Browsing by Author "Moatez Billah HARIDA"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    ETUDE DE STRATEGIES DE COMMANDE POUR VEHICULES HYBRIDES
    (2018-02-15) Moatez Billah HARIDA
    Cette étude porte essentiellement sur l’optimisation et la commande du moteur à combustion conçu pour les véhicules hybrides séries-parallèles, ce type d’hybridation est intéressant au niveau des objectifs mais complexe au niveau de l'optimisation des performances. Pour cela on impose une rigueur des plus sévères quant à l’approximation du modèle du moteur à combustion. Notre choix s'est porté sur deux types de modèles, un modèle linéaire obtenu par la méthode d'identification des systèmes appelé ‘SUBSPACE’ et un modèle non linéaire obtenu par l’apprentissage des réseaux neuronaux. Ces deux modèles vont être intégrés dans les structures de commande. La commande prédictive est conçue comme régulateur de vitesse du moteur à combustion, en outre des améliorations seront appliquées au niveau du module de gestion d’énergie. Enfin une étude comparative est faite entre plusieurs régulateurs de vitesse du moteur thermique et plusieurs modes de gestion d’énergie, il en résulte une stratégie de commande globale intégrant les meilleurs techniques et ce pour obtenir les performances en terme de consommation du carburant du moteur à combustion et par-delà baisser les émissions toxique et rendre l’environnement plus propre.
  • No Thumbnail Available
    Item
    ETUDE DE STRATEGIES DE COMMANDE POUR VEHICULES HYBRIDES
    (2018) Moatez Billah HARIDA
    Cette étude porte essentiellement sur l’optimisation et la commande du moteur à combustion conçu pour les véhicules hybrides séries-parallèles, ce type d’hybridation est intéressant au niveau des objectifs mais complexe au niveau de l'optimisation des performances. Pour cela on impose une rigueur des plus sévères quant à l’approximation du modèle du moteur à combustion. Notre choix s'est porté sur deux types de modèles, un modèle linéaire obtenu par la méthode d'identification des systèmes appelé ‘SUBSPACE’ et un modèle non linéaire obtenu par l’apprentissage des réseaux neuronaux. Ces deux modèles vont être intégrés dans les structures de commande. La commande prédictive est conçue comme régulateur de vitesse du moteur à combustion, en outre des améliorations seront appliquées au niveau du module de gestion d’énergie. Enfin une étude comparative est faite entre plusieurs régulateurs de vitesse du moteur thermique et plusieurs modes de gestion d’énergie, il en résulte une stratégie de commande globale intégrant les meilleurs techniques et ce pour obtenir les performances en terme de consommation du carburant du moteur à combustion et par-delà baisser les émissions toxique et rendre l’environnement plus propre.