Contribution à l'étude et méthodologie d'identification de l'interface pneu/sol à partir de données véhicule expérimentales

On study and identification methodology of tire/road interaction from instrumental vehicle tests

• Auteur / Autrice : Arnaud Montrouge
• Direction : Michel Basset, Abderazik Birouche
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 18/09/2019
• Etablissement(s) : Mulhouse
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique, Mathématiques, Automatique et Signal (Mulhouse)

Mots clés

Mots clés contrôlés

Thermodynamique

Calorimétrie

Mécanique du contact

Frottement

Pneus -- Essais

Automobiles

Mesure

Automobiles -- Maniabilité

Mots clés libres

Dynamique des véhicules

Pneu

Analyse de sensibilité

Identification

Thermodynamique

Tests instrumentés

Température

Théorie du contrôle

Vehicle dynamics

Tire

Sensitivity analysis

Identification

Thermodynamic

Instrumented tests

Temperature

Control theory

Résumé

Lors de l’étude de la manœuvrabilité d’un véhicule en virage, des différences conséquentes peuvent apparaitre lors de la comparaison entre mesures et simulation. Une origine de l’erreur apparaissant entre simulation et le réel est la non-considération de certaines conditions actuelles de test dans le modèle semi-empirique de pneu utilisé, telles que la température affectant l’interface pneu/sol. Ainsi, l’erreur est supposée être d’origine paramétrique et structurelle. Cette thèse a proposé de réduire ces différences par deux moyens. Le premier a été de proposer une nouvelle méthode d’identification basée sur l’analyse de sensibilité, pour identifier les paramètres du modèle pneu directement à partir des mesures véhicule sur piste (couramment ces paramètres sont identifiés sur banc d’essai sans véhicule). Le second a été de corréler les différences obtenues dans les valeurs de paramètres à des différences de conditions de test, spécialement de température, entre le banc d’essai et la piste. Cela a induit le développement d’un nouveau modèle thermodynamique de pneu, considérant les effets sur sa force latérale, des températures de surface de contact et de gomme d’étanchéité du pneu. Etant donné que des mesures directes de force latérale du pneu ne sont pas souhaitées du fait de leur complexité, l’identification des paramètres du modèle pneu a été faite à partir des mesures de critères objectifs du véhicule, tels que l’accélération latérale et la vitesse de lacet. Ainsi, la méthode d’identification doit permettre de distinguer la part d’influence sur les mesures provenant des différents paramètres : une analyse de sensibilité a permis de guider l’identification en utilisant des matrices de sensibilité pondérant les mesures véhicules, c’est à dire en utilisant seulement les données où l’identifiabillté des paramètres était la plus forte. Cette information de sensibilité a été intégrée dans l’identification en définissant une fonction coût où l’erreur sur la sortie était pondérée par des fonctions de sensibilité, minimisée par une méthode d’optimisation spécifiquement développée.Des résultats satisfaisants ont été obtenus. Tout d’abord, une cartographie d’identification des paramètres véhicule/pneu, résultat des différentes analyses de sensibilité, permettant d’évaluer l’identifiabilité des paramètres suivant les mesures véhicule obtenues à partir de la piste. Ensuite, la méthode d’identification proposée a permis d’identifier les paramètres pneu dans les conditions de piste, et d’obtenir un modèle thermodynamique de pneu, où les températures estimées sont fortement similaires à celles mesurées, et qui a fortement réduit les erreurs initiales de modélisation.

When studying vehicle handling, significant differences appear between measurements of vehicle performance and simulation results. A contributor to error between simulation and the real world is the non consideration of actual operating conditions such as tire/road temperatures when using empirical tire models. Therefore, the error of modeling is assumed to be parametrical and structural. This thesis proposed to reduce these differences by two means. The first one was to propose a new identification methodology based on parameter sensitivity analysis, to identify tire model parameters directly from vehicle track tests (currently tire parameters identified on indoor bench). The second one was to correlate the differences in identified tire parameters to the variations in tire operating condtions, especially temperature variation, between laboratory and road test conditions. It induced the development of a new tire thermodynamic model, considering effects on tire lateral force from the contact surface and inner liner tire temperatures. Since no direct measurement of tire lateral force is desired due to complexity, the tire model parameters are identified using only the observation of vehicle objective handling criteria such as its lateral acceleration and yaw rate. The identification method has to distinguish the influence on the vehicle measurements coming from the different tire parameters: a sensitivity analysis helps to guide the identification algorithm by using sensitivity matrix pondering the measured vehicle outputs, i.e analysing only the part of maneuver where the considered tire parameter is influent. This sensitivity information was integrated in the identification by defining an objective-function, where the error was weighted by sensitivity functions, and minimized using a dedicated optimization method.Satisfactory results were obtained. First, a cartography of vehicle/tire parameters for the identification, result of the different sensitivity analyses, allowing to evaluate the identifiability of the parameters following the vehicle measurements obtained from the track. Then, the proposed identification methodology allowed to identify the tire parameters from the track measurements, and to obtain a full tire thermal model, where the estimated temperatures highly correlated with measurements, and the errors of modeling were significatively reduced.