par exemple réalisé au BàR.

3. La variation des paramètres peut ensuite être interprétée de manière à guider les
modifications physiques (écran et/ou capot) du banc moteur.

L’instrumentation du banc moteur permet de calibrer chaque branche du modèle indé-

pendamment des autres lors de l’étape 1. Il ressort que le modèle simplifié permet une
représentation plus précise que le modèle détaillé du comportement observé au banc EiL,
notamment le transfert thermique dans la branche C. L’écart absolu moyen est moindre,
et les fluctuations de la température au cours du cycle sont reproduites de manière plus
fidèle. En particulier, le modèle détaillé semble sous-estimer le transfert thermique dans
le conduit lors des phases de faible débit d’air et de vitesse véhicule importante.
Afin d’analyser l’impact du capot sur les paramètres des deux modèles, on ajuste
ensuite leurs paramètres sur un essai EiL réalisé avec un niveau inférieur de capot. La
diminution du niveau de capot se traduit pour le modèle détaillé par une augmentation
des coefficients Aair et Bair qui déterminent le débit de circulation d’air autour du
moteur. Diminuer le niveau de capot augmente donc le débit de circulation, ce qui
paraît cohérent avec les observations expérimentales. Concernant le modèle simplifié,
le niveau de capot impacte les coefficients de transfert KA et KC qui diminuent. Bien

246
 4.4 Modélisation du circuit d’air de suralimentation

que le modèle simplifié aboutisse à une représentation plus précise de la température

ECUM AT , le modèle détaillé paraît le plus adapté pour cette application car l’impact du
capot est facilement interprété comparé au modèle simplifié. Dans le cadre de l’étape 3
mentionnée ci-dessus, on peut donc retenir que si le modèle suggère une augmentation
du débit de circulation, le niveau de capot devrait être réduit.
D’autre part, l’impact de l’écran sur les paramètres du modèle a aussi pu être analysé
en utilisant un essai EiL réalisé avec un niveau supérieur d’obturation du RAS. La
branche B modélisant le RAS étant identique pour les deux modèles, les conclusions sont
communes aux deux formulations. Augmenter le niveau d’écran résulte en une diminution
des paramètres Aair,RAS et Bair,RAS . Pour l’essai considéré, le niveau 2 d’écran aboutit
à une vitesse d’air nulle, qui peut paraître discutable. Néanmoins, on peut rappeler ici
que le RAS est encastré dans un boîtier qui empêche le flux d’air de sortir par l’arrière
de l’échangeur. De plus, la modélisation de l’efficacité du RAS est basée sur des points
de fonctionnement correspondant à des valeurs élevées de la vitesse d’air, et n’est donc
probablement pas adaptée aux basses vitesses. Dans le cadre de l’étape 3, on peut donc
retenir que si le modèle suggère une augmentation de la vitesse d’air dans le RAS, le
niveau d’écran devrait être réduit.
Finalement, les modifications physiques du banc moteur (à travers l’obturation du
RAS et la pose d’un capot sur le moteur) pourraient être guidées par la simulation à l’aide
du modèle de la ligne d’air suralimenté. Le modèle simplifié permet une représentation
légèrement meilleure, mais ses paramètres sont plus difficilement interprétables, et le
modèle détaillé semble donc plus adapté pour ce cas d’usage.

4.4.6 Régulation thermique du banc EiL par le modèle

Comme mentionné plus haut, le second cas d’application du modèle thermique de la
ligne d’air consiste à utiliser la température TP ipe,f ilt afin de réguler le conditionnement
thermique du banc moteur. Si le modèle représente de manière fidèle le comportement
observé sur un essai véhicule de référence, il pourrait permettre de disposer d’une tem-
pérature de consigne fiable et adaptée à tous types d’essais sans nécessiter de manipula-
tion au banc moteur ou d’essais véhicule supplémentaires. Une des principales difficultés
de ce cas d’application réside dans le fait qu’on ne dispose pas des mesures intermé-
diaires TAP C et TAP E sur les essais véhicule, mais seulement de la température de sortie
ECUM AT . Les branches du modèles ne peuvent donc pas être calibrées séparément. Afin
de guider l’optimisation, les paramètres sont initialisés aux valeurs ajustées sur l’essai
EiL « E0C2 » dans la section précédente. Les inerties τComp , τRAS et τP ipe sont supposées
caractéristiques de la géométrie de la ligne d’air, et sont par conséquent fixées.

4.4.6.1 Modèle simplifié

Dans le cas du modèle simplifié, il est nécessaire d’ajuster l’inertie de la montée
en température sous-capot τBLOCK , les paramètres du flux d’air entrant dans le RAS
Aair,RAS et Bair,RAS , ainsi que les coefficients de transferts des branches A et C, KA0 ,
KA1 , KC0 et KC1 .

247
4 Etude de la représentativité thermique

4.4.6.2 Modèle détaillé

Dans le cas du modèle détaillé, on peut faire l’hypothèse que les caractéristiques de
la ligne d’air correspondent aux valeurs estimées sur l’essai EiL. On fixe donc le diamètre
du conduit Dpipe ainsi que les longueurs LA et LC , et on ajuste seulement les paramètres
de la température sous-capot, i.e. le flux de chaleur Φ0 , β et la circulation d’air Aair ,
Bair . En outre, les paramètres du flux d’air dans le RAS Aair , Bair,RAS doivent eux aussi
être ajustés.
Afin de reproduire de manière fidèle le comportement observé sur le véhicule, il est
en outre nécessaire de considérer la chaleur échangée dans le radiateur, et plus parti-
culièrement son impact sur la température de l’air entrant sous le capot Tcircu . Pour le
moteur HR10 de référence, on dispose d’une cartographie de la puissance échangée dans
le radiateur Φradia en fonction du débit de liquide de refroidissement dans le radiateur
QCO et de la vitesse véhicule V . De manière similaire à la Section 4.4.4.1, le débit QC0 est
obtenu à partir du régime moteur à l’aide du coefficient χ et de l’ouverture du calorstat :
αcalor .
QCO = αcalor · χ · ωeng (4.56)
On suppose l’ouverture du calorstat linéaire de 0 à 1 pour les températures du circuit
de refroidissement T0% = 89◦ C et T100% = 99◦ C respectivement.

4.4.6.3 Comparaison des modèles

La Figure 4.63 permet de comparer les modèles ajustés à la référence véhicule. La
Figure 4.63(a) représente en noir la température ambiante Tamb mesurée sur l’essai de
référence et utilisée comme l’entrée de la branche A, ainsi que la température TComp,f ilt
en sortie de la branche A pour les modèles détaillé et simplifié en rouge et bleu respec-
tivement. Les Figures 4.63(b) et (c) représentent les températures TRAS,f ilt et TP ipe,f ilt
en sortie des branches B et C respectivement avec le même code couleur pour les deux
modèles. On trace en outre sur la Figure 4.63(c) la température ECUM AT mesurée dans
le collecteur d’admission sur l’essai véhicule en vert. Enfin, la Figure 4.63(d) représente
l’écart de température ∆TC = ECUM AT − TP ipe,f ilt pour les modèles détaillé et simplifié
en rouge et bleu respectivement. Le Tableau 4.11 rassemble les valeurs des paramètres
ajustés sur l’essai BàR, ainsi que sur l’essai EiL « E0C2 » de référence pour comparai-
son. Le Tableau 4.12 rassemble l’écart absolu moyen |∆T | entre la température modélisée
TP ipe,f ilt et la référence ECUM AT , l’écart absolu relatif moyen (M AP D), le coefficient de
détermination R2 et l’écart absolu maximal |∆T |max . On indique en outre les résultats
obtenus sur le banc EiL dans la configuration « E2C2 » à titre de comparaison.
En premier lieu, on observe une température largement supérieure en sortie de la
branche A sur le modèle simplifié par rapport au modèle détaillé, l’écart moyen étant de
14◦ C. Cet écart se répercute naturellement sur la température de sortie de la branche
B, l’écart atteignant près de 8◦ C en fin de cycle. On peut par ailleurs souligner que
les coefficient Aair,RAS , Bair,RAS ajustés sur les deux versions du modèle induisent des
valeurs significativement différentes de la vitesse d’air en face avant du RAS. En effet, la
vitesse moyenne est de l’ordre de 2.79 m/s dans le modèle détaillé, contre 1.08 m/s sur
le modèle simplifié, pour une valeur maximale de 8.24 m/s et 3.18 m/s respectivement.
Contrairement à l’essai EiL, la composante constante Aair est réduite à une valeur nulle,
la vitesse d’air étant liée de manière linéaire à la vitesse véhicule par le coefficient Bair .

248
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.63 : Comparaison des modèles simplifié (« n◦ 1 ») et détaillé (« n◦ 2 ») de la ligne

d’air ajustés sur un essai BàR.

Finalement, la température TP ipe,f ilt calculée par le modèle simplifié est nettement
plus proche de la température mesurée ECUM AT que le modèle détaillé sur le cycle
complet. L’écart absolu moyen est de 0.78◦ C, contre 2.0◦ C pour le modèle détaillé. De
manière similaire aux observations faites sur l’essai EiL, le modèle simplifié reproduit en
outre mieux les fluctuations de la température mesurée. A titre de comparaison, les essais
EiL dans la configuraiton « E2C2 » conduisent à un écart absolu moyen de 1.69◦ C. La
température calculée par le modèle simplifié est donc plus proche de la référence véhicule
que la température obtenue par les modifications physiques du banc moteur, du point
de vue de l’écart absolu moyen mais aussi des indicateurs M AP D, R2 et |∆T |max . En
revanche, le modèle détaillé est moins représentatif.

Tableau 4.11 : Paramètres des modèles de la ligne d’air suralimenté : valeurs calibrées
sur l’essai EiL « E0C2 » de référence, et sur l’essai BàR.
Modèle Paramètre EiL BàR Min. Max. Unité
KC0 0.49 0.50 0 5 [W/K]
KC1 0.0239 0.0263 0 5 [(W/K)/(m/s)]
τBLOCK 708 1090 50 10000 [s]
n◦ 1
KA0 0.86 2.0642 0 5 [W/K]
Simplifié
KA1 0.056 0.2412 0 5 [(W/K)/(m/s)]
Aair,RAS 1.29 0 0 5 [m/s]
Bair,RAS 0 0.0876 0 5 [-]
Aair 0.139 0.234 0 5 [kg/s]
Bair 0.0037 0.0057 0 5 [(kg/s)/(m/s)]
n◦ 2 P0 2.65 1.22 1.22 2.65 [kW]
Détaillé β 0.85 1.5 0.85 1.5 [-]
Aair,RAS 1.29 0 0 5 [m/s]
Bair,RAS 0 0.2269 0 5 [-]

249
4 Etude de la représentativité thermique

Tableau 4.12 : Indicateurs de corrélation entre les températures simulées et la mesure

sur l’essai BàR et comparaison avec les résultats obtenus sur le banc EiL dans la confi-
guration « E2C2 ».
|∆T | M AP D R2 |∆T |max
Version
[◦ C] [%] [-] [◦ C]
n◦ 1
0.78 0.25 0.96 3.87
Modèle Simplifié
n◦ 2
2.0 0.65 0.77 7.07
Détaillé
Banc EiL E2C2 1.69 0.55 0.84 5.52

La Figure 4.64(a) représente la température sous-capot TU nder calculée par le modèle

simplifié en bleu, et par le modèle détaillé en rouge. Les Figures 4.64(b) et (c) comparent
les coefficients de transfert KA et KC respectivement, avec le même code couleur pour
les deux versions du modèle. On note en premier lieu que la température TU nder est
initialisée à 26◦ C pour le modèle détaillé, contre 24◦ C pour le modèle simplifié. Cet
écart provient du fait que la température ambiante est de 26◦ C au début de l’essai, alors
que le circuit de refroidissement est à 24◦ C. Ensuite, la température TU nder modélisée par
le modèle détaillé est supérieure à celle du modèle simplifié, particulièrement pendant
les 500 premières secondes du cycle et après t = 1500 s. La valeur maximale est de
114◦ C contre 74◦ C en fin de cycle pour le modèle simplifié. Contrairement à l’essai EiL
(Figure 4.59), le coefficient de transfert KA calculé par le modèle simplifié est supérieur
en moyenne à celui du modèle détaillé, avec une valeur moyenne de 5.04 W/K contre
2.98 W/K. En effet, les coefficients KA0 et KA1 sont multipliés par 2 et 4 respectivement
par rapport aux valeurs ajustées sur l’essai EiL de référence. En revanche, les coefficients
KC0 et KC1 ne sont pratiquement pas modifiés par rapport aux réglage sur l’essai EiL.
L’ajustement des paramètres étant réalisé uniquement sur la sortie de la branche C,
il est probable que les branches A et B ne soient pas calibrées de manière précise. Le
modèle simplifié permet néanmoins une reproduction fidèle de la température de l’air de
suralimentation.

4.4.6.4 Robustesse du réglage

Dans l’optique d’utiliser la température TP ipe,f ilt modélisée comme cible de régulation
au banc moteur, il est crucial que le modèle ajusté sur un cycle WLTC soit aussi adapté
à d’autres cycles sans nécessiter de recalibration. Dans cette section, le modèle ajusté
avec les paramètres du Tableau 4.11 est donc testé avec les données d’entrées issues
d’essais véhicule réalisés sur piste lors de la campagne V1 (Table 2.7).
La Figure 4.65(a) représente les mesures de température ambiante Tamb et de l’air de
suralimentation ECUM AT en noir et vert respectivement. Les températures modélisées
TRAS,f ilt et TP ipe,f ilt en sortie des branches B et C sont indiquées en pointillés et en
trait plein, en rouge pour le modèle détaillé et en bleu pour le modèle simplifié. Les
Figures 4.65(b) et (c) représentent respectivement la température sous-capot TU nder et
le coefficient de transfert KC pour les deux modèles avec le même code couleur. Enfin,
la Figure 4.65(d) trace en noir le débit d’air suralimenté Qair sur l’axe de gauche, ainsi
que la vitesse véhicule en magenta sur l’axe de droite.

250
 4.4 Modélisation du circuit d’air de suralimentation

Fig. 4.64 : Comparaison de la température sous-capot et des coefficients de transfert

entre les modèles simplifié (« n◦ 1 ») et détaillé (« n◦ 2 ») sur l’essai BàR.

L’essai représenté est réalisé à froid, la température initiale du circuit de refroidisse-

ment étant de 21.5◦ C. Cependant, l’essai n’est pas réalisé dans les conditions d’homolo-
gation, et la température initiale de l’air suralimenté ECUM AT est de 26◦ C. Par ailleurs,
on peut noter que la température Tamb mesurée en entrée de la ligne d’air diminue de
21.7◦ à 19◦ C au cours du cycle, ce qui se répercute dans le reste de la ligne, en particulier
sur la température TRAS,f ilt . De la même manière que sur l’essai BàR, le modèle sim-
plifié est le plus proche de la référence véhicule, avec un écart absolu moyen de 1.21◦ C
contre 3.16◦ C pour le modèle détaillé. Les fluctuations de la température ECUM AT sont
représentées de manière fidèle, en particulier dans la deuxième moitié de l’essai. On peut
noter que dans le modèle détaillé, la température TP ipe,f ilt suit les variations générales de
la température sous capot TU nder , qui est largement supérieure à la température calculée
par le modèle simplifié. De la même manière que la Figure 4.65, la Figure 4.66 représente
le comportement des modèles sur un second essai véhicule réalisé sur piste.
Ici encore, le modèle simplifié permet une meilleure représentation de la température
ECUM AT . L’écart moyen est de 4.59◦ C contre 11.71◦ C. Contrairement aux autres essais
présentés dans ce chapitre, l’essai est réalisé à chaud. Concernant le modèle simplifié,
la température sous-capot TU nder est initialisée en utilisant la température du circuit de
refroidissement. En revanche, la valeur initiale de la température sous-capot du modèle
détaillé est inconnue, et est par conséquent initialisée à la température initiale de l’air
de suralimentation ECUM AT . L’impact de cette initialisation est significatif sur le reste
du cycle.

4.4.6.5 Synthèse
Ces résultats permettent de conclure que le modèle simplifié aboutit à une représen-
tation satisfaisante de la température de l’air de suralimentation mesurée sur véhicule.
Le réglage des paramètres sur un cycle WLTC semble pertinent et adapté à d’autres
roulages. L’écart est néanmoins plus important que sur l’essai de référence. Une partie

251
4 Etude de la représentativité thermique

Fig. 4.65 : Comportement des modèles ajustés sur le cycle BàR sur un essai piste réalisé
à froid.

Fig. 4.66 : Comportement des modèles ajustés sur le cycle BàR sur un essai piste réalisé
à chaud.

de cet écart pourrait s’expliquer par le fait que l’on calibre les paramètres du modèle sur
un essai réalisé au BàR, dont les conditions ne correspondent pas exactement à celles
d’un essai sur piste. Par exemple, le BàR ne tient pas compte du vent extérieur favorisant
plus ou moins la circulation d’air sous capot, ni de l’impact du virage sur le flux d’air.
En revanche, le modèle détaillé ne semble pas adapté en l’état à ce cas d’application.
On constate un écart important entre la température modélisée et la mesure véhicule.
Ces résultats pourraient toutefois être améliorés par la mesure sur l’essai véhicule des
températures intermédiaires TAP C et TAP E ainsi que des températures sous-capot, qui
permettrait une calibration plus précise des différentes branches du modèle et une com-

252
 4.5 Conclusions & perspectives

préhension plus approfondie des phénomènes en jeu.

Par manque de temps, la régulation du conditionnement thermique du banc moteur
par la température modélisée n’a pas pu être testée dans cette thèse. La prochaine étape
consisterait donc à choisir une méthode de régulation assez dynamique pour suivre les
fluctuations de la température cible fournie par le modèle.

4.5 Conclusions & perspectives

Dans ce chapitre, on se penche sur la représentativité thermique du banc moteur.
On réalise en premier lieu une campagne expérimentale dans le but d’améliorer la re-
présentativité de la température de l’air de suralimentation. On utilise un isolant pour
englober le moteur sous un capot, et on obture partiellement la face avant du RAS.

• Le circuit de refroidissement n’a pas été l’objet principal des travaux expérimen-
taux. Toutefois, un comportement satisfaisant a été obtenu en plaçant le banc EiL
au plus proche de la configuration véhicule à travers un volume de liquide de re-
froidissement similaire et l’utilisation du calorstat de série. Dans de futurs travaux,
la phase d’initialisation de l’environnement de simulation devrait cependant être
réalisée avant le démarrage du moteur de manière à réduire les écarts de tempéra-
ture constatés au début du cycle. Ensuite, une attention particulière pourrait être
portée à la régulation de l’échangeur remplaçant le radiateur afin d’obtenir une
fréquence d’ouverture du calorstat similaire à la référence véhicule.

• L’instrumentation du système de post-traitement a permis de révéler que la tempé-

rature interne du catalyseur ne semble pas influencée par les conditions ambiantes.
Contrairement à ce qui était suggéré dans la littérature, il ne paraît donc pas né-
cessaire d’introduire un conditionnement thermique de la ligne d’échappement, en
tout cas dans la configuration étudiée dans cette thèse. Des essais de corrélation
supplémentaires permettraient d’approfondir ces conclusions. En particulier, l’im-
pact des conditions ambiantes est probablement plus important dans le cas d’une
architecture hybride. Pendant les phases de propulsion électrique, le moteur ther-
mique est arrêté et le débit des gaz d’échappement est nul, tandis que la circulation
d’air refroidit le catalyseur.

• Ensuite, on constate une température d’air de suralimentation inférieure à la ré-

férence véhicule dans la configuration initiale du banc EiL. L’ajout d’un capot
améliore de manière significative ces résultats, et intervient à la fois sur la tem-
pérature de sortie du RAS, et sur l’augmentation de température entre le RAS et
l’admission. On peut en conclure l’accumulation de chaleur sous le capot moteur
joue un rôle prépondérant sur la température d’admission. L’obturation partielle
du RAS a pour effet d’augmenter la température de sortie du RAS, et améliore
aussi la représentativité thermique, en particulier dans la seconde phase du WLTC.

Suites à ces observations expérimentales, on propose dans ce chapitre une modélisation

de la ligne d’air de suralimentation. Deux formulations du modèle sont présentées. La
structure générale comporte une modélisation simple du compresseur et du RAS basée
sur les cartographies d’efficacité renseignées par le constructeur. La vitesse d’air dans le
RAS est calculée à partir de la vitesse véhicule et des coefficients Aair,RAS et Bair,RAS .

253
4 Etude de la représentativité thermique

En outre, on considère l’impact de l’accumulation de chaleur à l’aide de la température

uniforme sous-capot TU nder et des coefficients de transfert dans les branches A et C
notés KA et KC . La première version, appelée « modèle simplifié », se base sur une
formulation simple de la température sous-capot calculée à partir de la température
moteur et d’une inertie thermique. Les coefficients de transfert dépendent linéairement
de la vitesse véhicule. La seconde version, appelée « modèle détaillé », est basée sur
une formulation physique de la température sous-capot prenant en compte l’apport de
chaleur par le moteur et le RAS, et la circulation d’air sous capot en fonction de la
vitesse véhicule. Les coefficients de transfert sont en outre assimilés à des coefficients
de convection entre l’air intérieur et la paroi du conduit. Les coefficients sont donc
dépendant du débit d’air dans la ligne, ainsi que des caractéristiques géométriques des
conduits. Deux cas d’application ont été considérés pour le modèle thermique de la ligne
d’air :

• Le premier consiste à guider les manipulations au banc moteur (pose d’un capot,
obturation partielle du RAS) par la simulation. Bien que la démarche complète
n’ait pas pu être appliquée pour ce cas d’usage, le modèle détaillé semble le plus
adapté à cette application. L’instrumentation du banc moteur permet une cali-
bration précise des branches du modèle, et l’utilisation de grandeurs physiques
identifiables facilite l’interprétation des évolutions des paramètres pour approcher
le comportement véhicule. Le modèle simplifié permet une modélisation plus pré-
cise, mais l’interprétation de ses paramètres est moins aisée. La représentativité
du modèle détaillé pourrait donc être améliorée en s’inspirant du fonctionnement
du modèle simplifié, par exemple en considérant l’impact de la vitesse véhicule sur
le coefficient de transfert.

• Le second cas d’application consiste à utiliser la température calculée par le mo-

dèle thermique comme cible de régulation pour le conditionnement thermique du
banc EiL. Le modèle simplifié semble le plus adapté à ce cas d’usage. En effet, la
calibration du modèle sur un essai véhicule permet une représentation fidèle de la
température de l’air de suralimentation. Le réglage obtenu semble en outre assez
robuste pour être utilisé sur d’autres essais véhicule sans ajustement. On note tou-
tefois des écarts de température, en partie dûs au fait que l’essai BàR n’est pas
parfaitement représentatif du comportement lors d’essais sur piste. Les travaux
devraient ensuite se pencher sur la méthode de régulation thermique appliquée au
banc moteur.

• L’absence de mesure des températures intermédiaires ne permet pas au modèle

détaillé d’être calibré de manière satisfaisante sur un essai véhicule. L’instrumen-
tation de ces températures ainsi que des températures ambiantes sous capot per-
mettrait une analyse plus précise des lacunes du modèle détaillé.

254
CHAPITRE 5
Conclusions & perspectives
Les travaux présentés dans cette thèse ont permis de synthétiser et d’approfondir les
connaissances sur l’approche Engine-in-the-Loop et de proposer des améliorations de la
méthode à plusieurs niveaux. La démarche générale s’est principalement concentrée sur
la reproduction sur le banc EiL d’essais réalisés sur BàR et sur piste par un véhicule à
essence suralimenté équipé d’une transmission manuelle.

5.1 Synthèse des travaux & conclusions

L’environnement virtuel a été développé à partir d’un modèle issu de la plateforme
de co-simulation GREEN. Le modèle véhicule s’appuie sur une projection longitudinale
du principe fondamental de la dynamique, la boîte de vitesse et le différentiel étant
représentés par des rapports de transmission ainsi qu’une efficacité constante. On propose
de plus une modélisation de l’embrayage basée sur l’approche « reset integrator ». Le
couple calculé par ce bloc est transmis comme demande à la machine de charge, tandis
que le modèle véhicule reçoit le couple effectivement appliqué et mesuré sur l’arbre
moteur.
La modélisation du conducteur longitudinal est basée sur la structure de régula-
tion proportionnelle-intégrale, à laquelle on ajoute une fonction d’anti-windup de type
« tracking-back », et l’anticipation de la consigne via une moyenne pondérée de la vitesse
demandée et de cette vitesse anticipée de 1, 2, et 3 secondes. Les gains du modèle sont
calibrés de manière automatique dans un environnement de simulation en amont de la
mise au banc, à l’aide d’une modélisation simple de la dynamique moteur. Outre l’ob-
jectif de qualité de suivi, la méthode de calibration proposée repose sur un indicateur
de représentativité du conducteur calculé à partir d’une analyse fréquentielle du signal
de la pédale d’accélérateur. Enfin, dans le cas d’une transmission manuelle, la gestion
des changements de rapport est basée sur l’analyse d’essais sur véhicule, qui permet en
outre de distinguer différents profils de conducteur.
A la suite d’une campagne expérimentale focalisée d’une part sur les écarts entre le
banc EiL et la référence véhicule, et d’autre part sur une analyse de la sensibilité pour
plusieurs paramètres du modèle, les travaux ont été axés sur la représentativité thermique
du banc EiL. On utilise le calorstat de série et un volume de liquide de refroidissement
similaire à la référence véhicule, en remplaçant le radiateur par un échangeur à eau
régulé en débit. Le RAS est placé au banc EiL ainsi que les tubulures d’origine du
circuit d’air de suralimentation. Après une évaluation de la méthode d’arrosage du RAS
généralement adoptée en contexte industriel, on place plutôt une soufflante régulée par
la vitesse véhicule en face avant du RAS. En outre, on obture partiellement la surface
d’échange, et on recouvre le moteur d’un « capot » isolant.
5 Conclusions & perspectives

Cette campagne expérimentale conduit à proposer une modélisation de la ligne d’air

de suralimentation basée d’une part sur les cartographies d’efficacité du compresseur
et du RAS, et d’autre part sur la modélisation de l’effet sous-capot, pour laquelle on
distingue deux formulations différentes. Le modèle « simplifié » se base sur une représen-
tation de la température sous-capot calculée à partir de la température moteur et utilise
des coefficients de transfert dépendant linéairement de la vitesse véhicule, tandis que
le modèle « détaillé » prend en compte l’apport de chaleur par le moteur, l’impact des
échangeurs ainsi que la circulation d’air en fonction de la vitesse véhicule, et assimile les
coefficients de transfert à des coefficients de convection entre l’air intérieur et la paroi
du conduit. Ces modèles sont évalués pour deux cas d’application : d’une part le gui-
dage par la simulation des manipulations au banc moteur (pose d’un capot, obturation
partielle du RAS), et d’autre part la régulation du conditionnement thermique du banc
par la température modélisée. Les principaux apports de cette thèse peuvent finalement
être synthétisées ci-dessous :

• L’application de l’approche EiL dans le contexte d’une transmission manuelle a

permis de révéler que la liaison entre l’environnement virtuel et le banc physique
par le modèle d’embrayage représente une source potentielle d’oscillations rare-
ment mentionnée dans la bibliographie. Le modèle proposé ainsi que l’utilisation
du couple mesuré dans le modèle véhicule ont finalement permis d’améliorer la sta-
bilité dans les phases de changement de rapport et de palier le fait que la machine
de charge ne répond pas immédiatement aux fortes fluctuations de la demande de
couple résistif.

• La structure proposée pour le modèle de conducteur anticipatif réalise un suivi

de cycle sans aucune déviation sur le cycle WLTC avec un comportement proche
de la référence humaine, sur architectures conventionnelle et hybride. Le réglage
obtenu en simulation ne nécessite pas d’ajustement une fois sur le banc moteur,
est robuste à la variation de la masse véhicule, et est adapté à des cycles de type
RDE. L’anticipation de vitesse permet une nette amélioration du suivi ainsi que de
la robustesse du réglage à des modifications des paramètres véhicule. Les résultats
indiquent en outre qu’en lissant le comportement du conducteur, l’anticipation a
pour effet d’atténuer les fluctuations de la richesse du mélange et conduit à une
baisse des émissions polluantes en sortie moteur, notamment de HC et de CO,
dont l’impact sur la représentativité par rapport aux essais BàR est à considérer.

• L’environnement EiL élaboré dans cette thèse présente une dispersion significati-
vement plus faible que les essais BàR, non seulement du point de vue du suivi du
modèle de conducteur, mais aussi du bilan énergétique et des émissions moteur.
Le banc EiL impose une énergie mécanique au moteur légèrement supérieure aux
essais BàR, pour une masse de carburant consommée légèrement inférieure. Bien
qu’aucun des indicateurs énergétiques ne soit totalement fiable du fait des diffé-
rences entre les deux moyens d’essais, l’analyse des écarts permet de conclure que
l’environnement EiL atteint un équilibre satisfaisant entre complexité et représen-
tativité énergétique. Du fait des différences significatives dans la ligne échappement
utilisée sur le banc EiL avec la référence, seules les émissions en sortie moteur ont
pu être comparées. Les résultats obtenus sur le cycle WLTC suggèrent que le mo-
teur émet légèrement moins de CO2 et plus de NOx et de CO, l’écart étant inférieur
à 3%. On constate en outre une carence des émissions de HC, probablement due au

256
 5.2 Perspectives

comportement du conducteur virtuel et à la température d’air de suralimentation

inférieure à la référence.

• La flexibilité de l’environnement virtuel a permis d’analyser l’impact de certains

paramètres comme la masse véhicule, l’efficacité de la transmission et la durée
de changement de rapport. La définition de différents profils de conducteur révèle
notamment que l’allongement du changement de rapport a pour effet de dégrader
la maîtrise de la richesse du mélange par le contrôle moteur, ce qui conduit à une
augmentation des émissions de CO et à une baisse des émissions de NOx en sortie
moteur. En outre, ces fluctuations de richesse dégradent l’efficacité de traitement
du catalyseur et conduisent finalement à une augmentation des émissions de CO
et de NOx à l’échappement.

• La configuration choisie pour le circuit de refroidissement permet une température

du liquide proche de la référence véhicule. La phase d’initialisation de l’environ-
nement de co-simulation est cependant responsable d’un écart de température au
lancement du cycle qui se répercute sur la suite de l’essai, et la régulation du débit
de l’échangeur à eau cause une fréquence d’oscillations élevée du calorstat, dont
l’impact paraît néanmoins négligeable.

• On constate dans la configuration initiale une température d’air de suralimen-

tation inférieure à la référence véhicule. L’ajout d’un capot améliore de manière
significative ces résultats, et intervient à la fois sur la température de sortie du
RAS, et sur l’augmentation de température entre le RAS et le collecteur d’admis-
sion. L’obturation partielle du RAS a pour effet d’augmenter la température de
sortie du RAS, et améliore aussi la représentativité thermique. Les émissions de
NOx augmentent avec le niveau de capot, ce qui suggère un effet de compensation
d’erreur dans la configuration initiale.

• Contrairement à ce qui était suggéré dans la littérature, la température interne du

catalyseur ne paraît pas influencée par les conditions ambiantes, et le condition-
nement thermique de la ligne d’échappement ne semble donc pas nécessaire dans
la configuration étudiée dans cette thèse.

• Bien que la démarche n’ait pas pu être appliquée dans son ensemble, le modèle
détaillé de la ligne d’air paraît adapté au guidage des manipulations au banc
moteur. L’instrumentation du banc permet une calibration précise du modèle,
et l’utilisation de grandeurs physiques facilite l’interprétation des paramètres par
rapport au modèle simplifié, pourtant plus précis. Le modèle simplifié semble le plus
adapté à la régulation du conditionnement thermique du banc, car sa calibration
sur un essai véhicule permet une représentation fidèle de la température de l’air
de suralimentation, qui paraît assez robuste pour être utilisée sur d’autres essais
sans réajustement.

5.2 Perspectives
Par manque de temps et de moyens, certains axes de travail abordés dans cette thèse
restent à approfondir :

257
5 Conclusions & perspectives

• La calibration du modèle d’embrayage devrait être réalisée de manière systéma-

tique, rapide et fiable. On pourrait par exemple imaginer un pré-réglage réalisé en
amont de la mise au banc à partir des caractéristiques de la machine de charge et
du moteur.

• La caractérisation fréquentielle de la pédale d’accélérateur pourrait être utilisée

de manière à caractériser différents profils de conducteur. Le modèle pourrait par
ailleurs inclure les tolérances WLTP de manière à minimiser son bilan énergétique
afin d’approcher le comportement d’un conducteur humain sur BàR.

• Dans le cadre des essais RDE, considérer l’impact du virage et des auxiliaires sur
le couple résistif permettrait d’améliorer la précision du modèle véhicule et donc la
représentativité énergétique du banc. La comparaison des moyens d’essai devrait
par ailleurs être étendue à l’analyse des émissions à l’échappement pour un même
système de post-traitement. Dans ce cadre, il paraît important d’évaluer de manière
précise le temps de transfert des polluants afin de minimiser les écarts de compa-
raison. La démarche présentée devrait en outre être étendue au contexte d’une
architecture hybride, pour laquelle la thermique ambiante du post-traitement est
susceptible d’avoir un impact significatif du fait des phases de propulsion électrique
pendant lesquelles le moteur themrique est arrêté.

• Dans de futurs travaux, la phase d’initialisation de l’environnement de simulation

devrait être réalisée avant le démarrage du moteur de manière à réduire les écarts
de température constatés au début du cycle. Une attention particulière pourrait
être portée à la régulation de l’échangeur remplaçant le radiateur afin d’obtenir
une fréquence d’ouverture du calorstat similaire à la référence véhicule.

• La campagne expérimentale de représentativité thermique devrait être reproduite

avec un RAS libre et non encastré. Des essais de corrélation supplémentaires per-
mettraient d’améliorer la représentativité du modèle de ligne d’air, notamment par
des mesures précises de température sous-capot sur véhicule et sur banc moteur.
Le modèle détaillé pourrait enfin être amélioré en s’inspirant du fonctionnement
du modèle simplifié, par exemple en considérant l’impact de la vitesse véhicule sur
le coefficient de transfert.

Plus généralement, il pourrait être intéressant d’approfondir la démarche de comparaison

adoptée dans cette thèse en considérant des essais sur route, réalisés avec une instrumen-
tation comprenant la mesure de la pente, de la température sous capot à plusieurs points
ainsi que de la température interne de la ligne d’air, et des émissions à l’échappement
via PEMS. La démarche pourrait en outre aboutir à l’application de la méthode EiL
pour la mise au point des seuils de l’OBD, en étudiant par exemple le déclenchement
et le résultat du diagnostic du catalyseur lors d’essais représentatifs d’un usage client.
Dans ce cadre, il serait intéressant de disposer d’un outil permettant de générer pour un
trajet donné une trace de vitesse type RDE dépendant du trafic routier et du profil de
conducteur, par exemple.

258
ANNEXE A
Préparation des essais
Dans le cadre de cette thèse, plusieurs essais véhicules sont reproduits sur le banc
EiL. On cherche à reproduire deux types d’essais, i.e. des cycles WLTC réalisés sur
banc à rouleaux (BàR) ainsi que plusieurs essais effectués sur piste (Aubevoye). Chaque
essai doit être défini par les données d’entrée principales de l’environnement virtuel. En
particulier, le modèle de conducteur détaillé Chapitre 3 reçoit en entrée une demande
de vitesse en fonction du temps Vdem (t), ainsi qu’une demande de rapport Geardem (t).
De plus, dans le cas d’un essai sur piste, on transmet au modèle de véhicule détaillé
Chapitre 3 le signal de pente de la route au cours du temps θ(t). Cette annexe détaille la
méthode utilisée pour générer les données nécessaires pour reproduire un essai véhicule
sur le banc EiL.
Il est important de souligner que l’intérêt de la méthode Engine-in-the-Loop est
précisément de minimiser les besoins en essais véhicule. Par conséquent, la reproduction
d’essais véhicule n’est pas l’objectif premier d’un banc EiL, qui sera principalement
utilisé pour réaliser des essais à partir de données virtuelles. Les essais peuvent être
définis manuellement dans le cas d’un essai simple comme un enchaînement de plateaux
de vitesse, par les méthodes d’homologation dans le cas du cycle WLTC, ou bien par
un outil permettant de générer un trajet réaliste en prenant en compte le trafic routier
et les feux rouges par exemple. Toutefois, afin d’étudier la représentativité de ce moyen
d’essai, on choisit dans cette thèse de reproduire plusieurs essais réalisés sur véhicule afin
de disposer d’une référence de comparaison. Il est donc crucial que les données d’entrée
(vitesse, rapport et pente) soient le plus proche possible de l’essai de référence afin de
minimiser les biais de comparaison.

A.1 Demandes de vitesse et de rapport

En premier lieu, on dispose pour chaque essai véhicule d’un enregistrement des voies
du contrôle moteur de la vitesse véhicule et du rapport engagé, ECUV et ECUGear
respectivement. Toutefois, ces signaux doivent être traités avant d’être utilisés comme
données d’entrée du modèle conducteur.

A.1.1 Demande de vitesse

Premièrement, bien que le calcul de la vitesse véhicule par le contrôle moteur soit
précis, le bruit de mesure peut générer un comportement instable du modèle de conduc-
teur qui chercherait à suivre exactement cette demande. Par conséquent, on applique
un filtre passe-bas à ce signal, avec une fréquence de 0.25 Hz. Cette fréquence permet
d’atténuer le bruit du signal, sans dénaturer la trace de vitesse d’origine. Dans le cas du
cycle WLTC, on dispose (en plus de l’enregistrement des voies ECU) de la demande de
A Préparation des essais

vitesse imposée au conducteur humain par un écran. On peut donc utiliser directement
cette trace de vitesse, sans filtrage.

A.1.2 Changements de rapport

Ensuite, il est important que les changements de rapport se produisent au même
moment de la trace de vitesse que sur l’essai de référence. Le cycle WLTC n’est pas
défini par une demande de rapport, mais plutôt par une suggestion de rapport calcu-
lée en fonction du point de fonctionnement moteur. Contrairement à la demande de
vitesse, le conducteur humain ne suit donc pas exactement cette demande. Afin de re-
produire les changements de rapport réalisés par le conducteur, on s’appuie donc plutôt
sur l’enregistrement ECU. On procède de la même manière pour les cycles sur piste.
Toutefois, le signal ECUGear provient d’un calcul basé sur les mesures du régime
moteur et de la vitesse véhicule. A partir du ratio de transmission calculé entre ces
deux signaux, le contrôle moteur déduit le rapport engagé par comparaison avec les
ratios de transmission définis par la calibration. Ce calcul est généralement fiable, mais
est caractérisé par un temps de réponse de l’ordre de la seconde après un changement
de rapport. Le signal ECUGear ne peut donc être utilisé directement comme demande
sur le banc moteur, et doit être recalé pour correspondre aux changements de rapport
réels. On utilise plusieurs signaux supplémentaires provenant de l’enregistrement des
voies ECU : le régime moteur ECUN , la vitesse véhicule ECUV et les signaux de pédale
d’accélérateur et d’embrayage, ECUAccel et ECUClutch respectivement. La méthode est
différente pour les montées de rapport et les rétrogradages.

A.1.2.1 Montée de rapport

Comme détaillé Section 3.2.3.3, on définit le début d’une montée de rapport par le
moment où le conducteur commence à relâcher la pédale d’accélérateur. A partir du
changement de rapport détecté par l’ECU à l’instant t0 , l’algorithme commence donc
par vérifier que la pédale d’accélérateur est complètement relâchée. Si ce n’est pas le cas,
l’algorithme cherche entre t0 − 2s et t0 l’instant t1 le plus proche de t0 où la position
pédale est nulle. A partir de cet instant t1 , on détecte ensuite le début du relâchement
de la pédale à l’aide de la dérivée du signal.

A.1.2.2 Rétrogradage
Dans le cas d’un rétrogradage, la pédale d’accélérateur est généralement relâchée bien
avant le changement de rapport, le conducteur cherchant à ralentir le véhicule. Par consé-
quent, on ne peut pas utiliser la pédale d’accélérateur pour repérer les rétrogradages.
On utilise plutôt le signal de la position de l’embrayage ECUClutch . Il est important de
souligner que ce signal ne provient pas directement de la position de la pédale. Il pro-
vient d’un calcul qui distingue deux positions : embrayage ouvert (ECUClutch = 1) ou
fermé (ECUClutch = 0). Cette détection s’appuie sur la désynchronisation entre le régime
moteur mesuré ECUN et le régime primaire lorsque l’embrayage est ouvert. Bien que
ce calcul détecte généralement la fermeture de l’embrayage avec un retard conséquent,
l’ouverture de l’embrayage est repérée de manière précise. A partir du changement de
rapport détecté par l’ECU à l’instant t0 , l’agorithme commence donc par vérifier si la

260
 A.2 Pente de la route

position de l’embrayage est ouvert (ECUClutch = 1). Si ce n’est pas le cas, on recherche
entre t0 − 2s et t0 l’instant t1 le plus proche de t0 où la position embrayage est égale à
1. A partir de cet instant t1 , on détecte ensuite l’ouverture de l’embrayage.
Pour certains essais utilisés dans cette thèse, on ne dispose pas dans l’enregistrement
du signal de la position embrayage. Dans ce cas, on peut utiliser la même méthode
que le contrôle moteur pour détecter l’ouverture de l’embrayage. A l’aide des ratios
de transmission, on calcule le régime de l’arbre primaire ωP rim . Quand l’embrayage est
fermé, l’arbre primaire est synchronisé avec l’arbre moteur, ωP rim = ECUN . Du fait du
bruit de mesure, il est possible qu’un écart minime soit détecté entre les deux régimes. A
partir du changement de rapport détecté par l’ECU à l’instant t0 , l’algorithme commence
par établir la valeur initiale de l’écart de régime avant l’ouverture de l’embrayage, c’est-
à-dire à l’instant t1 = t0 − 1.5s. Une fois cet écart initial établi, on cherche à partir de
l’instant t1 le moment où la différence de régime augmente d’au moins 20 tr/min par
rapport à l’écart initial. Cet instant correspond à l’ouverture de l’embrayage.

A.2 Pente de la route

Dans le cas des essais réalisés sur piste, il est important de prendre en compte la pente
de la route au cours du temps dans le modèle véhicule. Malheureusement, on ne dispose
pas de cette information pour les essais réalisés lors de la campagne véhicule n◦ 1 (Table
2.7). Aucun enregistrement du signal n’ayant été réalisé, on ne peut pas récupérer cette
information à partir de cartes d’altitude. Par conséquent, il est nécessaire de calculer la
pente de la route à l’aide des variables enregistrées par le contrôle moteur.

A.2.1 Estimation par le contrôle moteur

En premier lieu, on dispose d’une variable du contrôle moteur notée ECUSlope et cen-
sée correspondre à la pente de la route. Cette variable provient d’un calcul de différentiel
de couple ECUT qDif , et utilise plusieurs signaux :
• Le couple de propulsion ramené à la roue ECUT qW heel , calculé à partir du couple
moteur ECUT qe et du ratio de transmission iT rans = iGear · iAxle , ECUT qW heel =
ECUT qi · iT rans
• Le couple ECUT qInertia du à l’accélération du véhicule ECUAccel , calculé à l’aide la
masse véhicule M et du rayon de roue Rwheel , ECUT qInertia = ECUAccel ·M ·Rwheel .
• Le couple résistif ECUT qRes estimé à partir de la loi de route Fres = f (V ) et de la
vitesse véhicule, ECUT qRes = Rwheel · Fres (V ).
Le différentiel de couple s’écrit ensuite :

ECUT qDif f = ECUT qW heel − ECUT qInertia − ECUT qRes (A.1)

En théorie, ce différentiel de couple doit correspondre au couple du à la pente de la route

(Eq. (3.7)). La pente de la route ECUSlope peut ensuite être calculée à l’aide de l’Eq.
(A.2). !
ECUT qDif f
ECUSlope = 100 · tan arcsin (A.2)
M × g × Rwheel

261
A Préparation des essais

Toutefois, on peut immédiatement souligner une lacune importante de ce calcul. En effet,

le différentiel de couple ECUT qDif f ne représente pas seulement le couple induit par la
pente de la route, mais aussi le couple de freinage qui n’est pas pris en compte dans l’Eq.
(A.1). Par conséquent, l’Eq. (A.2) est susceptible de détecter une pente importante lors
d’un freinage. Une première piste d’amélioration consiste à calculer le couple de freinage
et à l’injecter dans l’Eq. (A.1) [85, 155]. En effet, il est possible d’établir une relation
linéaire entre la position de la pédale de frein ECUbrake et le couple de freinage Tbrake
[85]. Plusieurs essais sur piste ont été réalisés en observant l’évolution de ECUT qDif f
lors de freinages brusques. En faisant l’hypothèse que l’augmentation de ECUT qDif f est
due au couple de freinage, on peut établir une relation entre la position de la pédale de
frein et le couple de freinage.
Cependant, la variable de la position de la pédale de frein ECUbrake n’est pas dispo-
nible sur les enregistrements des essais véhicule à reproduire. De plus, il est important
de souligner que le couple de propulsion provient d’une estimation prenant en compte
les pertes moteur.

A.2.2 Filtre de Kalman

Pour palier ces lacunes, on utilise une autre méthode de calcul dans cette thèse, qui
consiste à s’appuyer sur le signal provenant de l’accéléromètre longitudinal du véhicule
ECUGaccel ainsi que l’accélération du véhicule dV dt
, calculée à partir de la dérivée de la
vitesse véhicule ECUV . L’accéléromètre mesure à la fois l’accélération longitudinale du
véhicule et le terme longitudinal de l’accélération de la gravité due à l’inclinaison du
véhicule, notée gx :
dV
ECUGaccel = + gx (A.3)
dt

Fig. A.1 : Inclinaison de la force de gravité g due à la pente θ. V correspond à la vitesse

longitudinale du véhicule, gx au terme longitudinal de l’accélération de la pesanteur, et
gz au terme vertical.

Comme illustré par le schéma Figure A.1, l’angle de la pente θ peut être calculé (en

262
 A.2 Pente de la route

pourcentage) à partir du terme gx .

!
gx
θ = tan arcsin (A.4)
g

En utilisant les Eq. (A.3) et (A.4), on peut donc extraire l’angle de la pente θ du signal
de l’accéléromètre ECUGaccel :
!
ECUGaccel − dV
dt
θ = tan arcsin (A.5)
g

Comme mentionné par plusieurs références de calcul de la pente [82, 84, 156], on utilise
un filtre de Kalman afin d’éliminer le bruit de mesure provenant principalement de
l’accéléromètre. Tout d’abord, on définit un modèle discret du système de variables d’état
V̇ , V et gx à l’aide des matrices du système Φ et des entrées Ψ. Ce modèle s’appuie sur
l’approximation d’Euler pour obtenir la dérivée de la vitesse véhicule [82]. Les vecteurs
uk−1 et vk désignent le bruit de procédé et le bruit d’observation respectivement, et sont
représentés par un bruit blanc aléatoire. L’indice k représente le pas de temps.

X = Φ · Xk−1 + Ψ · uk−1
k
(A.6)
Yk = Hk · Xk + vk

Avec
 
v̇k
Xk = 
 vk 

(A.7)
gx,k

et
" #
vk
Yk = (A.8)
ECUGaccel,k

On note Φ la matrice du système

 
1 0 0
Φ = τ 1 0

 (A.9)
0 0 1

Et Ψ la matrice des entrées  2 

τ /2 0

Ψ=  τ 0 (A.10)
0 τ

263
A Préparation des essais

Ensuite, la fonction de transfert du filtre de Kalman s’écrit comme suit :




 Xk,k−1 = Φ · Xk−1,k−1 + Ψ · uk



Pk,k−1 = Φ · Pk−1,k−1 · ΦT + Qk


 kK = Pk,k−1 · H T (H · Pk,k−1 · H T + Rk )−1 (A.11)



 Xk,k = Xk,k−1 + Kk (Yk − H · Xk,k−1 )




Pk,k = (I − Kk · H) · Pk,k−1

On note Xk,k−1 la pré-estimation de la variable d’état X au pas de temps k, et Xk,k

l’estimation de la variable d’état X au pas de temps k. Pk,k représente la matrice de
covariance des erreurs d’estimation. On note H la matrice d’observation :
" #
τ 1 0
H= (A.12)
1 0 1

La matrice K est appelée la matrice des gains du filtre de Kalman. Les matrices Q et R
désignent les matrices de covariance du bruit du système et de mesure respectivement.
   
σv̇ 0 0 0.3 0 0
  
Q =  0 σv 0  =  0 0.005 0  (A.13)
0 0 σ gx 0 0 0.003

et " #
σ 0
R = ECUGaccel (A.14)
0 σv
De manière générale, le choix des matrice Q et R réside dans un compromis entre la rapi-
dité de la réponse du filtre et sa sensibilité au bruit. La matrice Q désigne l’amplitude de
variation autorisée pour la variable X au cours d’un pas de temps, tandis qu’augmenter
la matrice R revient à augmenter le temps de réponse du filtre. Dans cette thèse, on
choisit d’adopter les mêmes valeurs pour Q que [82], la matrice représentant la variance
des variables du sysème. La matrice R représente la variance des signaux d’entrée, et
est ajustée dans la phase de calibration décrite plus bas.
A chaque pas de temps k, deux étapes consécutives sont réalisées par le filtre de
Kalman. Tout d’abord, la phase d’actualisation (time update) consiste par établir une
pré-estimation Xk,k−1 de l’état X, à l’aide de l’estimation au pas de temps précédent
Xk−1,k−1 et de la valeur des signaux d’entrée au pas de temps k, uk . La matrice de
covariance des erreurs d’estimation P peut elle aussi être pré-estimée, Pk,k−1 . Ensuite,
la deuxième phase d’actualisation des mesures s’appuie sur le calcul de la matrice des
gains Kk , elle-même calculée à l’aide de la pré-estimation Pk,k−1 .
Afin d’adapter la réponse du filtre à de fortes variations des signaux d’entrée comme
un freinage brusque, la matrice de covariance Q peut être variée au cours du temps en
utilisant la matrice de correction Γ [82]. La nouvelle matrice de covariance Qcor s’écrit
alors :
Qcor = Γ · Q (A.15)
Avec  
γ 0 0

Γ= 0 γ 0   (A.16)
0 0 1/γ

264
 A.2 Pente de la route

Avec le coefficient γ = 100.

A.2.3 Essais de calibration

Afin de vérifier le bon fonctionnement du filtre décrit précédemment, plusieurs essais
ont été réalisés à l’aide du véhicule de référence (voir Section 2.3). Sur deux pistes
différentes, on reproduit plusieurs fois le même circuit. La Figure A.2 représente la pente
calculée par le filtre de Kalman sur la première piste. Pour certains essais représentés en
bleu, on active le régulateur de vitesse à différentes valeurs (« Regul. » en légende), tandis
que les essais en rouge et vert sont réalisés sans régulateur (« Normal 1 » et « Normal
2 »). La pente obtenue au cours du temps par le filtre de Kalman est ramenée à la
distance, obtenue en intégrant la vitesse véhicule. A titre de comparaison, on représente
en noir la pente calculée à partir de la trace GPS la piste et des données d’altitude.
On constate une faible dispersion de la pente calculée sur les essais considérés, y
compris sans régulateur de vitesse. Il est important de préciser que les données altimé-
triques utilisées pour l’estimation de la pente sont issues d’un pointage manuel réalisé
sur le site VisuGPX [157].

Fig. A.2 : Calcul de la pente de la route à l’aide du filtre de Kalman - Essai de calibration
sur piste.

265
266

266
 Références
[1] Eurostat, « Greenhouse gas emission statistics - emission inventories », Euro-
pean Environment Agency, Rapport technique, 2018. adresse : http : / / ec .
europa.eu/eurostat/statisticsexplained/.
[2] European Environment Agency, « Transitions towards a more sustainable
mobility system », Rapport technique 34, 2016.
[3] N. Hooftman, M. Messagie, J. Van Mierlo et T. Coosemans, « A review
of the European passenger car regulations – Real driving emissions vs local air
quality », Renewable and Sustainable Energy Reviews, tome 86, pages 1-21, avril
2018, issn : 13640321. doi : 10.1016/j.rser.2018.01.012. adresse : https:
//linkinghub.elsevier.com/retrieve/pii/S1364032118300182.
[4] G. Archer, « Dieselgate : Who ? What ? How ? », Transport & Environment,
Rapport technique, 2016. adresse : https://www.transportenvironment.org/
sites/te /files/publications/2016_09_Dieselgate_report_who_what _
how_FINAL_0.pdf.
[5] R. Joumard, « Actual use emissions of road transport », SAE International,
pages 23-29, 2001.
[6] S. Kumar Pathak et al., « Real world vehicle emissions : their correlation with
driving parameters », Transportation Research Part D, tome 44, pages 157-176,
mai 2016, issn : 1361-9209. doi : 10 . 1016 / j . trd . 2016 . 02 . 001. adresse :
http://dx.doi.org/10.1016/j.trd.2016.02.001.
[7] European Comission, « Commission Regulation (EU) 2017/1151 of 1 June
2017 », European Comission, Rapport technique, 2017, pages 1-643.
[8] P. J. Roberts, R. Mumby, A. Mason, L. Redford-Knight et P. Kaur,
« RDE Plus - The development of a road, rig and Engine-in-the-Loop test metho-
dology for real driving emissions compliance », SAE Technical Papers, tome 2019-
01-07, 2019. adresse : https : / / www . sae . org / publications / technical -
papers/content/2019-01-0756/.
[9] T. Puphunwivat, « Real Driving Emissions - A game changer for the industry ? :
mastering on-road emissions targets with integrated vehicle testing solution AVL
M.O.V.E », SAE International, numéro 2015-01-0056, mars 2015, issn : 0148-
7191. doi : 10.4271/2015-01-0056. adresse : http://www.sae.org/technical/
papers/2015-01-0056.
[10] K. Lamberg et P. Wältermann, « Using HIL Simulation to test mechatronic
components in automotive engineering », in 2nd Congress on ”Mechatronik im
automobil”, dSpace GmbH, 2000.
RÉFÉRENCES

[11] C. Dufour, J. Bélanger et S. Abourida, « Using real-time simulation in

hybrid electric drive and power electronics development : process, problems and
solutions », SAE Technical Papers, numéro 2006-01-0114, avril 2006, issn : 0148-
7191. doi : 10.4271/2006-01-0114. adresse : http://papers.sae.org/2006-
01-0114/.
[12] S. Jiang, M. H. Smith, J. Kitchen et A. Ogawa, « Development of an Engine-
in-the-loop vehicle simulation system in engine dynamometer test cell », SAE
International, tome 2009-01-10, 2009. adresse : http://www.sae.org.
[13] C. Schyr et K. Gschweitl, « Model-based development and calibration of hy-
brid powertrains », SAE Technical Paper Series, numéro 2007-01-0285, avril 2007,
issn : 0148-7191. doi : 10.4271/2007-01-0285. adresse : http://papers.sae.
org/2007-01-0285/.
[14] P. Sarhadi et S. Yousefpour, « State of the art : hardware in the loop modeling
and simulation with its applications in design, development and implementation
of system and control software », International Journal of Dynamics and Control,
tome 3, pages 470-479, décembre 2015, issn : 2195-268X. doi : 10.1007/s40435-
014- 0108- 3. adresse : http://link.springer.com/10.1007/s40435- 014-
0108-3.
[15] W Lee, M Yoon et M Sunwoo, « A cost- and time-effective hardware-in-the-
loop simulation platform for automotive engine control systems », Proceedings of
the Institution of Mechanical Engineers, Part D : Journal of Automobile Engi-
neering, tome 217, numéro 1, pages 41-52, janvier 2003, issn : 0954-4070. doi :
10.1243/095440703762702969. adresse : http://journals.sagepub.com/doi/
10.1243/095440703762702969.
[16] D. Ramaswamy et al., « A case study in Hardware-In-the-Loop testing : develop-
ment of an ECU for a hybrid electric vehicle », SAE Technical Papers, tome 2004-
01-03, mars 2004, issn : 0148-7191. doi : 10.4271/2004- 01- 0303. adresse :
http://papers.sae.org/2004-01-0303/.
[17] J. Gehring et H. Schütte, « A Hardware-in-the-Loop test bench for the va-
lidation of complex ECU networks », SAE Technical Papers, tome 2002-01-08,
2002.
[18] H. Schuette et M. Ploeger, « Hardware-in-the-Loop testing of engine control
units - A technical survey », SAE Technical Papers, tome 2007-01-05, avril 2007,
issn : 0148-7191. doi : 10.4271/2007-01-0500. adresse : http://papers.sae.
org/2007-01-0500/.
[19] R. Isermann, J. Schaffnit et S. Sinsel, « Hardware-in-the-loop simulation
for the design and testing of engine-control systems », Control Engineering Prac-
tice, tome 7, numéro 5, pages 643-653, mai 1999, issn : 0967-0661. doi : 10 .
1016/S0967-0661(98)00205-6. adresse : https://www.sciencedirect.com/
science/article/pii/S0967066198002056.
[20] K. Patil, S. K. Molla et T. Schulze, « Hybrid vehicle model development
using ASM-AMESim-Simscape co-simulation for real-time HiL applications »,
SAE International, numéro 2012-01-0932, avril 2012, issn : 0148-7191. doi :
10.4271/2012-01-0932. adresse : http://papers.sae.org/2012-01-0932/.

268
 RÉFÉRENCES

[21] A. Castaings, A. Bouscayrol, W. Lhomme et R. Trigui, « Power Hardware-

in-the-loop simulation for testing multi-source vehicles », IFAC-PapersOnLine,
tome 50, numéro 1, pages 10 971-10 976, 2017, issn : 24058963. doi : 10.1016/j.
ifacol.2017.08.2469. adresse : https://doi.org/10.1016/j.ifacol.2017.
08.2469.
[22] J. Lachaize, R. Lamamy et D. Verdier, « Model of a hybrid electrical system
for software and system V & V on Hardware-in-the-loop test bench », IFAC-
PapersOnLine, tome 50, numéro 1, pages 7863-7868, 2017, issn : 24058963. doi :
10.1016/j.ifacol.2017.08.738. adresse : https://doi.org/10.1016/j.
ifacol.2017.08.738.
[23] M. J. Esfandyari, M Esfahanian, M. R. H. Yazdi, V Esfahanian, H Nehzati
et A Salehi, « Hardware-in-the-Loop simulation for verification of the drive mo-
tor management software in a series hybrid electric bus », International Journal of
Powertrains, tome 6, numéro 2, 2017. adresse : https://pdfs.semanticscholar.
org/f263/4bd2d087fdb154aa3e82197e89c1de584681.pdf.
[24] S. Olma, P. Traphöner, A. Kohlstedt, K.-P. Jäker et A. Trächtler,
« Model-based method for the accuracy analysis of Hardware-in-the-Loop test
rigs for mechatronic vehicle axles », Procedia Technology, tome 26, pages 105-
112, 2016, issn : 22120173. doi : 10.1016/j.protcy.2016.08.015. adresse :
http://linkinghub.elsevier.com/retrieve/pii/S2212017316303620.
[25] S. Olma, A. Kohlstedt, P. Traphöner, K.-P. Jäker et A. Trächtler,
« Substructuring and control strategies for Hardware-in-the-Loop simulations of
multiaxial suspension test rigs », IFAC-PapersOnLine, tome 49, numéro 21, pages 141-
148, 2016, issn : 24058963. doi : 10.1016/j.ifacol.2016.10.533. adresse :
https://linkinghub.elsevier.com/retrieve/pii/S2405896316321231.
[26] H. K. Fathy, Z. S. Filipi, J. Hagena et J. L. Stein, « Review of hardware-in-
the-loop simulation and its prospects in the automotive area », in Proc. of SPIE,
K. Schum et A. F. Sisti, éditeurs, tome 6228, International Society for Optics et
Photonics, mai 2006. doi : 10.1117/12.667794. adresse : http://proceedings.
spiedigitallibrary.org/proceeding.aspx?doi=10.1117/12.667794.
[27] M. Fleming, G. Len et P. Stryker, « Design and construction of a university-
based hybrid electric powertrain test cell », SAE Technical Papers, numéro 2000-
01-3106, août 2000, issn : 0148-7191. doi : 10.4271/2000-01-3106. adresse :
http://papers.sae.org/2000-01-3106/.
[28] D. Winkler, C Guehmann et C. Gühmann, « Hardware-in-the-Loop simula-
tion of a hybrid electric vehicle using Modelica/Dymola », Technical University
of Berlin, Rapport technique, 2006. adresse : http://citeseerx.ist.psu.edu/
viewdoc/download?doi=10.1.1.404.7637&rep=rep1&type=pdf.
[29] Z Filipi et al., « Engine-in-the-loop testing for evaluating hybrid propulsion
concepts and transient emissions - HMMWV case study », 2006 SAE World
Congress, tome 2006, numéro 724, 2006. doi : 10.4271/2006-01-0443. adresse :
https://www.scopus.com/inward/record.uri?eid=2-s2.0-84877239049&
partnerID=40&md5=ba2cb2b89b15c0ac31170a51ec8ff3ab.

269
RÉFÉRENCES

[30] A. D. Mastro, A. Chasse, P. Pognant-gros et G. Corde, « Advanced hybrid

vehicle simulation : from ” virtual ” to ” HyHiL ” test bench », SAE International,
tome 4970, 2009. doi : 10.4271/2009-24-0068.
[31] Y. Wang et Z. Sun, « A hydrostatic dynamometer based hybrid powertrain
research platform », in Proceedings of 2010 International Symposium on Flexible
Automation, IFSA, éditeur, Tokyo, 2010. doi : UPS - 2739. adresse : https :
//www.researchgate.net/publication/274719769.
[32] Y. Wang et B. Usa, « Hybrid powertrain control with a rapid prototyping re-
search platform », in Proceedings of the American Control Conference, AACC,
éditeur, San Francisco, 2011, isbn : 9781457700798. doi : 10.1109/ACC.2011.
5991490. adresse : https://www.researchgate.net/publication/224254246.
[33] Y. Wang, Z. Sun et K. A. Stelson, « Modeling, control, and experimental vali-
dation of a transient hydrostatic dynamometer », IEEE Transactions on Control
Systems Technology, tome 19, numéro 6, pages 1578-1586, novembre 2011, issn :
1063-6536. doi : 10.1109/TCST.2010.2082542. adresse : http://ieeexplore.
ieee.org/document/5620934/.
[34] P. Teiner et B. Schneeweiss, « Evaluation of NOx and fuel consumption re-
duction potential of parallel Diesel-hybrid powertrains using Engine-in-the-Loop
simulation », SAE International, numéro 2010-32-0128, septembre 2010, issn :
0148-7191. doi : 10.4271/2010-32-0128. adresse : http://papers.sae.org/
2010-32-0128/.
[35] M. Bier, D. Buch, M. Kluin et C. Beidl, « Development and optimization
of hybrid powertrains at the X-in-the-Loop engine testbed », MTZ worldwide,
tome 73, numéro 3, pages 46-52, mars 2012, issn : 2192-9114. doi : 10.1365/
s38313-012-0154-1. adresse : http://link.springer.com/10.1365/s38313-
012-0154-1.
[36] Y. Kim, T. Ersal, A. Salvi, Z. Filipi et A. Stefanopoulou, « Engine-in-
the-Loop validation of a frequency domain power distribution strategy for series
hybrid powertrains », in 2012 Workshop on Engine and Powertrain Control, Si-
mulation and Modeling (IFAC), Elsevier, janvier 2012, pages 432-439, isbn :
9783902823168. doi : 10.3182/20121023-3-FR-4025.00058. adresse : https:
//www.sciencedirect.com/science/article/pii/S1474667015351892.
[37] C. Disch, T. Dr. Koch, U. Dr. Spicher et C. Dr. Donn, « Engine-in-the-
Loop as a development tool for emissions optimisation in the hybrid context »,
MTZ Worldwide, tome 75, numéro 10, pages 40 -46, 2014. adresse : https :
//ipg- automotive.com/fileadmin/user_upload/content/Download/PDF/
Articles/1410_MTZ_KIT_MOT_IPG_Automotive_Engine-in-the-Loop_for_
emission_optimization_in_hybrid_context_EN.pdf.
[38] Y. Kim, A. Salvi, J. B. Siegel, Z. S. Filipi, A. G. Stefanopoulou et T.
Ersal, « Hardware-in-the-loop validation of a power management strategy for
hybrid powertrains », Control Engineering Practice, tome 29, pages 277-286, 2014,
issn : 09670661. doi : 10.1016/j.conengprac.2014.04.008. adresse : http:
//dx.doi.org/10.1016/j.conengprac.2014.04.008.

270
 RÉFÉRENCES

[39] S. Kandavelu, A. K. Velagapudi, R. Nese et S. Thimmalapura, « A cost

effective system test-bed using model based approach », SAE International, nu-
méro 2016-01-0048, avril 2016, issn : 0148-7191. doi : 10 . 4271 / 2016 - 01 -
0048.Copyright. adresse : http://papers.sae.org/2016-01-0048/.
[40] A. R. Mayyas, S. Kumar, P. Pisu, J. Rios et P. Jethani, « Model-based design
validation for advanced energy management strategies for electrified hybrid power
trains using innovative vehicle hardware in the loop (VHIL) approach », Applied
Energy, tome 204, pages 287-302, 2017, issn : 03062619. doi : 10 . 1016 / j .
apenergy.2017.07.028. adresse : http://dx.doi.org/10.1016/j.apenergy.
2017.07.028.
[41] S. Klein, P. Griefnow, D. Guse, F. Xia et J. Andert, « Virtual 48 V mild
hybridization : efficient validation by Engine-in-the-Loop », SAE International,
tome 7, numéro 2018-01-0410, pages 297-309, 2018. doi : 10.4271/2018- 01-
0410.
[42] L. Hofmann, K. Rusch, S. Fischer et B. Lemire, « Onboard emissions mo-
nitoring on a HD truck with an SCR system using NOx sensors », SAE Tran-
sactions, tome 113, numéro 4, pages 559-572, mars 2004, issn : 0148-7191. doi :
10.4271/2004-01-1290. adresse : http://papers.sae.org/2004-01-1290/.
[43] T. Akiyama, M. Kobayashi, Y. Sawada et M. Nomura, « Control of standard
engine test bench system for dynamic road load tests », in SICE-ICASE Inter-
national Joint Conference, IEEE, 2006, pages 1566-1569, isbn : 89-950038-4-7.
doi : 10.1109/SICE.2006.315447. adresse : http://ieeexplore.ieee.org/
document/4109214/.
[44] Z. Filipi, J. Hagena et H. Fathy, « Investigating the impact of in vehicle tran-
sients on Diesel soot emissions », Thermal Science, tome 12, numéro 1, pages 53-
72, 2008. doi : 10.2298/TSCI080053F.
[45] F Perez, P Moulin et A. D. Mastro, « Vehicle simulation on an engine test
bed », in SIA International Conference, 2008, pages 1-8. adresse : https://pdfs.
semanticscholar.org/345e/cbdb411d95b7fe07bac324df87f8630141c5.pdf.
[46] H. Maschmeyer, M. Kluin, C. Beidl, D. E. V. Pment et E. Sions, « Real Dri-
ving Emissions – A paradigm change for development », MTZ worldwide, tome 76,
numéro 2, pages 16-21, février 2015, issn : 2192-9114. doi : 10.1007/s38313-
014- 1014- y. adresse : http://link.springer.com/10.1007/s38313- 014-
1014-y.
[47] S. Herrmann et al., « Engine-in-the-Loop testing - Simulation of real driving
scenarios at the engine test bench », in International Congress of Automotive and
Road Transport Engineering, FEV, éditeur, Pitesti, Romania, 2017. adresse :
http://www.car2017.ro/public/conferences/1/schedConfs/1/keynote/
FEV_Engine_in_the_loop_StefanHerrmann.pdf.
[48] J. Gerstenberg, C. Schyr, S. Sterzing-Oppel et D. Trenkle, « RDE en-
gineering via Engine-in-the-loop test-bench », MTZ Worldwide, numéro 06, juin
2017.

271
RÉFÉRENCES

[49] S. Klein et al., « Engine-in-the-Loop : closed loop test bench control with real-
time simulation », SAE International Journal of Commercial Vehicles, tome 10,
numéro 1, pages 2017-01, 2017, issn : 1946-3928. doi : 10.4271/2017-01-0219.
adresse : http://papers.sae.org/2017-01-0219/.
[50] S. Jiang, D. Nutter et A. Gullitti, « Implementation of model-based cali-
bration for a gasoline Engine », SAE International, tome 01, numéro 0722, avril
2012, issn : 0148-7191. doi : 10.4271/2012-01-0722. adresse : http://papers.
sae.org/2012-01-0722/.
[51] T. Jung et al., « Engine-in-the-Loop : a method for efficient calibration and
virtual testing of advanced Diesel powertrains », in Simulation und Test, Springer,
2018, pages 209-224. doi : 10.1007/978-3-658-25294-6_12. adresse : http:
//link.springer.com/10.1007/978-3-658-25294-6_12.
[52] M. Kötter et al., « Powertrain calibration based on X-in-theLoop : virtuali-
zation in the vehicle development process », in 18. Internationales Stuttgarter
Symposium, Springer, 2018, pages 329 -343. doi : 10.1007/978-3-658-21194-
3{\_}91.
[53] N. Shidore et al., « Thermoelectric generator (TEG) fuel displacement poten-
tial using Engine-in-the-Loop and simulation », in US DoE Thermoelectric Ap-
plications Workshop III, U.S. Department of Energy, 2012. adresse : https :
//www.energy.gov/sites/prod/files/2014/03/f10/vijayagopal.pdf.
[54] J. Merkisz, J. Pielecha, P. Bielaczyc et J. Woodburn, « Analysis of emis-
sion factors in RDE tests as well as in NEDC and WLTC chassis dynamometer
tests », SAE Technical Papers, numéro 2016-01-0980, avril 2016, issn : 0148-7191.
doi : 10.4271/2016-01-0980. adresse : http://papers.sae.org/2016-01-
0980/.
[55] Z. Filipi et Y. J. Kim, « Hydraulic hybrid propulsion for heavy vehicles : com-
bining the simulation and Engine-In-the-Loop techniques to maximize the fuel
economy and emission benefits », Oil & Gas Science and Technology – Revue
de l’Institut Français du Pétrole, tome 65, numéro 1, pages 155-178, janvier
2010, issn : 1294-4475. doi : 10.2516/ogst/2009024. adresse : http://ogst.
ifpenergiesnouvelles.fr/10.2516/ogst/2009024.
[56] D. Guse et al., « Virtual transmission evaluation using an Engine-in-the-Loop
test facility », SAE International, tome 2018-01-13, avril 2018, issn : 0148-7191.
doi : 10.4271/2018-01-1361. adresse : http://www.sae.org/content/2018-
01-1361/.
[57] T. Ersal, M. Brudnak, A. Salvi, J. L. Stein, Z. Filipi et H. K. Fathy,
« Development and model-based transparency analysis of an Internet-distributed
hardware-in-the-loop simulation platform », Mechatronics, tome 21, numéro 1,
pages 22-29, février 2011, issn : 0957-4158. doi : 10.1016/J.MECHATRONICS.
2010.08.002. adresse : https://www.sciencedirect.com/science/article/
pii/S0957415810001388.

272
 RÉFÉRENCES

[58] M. Kang et T. Shen, « Modeling and control for Engine-in-the-Loop simulation

system », Journal of System Design and Dynamics, tome 7, numéro 4, pages 428-
440, 2013, issn : 1881-3046. doi : 10.1299/jsdd.7.428. adresse : http://jlc.
jst.go.jp/DN/JST.JSTAGE/jsdd/7.428?lang=en&from=CrossRef&type=
abstract.
[59] J. Gerstenberg, H. Hartlief et S. Tafel, « Introducing a method to eva-
luate RDE demands at the engine test bench », in Internationales Stuttgarter
Symposium, 2016, pages 549-563, isbn : 9783658132552. doi : 10.1007/978-3-
658-13255-2.
[60] L. S. Louca, J. L. Steinn et D. G. Rideout, « Generating proper integrated
dynamic models for vehicle mobility using a bond graph formulation », in In-
ternational Conference on Bond Graph Modeling, Phoenix, 2001, pages 339-345.
adresse : https://www.mgfcar.de/hydragas/geoff_ICBGM01.pdf.
[61] J. Liu, J. Hagena, H. Peng et Z. S. Filipi, « Engine-in-the-loop study of the
stochastic dynamic programming optimal control design for a hybrid electric
HMMWV », International Journal of Heavy Vehicle Systems, tome 15, numé-
ro 2/3/4, pages 309-326, 2008, issn : 1744-232X. doi : 10.1504/ijhvs.2008.
022247. adresse : http://www.inderscience.com/link.php?id=22247.
[62] H. K. Fathy, R. Ahlawat et J. L. Stein, « Proper powertrain modeling for
Engine-in-the-Loop simulation », Dynamic Systems and Control, Parts A and B,
pages 1-7, janvier 2005. doi : 10.1115/IMECE2005- 81592. adresse : http://
proceedings.asmedigitalcollection.asme.org/proceeding.aspx?articleid=
1581040.
[63] M. Filippa, C. Mi, J. Shen et R. C. Stevenson, « Modeling of a hybrid electric
vehicle powertrain test cell using bond graphs », IEEE Transactions on vehicular
technology, tome 54, numéro 3, pages 837-845, 2005. doi : 10.1109/TVT.2005.
847226. adresse : https://chrismi.sdsu.edu/publications/2005_54_3_
IEEE_TVT_Bond_Graph.pdf.
[64] C. Huang et al., « Ultrafine particle emission characteristics of diesel engine
by on-board and test bench measurement », Journal of Environmental Sciences,
tome 24, numéro 11, pages 1972-1978, novembre 2012, issn : 1001-0742. doi :
10.1016/S1001- 0742(11)61038- 3. adresse : https://www.sciencedirect.
com/science/article/pii/S1001074211610383.
[65] G. Park, S. Lee, S. Jin et S. Kwak, « Integrated modeling and analysis of
dynamics for electric vehicle powertrains », Expert Systems with Applications,
tome 41, numéro 5, pages 2595-2607, 2014, issn : 09574174. doi : 10.1016/j.
eswa.2013.10.007. adresse : http://dx.doi.org/10.1016/j.eswa.2013.10.
007.
[66] A. Ubysz, « Problems of rotational mass in passenger vehicles », Transports pro-
blems, tome 5, numéro 1, pages 33-40, 2010. adresse : http://transportproblems.
polsl.pl/pl/archiwum/2010/zeszyt1/2010t5z1_04.pdf.
[67] T. D. Gillespie, Fundamentals of Vehicle Dynamics. Society of Automotive
Engineers, 1992.

273
RÉFÉRENCES

[68] P. Fajri, R. Ahmadi et M. Ferdowsi, « Equivalent vehicle rotational inertia

used for electric vehicle test bench dynamic studies », IEEE Transactions on
Vehicular Technology, pages 4115-4120, octobre 2012. doi : 10 . 1109 / IECON .
2012.6389231. adresse : http://ieeexplore.ieee.org/document/6389231/.
[69] J. Wong, Theory of ground vehicles, 3rd Editio. John Wiley & Sons, 2001, isbn :
0471354619.
[70] N. Lutsey, « A technical analysis of model year 2011 US automobile efficien-
cy », Transportation Research Part D : Transport and Environment, tome 17,
pages 361-369, 2012, issn : 1361-9209. doi : 10 . 1016 / j . trd . 2012 . 03 . 002.
adresse : http://dx.doi.org/10.1016/j.trd.2012.03.002.
[71] F. Kost, « Basic principles of vehicle dynamics », in Fundamentals of Automotive
and Engine Technology, Springer, 2014, pages 114-129, isbn : 9783658039783.
doi : 10.1007/978-3-658-03978-3.
[72] S. Buggaveeti, M. Batra, J. Mcphee et N. Azad, « Longitudinal vehicle
dynamics modeling and parameter estimation for plug-in hybrid electric vehicle »,
SAE International Journal of Vehicle Dynamics, Stability and NVH, tome 1,
numéro 2, pages 289-297, 2017. doi : 10.4271/2017-01-1574.
[73] J. I. Huertas et G. �. Coello, « Accuracy and precision of the drag and rolling
resistance coefficients obtained by on road coast down tests », in Proceedings of the
International Conference on Industrial Engineering and Operations Management,
2017, pages 575-582.
[74] D. Zhang, A. Ivanco et Z. Filipi, « Model-based estimation of vehicle aerody-
namic drag and rolling resistance », SAE International Journal of Commercial
Vehicles, tome 8, numéro 2, pages 433-439, 2015. doi : 10.4271/2015-01-2776.
[75] M. Craglia, L. Paoli et J. Cullen, « Fuel for thought : Powertrain efficiencies
of British vehicles », Energy Procedia, tome 142, pages 1300-1305, 2017, issn :
18766102. doi : 10.1016/j.egypro.2017.12.505. adresse : https://doi.org/
10.1016/j.egypro.2017.12.505.
[76] N. E. Ligterink, P. van Mensch, R. F. A. Cuelenaere, S. Hausberger,
D. Leitner et G. Silberholz, « Correction algorithms for WLTP chassis dyna-
mometer and coast-down testing », TNO - Organization of Applied Scientific Re-
search, Rapport technique R10955, 2015. doi : 10.13140/RG.2.2.26587.57123.
[77] L. Wang, Y. Zhang, C. Yin, H. Zhang et C. Wang, « Hardware-in-the-loop
simulation for the design and verification of the control system of a series-parallel
hybrid electric city-bus », Simulation Modelling Practice and Theory, tome 25,
pages 148-162, 2012, issn : 1569190X. doi : 10.1016/j.simpat.2012.02.010.
adresse : http://dx.doi.org/10.1016/j.simpat.2012.02.010.
[78] M. Short et M. Pont, « Hardware in the loop simulation of embedded automo-
tive control system », in Proceedings of the 8th IEEE Conference on Intelligent
Transportation Systems, IEEE, 2005, pages 426-431, isbn : 0-7803-9215-9. doi :
10 . 1109 / ITSC . 2005 . 1520052. adresse : http : / / ieeexplore . ieee . org /
document/1520052/.
[79] H. B. Pacejka, Tire characteristics and vehicle handling and stability, 3rd Editio.
Elsevier Ltd, 2012, isbn : 9780080970165. doi : 10.1016/B978-0-08-097016-
5.00001-2.

274
 RÉFÉRENCES

[80] H. Olofson, « Rolling resistance during cornering-impact of lateral forces for

heavy-duty vehicles », thèse de doctorat, KTH Royal Institute of Technology,
2015. adresse : https://www.diva- portal.org/smash/get/diva2:872343/
FULLTEXT02.pdf.
[81] Y. Sebsadji, S. Glaser, S. Mammar et J. Dakhlallah, « Road slope and
vehicle dynamics estimation », in Proceedings of the American Control Conference,
Seattle, 2008, pages 4603-4608, isbn : 9781424420797. doi : 10.1109/ACC.2008.
4587221.
[82] T. Bonnedahl, « Road slope estimation using a longitudinal accelerometer and
Kalman filtering », thèse de doctorat, Lund University, 2010. adresse : https:
//lup.lub.lu.se/luur/download?func=downloadFile&recordOId=8847441&
fileOId=8859296.
[83] K. Johansson, « Road slope estimation with standard truck sensors », thèse
de doctorat, KTH, 2005. adresse : https://people.kth.se/~kallej/grad_
students/johansson_thesis05.pdf.
[84] Y. Gao, « Longitudinal velocity and road slope estimation in hybrid/electric ve-
hicles - development and evaluation of an adaptive Kalman filter », thèse de docto-
rat, Chalmers University of Technology, 2013. adresse : http://publications.
lib.chalmers.se/records/fulltext/179799/179799.pdf.
[85] S. Mangan et J. Wang, « Development of a novel sensorless longitudinal road
gradient estimation method based on vehicle CAN bus data », IEEE/ASME Tran-
sactions on Mechatronics, tome 12, numéro 3, pages 375-386, 2007.
[86] Siemens, AMESim documentation, 2021. adresse : https://docs.plm.automation.
siemens . com / content / amesim / 2019 . 2 / help / en _ US / simcenter _ amesim _
20192/simcenter_amesim_help.html.
[87] Z. Filipi et al., « Combined optimisation of design and power management of the
hydraulic hybrid propulsion system for the 6 x 6 medium truck », International
Journal of Heavy Vehicle Systems, tome 11, numéro 3/4, pages 372-402, 2004.
doi : 10.1504/IJHVS.2004.005458. adresse : http://www.inderscience.com/
link.php?id=5458.
[88] D. N. Assanis et al., « Validation and use of Simulink integrated, high fidelity,
Engine-in-Vehicle simulation of the international class VI truck », SAE Technical
Papers, tome 01, numéro 0288, mars 2000. doi : 10 . 4271 / 2000 - 01 - 0288.
adresse : http://papers.sae.org/2000-01-0288/.
[89] C.-C. Lin, Z. Filipi, L. Louca, H. Peng, D. Assanis et J. Stein, « Model-
ling and control of a medium-duty hybrid electric truck », International Journal
of Heavy Vehicle Systems, tome 11, numéro 3/4, pages 349-370, 2004, issn :
1744-232X. doi : 10 . 1504 / IJHVS . 2004 . 005455. adresse : http : / / www .
inderscience.com/link.php?id=5455.
[90] P. Symonds, R. Sharp et D. Casanova, « A mathematical model for driver
steering control, with design, tuning and performance results », Vehicle System
Dynamics, tome 33, numéro 5, pages 289-326, mai 2000, issn : 0042-3114. doi :
10 . 1076 / 0042 - 3114(200005 ) 33 : 5 ; 1 - Q ; FT289. adresse : http : / / www .
tandfonline.com/doi/abs/10.1076/0042-3114(200005)33:5;1-Q;FT289.

275
RÉFÉRENCES

[91] T. A. Wenzel, K. J. Burnham, R. A. Williams, M. V. Blundell et L.

Rover, « Closed-loop driver/vehicle model for automotive control », in Procee-
dings of the 18th International Conference on Systems Engineering, 2005, pages 1-
6.
[92] A. Y. Ungoren et H. Peng, « An adaptive lateral preview driver model », Ve-
hicle System Dynamics, tome 43, numéro 4, pages 245-259, 2005, issn : 00423114.
doi : 10.1080/00423110412331290419.
[93] A. Kesting, M. Treiber et D. Helbing, « Enhanced intelligent driver model to
access the impact of driving strategies on traffic capacity », Philosophical Transac-
tions of the Royal Society A : Mathematical, Physical and Engineering Sciences,
tome 368, numéro 1928, pages 4585-4605, octobre 2010, issn : 1364-503X. doi :
10.1098/rsta.2010.0084. adresse : http://www.royalsocietypublishing.
org/doi/10.1098/rsta.2010.0084.
[94] J. Liu, « Modeling, configuration and control optimization of power-split hybrid
vehicles », thèse de doctorat, University of Michigan, 2007. adresse : https://
deepblue.lib.umich.edu/bitstream/handle/2027.42/57675/jinmingl_1.
pdf?sequence=2&isAllowed=y.
[95] X.-l. Li, J.-g. Park et H.-b. Shin, « Comparison and evaluation of anti-windup
PI controllers », Journal of Power Electronics, tome 11, numéro 1, pages 45-50,
2011.
[96] K. J. Åström et R. Murray, Feedback systems - An introduction for scientists
and engineers. Princeton University Press, 2010, isbn : 9780691135762. adresse :
http://press.princeton.edu/titles/8701.html..
[97] F. Badin et al., « Evaluation of EVs energy consumption influencing factors,
driving conditions, auxiliaries use, driver’s aggressiveness », World Electric Vehicle
Journal, tome 6, numéro 1, pages 112-123, mars 2013, issn : 2032-6653. doi :
10.3390/wevj6010112. adresse : http://www.mdpi.com/2032-6653/6/1/112.
[98] Z. Liu, A. Ivanco et Z. S. Filipi, « Impacts of real-world driving and driver ag-
gressiveness on fuel consumption of 48V mild hybrid vehicle », SAE International
Journal of Alternative Powertrains, tome 5, numéro 2, pages 249-258, 2016. doi :
10.2307/26169129. adresse : https://www.jstor.org/stable/26169129.
[99] National Renewable Energy Laboratory, Transportation secure data
center, 2021. adresse : https : / / www . nrel . gov / transportation / secure -
transportation-data/.
[100] S.-Y. Lee et al., « Hardware-in-the-Loop based virtual calibration approach to
meet real driving emissions requirements », SAE Technical Paper Series, numé-
ro 2018-01-0869, 2018, issn : 0148-7191. doi : 10.4271/2018-01-0869.
[101] StudentLesson, Difference between drive belt and timing belt, 2020. adresse :
https : / / studentlesson . com / difference - between - drive - belt - and -
timing-belt/.
[102] International Council on Clean Transportation, « Real-driving emis-
sions test procedure for exhaust gas pollutant emissions of cars and light com-
mercial vehicles in Europe », Rapport technique, 2017. adresse : https://www.
theicct.org/sites/default/files/publications/EU-RDE_policy-update_
18012017_vF.pdf.

276
 RÉFÉRENCES

[103] L Rymaniak, M Siedlecki, B Sokolnicka, N Szymlet et D Gallas, « Com-

parative test of an internal combustion engine ecological indicators in real opera-
ting conditions and on a dynamic engine dynamometer », in International Auto-
motive Conference, IOP, 2018, pages 1-10. adresse : https://iopscience.iop.
org/article/10.1088/1757-899X/421/4/042069/pdf.
[104] G. Fontaras, N.-G. Zacharof et B. Ciuffo, « Fuel consumption and CO2
emissions from passenger cars in Europe – Laboratory versus real-world emis-
sions », Progress in Energy and Combustion Science, tome 60, pages 97-131, mai
2017, issn : 0360-1285. doi : 10.1016/J.PECS.2016.12.004. adresse : https:
//www.sciencedirect.com/science/article/pii/S0360128516300442.
[105] J. Lee, J. Kim, J. Park et C. Bae, « Effect of the air-conditioning system on the
fuel economy in a gasoline engine vehicle », in Proceedings of the Institution of Me-
chanical Engineers, Part D : Journal of Automobile Engineering, tome 227, SAGE
Publications Ltd, janvier 2013, pages 66-77. doi : 10.1177/0954407012455973.
adresse : http://journals.sagepub.com/doi/10.1177/0954407012455973.
[106] K. Shete, « Influence of automotive air conditioning load on fuel economy of
IC engine vehicles », International Journal of Scientific & Engineering Research,
tome 6, numéro 8, pages 1367-1372, 2015.
[107] C. Andersson, « On auxiliary systems in commercial vehicles », thèse de docto-
rat, Lund University, 2004, isbn : 9188934314. adresse : http://www.iea.lth.
se/publications/theses/lth-iea-1039.pdf.
[108] W. Xiong, Y. Zhang et C. Yin, « Optimal energy management for a series
– parallel hybrid electric bus », Energy Conversion and Management, tome 50,
numéro 7, pages 1730-1738, 2009, issn : 0196-8904. doi : 10.1016/j.enconman.
2009.03.015. adresse : http://dx.doi.org/10.1016/j.enconman.2009.03.
015.
[109] N Verdonck, A Chasse, P Pognant-Gros et A Sciarretta, « Automa-
ted model generation for hybrid vehicles optimization and control », Oil & Gas
Science and Technology-Rev. IFP, tome 65, numéro 1, pages 115-132, 2010. doi :
10.2516/ogst/2009064. adresse : http://citeseerx.ist.psu.edu/viewdoc/
download?doi=10.1.1.657.5116&rep=rep1&type=pdf.
[110] J. Liu, H. Peng et Z. Filipi, « Modeling and analysis of the Toyota hybrid sys-
tem », in Proceedings of the 2005 IEEE/ASME International Conference on Ad-
vanced Intelligent Mechatronics, Monterey, 2005, pages 134-139. adresse : https:
//www.engr.uvic.ca/~mech459/Pub_References/01500979.pdf.
[111] L. Guzzella et A. Sciarretta, Vehicle propulsion systems - Introduction to
modeling and pptimization, 3rd Editio. Springer, 2005, isbn : 9783642359125.
[112] S. Klein et al., « Electric-Motor-in-the-Loop : Efficient Testing and Calibra-
tion of Hybrid Power Trains », IFAC Proceedings Volumes (IFAC-PapersOnline),
tome 51, numéro 31, pages 240-245, 2018, issn : 2405-8963. doi : 10.1016/j.
ifacol.2018.10.043. adresse : https://doi.org/10.1016/j.ifacol.2018.
10.043.

277
RÉFÉRENCES

[113] P. Fajri, N. Lotfi et M. Ferdowsi, « Development of a series hybrid electric

vehicle laboratory test bench with Hardware-in-the-Loop capabilities », in 2018
International Power Electronics Conference, IEEJ Industry Application Society,
2018, pages 3223-3228. doi : 10.23919/IPEC.2018.8507697.
[114] S. Oh, « Evaluation of motor characteristics for hybrid electric vehicles using
the Hardware-in-the-Loop concept », IEEE Transactions on Vehicular Techno-
logy, tome 54, numéro 3, pages 817-824, mai 2005, issn : 0018-9545. doi : 10.
1109/TVT.2005.847228. adresse : http://ieeexplore.ieee.org/document/
1433227/.
[115] G. Babbitt et J. Moskwa, « Implementation details and test results for a tran-
sient engine dynamometer and hardware in the loop vehicle model », in Procee-
dings of the 1999 IEEE International Symposium on Computer Aided Control
System Design, IEEE, 1999, pages 569-574, isbn : 0-7803-5500-8. doi : 10.1109/
CACSD . 1999 . 808710. adresse : http : / / ieeexplore . ieee . org / document /
808710/.
[116] J. Verner et M. Sejkorova, « Comparison of CVS and PEMS measuring
devices used for stating CO2 exhaust emissions of light-duty vehicles during
WLTP testing procedure », in Engineering for Rural Development, Jelgava, 2018,
pages 2054-2059. doi : 10.22616/ERDev2018.17.N284.
[117] J. G. Hawley, C. D. Bannister, C. J. Brace, A Cox, D Ketcher et R
Stark, « Vehicle modal emissions measurement — techniques and issues », Pro-
ceedings of the Institution of Mechanical Engineers, Part D : Journal of Auto-
mobile Engineering, tome 218, pages 859-873, 2004.
[118] R. Varella, B. Giechaskiel, L. Sousa et G. Duarte, « Comparison of por-
table emissions measurement systems (PEMS) with laboratory grade equipment »,
Applied sciences, tome 8, numéro 1633, 2018. doi : 10.3390/app8091633.
[119] G. Hochmann, A. Berger et H. Mayrhofer, « Achieving compliance to RDE
- How does this development target impact the development process, testing
methodologies and tools », SAE International, numéro 2019-26-0358, 2019. doi :
10.4271/2019-26-0358.Abstract.
[120] AVL, Development, testing & simulation of powertrain systems. adresse : https:
//www.avl.com/?avlregion=GLOBAL&groupId=10138&lang=en_US.
[121] Planète Renault, Le système hybride E-Tech de Renault : tout ce que vous
devez savoir. 2019. adresse : https://www.planeterenault.com/1-gamme/40-
technologie / 10228 -- systeme - hybride - e - tech - renault - ce - que - vous -
devez-savoir/.
[122] HORIBA Automotive, VULCAN Chassis dynamometer. adresse : https :
//www.horiba.com/fra/products/detail/action/show/Product/vulcan-
122/.
[123] HBM, Présentation des capteurs. adresse : https://www.hbm.com/fr/.
[124] AVL product description, AVL KMA Mobile : Fuel Consumption Measure-
ment, 2009. adresse : https://www.avl.com/documents/10138/885965/AVL_
product_description_KMA+Mobile_+EN.pdf.

278
 RÉFÉRENCES

[125] HORIBA, Automotive emission analyzer : MEXA-ONE, 2012. adresse : https:

//static.horiba.com/fileadmin/Horiba/Products/Automotive/Emission_
Measurement _ Systems / MEXA - ONE / AUTOMOTIVE _ EMISSION _ ANALYZER _ MEXA -
ONE_EMISSION_MEASUREMENT_SYSTEMS_BROCHURE_EN.pdf.
[126] MathWorks, Simulink documentation. adresse : https://fr.mathworks.com/
help/simulink/.
[127] B. Borsotto, « Modélisation, identification et commande d’un organe de fric-
tion - Application au contrôle d’un système d’embrayage et au filtrage d’acy-
clismes par glissement piloté », thèse de doctorat, Faculté des sciences d’Orsay,
2008.
[128] M. Băţăuş, M. Oprean, N. Vasiliu et A. Maciac, « Automotive clutch models
for real time simulation », Rapport technique, 2011. adresse : https : / / www .
researchgate.net/publication/266044266.
[129] M. Bataus et N. Vasiliu, « Modeling of a dual clutch transmission for real-time
simulation », UPD Scientific Bulletin : Series D, tome 74, numéro 2, 2012.
[130] D. Haessig et B. Friedland, « On the modeling and simulation of friction »,
in Proceedings of SPIE - The International Society for Optical Engineering,
tome 1482, San Diego, 1990, pages 1256 -1261. doi : 10.1115/1.2896418.
[131] G Burette, F Perez et K Bansal, « Vehicle calibration optimization using a
dynamic test bed with real time vehicle simulation », in SIA International Confe-
rence, 2010, pages 1-8.
[132] T. Gilormini, P. Chesse, X. Tauzia et H. Colin, « Design and off-line tuning
of a longitudinal driver model for EiL applications », Proceedings of the Institution
of Mechanical Engineers, Part D : Journal of Automobile Engineering, 2021, issn :
09544070. doi : 10.1177/09544070211041335.
[133] J. E. A. Dias, G. A. S. Pereira et R. M. Palhares, « Longitudinal model
identification and velocity control of an autonomous car », IEEE Transactions
on Intelligent Transportation Systems, tome 16, numéro 2, pages 776-786, 2015,
issn : 15249050. doi : 10.1109/TITS.2014.2341491.
[134] K. Osman, M. F. Rahmat et M. A. Ahmad, « Modelling and controller design
for a cruise control system », in Proceedings of 2009 5th International Collo-
quium on Signal Processing and Its Applications, 2009, pages 254-258, isbn :
9781424441501. doi : 10.1109/CSPA.2009.5069228.
[135] K. S. Jena et A. V. Joseph, « Dynamic modelling and control design for a vehicle
in its longitudinal motion », Indian Journal of Science and Technology, tome 9,
numéro 30, 2016, issn : 09745645. doi : 10.17485/ijst/2016/v9i30/99019.
[136] K. Sailan et K. Kuhnert, « Modeling and design of cruise control system with
feedforward for all terrian vehicles », in Second International Conference on Ad-
vanced Information Technologies and Applications, 2013, pages 339-349. doi :
10.5121/csit.2013.3828.
[137] V. D. Ngo, « Gear shift strategies for automotive transmissions », thèse de doc-
torat, Technische Universiteit Eindhoven, 2012, isbn : 9789038632223. doi : 10.
6100/IR735458.

279
RÉFÉRENCES

[138] P Hashchuk et R Pelo, « Optimal laws of gear shift in automotive transmis-

sions », ECONTECHMOD : an International Quarterly Journal on Economics of
Technology and Modelling Processes, tome 07, numéro 2, pages 59-69, 2018.
[139] A. Haj-Fraj et F. Pfeiffer, « A model based approach for the optimization of
gearshifting in automatic transmissions », International Journal of Vehicle Desi-
gn, tome 28, numéro 1-3, pages 171-188, 2002, issn : 01433369. doi : 10.1504/
ijvd.2002.001985.
[140] S Cecchel et al., « Impact of reduced mass of light commercial vehicles on fuel
consumption , CO2 emissions , air quality , and socio-economic costs », Science
of the Total Environment, tome 613-614, numéro 443, pages 409-417, 2018, issn :
0048-9697. doi : 10.1016/j.scitotenv.2017.09.081. adresse : https://doi.
org/10.1016/j.scitotenv.2017.09.081.
[141] N. Lutsey, « Review of technical literature and trends related to automobile
mass-reduction technology », Institute of transportation studies, rapport tech-
nique, 2010.
[142] L. W. Cheah, « Cars on a diet : the material and energy impacts of passenger
vehicle weight reduction in the U.S. », thèse de doctorat, Massachusetts Institute
of Technology, 2010.
[143] Z. Sabeh, « Diagnostic à base de modèle : application à un moteur diesel surali-
menté à injection directe », thèse de doctorat, Instritut National Polytechnique
de Lorraine, 2018, pages 42-99.
[144] A. Holmgren, « Mean value modelling of the intake manifold temperature »,
thèse de doctorat, Linköpings Universitet, 2005, pages 5-16. adresse : http://
www.fs.isy.liu.se/en/Publications/MSc/05_EX_3648_OF_AH.pdf.
[145] P. Moraal et I. Kolmanovsky, « Turbocharger modeling for automotive control
applications », SAE Technical Papers, numéro 1999-01-0908, 1999, issn : 26883627.
doi : 10.4271/1999-01-0908.
[146] E. Bendell, « Investigation of a coupled CFD and thermal modelling methodo-
logy for prediction of vehicle underbody temperatures », SAE Technical Papers,
numéro 2005-01-2044, mai 2005, issn : 0148-7191. doi : 10.4271/2005-01-2044.
adresse : http://papers.sae.org/2005-01-2044/.
[147] A. El-Sharkawy, D. Arora, A. E. R. Hekal, A. Sami et M. Hendy, « Tran-
sient modeling of vehicle under-hood and underbody component temperatures »,
SAE International Journal of Materials and Manufacturing, tome 9, numéro 2,
2016, issn : 19463987. doi : 10.4271/2016-01-0281.
[148] D. Suzzi, B. Lechner, C. Rauch, S. Jagsch et R. Almbauer, « Experimental
validation of passenger car underhood simulation in the presence of convective
and raidative heat flux », Proceedings of 2008 ASME Summer Heat Transfer
Conference, pages 1-6, 2008.
[149] W. Jansen, « Engine air intake thermal modelling in full vehicle underhood
environment », SAE International, numéro 2013-01-08, 2013. doi : 10 . 4271 /
2013-01-0861.

280
 RÉFÉRENCES

[150] V. Kumar, S. A. Shendge et S. Baskar, « Underhood thermal simulation of a

small passenger vehicle with rear engine compartment to evaluate and enhance ra-
diator performance », SAE International, numéro 2010-01-0801, avril 2010, issn :
0148-7191. doi : 10.4271/2010-01-0801. adresse : http://papers.sae.org/
2010-01-0801/.
[151] E. A. Costa, « CFD approach on underhood thermal management of passenger
cars and trucks », SAE Technical Papers, numéro 2003-01-3577, novembre 2003.
doi : 10.4271/2003-01-3577. adresse : http://papers.sae.org/2003-01-
3577/.
[152] R. Dubouil, « Etude par simulation des transferts thermiques dans un groupe
motopropulseur hybride électrique automobile », thèse de doctorat, Ecole Cen-
trale de Nantes (ECN), 2012.
[153] Matlab Simulink, Model parameter estimation. 2021. adresse : https://fr.
mathworks.com/help/sldo/ug/estimate- model- parameter- values- code.
html.
[154] J Galindo, J. Lujan, J. Serrano, V Dolz et S. Guilain, « Description of a
heat transfer model suitable to calculate transient processes of turbocharged diesel
engines with one-dimensional gas-dynamic codes », Applied Thermal Engineering,
numéro 26, pages 66-76, 2006. doi : 10.1016/j.applthermaleng.2005.04.010.
[155] P. F. Katranitsas, A. W. Ordys, P. M. Darnell et J. Jimmy, « Road gra-
dient detection using Kalman filter », in IEEE EUROCON 2013, Zagreb, 2013,
pages 1492-1497, isbn : 9781467322324.
[156] M. Cheng, Z. Wang et G. Tao, « Vehicle parameter and road grade estimation
based on Kalman filter : theory and experiments », Applied Mechanics and Ma-
terials, tome 158, pages 1376-1379, 2012. doi : 10.4028/www.scientific.net/
AMM.157-158.1376.
[157] VisuGPX, Création de trace GPS. adresse : https : / / www . visugpx . com /
editgpx/.

281
 Titre : Développement d’une méthodologie de tests de véhicules automobiles combinant modèles
numériques et banc d’essais moteur (approche HIL)
Mot clés : Engine-in-the-Loop, essais automobiles, représentativité, modélisation temps réel, mo-
teur thermique, transfert thermique
Résumé : La réduction des seuils autorisés ment de simulation adapté à l’approche EiL est
d’émissions polluantes contraint les motoristes à développé, incluant notamment un modèle d’em-
complexifier les architectures des groupes moto- brayage basé sur l’approche “reset integrator” et
propulseurs, rallongeant ainsi la phase de calibra- associé à la mesure du couple appliqué par la ma-
tion associée. Cette tendance couplée au durcis- chine de charge. On propose de plus un modèle de
sement des procédures d’homologation des vé- conducteur anticipatif basé sur une régulation PI
hicules étendant considérablement les conditions et dont les paramètres sont réglés avant la mise
de test, les moyens d’essais sont voués à se vir- au banc. Outre l’analyse de la représentativité du
tualiser. En particulier, cette thèse porte sur l’ap- banc EiL, l’environnement de simulation permet
proche Engine-in-the-Loop (EiL), qui s’appuie sur l’analyse de la sensibilité de plusieurs grandeurs
un banc semi-virtuel composé d’un moteur ther- d’intérêt. Le modèle de conducteur est par ailleurs
mique couplé à un banc haute dynamique, lui- testé dans le contexte d’une architecture hybride.
même contrôlé par un simulateur temps réel mo- Pour finir, la représentativité thermique du banc
délisant la transmission, le véhicule, le conduc- EiL est étudiée. En particulier, plusieurs modifi-
teur et la route. Afin d’analyser la représentati- cations du banc sont réalisées notamment via la
vité de cette méthode du point de vue du bilan pose d’un capot sur le moteur. Enfin, un modèle
énergétique et des émissions polluantes, on repro- thermique de la ligne d’air représentant l’impact
duit au banc EiL des essais de référence réalisés de la température sous-capot est proposé.
avec un véhicule réel. Dans ce but, un environne-

Title: Development of a automotive testing methodology combining real-time models and engine
testbench (HIL approach).
Keywords: Engine-in-the-Loop, automotive testing, representativity, real-time modeling
Abstract: The reduction of authorized pol- the fidelity of this testing method, with focus on
lutant emission thresholds compel automotive the energy balance and pollutant emissions. For
manufacturers to develop complex powertrains, this purpose, the EiL simulation environment is
thus lengthening their tuning process. This trend developed, including a clutch model based on the
coupled with the tightening of homologation “reset integrator” approach. A driver model with
procedures considerably extending the boundary preview and anti-windup is also proposed and
conditions, testing methods are bound to become tuned before bench testing. In addition to the
increasingly virtualized. This thesis focuses on comparison of EiL tests to the reference, a sensi-
the Engine-in-the-Loop approach, which relies on tity analysis is conducted for certain parameters.
a semi-virtual test bench composed of an inter- Finally, the thermal fidelity of the EiL bench is
nal combustion engine coupled to a high dynamic also assessed, with focus on the charge air tem-
test bench controlled by a real-time simulator perature. Several modifications of the bench are
modeling the vehicle, driver and road. In this carried out using a cover on the engine. A simple
thesis, reference tests performed on a vehicle are thermal model of the air line including underhood
reproduced on the EiL bench in order to assess temperature is also proposed.