Contribution à l'analyse de sensibilité des systèmes complexes : application à la dynamique du véhicule

Contribution to sensitivity analysis of complex systems : application to vehicle dynamics

• Auteur / Autrice : Sabra Hamza
• Direction : Michel Basset
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 15/07/2015
• Etablissement(s) : Mulhouse
• Ecole(s) doctorale(s) : École doctorale pluridisciplinaire Jean-Henri Lambert, ED 494 (Mulhouse)
• Partenaire(s) de recherche : Laboratoire : Modélisation intelligence processus systèmes (Mulhouse) - Laboratoire Modélisation Intelligence Processus Systèmes

Mots clés

Mots clés contrôlés

Automobiles -- Équipement pneumatique

Automobiles -- Commande automatique

Automobiles -- Conception et construction

Mots clés libres

Analyse de sensibilité

Polynômes du chaos

Recalage de modèle

Grammiens

Modèle véhicule

Dynamique du véhicule

Modèle de pneumatique

Sensitivity analysis

Chaos polynomial

Model adjustement

Gramians

Vehicle model

Vehicle dynamic

Tyre model

Résumé

Le véhicule est un système dynamique complexe, composé de différents sous-systèmes de nature différente (moteur, système de freinage, suspension ...). Chaque sous-système est décrit par un modèle mathématique dépendant d’un nombre important de paramètres, très souvent incertains (méconnaissance, manque de mesures,…). L’incertitude sur les paramètres se propage à travers le modèle et se retrouve sur la sortie. Cette dernière représente les forces et moments mis en jeu dans le véhicule. L’incertitude sur la sortie n’est pas toujours tolérable pour des raisons de sécurité, précision,…Situé dans ce contexte, les travaux de la thèse consistent à proposer des méthodes d’analyse de sensibilité permettant de déterminer les paramètres dont les incertitudes ont un effet significatif sur le comportement d’un système donné, en particulier le véhicule. Dans une première partie, le cas des modèles à paramètres dépendants et suivant une distribution arbitraire est étudié. Une méthode, basée sur la décorrélation des paramètres par la décomposition de Cholesky, a été proposée. Pour résoudre le problème de la distribution arbitraire, l’approximation par polynôme du chaos arbitraire est adoptée, en construisant une base orthonormale en termes de moments statistiques non centrés des paramètres. Les indices de sensibilité, permettant de quantifier la contribution de chaque paramètre à la variance de la sortie, sont obtenus directement à partir des coefficients des polynômes du chaos ainsi obtenus. La méthode proposée est appliquée et validée sur un modèle de pneumatique. Dans la deuxième partie, le cas des modèles dynamiques est traité. Une méthode basée sur les dérivées partielles est explorée, puis une approche alternative est proposée. Elle utilise de façon originale des outils de l’Automatique, les grammiens d’atteignabilité et d’observabilité. L’influence des paramètres sur l’énergie consommée en entrée et restituée par le système en sortie est ainsi déterminée. L’avantage de cette technique est que les paramètres peuvent être classifiés selon leurs influences sur l’énergie consommée ou restituée, tout au long de la dynamique du système. D’autre part, l’étude de la sensibilité des paramètres sur les échanges de l’énergie, permet de déterminer un placement optimal des paramètres pour une optimisation de l’énergie consommée et restituée en sortie. Les deux méthodes proposées sont appliquées et validées sur un modèle bicyclette décrivant le comportement dynamique d’un véhicule. Dans la dernière partie, des tests sur véhicule d’essais ont été réalisés sur circuit. Les différentes approches d’analyse de sensibilité ont été appliquées sur les résultats d’essais, afin de recaler des modèles de pneumatique.

The vehicle is a complex dynamic system, composed of various subsystems of different kind (engine, braking system, suspension, etc.). Each subsystem is described by a mathematical model depending on a significant number of parameters, very often uncertain (unknown, lack of measures, etc.). The uncertainty on the parameters is propagated through the model and takes place on the model output. The model output represents the forces and moments involved in the vehicle. The uncertainty on the model output is not always tolerable for safety reasons, precision, etc. In this context, the aim of the thesis is to propose sensitivity analysis methods allowing to determine parameters whose uncertainties have a significant effect on the behavior of a given system. In the first part, the case of models with dependent parameters which follow an arbitrary distribution is studied. A method based on the decorrelation of the parameters using the decomposition of Cholesky, is proposed. To solve the problem of the arbitrary distribution, an approximation using arbitrary polynomial chaos is adopted and an orthonormal data basis is constructed in terms of non central statistical moments of parameters. Sensitivity indices, allowing to quantify the contribution of every parameter to the model output variance, is directly obtained from the polynomial chaos coefficients.The proposed method is applied and validated on a tyre model. In the second part, the case of the dynamic models is studied. A method based on partial derivative is explored. Then a new alternative approach is proposed. This method uses in an original way the control theory tools, the reachability and observability Gramians. The influence of the parameters is formulated in terms the energy consumed and restored by the system. The advantage of this technique is that the parameters can be classified according to their influences on the consumed or restored energy throughout the system dynamics. On the other hand, the study of the parameters sensitivity based on ratio energy exchanged, allows to determine an optimal placement of the parameters for an optimization of consumed and/or restored energy. Both proposed methods are applied and validated using bicycle model describing vehicle dynamic behavior. Finally, the various sensitivity approaches are applied to adjust tyre model parameters using vehicle measurements acquired during a steady-state maneuver.