Résumé :

La crise du pétrole et les contraintes écologiques obligent de nombreux

fabricants d’automobiles à développer des programmes de recherche importants
dans le développement des véhicules électriques et hybrides électriques. Ainsi,
afin de garder nos acquis en termes de mobilité, il est extrêmement important de
trouver des solutions de propulsion propres et efficaces. C’est pourquoi, la
commande optimale systémique et la gestion d’énergie dans les véhicule
électrique est un enjeu majeur. Dans ce contexte, cette thèse concerne
principalement le système de propulsion qui pourrait être optimisé pour une
gestion efficace de l'énergie et une installation facile des sources d'énergie dans
la voiture (pile à combustible, batterie).

Le travail présenté fait l’objectif de deux grands axes :

La première partie se focalise sur la commande du groupe motopropulseur par la

technique mode glissant en premier lieu, et suite aux inconvénients de cette
technique (chattering), une méthode de contrôle a été proposée pour réduire le
broutement, telle qu’une commande en mode de glissement flou hybride
(HFSMC). Malgré l’application de ces deux méthodes mentionnées ci-dessus,
nous pouvons voir que ces deux techniques ne peuvent pas éliminer
complètement le problème de broutement dans le moteur électrique (MSAP) du
véhicule, affectant ainsi les performances du véhicule. Pour cette raison on a
suggéré de combiner les points forts de trois méthodes tel que le mode glissant,
logique floue , et les réseaux de neurones en les assemblant dans une stratégie
hybride et robuste, afin d'exclure le problème du chattering et de garantir
l'amélioration de l'efficacité énergétique. Cette stratégie appliquée au système
global VE (MSAP et dynamique du véhicule) avec un cycle de conduite réel.

Alors que le deuxième axe, qui concerne les sources d’énergie, un gestionnaire
dont le rôle est de choisir à chaque instant la meilleure répartition de puissance
entre les différentes sources d’énergie d’une manière à commander efficacement
l’énergie fournie par les différentes sources.

Les résultats de simulation ont permit un fonctionnement fiable du système.

Mots clé : Véhicule Electrique, Mode glissant, Logique floue, Réseaux de

neurones, Pile à combustible, Batterie, MSAP, gestionnaire d’énergie.
Abstract :

The oil crisis and environmental constraints are forcing many car manufacturers
to develop important research programs in the development of electric and
hybrid electric vehicles. So, in order to maintain our mobility experience, it is
extremely important to find clean and efficient propulsion solutions. This is why
systemic optimal control and energy management in electric vehicles is a major
issue. In this context, this thesis mainly concerns the propulsion system that
could be optimized for efficient energy management and easy installation of
energy sources in the car(fuel cell, battery).

The work presented has the objective of two main axes:

The first part focuses on the control of the powertrain by the sliding mode
control in the first place, and following the drawbacks of this technique
(chattering), a control method has been proposed to reduce chatterring, such as a
Hybrid Fuzzy Sliding Mode Control (HFSMC). Despite the application of these
method mentioned above, we can see that these technique can not completely
eliminate the problem of chatterring in the electric motor (MSAP) of the vehicle,
thus affecting the performance of the vehicle. For this reason it was suggested to
combine the strengths of three methods such as sliding mode, fuzzy logic, and
neural networks by assembling them in a hybrid and robust strategy, to exclude
the problem of chattering and to guarantee the improvement of energy
efficiency. This strategy applied to the VE global system (MSAP and vehicle
dynamics) with a real driving cycle.