Estimation de paramètres physiques de combustion par modélisation du signal d'ionisation et inversion paramétrique

Ionisation current modelling for the estimation of combustion parameters

• Auteur / Autrice : Yassir Moudden
• Direction : Jacques Oksman
• Type : Thèse de doctorat
• Discipline(s) : Physique
• Date : Soutenance en 2003
• Etablissement(s) : Paris 11

Mots clés

Mots clés libres

Courant d'ionisation

Contrôle moteur

Pression de chambre

Analyse de données exploratoire

Résumé

Cette thèse est consacrée à la conception d'un système de mesure indirecte pour l'estimation quantitative de paramètres de combustion pertinents en termes de diagnostics et de contrôle moteur, fondé sur l'observation d'une grandeur aisément accessible, le signal d'ionisation. Nous avons envisagé une approche au sens des problèmes inverses. Il s'agit de construire un modèle paramétrique du signal d'ionisation au moyen des équations de la physique puis d'estimer les paramètres par inversion du modèle dans une boucle d'optimisation. L'extrême complexité des phénomènes participant vraisemblablement à la construction de ce signal ne nous a pas permis d'aboutir et nous nous sommes orientés vers une approche plus expérimentale. Nous avons mené une analyse statistique aveugle des données fournies par RENAULT dans le but d'expliciter une relation entre le signal d'ionisation et les grandeurs à estimer. L'étude statistique de données évoluant dans un espace de grande dimension étant notoirement maladroite, différentes méthodes classiques de réduction de la dimension apparente des données telles que l'Analyse en Composantes Principales, Projection Pursuit, etc. Ont été utilisées avec profit. Nous avons par ailleurs proposé une extension de cette dernière méthode en montrant l'utilité de critères issus de la théorie de l'information tels que l'information mutuelle ou la mesure de dépendance de Hellinger, pour la sélection de projections intéressantes. Nous avons aussi pu profitablement diminuer la dimension des données étudiées en recherchant un ensemble réduit de variables intermédiaires susceptibles de retenir une information relative à la grandeur d'intérêt. Ces analyses nous ont ensuite permis de proposer différents estimateurs de l'angle de pression de chambre maximale dont la précision et la stabilité ont été étudiées sur un sous ensemble des données disponibles correspondant à un domaine assez large de points de fonctionnement du moteur.

The work described in this thesis investigates the possibility of constructing an indirect measurement algorithm of relevant combustion parameters based on ionization signal processing. Indeed, automobile manufacturers are in need of low cost combustion diagnoses to enhance engine control. Because of the extreme complexity of the physical phenomena in which the ionization signal originates, the traditional model-based approach appeared unrealistic and did not bring about conclusive results. We hence turned to performing a blind statistical analysis of experimental data acquired on a test engine. The analysis of high dimensional data being notoriously awkward, it is necessary to first reduce the apparent dimension of the signal data, keeping in mind the necessity of preserving the information useful in terms of our estimation problem. The usual techniques such as Principal Component Analysis, Projection Pursuit, etc. Are used to form and detect relevant variables. Further, a procedure for high dimensional data analysis derived as an extension of Exploratory Projection Pursuit, is suggested and shown to be a profitable tool. With this method, we seek interesting projections of high dimensional data by optimizing probabilistic measures of dependence such as Mutual Information, Hellinger divergence, etc. Finally, results are presented that demonstrate the quality and the stability of the low complexity in-cylinder peak pressure position estimators we derived, for a wide range of engine states.