Caractérisation, modélisation et identification de sources de champ magnétique dans un véhicule électrique

Characterization, Modeling and Identification of magnetic field sources inside an electric vehicle

• Auteur / Autrice : Olivier Pinaud
• Direction : Olivier Chadebec, Laure-Line Rouve, Andréa Vassilev
• Type : Thèse de doctorat
• Discipline(s) : Génie électrique
• Date : Soutenance le 13/11/2014
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie électrique (Grenoble)
• Jury : Président / Présidente : François Costa
• Jury : Examinateurs / Examinatrices : Olivier Chadebec, Laure-Line Rouve, Andréa Vassilev
• Jury : Rapporteurs / Rapporteuses : Stéphane Clenet, Noël Burais

Mots clés

Mots clés contrôlés

Harmoniques sphériques

Magnétostatique

Magnétométrie

Mots clés libres

Mesure de champ magnétique

Caractérisation des sources

Modélisation magnétostatique

Problème inverse

Développements en harmoniques sphériques

Approche Bayésienne

Magnetic field measurement

Sources characterization

Magnetostatic modeling

Inverse problem theory

Spherical harmonic decomposition

Bayes theorem

Résumé

Le véhicule électrique rassemble beaucoup d'équipements électrotechniques. Tous sont potentiellement source de champ magnétique dans l'habitacle : zone confinée où se trouvent les passagers. Il est illusoire de réaliser un modèle numérique complet tant le nombre de paramètres est important. Il est également impossible de placer des capteurs de champ partout à l'intérieur de l'habitacle. Après une étude approfondie des caractéristiques du champ magnétique mesuré dans l'habitacle, nous proposons d'allier modèle a priori et mesure de champ dans une approche Bayésienne du problème inverse. Basée sur le développement en harmonique sphérique du champ, l'apport d'information a priori oriente la solution et permet l'identification de nombreux paramètres avec très peu de mesure.

Electric vehicles have a lot of electrical devices onboard. All of them may generate electromagnetic field inside the car: a quite small space containing the passengers. A complete modeling of the vehicle can hardly be done because of the parameters number. The magnetic field measurement everywhere inside the car is also impossible. We first measure the magnetic field inside the car to study its characteristics. Then we propose to merge together a priori modeling with measurements into a Bayesian approach of the inverse problem. Based on spherical harmonic decomposition of the magnetic field, a priori information helps the resolution and gives the identified parameters with a very few measurements.