Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
Simulations de conduite automatisée avec un jumeau numérique 3D
Déterminer les performances réelles des véhicules hybrides dans une salle de classe
Près de 200 étudiants de deuxième année se sont réunis dans une salle de classe spacieuse de Waseda University. Les étudiants ont préparé leurs ordinateurs portables pour la série de cours avancés sur la « formation basée sur les projets », une classe obligatoire du département de génie mécanique qui enseigne des compétences spécialisées en résolution de problèmes par le biais de travaux sur des projets, dans le but d’améliorer les compétences.
La section environnement et mobilité du professeur Jin Kusaka a présenté un modèle de conducteur créé à l'aide de Simulink® et RoadRunner pour un véhicule électrique hybride série (SHEV), un véhicule électrique avec un moteur à combustion interne et un moteur électrique alimenté par batterie, effectuant une boucle à proximité de l'université. Les étudiants ont appris à utiliser le modèle intégré et à effectuer des simulations pour obtenir un taux d’économie de carburant. Ils ont ensuite discuté avec leurs camarades de classe de la manière dont l’efficacité énergétique peut être améliorée.
« La plupart des étudiants ne peuvent pas visualiser ce que c’est que de conduire une voiture lorsque les chiffres issus d’une simulation de véhicule sont simplement représentés sous forme de graphique », explique Kusaka. « Nous avons cherché à stimuler leur imagination. »
Kusaka, un professeur de génie mécanique bien connu qui dirige l’entité Research Organization for Next Generation Vehicles (Organisation de recherche pour les véhicules de nouvelle génération), à Waseda University, est influent dans l'industrie automobile japonaise. Ses rôles au sein de la Society of Automotive Engineers (Société des ingénieurs automobiles) du Japon incluent ceux de directeur de la technologie et de vice-président. Alors qu'il était étudiant en Master à Waseda, il a mené des recherches sur les moteurs au méthanol avec Koji Sato, le président de Toyota Motor Corporation.
Lors de ce cycle de cours, Kusaka a mis les étudiants au défi de réfléchir comme des ingénieurs automobiles, soucieux d’optimiser la consommation de carburant et les coûts d'électricité. L’objectif est de préparer les étudiants à des carrières dans l’industrie automobile, secteur avec lequel Waseda University entretient des liens étroits. Les sièges sociaux de plusieurs grands constructeurs automobiles japonais se trouvent à proximité, et parmi les anciens élèves figurent des cadres supérieurs de sociétés mondiales telles que Toyota, Nissan et Isuzu.
« Nous menons des projets de recherche avec des entreprises automobiles, des entreprises liées à l'automobile, des industries lourdes, des agences gouvernementales et l'Automotive Internal Combustion Engine Technology Research Association (AICE) », explique Kusaka. Son laboratoire mène un projet commun d'innovation écologique développant un catalyseur pour véhicules hybrides utilisant du e-carburant avec l'AICE. Cette organisation nationale encourage la collaboration entre le monde universitaire, le gouvernement et l’industrie. Il conseille également les comités gouvernementaux locaux et nationaux sur les émissions et l’économie de carburant.
« À l’échelle mondiale, les réglementations en matière d’émissions et d’économie de carburant deviennent de plus en plus strictes du point de vue de la protection de l’environnement », explique Kusaka. « Les constructeurs automobiles doivent créer des véhicules qui respectent ces réglementations. »
Dans cet esprit, Kusaka et Soraki Harada, un étudiant en deuxième année de master dans le laboratoire de Kusaka, menant des recherches sur les groupes motopropulseurs automobiles, ont utilisé la licence MathWorks Campus-Wide de Waseda pour la série de cours, choisissant Simulink et RoadRunner pour leurs fonctionnalités avancées et leur facilité d'utilisation.
L'équipe du laboratoire a commencé par conduire une Nissan® Note e-POWER 2016 autour d'un itinéraire pré-planifié à proximité de l'université. Harada a extrait les données de signalisation routière et de cartographie de ces essais routiers dans un modèle de conducteur Simulink, ainsi que d'autres informations publiques clés, telles que l'élévation de la route et les limites de vitesse. Il a utilisé RoadRunner pour reproduire les scènes de rue. Harada, les assistants d'enseignement (TA) et le personnel de MathWorks ont appris aux étudiants à utiliser le modèle intégré et à exécuter des simulations. Les étudiants pouvaient reproduire efficacement des environnements routiers et de circulation réels pour déterminer les taux d’économie de carburant.
Conduite simulée dans RoadRunner. (Crédit : Waseda University)
« Les élèves ont atteint plusieurs objectifs en classe », a déclaré Kusaka. « Leurs idées ont été rendues possibles par le fait qu'ils pouvaient visualiser le véhicule en train de circuler grâce aux animations RoadRunner .»
Des tests rigoureux en conditions réelles
En dehors des salles de classe, de telles simulations sont extrêmement prometteuses pour évaluer la consommation de carburant et les coûts d'électricité des nouveaux véhicules de tourisme, ce qui pourrait permettre aux constructeurs automobiles de réaliser des économies considérables en temps et en coûts de R&D. Les ingénieurs automobiles prennent en compte les conditions routières réelles lors du calcul de la consommation de carburant. Les facteurs importants comprennent le poids du véhicule, l’accélération, la décélération, la résistance au gradient et la résistance au roulement. À mesure que la vitesse du véhicule augmente, la résistance de l’air joue également un rôle plus important.
Les simulations utilisant Simulink et RoadRunner peuvent prédire les performances à l'avance, évitant ainsi d'avoir à acheter des équipements de mesure spécialisés coûteux et à effectuer des tests sur des véhicules réels.
Les recherches de Kusaka ont comparé les nouveaux tests d'émissions en conditions de conduite réelles (RDE) avec la procédure mondiale harmonisée d’essai des véhicules légers (Worldwide Harmonized Light duty vehicle Test Procedure ou WLTP) sur un dynamomètre à châssis. Destiné à compléter les tests en laboratoire, le test RDE mesure le monoxyde de carbone, les hydrocarbures imbrûlés, les oxydes d'azote et les particules grâce à un équipement de surveillance portable en temps réel dans une voiture de tourisme circulant sur la voie publique. Les tests ont lieu dans différents environnements, avec des plages de température, des limites de vitesse, des niveaux de trafic et des altitudes variables.
« Il existe un écart entre les gaz d'échappement et l'efficacité énergétique lors des tests de dynamo de châssis conventionnels et la conduite réelle », note Kusaka. « Le RDE, qui peut être mesuré avec plus de précision, devient de plus en plus important. »
Dans les pays comme le Japon qui imposent le RDE pour les nouveaux véhicules, le facteur de conformité (CF) indique dans quelle mesure la valeur des gaz d'échappement lors de la conduite sur route réelle diffère de celle mesurée lors de l'essai au banc. Les régulateurs fixent la limite de CF et les constructeurs automobiles doivent démontrer que la valeur des gaz d'échappement sur les routes réelles ne la dépasse pas.
Cartographie d'un itinéraire pour les essais de véhicules. (Crédit image : Waseda University)
« Pendant les 90 à 120 minutes de conduite réelle sur route, le véhicule doit être conduit sur une proportion définie de routes urbaines, de routes rurales et d'autoroutes. Il existe d’autres contraintes, telles que des limites supérieures de température, d’altitude et de vitesse maximale », a expliqué Kusaka. « Il n’est pas rare de devoir refaire des tests coûteux. »
Les simulations utilisant Simulink et RoadRunner peuvent prédire les performances à l'avance, évitant ainsi la nécessité d'acheter des équipements de mesure spécialisés coûteux et d'effectuer des tests sur des véhicules réels, a poursuivi Kusaka. De plus, trouver des lieux avec les mêmes routes, températures et altitudes que celles sont prises en compte dans les tests RDE, est impossible.
« La simulation RDE avec l’approche Model-Based Design est facilement réalisable », dit-il. Et sa classe était sur le point de le prouver.
Jumeau numérique 3D
Kusaka a choisi une Nissan Note e-POWER 2016 car un modèle très précis avait déjà été développé et il pensait que les étudiants pourraient comprendre la structure simple du SHEV. Le parcours d'essai dans le quartier de Shinjuku, près de l'université, était une boucle d'environ 2,7 kilomètres (1,7 mile) et comportait des pentes et des descentes variées.
Les tests de conduite ont eu lieu à 1 heure du matin pour minimiser l’impact des autres véhicules et des piétons, que l'équipe du laboratoire n'a intentionnellement pas inclus dans le RoadRunner Scenario et la cosimulation Simulink. L'état de charge initial a été fixé à 60,0 %. Chaque conducteur a fait chauffer le véhicule pendant 20 minutes avant le test, s'assurant ainsi d'avoir un moteur chaud. Une GoPro embarquée a acquis des informations GPS tandis qu'un outil de diagnostic collectait des données de base sur le véhicule.
« J'ai obtenu des données cartographiques pour la zone auprès d'OpenStreetMap et des données de pente auprès de Geospatial Information Authority du Japon. Après avoir téléchargé cela sur RoadRunner, j'ai créé un jumeau numérique 3D en extrayant uniquement les routes. « Travailler dans l’interface visuelle était très intuitif. »
Harada a créé un modèle de conducteur dans Simulink, en utilisant un algorithme de conduite autonome pour imiter la façon dont un humain accélérerait et décélérerait le long de l'itinéraire.
Il a obtenu des informations sur le SHEV à partir d'un modèle créé et publié dans le cadre d'un projet mené par le ministère de l'Économie, du Commerce et de l'Industrie. Il a ensuite téléchargé des données réelles sur l'efficacité et le flux de contrôle des composants de la Nissan Note.
Comparaison d'une vue aérienne de l'itinéraire du véhicule avec l'itinéraire simulé dans RoadRunner. (Crédit image : Waseda University)
Il a ajouté des données pour les 16 feux de circulation à Simulink à partir de vidéos d'itinéraires de test horodatés. Les calculs ont automatiquement déterminé quel feu de circulation se trouvait devant le véhicule virtuel et à la distance la plus courte, de la même manière qu'un conducteur humain regarde le feu de circulation le plus proche. Il a construit deux scénarios possibles pour le contrôle du freinage : une décélération constante ou un arrêt brusque.
Les feux de circulation dans la simulation ne peuvent être que rouges ou verts. Les temps de feu de circulation orange des vidéos ont été divisés, une moitié étant attribuée au vert et l'autre moitié au rouge. Harada a conçu des scènes de rue 3D réalistes dans RoadRunner.
« J'ai obtenu des données cartographiques pour la zone à partir d'OpenStreetMap® et les données de pente de Geospatial Information Authority du Japon », dit-il. « Après avoir téléchargé cela sur RoadRunner, j'ai créé un jumeau numérique 3D en extrayant uniquement les routes. « Travailler dans l’interface visuelle était très intuitif. »
Le véhicule d'essai, les instruments de mesure et le parcours d'essai. (Crédit image : Waseda University)
Les étudiants ont téléchargé le modèle de pilote combiné depuis le cloud de l'université. De retour en classe, Harada, les assistants et l'équipe MathWorks ont répondu aux questions sur le jumeau numérique 3D. Puis ce fut le tour des étudiants : Leur mission était de créer une vidéo de l'ensemble de la simulation de conduite avec la position de la caméra à vol d’oiseau, en fonction des trois derniers chiffres de leur numéro d'identification d'étudiant unique. Par exemple, 123 signifiait que la caméra serait à 12 mètres de distance et à une hauteur de 3 mètres.
Auparavant, les étudiants de Kusaka s'appuyaient sur des graphiques d'état de charge calculés, et certains avaient du mal à relier les calculs à la conduite réelle du véhicule, dit-il. Cette fois, ils ont pu visualiser les résultats.
Améliorer l'efficacité
Grâce à leurs simulations de jumeaux numériques 3D, les étudiants ont appris à contrôler le groupe motopropulseur en fonction de la profondeur de charge de la batterie haute tension du SHEV en modifiant la quantité de charge initiale. Après cela, ils ont pu comparer les coûts et les émissions de CO2 des véhicules séries électriques rechargeables et hybrides.
« Contrairement aux tests de véhicules réels, l’approche Model-Based Design peut facilement tester les différences entre les véhicules. Les étudiants qui ont suivi le cours ont pu constater de visu comment la consommation de carburant peut être améliorée en utilisant des véhicules hybrides rechargeables », explique Kusaka. « La possibilité d’assigner cet exercice à une classe de deuxième année de licence était formidable. »
« Contrairement aux tests de véhicules réels, l’approche Model-Based Design peut facilement tester les différences entre les véhicules. Les étudiants qui ont suivi le cours ont pu constater de visu comment la consommation de carburant peut être améliorée en utilisant des véhicules hybrides rechargeables. »
Kusaka a remarqué que les compétences d'analyse et d'interprétation des données des étudiants se sont améliorées avec Simulink et RoadRunner par rapport aux années précédentes. Ils ont identifié la modification de la résistance au roulement, la modification de la résistance à l'air et l'augmentation de l'efficacité thermique du moteur comme facteurs d'efficacité de conversion de l'énergie thermique. Certains ont également suggéré des idées avancées pour le contrôle du moteur.
« En utilisant l’approche Model-Based Design et Simulink, les étudiants ont exploré l'impact sur l'efficacité énergétique si l'efficacité thermique était augmentée à 50 % ou si un système hybride rechargeable était mis en œuvre », explique Harada.
Le groupe a découvert qu'en augmentant l'efficacité thermique de la zone de fonctionnement du moteur à environ 50 %, on pourrait réduire la consommation de carburant à 21,52 mégajoules, soit une réduction de 37 % par rapport à la valeur de référence. Les étudiants ont acquis des connaissances automobiles qu’ils pourraient appliquer dans le monde réel.
« Les diplômés en ingénierie qui savent utiliser l’approche Model-Based Design pour la R&D automobile seront prêts à rentrer dans le monde du travail immédiatement », dit Kusaka. Après avoir obtenu son diplôme, Harada rejoindra Toyota Motor Corporation, où il a hâte d'utiliser l’approche Model-Based Design et les tests d'équipements pour développer des voitures, en s'appuyant directement sur ses expériences en laboratoire.
Récemment, le laboratoire Kusaka a commencé des recherches sur l'amélioration de l'efficacité thermique et des émissions de gaz d'échappement des véhicules électriques hybrides rechargeables avec un préchauffage précoce du moteur lors des démarrages à froid. Les tests RDE prennent en charge une plage de températures plus large que les tests WLTP, de sorte qu'un démarrage en hiver pourrait avoir des effets d'entraînement. L’équipe prévoit également d’élargir le modèle de conducteur pour la série de cours afin d’intégrer l’impact de l’accélération et de la décélération sur l’efficacité énergétique. Les facteurs pris en compte pour l’accélération et la décélération comprennent les piétons, les autres véhicules et les courbes.
Les chercheurs estiment que leurs partenaires industriels bénéficieront grandement de Simulink et de RoadRunner. « Si tout ce qui concerne la voiture est représenté dans un modèle commun que le constructeur et le fournisseur automobiles gèrent, il devient plus facile de prédire les performances lorsqu'une pièce change », a déclaré Kusaka. « Nous pensons que l’approche Model-Based Design et sa simulation du développement des véhicules et des tests RDE contribueront de manière significative à réduire les coûts pour les constructeurs automobiles. »
Lire d'autres articles
ROBOTIQUE / CONDUITE AUTOMATISÉE
Conception de WATonoBus, la navette autonome sur le campus
La navette autonome est une plateforme idéale pour le développement de la technologie ADAS
CONDUITE AUTOMATISÉE / ROBOTIQUE
Appliquer des techniques robotiques éprouvées aux processus de développement automobile
Renault fait progresser le prototypage ADAS avec ROS Toolbox et l'intégration de Simulink
CONDUITE AUTONOME
Aptiv implémente des scénarios virtuels pour la validation ADAS
Le workflow permet d'évaluer les performances du modèle, de réduire les coûts et d'améliorer l'efficacité
