Modélisation du système Remodelage Architecture des véhicules électriques de prochaine génération

Aujourd'hui, les véhicules électriques ne sont pas seulement des voitures traditionnelles avec batteries; ils sont des systèmes électromécaniques profondément intégrés où les logiciels, l'électronique de puissance et la dynamique thermique interagissent de manière qui exige une analyse rigoureuse et à l'avance. Parmi les outils les plus transformateurs de ce nouveau paradigme d'ingénierie, on peut citer la modélisation des systèmes. En créant des jumelles numériques détaillées et des environnements de simulation, la modélisation des systèmes permet aux ingénieurs d'évaluer les comportements complexes des véhicules, de la dégradation des batteries sous des températures extrêmes à la commande motrice sous freinage régénératif, bien avant qu'un seul prototype physique ne soit assemblé.

Ce passage de la construction-essai au modèle-vérification modifie fondamentalement la façon dont les véhicules sont conçus, développés et mis sur le marché. Les sections suivantes décomposent les méthodologies de base, les domaines d'application et les implications stratégiques de la modélisation des systèmes pour les véhicules électriques de nouvelle génération, offrant une vue détaillée de la façon dont la conception virtuelle conduit les gains de performance réels.

Les principes fondamentaux de la modélisation du système en ingénierie des véhicules électriques

Contrairement aux simulations au niveau des composants qui se concentrent sur une seule partie en isolement, la modélisation du système capture les couplages entre les sous-systèmes, par exemple, comment une demande soudaine de couple du moteur affecte la tension de la batterie, qui impacte le changement d'onduleur et, en fin de compte, la gamme des véhicules. Cette vision holistique est essentielle pour optimiser les performances globales du système plutôt que pour sous-optimiser les composants individuels.

Qu'est-ce qui constitue un modèle de système?

Un modèle de système EV complet intègre généralement plusieurs domaines. Des éléments mécaniques tels que la dynamique du châssis, la cinématique de suspension et l'inertie du groupe motopropulseur sont combinés avec des modèles électriques du pack batterie, de l'électronique de puissance et de la machine électrique. Les modèles thermiques recouvrent les chemins de production et de dissipation de chaleur, tandis que les modèles logiciels de contrôle définissent la logique du vecteur de couple, de la récupération d'énergie de freinage et de l'estimation de l'état de charge de la batterie.

Des modèles basés sur la physique aux modèles fondés sur les données

Les ingénieurs utilisent aujourd'hui un éventail d'approches de modélisation.Les modèles basés sur la physique s'appuient sur les premiers principes – équations électromagnétiques, équilibres thermodynamiques et lois de dynamique du véhicule – pour prédire le comportement avec une grande fidélité.Ces modèles sont robustes pour l'extrapolation mais intensifs sur le plan informatique. D'autre part, les modèles fondés sur les données formées sur des données de banc d'essai ou de terrain permettent une estimation rapide des paramètres et peuvent saisir des comportements non linéaires complexes qui sont difficiles à modéliser analytiquement.

Domaines d'application de base dans la conception d'EV

L'influence de la modélisation des systèmes s'étend à presque tous les sous-systèmes d'un véhicule électrique. Toutefois, trois domaines se distinguent par leur impact critique sur la performance, la sécurité et le coût du véhicule.

Systèmes de batteries et stockage d'énergie

La batterie est la composante la plus chère et la plus critique en matière de sécurité dans un EV. La modélisation du système joue un rôle central dans la prédiction de son comportement dans diverses conditions de fonctionnement. Les modèles couplés électrochimiques et thermiques simulent la façon dont le tirage du courant, la température ambiante et l'efficacité du système de refroidissement influencent la hausse de la température des cellules et les taux de dégradation.

En simulant les réponses de tension, de courant et de température sur un cycle d'entraînement représentatif, les ingénieurs peuvent régler les estimateurs de l'état de charge, les stratégies d'équilibrage cellulaire et les seuils de détection des défauts sans avoir besoin d'un pack de batterie physique. Cette validation virtuelle réduit considérablement le temps de développement et permet une optimisation plus agressive de la capacité énergétique utilisable.

Groupe motopropulseur électrique et commande de moteur

La modélisation du système permet d'optimiser le moteur électrique, l'onduleur et la boîte de vitesses. Les ingénieurs modélisent le comportement électromagnétique des moteurs synchrones à aimant permanent (PMSM) ou des machines à induction pour optimiser les géométries du rotor et du stator pour la densité et l'efficacité du couple. Ces modèles électromagnétiques sont couplés à des modèles thermiques pour assurer que le couple maximal peut être maintenu sans dépasser les limites de température d'isolation du remontage.

Au niveau de la commande, la modélisation du système soutient le développement d'algorithmes avancés de commande moteur tels que la commande orientée champ (FOC) et la commande directe du couple (DTC). En simulant les boucles de rétroaction des capteurs, les harmoniques de commutation PWM et la dynamique de régulation actuelle, les ingénieurs peuvent régler les gains proportionnels-intégraux (PI) et les trajectoires d'affaiblissement du flux pour un fonctionnement fluide et efficace sur l'ensemble de l'enveloppe du moteur de vitesse.

Optimisation de l'onduleur et de l'électronique de puissance

Les systèmes de carbure de silicium (SiC) et de nitrure de galle (GaN) remplacent de plus en plus les IGBT traditionnels dans les onduleurs de traction en raison de leurs fréquences de commutation plus élevées et de leurs pertes plus faibles. Les modèles de système qui comprennent les inductances parasitaires, les caractéristiques de l'entraînement à la porte et l'impédance thermique permettent aux ingénieurs d'évaluer les transitoires de commutation, les interférences électromagnétiques (IMI) et les exigences de refroidissement avant de s'engager dans une mise en page.

Systèmes de gestion thermique

La gestion thermique des véhicules électriques est particulièrement difficile car plusieurs sous-systèmes fonctionnent à différentes températures optimales : la batterie se situant généralement entre 15°C et 35°C, le moteur et l'onduleur souvent plus haut, et la cabine nécessitant son propre conditionnement.

La simulation permet aux architectes de comparer les configurations de refroidissement en série et en parallèle, d'optimiser la programmation des vannes pour différents scénarios de conduite, par exemple, en privilégiant le refroidissement par batterie pendant la charge rapide en courant continu tout en maintenant la température du moteur pour une disponibilité immédiate du couple, et de valider les stratégies de sécurité en cas de panne lors de la conduite par temps chaud la plus défavorable.

Ingénierie des systèmes fondée sur les modèles en pratique

L'ingénierie des systèmes basée sur les modèles (MBSE) officialise l'utilisation des modèles de systèmes comme artefact principal pour la capture, la traçabilité de conception, la vérification et la validation des exigences tout au long du cycle de développement du véhicule. Contrairement aux approches centrées sur les documents où les exigences et les décisions de conception sont saisies dans le texte statique et les diagrammes, MBSE maintient une source unique de vérité dans les modèles exécutables qui peuvent être analysés, simulés et testés en permanence.

Le modèle V et son utilité pour le développement d'EV

Le développement automobile suit traditionnellement un modèle en V, où les exigences se décomposent en descendant le côté gauche, et l'intégration et les essais se contractent vers le haut. La modélisation du système renforce ce cadre à tous les niveaux. Au sommet, les modèles de système au niveau du véhicule captent la portée, l'accélération et les objectifs de sécurité. Au niveau du sous-système, les modèles plus détaillés représentent la batterie, la motorisation et le châssis.

Les principaux fabricants, dont Tesla, Ford et BMW, ont adopté des approches MBSE pour leurs programmes d'EV, signalant des réductions importantes des changements de conception en fin de phase et améliorant la communication entre les équipes.Une étude réalisée en 2023 par le Conseil international sur l'ingénierie des systèmes (INCOSE) a souligné que les organisations appliquant MBSE au développement d'EV ont connu jusqu'à 30 % de problèmes d'intégration moins importants lors des essais de prototypes que les processus traditionnels fondés sur des documents.

Conception et prototypage virtuels à commande de simulation

La modélisation du système permet de tester des centaines de variantes de conception en une fraction du temps et du coût requis pour le prototypage physique, ce qui est particulièrement utile sur le marché des véhicules électriques concurrentiels, où l'avantage premier-mover et le temps-à-commercialisation sont essentiels.

  • Coûts de développement réduits :[ En identifiant les erreurs d'interface, les points chauds thermiques et les erreurs logiques de contrôle dans la simulation, on évite les retravailleurs coûteux du matériel.
  • Faire le tour de la machine : La simulation permet de concevoir et de valider en parallèle. Une équipe perfectionne la géométrie du pack de batterie, une autre peut utiliser un modèle de système mis à jour pour valider le calibrage du système de refroidissement.
  • Sécurité améliorée du véhicule:[Les modèles de système permettent de réaliser des essais de matériel dans la boucle (HIL), où des unités de commande électroniques réelles (ECU) sont reliées à une simulation en temps réel du véhicule, ce qui permet d'effectuer des essais complets d'injection de défaillance et de cas de bord – par exemple, de simuler une défaillance du capteur lors d'un freinage régénératif agressif à faible état de charge – avant que le système ne tourne jamais dans un véhicule.
  • Amélioration de l'efficacité énergétique: Les algorithmes d'optimisation peuvent être couplés à des modèles de système pour rechercher automatiquement des paramètres de conception qui maximisent l'efficacité énergétique ou minimisent le poids tout en répondant aux contraintes de performance.

Les plateformes de simulation de pointe telles que AnsYS Twin Builder, Siemens Simcenter et MathWorks Simulink sont désormais profondément intégrées aux outils de gestion de modèles et d'analyse de données. Les ingénieurs peuvent mettre en place des balayages paramétriques à grande échelle à travers les grappes de calcul en nuage, explorant des millions de points de conception pour trouver l'optimum robuste pour un cycle de conduite ou une exigence du marché donné.

Impact sur l'autonomie et la connectivité des véhicules

La modélisation des systèmes est également essentielle pour les fonctions de niveau supérieur qui définissent les VE de nouvelle génération : systèmes avancés d'assistance au conducteur (ADAS), capacités de conduite autonomes et services de véhicules connectés. Bien que ces systèmes soient souvent développés séparément, leur intégration avec le véhicule et la plate-forme électromécanique est essentielle pour un comportement sûr.

Par exemple, un contrôleur de conduite autonome qui demande une décélération dure doit tenir compte des limitations du système de freinage régénératif, de l'état de charge de la batterie actuelle et du couple de freinage à friction disponible. Un modèle de système qui unifie le contrôleur de châssis, le contrôleur de groupe motopropulseur et le système de gestion de la batterie permet aux développeurs d'autonomie de valider leurs algorithmes dans des limites réalistes de vérin.

Les services connectés, comme les mises à jour en direct et l'entretien prédictif, bénéficient également de la modélisation du système. Un modèle de véhicule qui capture l'usure des composants et les modèles de vieillissement peut être exécuté sur le nuage à l'aide de données télémétriques en temps réel du parc. Cela permet des alertes de maintenance prédictive – par exemple, identifier une pile à piles qui commence à montrer une résistance interne anormale – avant qu'une défaillance ne se produise sur la route.

Améliorer la sécurité et la fiabilité grâce à une analyse fondée sur le modèle

La sécurité demeure la priorité absolue de l'ingénierie automobile et la modélisation du système fournit des méthodes puissantes pour analyser les risques potentiels. L'analyse du mode de défaillance et des effets (FMEA) peut être augmentée en injectant des défauts dans des modèles de simulation pour observer leurs effets en cascade. Par exemple, un modèle du système d'entraînement moteur peut simuler une défaillance du conducteur de porte qui provoque un court-circuit à demi-pont de l'onduleur, et le transitoire de surcourant qui en résulte peut être évalué en fonction des seuils de protection du fusible, du contacteur et de la batterie.

Les modèles de système permettent également d'effectuer une analyse fonctionnelle de la sécurité selon la norme ISO 26262. Les ingénieurs peuvent modéliser les mécanismes de détection et de réaction des défaillances, comme les fonctions de surveillance du couple qui arrêtent le moteur si une différence est détectée entre le couple demandé et le couple livré, afin de vérifier que la couverture des objectifs de sécurité est atteinte.

La cybersécurité est un autre domaine émergent où la modélisation des systèmes joue un rôle. En modélisant l'architecture du réseau de véhicules et les surfaces d'attaque des systèmes connectés, les ingénieurs peuvent simuler des scénarios de cyberattaque – comme un message CAN fauché qui déclenche une accélération involontaire – et vérifier que les mécanismes de détection et de réponse fonctionnent comme prévu dans le contexte du système électromécanique complet.

Orientations futures : Co-simulation, Twins numériques et modélisation assistée par l'IA

La puissance de calcul continue de croître et les données des capteurs deviennent plus abondantes, la modélisation du système pour les EV évolue dans plusieurs directions passionnantes.

La cosimulation entre les chaînes d'outils devient une pratique courante. Plutôt que de forcer tous les modèles de sous-systèmes à se transformer en un seul environnement de simulation, des outils spécialisés pour chaque domaine (p. ex. FEA électromagnétique pour moteurs, CFD pour thermique, logique de contrôle dans Simulink) peuvent être couplés par des interfaces de simulation fonctionnelles (FMI). Cela préserve la fidélité spécifique au domaine tout en permettant la cosimulation au niveau du système. La prochaine étape est la cosimulation en temps réel adaptée aux applications matérielles dans la boucle et au conducteur dans la boucle, où les testeurs humains interagissent avec des véhicules virtuels qui présentent un comportement réaliste.

Les jumelles numériques portent ce concept plus loin en reliant en permanence un véhicule physique à son modèle virtuel tout au long de la vie opérationnelle du véhicule. À l'aide des données de télémétrie du véhicule réel, le jumelle numérique est mis à jour pour refléter les modes d'utilisation réels, l'usure des composants et l'exposition environnementale. Les exploitants de parcs de véhicules peuvent utiliser des jumelles numériques pour prévoir la durée de vie utile restante des composants critiques, optimiser les intervalles de service et même ajuster les commandes du véhicule à distance pour atténuer les nouveaux problèmes.

La génération de modèles à l'aide d'AI commence à réduire l'effort manuel de création de modèles de systèmes à haute fidélité.Les techniques d'apprentissage automatique, en particulier les réseaux neuronaux à forte connaissance de la physique et l'identification éparse de la dynamique non linéaire, peuvent apprendre les modèles de systèmes directement à partir de données d'essai ou de données de simulation à haute fidélité.

Ressources externes pour la lecture suivante :

Conclusion : La modélisation du système comme impératif stratégique

L'influence de la modélisation des systèmes sur la conception des véhicules électriques de nouvelle génération va bien au-delà de la simple simulation. C'est une discipline d'ingénierie fondamentale qui permet la conception intégrée des batteries, des motorisations, des systèmes thermiques et des logiciels de contrôle, tous optimisés par rapport à des objectifs exigeants pour la portée, la sécurité, le coût et la fiabilité.

De la réduction des coûts de prototypage physique à la possibilité de jumelles numériques qui gèrent des parcs sur toute leur durée de vie, la modélisation du système n'est pas seulement un outil pour les ingénieurs; c'est une capacité stratégique qui accélère l'innovation, réduit les risques et, en fin de compte, offre de meilleurs véhicules aux consommateurs. Dans une industrie où le coût d'un changement de conception tardif peut atteindre des dizaines de millions de dollars, et où une seule défaillance logicielle peut déclencher un rappel touchant des centaines de milliers de véhicules, l'investissement dans la modélisation rigoureuse du système est l'une des décisions les plus rentables qu'un fabricant de VE puisse prendre.

Alors que la transition vers la mobilité électrique s'accélère, les organismes d'ingénierie qui intègrent la modélisation de système dans leur ADN seront les mieux placés pour fournir la prochaine génération de véhicules électriques sûrs, efficaces et performants. Les modèles que nous construisons aujourd'hui vont conduire les véhicules de demain.