Identification and parameter tuning of vehicle dynamics models : application to model parameter fitting in an HIL environment
Contribution à l'identification et au recalage de paramètres de modèles véhicule : application à la corrélation numérique/physique dans un environnement HIL
Résumé
In order to develop and validate the ESC (Electronic Stability Control) system, Stellantis uses HIL (Hardware-In-the-Loop) test benches. With these HIL benches, the ESC is fully integrated in a simulated environment, with a vehicle dynamics model (IPG CarMaker). For the results obtain on HIL benches to be valid, the vehicle dynamics model has to be a good enough representation of the real vehicle. To achieve this, a parameter tuning step is performed, using in-vehicle measurements. Since the vehicle dynamics are very sensitive to tire parameters, and since these parameters have great uncertainty, the parameter tuning step focuses only on tire parameters. Different parameter estimation methods are studied : the Expectation-Maximisation algorithm and the simulation error method. Both methods are studied and applied to simple vehicle dynamics model, and a modification to the classic EM algorithm is proposed, to better capture the different system dynamics. Finally, the simulation error minimisation method is implemented at Stellantis, greatly reducing the time and cost needed to tune the model parameters.
Dans le cadre du développement et de la validation du système ESC (Electronic Stability Control), Stellantis utilise des bancs HIL (Hardware-In-the-Loop) pour automatiser un grand nombre de tests. Sur ces bancs HIL, l'ESC est immergé dans un environnement virtuel qui simule un véhicule (logiciel IPG CarMaker). Afin que les résultats des tests obtenus sur bancs HIL soient valables, il est nécessaire que le modèle de dynamique du véhicule soit suffisamment représentatif de la réalité. Pour cela nous ajustons certains paramètres à partir de mesures effectuées sur piste. Puisque les modèle de pneus sont très influents sur la dynamique du véhicule, et qu'une grande incertitude demeure sur les valeurs de leurs paramètres, nous nous concentrons sur le recalage de ces paramètres-là. Plusieurs méthodes sont envisagées : l'approche par l'algorithme Espérance-Maximisation et l'approche par minimisation de l'erreur de simulation. Les deux méthodes sont étudiées sur des modèles simples de dynamique du véhicule, et une variante de l'algorithme Espérance-Maximisation est proposée pour obtenir une bonne approximation des différentes dynamiques. Finalement, c'est la minimisation de l'erreur de prédiction qui est retenue pour l'utilisation à Stellantis, et celle-ci permet un gain de temps considérable dans l'étape de recalage des paramètres.
Origine : Version validée par le jury (STAR)