Transcript Document 4628466

Commande Eco Energétique d’un système
conducteur-tramway
S. La Delfa
Encadrants (LAMIH): F. Vanderhaegen, P. Polet, S. Enjalbert
Référent IRT : S. Lefebvre (WP4)
Date de début de thèse : 23/10/2013
Présentation du GT ASHM du 6 novembre 2014
Plan
Contexte
Problématique
Approche à base de modèles
Conclusions et perspectives
2
Contexte
Projet ECOVIGIDRIV
Collaboration: LAMIH, IRT RAILENIUM, ALSTOM,
HAPTION et SAVIMEX.
Financement: FUI (Fonds Unique Interministériel)
Durée: 36 mois (23 octobre 2013 - 22 octobre 2016)
3
Contexte
Exigences d’exploitation:
• Temps de parcours
• Confort du passager
• Sécurité
Exigences des exploitants:
• Augmentation du trafic
• Réduction de la consommation
Conditions d’exploitation:
• Environnement ouvert
•
•
Automobilistes
Piétons
• Pas de système d’aide à l’écoconduite
01/12/2014
4
Synthèse technologique
Analyse bibliographique des technologies existantes
•
Commande optimale en fonction du trafic et des caractéristiques du
véhicule: «GERICO», «FEOS», «EDAS», «FMS», ...
•
Réduction des forces résistives : « nano-batteries», «Boggie flex eco4»
•
Récupération d’énergie
•
Batteries, ou dans le réseau de la ligne: «système ABB», « nanobatteries»
Analyse
•
x: position du tramway, v: vitesse, a: accélération, T: temps du trajet,
M: masse totale du véhicule, Fres: forces résistives au mouvement.
•
Le modèle de l’opérateur n’est pas pris en compte dans le contrôleur.
Livrable
•
L3_1: "Etats de l’art sur les verrous scientifiques et technologiques" (Simon
Enjalbert, Salvatore La Delfa et al., 2014)
01/12/2014
5
Minimisation de la consommation
énergétique
Consommation d’énergie de la ligne:
1
E 𝑡𝑑 = 2𝑛
𝑇
0
𝑛
𝑖=1 𝑃
𝜏 +
𝑛
𝑖=1
𝑃(𝜏) 𝑑𝑡
(Vial, 2012)
T: temps de parcours
n: nombre de tramways
𝑃 𝜏 : profil de puissance en fonction du temps
𝜏 ≡ t − i − 1 td (mod T)
Consommation d’énergie d’un tramway
E= min
𝑇
u(t)∗v(t)
0
𝑑𝑡
où u(t) commande de traction ou de freinage (en N) (Vial, 2012) (Zhuan & Xia,
2008)(Howlett, Milroy et al. 1994)
La base de l’éco-conduite ferroviaire est l’optimisation du contrôle du
train/tramway (Howlett, Milroy et al. 1994)(Howlett 1996, Howlett, Pudney et al. 2009)
01/12/2014
6
Problématique
Approche à base de modèles
Mesures OH
+
-
+
Contrôleur
1
2 3
vi(t)
Conducteur
γ
Tramway
x(t),v(t),a(t), M, tr
-
Contrôleur:
1.
Modèle de tramway
2.
Modèle de consommation
3.
Modèle de l’opérateur
Contraintes: T: temps de parcours, P: trajet, v: vitesse, a:accélération
M: masse
01/12/2014
7
Modèle du tramway
Nous pouvons modéliser le tramway comme:
•
Une masse répartie en cascade (Zhuan & Xia, 2008)(Zhuan & Xia, 2006)
•
Une masse s’exerçant sur un point (Zhuan & Xia, 2008),(Zhuan & Xia, 2006), (Howlett,
Milroy et al. 1994)(Howlett 1996, Howlett, Pudney et al. 2009)
Equation du mouvement du tramway:
x=v
M ∗ v = u t − Fr v − Fg α
Où
•
u t : Commande de traction ou de freinage (en N)
•
Fr v : Frottement dû au mouvement (en N)
•
•
Fr v = A + Bv + Cv 2
•
A,B,C des constantes définies en fonction du type de tramway
Fg: frottements dus à la ligne (dénivelés, courbes, tunnels) (en N)
•
01/12/2014
Fg α = M ∗ g ∗ sin α : 𝛼:gradient de la pente/rayon de courbure
8
Calcul de la trajectoire optimale
Les contraintes sont:
T: durée du trajet (respect des horaires), P: trajet, vitesses limites
imposées (statique, dynamique)
Trois approches possibles sont retenues:
•
LTI (Linear Time Invariant):
Qui nécessite de simplifier le terme Fr(v)= A+Bv+Cv²
•
LPV (Linear Parameter Variant):
Où nous devons connaître Vmin, et Vmax (Jong, 2003) (Howlett, 1996)
•
Système à commande non linéaire (Wu, Zhao, & Ou, 2011)
(M. A.S. Kamal, M. Mukai, J. Murata, & T. Kawabe, 2011)
(Kamal, Mukai, Murata, & Kawabe, 2013)
Ensuite, nous devons intégrer l’opérateur humain.
01/12/2014
9
Trajectoire optimale
Vitesse (en m/s)
Vitesse_optimale
Temps de parcours ( en s)
01/12/2014
10
Le modèle de l’opérateur humain
L’opérateur est un système multi modèles.
L’opérateur suit une consigne:
Modèle de comportement
•
Simple contrôleur proportionnel intégrateur avec un retard
O S = kp +
•
ki
S
∗ e−τS ,
Complexe (aspect neuromusculaire):
K
O S = S2+2εω
n S+ωn ²
kp +
ki
S
∗ e−τS,
(McRuer D.T., 1974)(Szabolcsi R.,2007)
01/12/2014
11
Le modèle de l’opérateur humain
K
ki
O S = 2
kp +
∗ e−τS
S
S + 2εωn S + ωn ²
Déterminer l’équation des paramètres 𝑘𝑝 , 𝑘𝑖 , K, 𝜏 de l’opérateur
variant dans le temps:
•
les variables peuvent être indisponibles à l’instant t
•
modèles de décisions: méthodes probabilistes (réseau bayésien, etc.)
•
modèles de connaissances: (Rasmussen, 1983), (Reason,1993)
Les mesures sur l’état de l’opérateur:
•
position de manipulateur, vitesse de déplacement de manipulateur
•
niveau de fatigue mesuré par le système de détection de vigilance (ex:
PERCLOS)
•
temps de réaction
01/12/2014
12
Suivi de trajectoire
Vitesse (en m/s)
Comparaison de suivi de trajectoire pour réaliser une
trajectoire optimale
Temps de parcours (en s)
trajectoire optimale
suivi de trajectoire rafraichie toutes les secondes
suivi de trajectoire rafraichie toutes les cinq secondes
01/12/2014
13
Conclusions et perspectives
01/12/2014
14
Commande Eco Energétique d’un système
conducteur-tramway
S. La Delfa
Encadrants (LAMIH): F. Vanderhaegen, P. Polet, S. Enjalbert
Référent IRT : S. Lefebvre (WP4)
Date de début de thèse : 23/10/2013
Présentation du GT ASHM du 6 novembre 2014
Bibliographie
Enjalbert, S., La Delfa, S., Dahyot, R., & et al. (2014). L3_1: “Etats de l’art sur les
verrous scientifiques et technologiques.”
Howlett, P. G., Milroy, I. P., & Pudney, P. J. (1994). Energy-efficient train control. Control
Engineering Practice, 2, 193–200. doi:http://dx.doi.org/10.1016/0967-0661(94)90198-8
Howlett, P. (1996). Optimal strategies for the control of a train. Automatica, 32, 519–532.
doi:http://dx.doi.org/10.1016/0005-1098(95)00184-0
Howlett, P. G., Pudney, P. J., & Vu, X. (2009). Local energy minimization in optimal train
control. Automatica, 45(11), 2692–2698. doi:10.1016/j.automatica.2009.07.028
Jong, J.-C. (2003). Analytical solutions for predicting train coasting dynamics. In
Proceedings of the Eastern Asia Society for Transportation Studies (Vol. 4, p. 5).
Retrieved from http://www.easts.info/2003proceedings/papers/0091.pdf
Kamal, M. A. S., Mukai, M., Murata, J., & Kawabe, T. (2013). Model Predictive Control of
Vehicles on Urban Roads for Improved Fuel Economy. Control Systems Technology,
IEEE Transactions on, 21, 831–841. doi:10.1109/TCST.2012.2198478
M. A.S. Kamal, M. Mukai, J. Murata, & T. Kawabe. (2011). Ecological Driving Based on
Preceding Vehicle Prediction Using MPC. Preprints of the 18th IFAC World Congress
Milano, 3843–3848.
01/12/2014
16
Bibliographie
McRuer, D. T., & Krendel, E. S. (1974). Mathematical models of human pilot behavior.
DTIC Document. Retrieved from
http://oai.dtic.mil/oai/oai?verb=getRecord&metadataPrefix=html&identifier=AD0775905
Rasmussen, J. (1983). Skills, rules, and knowledge; signals, signs, and symbols, and
other distinctions in human performance models. Systems, Man and Cybernetics, IEEE
Transactions on, SMC-13, 257–266. doi:10.1109/TSMC.1983.6313160
Szabolcsi, R. (2007). Modeling of the human pilot time delay using Padé series.
International Journal of “Academic and Applied Research in Military Science” AARMS,
ISSN, 1588–8789.
Vial, R. (2012). Vers un dimensionnement optimal structure-commande de système
multi-convertisseurs. Application aux réseaux de tramways. Université de Grenoble.
Retrieved from http://tel.archives-ouvertes.fr/tel-00734684/
Zhuan, X., & Xia, X. (2006). Cruise control scheduling of heavy haul trains. IEEE
Transactions on Control Systems Technology, 14(4), 757–766.
doi:10.1109/TCST.2006.872506
Zhuan, X., & Xia, X. (2008). Speed regulation with measured output feedback in the
control of heavy haul trains. Automatica, 44(1), 242–247.
doi:10.1016/j.automatica.2007.05.002
01/12/2014
17
Commande Eco Energétique d’un système
conducteur-tramway
S. La Delfa
Encadrants (LAMIH): F. Vanderhaegen, P. Polet, S. Enjalbert
Référent IRT : S. Lefebvre (WP4)
Date de début de thèse : 23/10/2013
Présentation du GT ASHM du 6 novembre 2014