Méthodes de recalage de modèles et application aux émissions des moteurs diesel

par Sébastien Castric

Thèse de doctorat en Mécanique avancée

Sous la direction de Zohra Cherfi-Boulanger et de Nassim Boudaoud.

Soutenue en 2007

à Compiègne .


  • Résumé

    Depuis plusieurs décennies, les véhicules européens sont soumis à des normes concernant leurs émissions polluantes. Pour faire face à ces contraintes de plus en plus importantes, les constructeurs automobiles ont fait appel à des solutions technologiques complexes notamment dans le cas des véhicules diesel. Cette situation a par ailleurs entraîné une complexification de la mise au point des moteurs puisque ces derniers possèdent un nombre croissant de paramètres de réglage. Notre travail de recherche s’est déroulé dans l’entreprise Renault SAS. Il a pour objectif de présenter des méthodes de recalage de modèles et une application de ses méthodes aux modèles d’émissions polluantes de moteur diesel. Depuis plusieurs années déjà, Renault utilise les techniques de plans d’expériences, de modélisation et d’optimisation pour résoudre le problème de la mise au point des moteurs diesel pour la dépollution. Si l’approche fonctionne bien, elle comporte néanmoins un défaut. Le processus de mise au point des moteurs diesel est itératif, et chaque itération apporte son lot de modifications matérielles. Dans ce cas, les modèles servant à prédire les émissions du moteur, qui sont des LOLIMOT, ne sont plus valables. Sachant que nous ne pouvons pas relancer le processus de modélisation pour des raisons de coup et de délais, une question se pose alors : « Comment recaler les modèles d’émissions après un changement de définition technique du moteur en faisant le moins d’essais possible ? ». La contribution du travail de recherche se divise en deux approches. Une première voie utilise la théorie bayesienne. En se servant du modèle avant le changement comme d’un a priori ainsi que de nouveaux essais nous avons créé un algorithme permettant de recaler les modèles LOLIMOT. Nous proposons par ailleurs une méthode dérivée de la première intégrant en plus la connaissance que peuvent avoir les metteurs au point de leur moteur. Nous avons testé notre méthode en simulation puis sur des essais effectués sur un moteur 2 L diesel ayant subi différents changements de définition technique. Dans un deuxième temps, nous avons considéré que même si la théorie bayesienne permet d’intégrer certaines connaissances dans le recalage de modèles, elle ne permet pas d’utiliser directement les caractéristiques même de ce changement. Nous avons alors décidé de créer un modèle intégrant des paramètres physiques comme, par exemple, le nombre de trous des injecteurs. Nous avons alors, développé un modèle de combustion diesel. Ce dernier permet de simuler l’évolution des grandeurs thermodynamiques dans la chambre de combustion même dans le cas de la multi injection. Nous avons ensuite créé des modèles de polluants utilisant ces grandeurs comme entrées. Nous avons testé notre modèle sur de la prédiction de pression cylindre et de polluants sur un moteur 2L diesel.


  • Résumé

    Since some decades, European vehicles are subjected to normative laws about pollutant emissions. To face these constraints, car manufacturers have used more and more complex technologies especially for diesel engine cars. This situation has led to a complexification of engine tuning since the numbers of setting parameters has increased too. The present research work was made for the car manufacturer Renault SAS. It aims at proposing methods that allow readjusting models and applications over pollutant models of diesel engine. Renault decided to use techniques of design of experiments, modelling and optimization to solve the problem of diesel engine tuning for emissions. Even if this approach gave good results, it has some drawbacks. The tuning process is composed of loops. Each loop involves hardware changes in the engine. In this case, the model representing the engine’s behaviour, which is a LOLIMOT model, is not valid anymore. Considering that it is not possible to completely rebuild a model, a question appears: “How is it possible to readjust the model after an hardware change by doing as few tests as possible?” This PhD proposes some ways to solve this problem. The first one consists in using the bayesian theory. By using the initial model as an a priori, we created an algorithm permitting to readjust LOLIMOT models. In addition, we proposed a method derived from the first one, and, which aims at using the tuner knowledge about the engine as a prior knowledge. We tested our methods by simulation and owing to tests made on a 2L diesel engine, which was subjected to different hardware changes. In a second time, we considered that even if the Bayesian theory is able to take into account some knowledge, it does not take into account the hardware change characteristics. Thus, we decided to create a new model integrating physical parameters, like, for example, the number of holes in the injectors. We developed a model of diesel combustion. It simulates the evolution of thermodynamic variables inside the combustion chamber even for the multi injection case. Next, we adapted models of pollutants using these variables as inputs. We tested the whole model on prediction of cylinder pressure and pollutants over 2L diesel engine tests.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (192 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 192 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2007 CAS 1696
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.