AUTOMATIQUE ET AUTOMOBILE : une évidence, des exigences et un challenge…

24/09/2017
Publication e-STA e-STA 2006-2
OAI : oai:www.see.asso.fr:545:2006-2:19939
DOI :

Résumé

AUTOMATIQUE ET AUTOMOBILE : une évidence, des exigences et un challenge…

Métriques

23
11
1.56 Mo
 application/pdf
bitcache://8dc955a3a13b0dcbe081a2f40094b1411b8ae408

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/545:2006-2/19939</identifier><creators><creator><creatorName>Gérard Gissinger</creatorName></creator></creators><titles>
            <title>AUTOMATIQUE ET AUTOMOBILE : une évidence, des exigences et un challenge… </title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2017</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sun 24 Sep 2017</date>
	    <date dateType="Updated">Sun 24 Sep 2017</date>
            <date dateType="Submitted">Fri 20 Jul 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">8dc955a3a13b0dcbe081a2f40094b1411b8ae408</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>33865</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

1 AUTOMATIQUE ET AUTOMOBILE : une évidence, des exigences et un challenge… G.L. GISSINGER Laboratoire MIPS / Equipe MIAM ESSAIM - Université de Haute Alsace 12, rue des frères Lumière - F-68093 - Mulhouse Cedex - France gérard.gissinger@uha.fr Résumé Dire que l’automobile fait de plus en plus appel à l’automatique serait une lapalissade, mais où en est on exactement, où sont les difficultés ? Du contrôle moteur au contrôle châssis, de la mise en œuvre de boucles simples à la recherche de modèles réellement représentatifs et d’algorithmes de contrôle sophistiqués, du hardware (nécessaire) de base à l’intégration complète des fonctions et des aides à la conduite, beaucoup d’équipes sont concernées ! Comment sera-t-il possible de relever ce challenge ? Comment relever le défi jeté par une industrie actuellement très innovante et, en même temps, très exigeante vis-à-vis du monde de la recherche ? La présentation illustrera ces questions à travers les difficultés liées aux divers problèmes de l’Automatique qui nous sont posés, tels que la modélisation, l’identification, le contrôle, etc.. Mots Clés Contrôle Automobile, Modélisation, Identification, Paramètres châssis, I.- Introduction Depuis une vingtaine d’année, l’automobile a fait des progrès considérables grâce à l’électronique, l’automatique et l’informatique embarquée. Ces progrès sont criants, qu’il s’agisse de la partie moteur ou de la partie châssis. De nombreuses évolutions sont à venir et il y a là un important challenge à relever pour les laboratoires de recherche. En effet, les secteurs recherche des constructeurs sont très performants et très innovants et leur facilité d’accès à des moyens tels que les pistes, les prototypes, etc.. leur permet des temps de validation courts et des passages en développement, puis à la série, très difficiles à concurrencer par la recherche publique. Par contre, ces laboratoires peuvent apporter une aide déterminante dans cette compétition à la fois passionnante et exigeante. Le but de cet article est d’illustrer les difficultés et de donner quelques pistes permettant de les surmonter. Après une brève introduction destinée à placer le problème de l’automatique dans le contexte de l’application automobile, nous parlerons des évolutions du groupe motopropulseur, puis du châssis et enfin des aides à la conduite. L’exemple des difficultés inhérentes au domaine automobile sera souligné par le problème de l’identification des paramètres de la partie châssis. Vers quoi vont s’orienter les évolutions futures de l’automobile ? La réponse est relativement simple, même si elle doit frustrer un peu le chercheur : elle tendra vers ce pour quoi le client est prêt à payer ! L’automobile doit garder une part du « faire rêver » pour être vendable. Une voiture technologiquement parfaite tendrait vers une voiture totalement automatique tellement frustrante à « conduire » que peu de clients seraient prêts à l’acheter. Par ailleurs, l’évolution de la circulation est telle que la voiture du futur ne sera probablement pas celle qui permettra de rouler en toute sécurité à des vitesses très élevées, mais plus probablement celle qui nous évitera de devenir fou dans les embouteillages. L’électronique, la connectique, l’informatique (domaine qu’il convient de ne pas confondre, en particulier lorsqu’on parle de fiabilité !) représentent près du quart de la valeur d’une voiture de haut de gamme actuelle et cette proportion augmentera probablement pour atteindre le tiers vers 2010. Une automobile comporte ou comportera un ou plusieurs bus (qui remplacent des kilomètres de câbles !), des dizaines de microprocesseurs (jusqu’à 80, voire plus), des capteurs par dizaines (dont le prix est tel que le constructeur demande une stricte limitation !), d’innombrables moteurs de réglage (plus de 100). I.a.- Quelle contribution de l’automatique ? Quelle pourra être notre contribution dans ces conditions ? Elle sera très certainement importante pour ne pas dire énorme à condition d’être capable de tenir le rythme effréné imposé par la compétition internationale et les contraintes de diminution des durées de développement. Les contraintes de temps, en particulier, poussent les constructeurs à utiliser de plus en plus des modèles de plus en plus fins et précis. Leur potentiel de prédictibilité doit être très bon, et il doit être aisé de les extrapoler d’un modèle au suivant. Les besoins de modélisation sont donc importants, d’autant qu’un 2 modèle ne vaut guère que par les hypothèses qui ont permis de le construire ([1], [2], [3], [4],). Il nous appartient de repousser ces limites au-delà des simplifications traditionnelles, des non-linéarités et de les rendre représentatifs de l’ensemble de la plage d’utilisation. L’utilisation des modèles et la simulation exigent un jeu de paramètres très complet et très précis. Ces paramètres, selon le modèle, se comptent par centaines, dans certains cas par milliers, alors que leur précision est très inégale. Ceci est d’autant plus vrai qu’il y a parfois un monde entre les précisions « catalogue » des capteurs et la réalité. Certains paramètres sont mal connus, ou peuvent évoluer avec le temps, d’où un intérêt certain pour une bonne identification. La qualité de l’identification sera liée à la qualité des modèles, à la qualité des mesures (et au nombre de capteurs) et nécessite par conséquent de nombreuses précautions qui seront abordées plus loin dans ce papier. Un certain nombre de variables essentielles du système «véhicule» ne peuvent pas être mesurées directement et doivent donc faire appel à des reconstructions, depuis les plus simples, jusqu’aux estimations ou observateurs très sophistiqués. Pour apporter une contribution significative, les algorithmes de contrôle devront être bien adapté au système ou au sous-système concerné selon des critères acceptables et acceptés par les constructeurs. Des comparaisons de performances sont indispensables. I.b.- Les sous-systèmes du véhicule automobile D’une manière générale, l’automobile est décrite par une partie « moteur et transmission » (powertrain) et par sa partie « châssis » (même si celui- ci n’existe plus en tant que tel sur la plupart des véhicules). Pour obtenir un comportement représentatif de la réalité, la description des liaisons au sol devra être particulièrement soignée. Disposer d’un bon modèle de pneu et tenir compte d’un profil routier représentatif est donc indispensable à des simulations réalistes. L’évolution des technologies (moteur en particulier, mais aussi châssis, lorsqu’il s’agit de décrire le comportement complet avec les aides comme l’ABS, TCS, ESP, etc ..) a été telle que vouloir faire une simulation représentative sur la base d’une concaténation de modèles partiels issus de la littérature, avec des paramètres plus ou moins adaptés, ne peut conduire qu’à des résultats douteux ! Une automobile circulant sur la route est un système rapide et complexe pouvant devenir instable lorsqu’on dépasse certaines limites. Malheureusement, le savoir faire de certains conducteurs, ou leur état momentané, est tel qu’ils ne se rendent compte de cette réalité que lorsque seules les lois de la balistique restent vérifiées. S’agissant du comportement global du véhicule sur la route, il est indispensable de prendre en compte les trois systèmes fortement couplés que sont le véhicule, la route (et plus largement l’environnement) et le conducteur qui est le contrôleur de l’ensemble (et dont les algorithmes sont plus ou moins flous, plus ou moins adaptatifs et plus ou moins adaptés). Les modèles « conducteur », selon l’utilisation qui doit en être faite, peuvent être de nature totalement différente : du simple PID de bouclage de trajectoire au modèle de comportement statistique. Pour l’automaticien, il y a là un challenge intéressant dans la mesure où les trois systèmes mentionnés doivent être décrits par des modèles de structure très différente. En effet, si, pour le moteur ou le châssis, il est possible d’utiliser des modèles de connaissance ou, du moins, des modèles hybrides (boîtes grises) décrivant tant que faire se peut la physique du système, la partie comportement du pneu ne saurait être décrite que par des modèles de représentation (l’industrie automobile utilise presque exclusivement les diverses versions du modèle de Pacejka dit « magic formula »[5]), même si des travaux récents tendent vers des descriptions plus physiques (Brosse[6], LuGre[7], par ex). De plus, il existe d’autres solutions qui pourraient conduire à des représentations plus simples et plus efficaces (comme, par exemple, les multi-modèles). Par contre, la validation et le paramétrage de ces nouvelles solutions par les fabricants et par les constructeurs seraient tellement longs et coûteux qu’elles perdent une bonne partie de leur intérêt pratique (les nombreux paramètres de Pacejka sont mesurés et connus pratiquement pour tous les types de pneus du marché ce qui représente des années et des années de mesures !) I.c.- Comment procéder ? Ces quelques lignes montrent l’intérêt de l’automatique dans l’automobile ainsi que celui de l’application « automobile » en automatique. L’ensemble des outils classiques et modernes trouve ici un vaste champ d’applications et de développement extrêmement intéressant, d’autant que les signaux sont souvent fortement bruités, alors que les modèles sont hautement non-linéaires et d’ordre très élevé. Il y a donc deux approches bien distinctes : la première consiste à utiliser l’automobile comme support général et à faire des simulations, alors que la deuxième est celle qui vise l’implémentation et la validation, de préférence, ou du moins lorsque cela est possible, en collaboration avec un constructeur ou un de ses sous-traitants. Néanmoins, cette deuxième manière impose des contraintes supplémentaires au chercheur (la confidentialité n’étant pas la moindre, car contraire à la politique de publications en vogue). C’est pourtant cette deuxième approche que nous avons choisie à Mulhouse dès 1988, approche qui nous a conduits à avoir notre premier véhicule d’essai dès 1990. I.d.- Et au MIAM à Mulhouse ? Les premières raisons de ce choix étaient, à l’époque, liées à la difficulté d’accès à des essais chez les constructeurs, difficulté due aux problèmes de confidentialité. Par ailleurs, les protocoles d’essai, qui ont beaucoup évolué depuis, n’étaient pas forcément optimaux pour les besoins de l’automaticien. A l’heure actuelle, nous disposons de cinq véhicules, chacun étant dévolu à des travaux précis : modélisation du comportement du véhicule, modélisation de l’interface roue/sol, modélisation du conducteur, simulateur et contrôle commande d’un certain nombre d’organes ou de sous-systèmes. Il a, bien sûr, fallu développer parallèlement un certain nombre d’outils (DGPS, 3 oculomètre : [8]) pour permettre une mise en œuvre judicieuse de ces véhicules. Certains travaux sont menés sur fonds propres par le laboratoire, d’autres en collaboration avec l’industrie automobile. De plus en plus souvent, on nous sollicite pour des collaborations dans d’autres domaines plus ou moins connexes, tels que l’aéronautique (principalement l’avion dans sa phase de roulage). Comme cela a été souligné dans des communications précédentes (à CIFA 2004, par exemple : [9]), disposer d’un véhicule d’essai impose de sérieuses contraintes qu’il convient de bien analyser avant d’entrer dans cette démarche (financement, pérennité, sécurité, maîtrise des protocoles, etc..) II.- Les évolutions de l’Automobile Outre les problèmes d’infrastructures intelligentes, le domaine général de l’automobile peut être décomposé en trois sous-domaines : celui du groupe motopropulseur, celui du contrôle du châssis et celui des interfaces avec le conducteur (et aides à la conduite) qui constitue le contrôleur de l’ensemble. Derrière le vocable moteur se cachent des catégories bien différentes avec des problématiques bien différentes. Contrairement à l’exemple de l’hybridation dans le domaine moteur (domaine qui a remis en cause la structure même du GMP), dans le cas de la dynamique véhicule, un châssis restera un châssis tant qu’on ne dépassera pas les limites fixées par la mécanique, même si le comportement de l’ensemble a considérablement évolué grâce à l’électronique / automatique / informatique (aucune innovation structurelle n’a vu le jour pour l’instant). On retiendra aussi qu’actuellement l’industrie automobile utilise encore un certain nombre de contrôleurs basés sur des cartographies (look-up tables) qu’il est urgent de remplacer, celles-ci limitant souvent les performances. Le besoin en termes de modèles (que ce soit à des fins temps réel ou de simulation) est donc très important. II.a.- La motorisation vue par l’automaticien. La motorisation des véhicules automobiles a beaucoup évolué ces dernières décennies sous la pression grandissante du problème pétrolier, des conséquences de la pollution et, bien sûr, de la course à l’innovation dans le milieu de la conception automobile. Il est intéressant de noter que les solutions pouvant être mises en œuvre ( et que le client accepte d’acheter !) différent d’un pays ou d’un continent à l’autre. Une voiture électrique qui pourrait convenir à la problématique d’une ville française serait par exemple invendable aux USA. L’engouement soudain des Français, il y a quelques années, pour le diesel (qu’ils considéraient auparavant comme « agricole ») n’a pas été partagé par d’autre pays. Les cahiers des charges des constructeurs varient par conséquent d’un pays à l’autre pour tenir compte de ces différences, ce qui illustre les difficultés de conception d’un véhicule global adapté au marché de toute la planète. Rappelons les évolutions plus ou moins récentes, telles que l’injection électronique (analogique à la fin des années 60, puis digitale vers la fin des années 70), le contrôle du flux d’air (papillon-richesse à la même époque), mais aussi les progrès impressionnants des boîtes de vitesses automatiques et de leur commande qui les rendent actuellement incontournables en haut de gamme. Il convient de citer aussi les récents progrès du diesel dus à l’injection haute pression à rampe commune apparue vers la fin des années 90 et l’injection directe pour les moteurs à essence quelques années plus tard. Le contrôle des soupapes est certainement le domaine dans lequel les techniques modernes de l’automatique, de l’électronique de puissance et de l’informatique peuvent apporter le plus. Cette technologie partie d’une mécanique complexe s’oriente actuellement vers la commande électro-hydraulique. Un domaine intéressant est celui qui consiste à faire évoluer les motorisations actuelles. Les progrès faits récemment dans ce domaine sont importants, mais il reste un potentiel important qui nous réserve probablement encore de nombreuses surprises. Pour s’en convaincre, il suffit de comparer chez certains constructeurs les performances des motorisations proposées en série aujourd’hui à celles d’il y a quelques années. Le downsizing est un exemple frappant à cet égard. Regardons ceci du point de vue de l’automatique : un moteur « à allumage commandé » répond à des contraintes et des modes de fonctionnements bien différents de ceux d’un moteur « à allumage par compression ». Sous la contrainte des normes antipollution, les solutions technologiques foisonnent. Les moteurs sont actuellement dans une phase de complète redéfinition et de remise en question. Tous les motoristes se posent la question de la réelle solution pour l’avenir. Chaque solution amène son lot de problématiques à résoudre. A cet égard, il n’y a pas aujourd’hui de réponse « universelle » au contrôle moteur. Attention, il s’agit là du domaine par excellence dans lequel les développements technologiques vont très vite et dans lequel les constructeurs sont très innovants. Il convient donc d’être très attentif pour éviter de chercher à résoudre des problèmes qui n’en sont plus (du moins d’un point de vue industriel). La régulation de richesse d’un moteur à essence à injection indirecte par exemple peut mener à des solutions très pertinentes, mais qui risquent de n’intéresser plus personne dans l’industrie car des solutions éprouvées et satisfaisantes ont été mises en oeuvre. Par contre, la problématique de la régulation de richesse d’un moteur à essence « downsizé » suralimenté avec double VVT (variable valve timing), intéresse tous les constructeurs ( et qui plus est, cette problématique est très intéressante et plus complexe du point de vue automatique !). Dans les grandes lignes, on pourrait énumérer les principales difficultés de la manière suivante : Le moteur, en tant que système, est complexe, il comporte de nombreux couplages et interactions, non- linéaires, à paramètres inconnus. Les dynamiques sont variables et nombreuses (thermiques, chimiques, mécaniques). Les commandes à mettre en œuvre se doivent d’être multi-variables, multi-objectifs, conjointes [moteur – système de dépollution], différenciées cylindre à cylindre, etc.. Les capteurs, lorsqu’ils existent sont parfois peu adaptés, souvent 4 lents, bruités. Les actionneurs eux aussi sont souvent limités, trop lents, présentent des délais, ont des effets couplés. La supervision de l’ensemble pose des problèmes de commutation de modes de combustion ( gare aux transitoires), de gestion globale des sources énergétiques et de couple (ceci est vrai pour toutes les formes d’hybridation). Les simulateurs, les moyens expérimentaux deviennent impossibles à maîtriser sans partenariats industriels (surtout lorsqu’il s’agit de moyens expérimentaux correspondant aux « GMP » en développement). A long terme, il faut citer les nouvelles motorisations basées sur de nouvelles sources d’énergie, telles que l’hydrogène. Ce domaine constitue probablement le meilleur exemple d’application de ce que certains appelleront la mécatronique [10], d’autres comme Richalet, la conception généralisée. Il s’agit, en effet, de mettre en œuvre la génération de l’hydrogène à partir d’un combustible transportable, de produire de l’électricité à partir de cet hydrogène, puis de propulser le véhicule électriquement. Il devient évident que les principaux challenges dans ce cas sont la fiabilité et la course au rendement de chacune des étapes. La moindre perte peut priver l’ensemble de la solution de tout intérêt industriel. Ces problèmes ne peuvent se résoudre que par des collaborations multidisciplinaires entre équipes de compétences aussi nombreuses que variées. La tendance plus immédiate est celle du véhicule hybride. Ce domaine est encore un excellent exemple de domaine dans lequel l’automaticien peut « se défouler » en mettant en œuvre et en testant tous les outils de son cru (à condition de pouvoir les tester sur des systèmes ou des modèles réalistes !). La diversité des apports possibles est impressionnante : depuis les modèles des divers types de motorisation et leur commande, le passage optimalisé entre les différents modes de fonctionnement, la surveillance, le diagnostic et la gestion/supervision de l’ensemble. Dans ce domaine particulier, il convient de bien se renseigner avant de se lancer dans une recherche, certaines équipes industrielles ou académiques ayant plus ou moins discrètement pris de sérieuses longueurs d’avance. Dans les deux domaines précités, il reste encore beaucoup de développements à faire, qu’il s’agisse des batteries, des piles à combustible, de la génération d’hydrogène, des reformeurs, etc.. Du point de vue du contrôle, les deux points qui semblent les plus importants sont l’aspect diagnostic et le contrôle « optimal » des différentes sources de couple. Ce problème d’optimisation est aujourd’hui primordial. Là encore, toute étude ne sera crédible et pertinente que si elle s’appuie sur des simulateurs réalistes et sur des moyens expérimentaux réels. Seuls les constructeurs et leurs partenaires en disposent. Quels sont les besoins en termes d’automatique dans le domaine de la motorisation? Toutes les facettes du diagnostic des systèmes peuvent ici trouver un vaste champ d’applications : il sera même crucial dans le cadre des futures normes. Un gros travail applicatif reste à faire. De nombreuses grandeurs ne sont pas mesurables directement dans le moteur : observation et surtout prédiction de ces grandeurs, telles que masse, température et composition des gaz dans le cylindre, quantité exacte de masse de carburant injecté, … Toutes les grandeurs internes au cylindre doivent être connues très précisément, en particulier pour le contrôle des nouveaux modes de combustion. Ces grandeurs ne sont malheureusement pas mesurables (souvent même les capteurs de laboratoire, pourtant très chers, posent de sérieux problèmes). Elles dépendent de nombreux phénomènes, tels que l’aérodynamique interne, les échanges, les configurations exactes de la maille air, de la chaîne d’injection, etc… La difficulté consiste en particulier à obtenir une bonne prédictibilité de ces grandeurs en transitoire. Les estimateurs–prédicteurs, non-linéaires, aidés par un modèle et actuellement utilisés, sont en général calés à l’aide d’un simulateur, mais doivent impérativement être recalés par des grandeurs réelles issues d’un banc de mesure pour éviter des biais systématiques de conception. Les propriétés demandées à l’ensemble contrôle-commande sont multiples (et souvent antagonistes) : robustesse du fait que le système varie dans le temps, du fait de la dispersion des moteurs d’une même série, simplicité (surtout de réglage et d’adaptation d’une série moteur à une autre), transparence et signification physique des réglages (le syndrome du tuning sauvage des PID est de funeste mémoire !). Les commandes simples avec modèle interne sont actuellement préférées par les constructeurs à des commandes complexes même plus performantes. La conclusion d’une tendance vers le “model based control“ semble bien ancrée. En termes de supervision de commande, il semble préférable que la structure soit bien hiérarchisée dans le but d’être la plus universelle possible. Aujourd’hui, la structure la plus connue est la structure dite de pilotage en couple : pour un moteur à essence, la chaîne de contrôle du couple s’appuie sur un contrôle de la masse d’air, qui lui-même s’appuie sur un contrôle de la pression collecteur, lui-même adossé aux contrôles des actionneurs. La structure est ainsi transposable d’une configuration à une autre, même si une des boucles de contrôle en particulier (ou plusieurs) doit être revue pour telle autre configuration. Une des difficultés actuelles tient à sa nouveauté : s’il existe toujours les deux classes de moteurs que sont les moteurs diesel (dit « à allumage par compression ») et les moteurs à essence (dit « à allumage commandé »), le fonctionnement des deux types tend à se rejoindre dans les moteurs les plus modernes. Dans le cas des moteurs à allumage commandé, pour réaliser une commande moderne, il est indispensable de connaître et de maîtriser les masses et les concentrations admises. Pour maîtriser ces éléments, il faut piloter la chaîne d’air (papillon, EGR, Turbo, distribution, …), la richesse (nécessité de prédiction) et l’allumage. Dans le cas des moteurs à allumage par compression, la commande doit s’orienter vers un cahier des charges demandant plus de performances, moins de particules, moins de bruits, etc… Il faut alors maîtriser très précisément la quantité, 5 l’instant (et le nombre) d’injections, l’EGR, la suralimentation, etc.. Pour conclure sur la problématique de la motorisation, toute étude de contrôle moteur crédible doit être testée ou validée sur des simulateurs réalistes. Il convient également d’être attentif à la pertinence et au niveau d’actualité de la problématique traitée dans un domaine où les avancées technologiques sont nombreuses et très rapides et dans lequel les moyens expérimentaux sont extrêmement coûteux. II.b.- Les évolutions châssis Les évolutions du châssis sont d’abord venues de sous systèmes d’aides au conducteur tels que le freinage actif (ABS en 1979), puis le contrôle de traction (ASR ou ATC vers 1986), le contrôle de trajectoire (ESP en 1998) et plus récemment les directions actives (AFS en 2003) et après plusieurs tentatives, l’anti-roulis actif (DDC en 2003). Un système de contrôle anti-tonneaux (RSC) vient d’être présenté sur un véhicule de série au salon de Detroit 2006. Ces systèmes se caractérisent par le fait que la maîtrise du véhicule est laissée au conducteur tant qu’aucune situation critique (principalement sur- et sous-virage) n’est détectée. Au delà de cette frontière, ces systèmes corrigent la commande du conducteur (par une action sur le moteur et le freinage au niveau d’une ou plusieurs roues par le booster actif) jusqu’à ce que le comportement du véhicule soit revenu dans le domaine « maîtrisable ». Par contre, ces systèmes n’ont jamais remis en cause l’aspect structurel du châssis. Les améliorations du comportement sont donc limitées par cet aspect. Signalons au passage que, pour des raisons de simplification et de sécurité (fuite, incendie), beaucoup de développements sont en cours dans le domaine des freins électriques. La mise en œuvre de ces nouveaux freins est relativement simple à l’arrière du véhicule, mais l’est nettement moins à l’avant. En effet, l’énergie nécessaire au freinage du véhicule, est essentiellement dissipée à l’avant ce qui entraîne des dimensions de freins et d’effecteurs plus élevées ainsi que des contraintes de refroidissement sévères. Par contre, ces freins demanderont à être contrôlés et commandés différemment par rapport aux freins hydrauliques classiques. Il y a là de belles opportunités d’intégrer les notions de diagnostic dès la conception ou à revisiter le contrôle de manière à revenir vers des lois continues. Rappelons que les ABS actuels présentent toujours un certain nombre de défauts ou de limites, comme, par exemple, ceux liés à la limitation de précision des capteurs (elle-même liée à des impératifs de coût). Ceci peut se traduire par des pertes de contrôle du système de freinage à basse vitesse ou lorsque les quatre roues du véhicule sont sur une surface à très faible adhérence. Un autre domaine très prisé par les automaticiens est celui de la suspension active. De nombreux travaux ont été présentés dans ce domaine (par ex [11]). Ces suspensions doivent apporter une amélioration au confort mais aussi au comportement routier du véhicule. A l’heure actuelle et pour des raisons de consommation énergétique, seules des suspensions semi-actives sont montées sur des véhicules de série. Ces suspensions permettent essentiellement d’adapter les lois d’amortissement soit automatiquement (il existe des amortisseurs qui permettent de choisir entre une quinzaine de lois d’amortissement préprogrammées), soit selon les désirs du conducteur (en général, mode sport et mode confort). Une mention particulière doit être faite des amortisseurs électro- ou magnéto-rhéologiques permettant une commande directe de l’amortisseur ( par ex [12]) Ce type d’effecteur est déjà monté en série, même s’il présente encore quelques inconvénients (usure). Une suspension réellement active devrait, en plus, compenser en temps réel les variations d’assiette et de hauteur (à toutes les fréquences pouvant être ressenties par les passagers) pour être parfaite. Ce cahier des charges est nettement plus exigeant en termes de consommation : de l’ordre de 6 à 8 kW pour stabiliser la caisse jusqu’à des fréquences de l’ordre de 6-7 Hz, ce qui permet de filtrer une grande partie des excitations de la route (à comparer aux 25 à 35 kW nécessaires pour faire avancer un véhicule moderne à 90 km/h sur une route horizontale). Un tel surcoût de consommation de l’ordre de 25% est, bien évidemment, totalement inacceptable, en particulier vu par le client. Certaines firmes ont proposé des produits très innovants et prometteurs dans ce domaine (cf Bose). Certains constructeurs ont fait le choix de proposer des options de suspensions « pseudo-actives » pour stabiliser le châssis dans les basses fréquences, jusqu’à 2 Hz (ce qui permet de stabiliser le roulis et le tangage). Dans ce cas, il faut s’attendre à un ordre de grandeur de 2 kW, dépendant fortement du type de conduite adoptée. Une étude de suspension active ne sera donc intéressante que si elle comporte une étude complète en fréquence et un chiffrage de la demande énergétique dans des conditions précises. Il existe beaucoup d’autres fonctions d’aides, en particulier sur les véhicules de haut de gamme ou ceux à quatre roues motrices (les fameuses « béquilles » tellement décriées par les puristes). Mais plutôt que de continuer à décrire des évolutions de systèmes existants, parlons un peu d’avenir. Celui-ci concerne clairement l’intégration et la supervision des fonctions dès la conception et les intercommunications par des bus multiples (jusqu’à 4 dans le véhicule). Dans ce domaine d’intégration, il est fondamental de se reposer la question d’analyse structurelle dont nous avons parlé plus haut. En effet, les diverses aides au comportement du châssis sont en grande majorité issues des extrapolations des ABS de générations récentes permettant le freinage roue par roue. Mêmes les aides destinées à l’amélioration du comportement transversal (contrôle de trajectoire, ou contrôle anti-tonneaux en particulier) sont basées sur le freinage d’une ou plusieurs roues. Structurellement parlant, ceci est un pis aller lié aux limitations de ce que la mécanique est capable de faire seule, directement, et à coût raisonnable. La logique de conception généralisée ou de la mécatronique voudrait qu’on applique la notion de « commande 12 forces » qui constate que, pour agir sur un véhicule, nous disposons des trois forces verticale, longitudinale et transversale sur les quatre roues, et des 6 moments qui en découlent. La logique voudrait qu’on commande la dynamique longitudinale par les 4 forces longitudinales, la transversale par les 4 forces transversales, etc.. Dans le cas du contrôle de la trajectoire et en tenant compte de ce raisonnement, une direction active accompagnée d’une décélération moteur seraient donc bien plus indiquées. La figure 1 donne l’état actuel de ces aides à la conduite. Compte tenu de l’évidente demande de fiabilité de ces systèmes, ils devront intégrer, dès la conception, les notions de diagnostic, de détection et d’isolation de pannes, voire de reconfiguration, etc .. Figure 1 : Etat actuel des aides à la conduite Les flèches et leur épaisseur rendent respectivement compte de l’influence de l’aide apportée et de l’importance de cette influence. On remarquera en particulier, les possibilités d’aide concernant la dynamique latérale du véhicule et le fait que la plupart de ces aides (sauf, bien sûr, le “steer by wire“ et les 4 roues directrices) sont basées sur des forces additionnelles soit longitudinales soit verticales, ce qui laisse deviner les progrès possibles. II.c.- Les aides au conducteur et le conducteur ! Reste maintenant à traiter l’immense domaine des aides au conducteur à un niveau plus élevé que la simple tâche d’évitement de situations de conduite critiques. La demande dans ce domaine est essentiellement due à l’augmentation importante du trafic (+ 44 % entre 1991 et 2000, et + 65 % d’ici 2015 en termes de tonnes.kilomètres). Les innovations à venir sont telles qu’il est actuellement très difficile d’imaginer les orientations qu’elles prendront réellement dans le futur véhicule de série. Les puissances des systèmes embarqués ont littéralement explosé ces dernières années, alors que la pression due à la fiabilisation empêche d’embarquer des microcontrôleurs trop récents. De gros progrès sont attendus de la fusion des données : celle-ci permettra d’obtenir l’information pertinente de la part d’un certain nombre de capteurs dans une situation donnée. La précision des GPS a beaucoup évolué grâce à des algorithmes de reconstruction de plus en plus perfectionnés, mais leur taux de rafraîchissement des informations sur les versions de grande série reste faible (environ 2 Hz). La sphère d’imprécision varie de celle, intrinsèque au GPS, d’une cinquantaine de mètres lors d’une excitation très faible (par exemple, sur autoroute à vitesse constante) jusqu’à celle obtenue par recalage avec les capteurs du véhicule (en particulier l’angle volant) dont l’ordre de grandeur est celui d’une demi voie de la route, c’est-à-dire environ deux mètres lors de fortes excitations sur une route de montagne. Cette précision est appelée à évoluer grâce aux technologies de GPS différentiels mis en place à l’approche des grandes villes (en Allemagne jusqu’à 80 kilomètres des centres importants comme Francfort). On obtient, dans ce cas, des précisions inférieures au mètre. Pour les instruments de laboratoire, les GPS différentiels permettent actuellement des taux de rafraîchissement de l’information de l’ordre de 10 Hz et des précisions centimétriques dans les trois directions. Par fusion de données avec les informations des autres capteurs du véhicule, en particulier la centrale inertielle, on arrive à un taux de rafraîchissement de 50 Hz avec l’énorme avantage de ne perdre que très progressivement la précision de localisation en cas de perte de contact avec les satellites (10 cm au bout de 20 s). Les applications sont aussi nombreuses que variées (y compris, par exemple, la mesure de la dérive grâce à 2 GPS différentiels sur le même véhicule ; ce problème sera traité plus bas). On connaît le GPS avec ses nombreuses possibilités actuelles de pilotage, y compris la prise en compte en temps réel des difficultés, permettant ainsi un calcul d’itinéraire optimisé en fonction de l’état de la route et de la circulation. On cerne moins les limitations actuelles dues aux bases de données et aux possibilités supplémentaires qu’offriront les futures. La qualité, la quantité des informations seront considérablement meilleures et permettront des aides beaucoup plus précises. Elles permettront, par exemple, d’établir de manière prédictive, à l’approche du virage, le profil de vitesse pour le virage à venir [13]. Elles permettront, de nuit, d’éclairer la route d’une manière beaucoup plus précise en fonction des difficultés devant le véhicule [14]: éclairage ville, croisement route, virage ou encore éclairage adaptatif, etc. Elles permettront aussi de prendre directement en compte les diverses limitations de vitesse, etc. Les communications automatiques du véhicule avec son environnement se feront de plus en plus nombreuses : infrastructure intelligente, panneaux actifs, SOS automatique, etc. Il faudrait bien sûr parler de tous les systèmes de sécurité active et passive dans le véhicule pour lesquels il reste de très nombreux progrès à faire (comme, par exemple, l’airbag anti-tonneaux qui doit, contrairement aux autres, rester gonflé, d’où des problèmes de température de gaz, etc..). Mais beaucoup de ces problèmes nécessiteront des progrès dans d’autres domaines que ceux de l’automatique (mécanique, matières textiles et/ou plastiques) et ne seront, par conséquent pas traités dans ce papier. Un des problèmes les plus intéressants, qui n’en est qu’à ses débuts, est celui des multiples aspects de la modélisation et de l’identification du conducteur lui-même. Compte tenu du grand nombre de tâches qu’il doit effectuer (on parle de 2000 tâches différentes), de son expérience, de son état de fatigue, de l’utilisation du modèle à développer, les modèles sont nombreux et de structures très différentes. Du simple PID de bouclage d’un modèle de suivi de trajectoire jusqu’aux modèles 7 hautement hiérarchisés à machine à états finis gérant les priorités d’interruption pour l’exécution de tâches multiples, en passant par les modèles statistiques visant à représenter le plus de conducteurs possibles, le travail est immense et il convient de bien fixer le cahier des charges du modèle à étudier. Les modèles et leurs paramètres à identifier dépendront largement des entrées considérées qui sont nombreuses et nécessitent pour leur description des outils et des méthodes particulières. Les entrées principales pour le conducteur sont la vision (principale et périphérique) et la proprioception (sensation de vibrations au niveau des omoplates, de l’assise, des mains et des pieds, sensations d’accélérations linéaires et de vitesse de rotation liés à la détection au niveau de l’oreille interne). Afin d’être représentatif, le modèle du conducteur doit, au moins partiellement pouvoir s’intégrer dans la structure de la figure 2. Celle-ci illustre les trois niveaux principaux de connaissance, de représentation et de routine avec les domaines concernés pour le conducteur et pour son véhicule [15], [16]. L’intérêt principal de cette démarche sera d’adapter le véhicule et ses différents réglages à l’état actuel du conducteur (conducteur “novice“ à “expérimenté“, “calme“ à “nerveux“, “en forme“ à “fatigué“ ; adaptation des puissance moteur, vitesse, position de conduite, aides actives, etc..) afin de garantir une sécurité maximale, quels que soient le conducteur et son état. Figure 2 : Structure générale du modèle du conducteur d’une automobile III.- La problématique de l’identification Pour mieux illustrer certaines difficultés de l’automaticien dans le domaine applicatif et en particulier celui de l’automobile, considérons maintenant la problématique de l’identification des paramètres. Prenons le cas (courant) d’une campagne d’identification dans le domaine châssis, et plus précisément celui des paramètres liés au comportement routier. On trouvera dans la bibliographie de nombreuses références aussi bien théoriques, comme par exemple[17]et [18], que d’expérimentation pratique, comme [19]. La liste des paramètres qu’on souhaite généralement identifier est longue ; celle des paramètres identifiables avec une bonne précision l’est nettement moins pour les raisons qui vont être décrites ci-dessous. La figure 3 de la page suivante représente le processus général avec les divers choix et les difficultés inhérentes à cette opération. Le système que nous devons identifier est un système complexe qui est décrit par un ensemble d’équations (MOD n ; syst équat n) comportant un nombre important de paramètres. Le modèle du système (l’ensemble des équations précitées) n’est pas unique ; la finesse du niveau de description doit répondre aux besoins réels de l’utilisation qui sera faite de ce modèle. Un système « sous-modélisé » ne permettra que des simulations approximatives n’apportant rien de nouveau. Un système sur-modélisé sera très difficile à paramétrer (certains paramètres risquant d’être inaccessibles ou impossibles à valider). Supposons que, compte tenu de ces éléments, nous ayons choisi le modèle MOD1. Ce modèle fera appel à un ensemble de paramètres inconnus (donc à identifier) et à un ensemble de paramètres connus et validés (à priori par le constructeur ou ses sous-traitants). Un des éléments de choix entre les différents outils et les différentes méthodes consistera donc à nous orienter vers une démarche permettant de maximiser le nombre et la « qualité » des paramètres identifiés. L’ensemble des paramètres de référence (qui nous servira de validation finale) ne sera réellement utilisable que s’il est donné avec les précisions respectives, les éléments statistiques tels que la variance, les conditions de mesures particulières et/ou restrictives, etc. 8 Figure 3 : Aspects globaux de la procédure d’identification III.a.- Le protocole d’essai et les mesures. Pour la phase d’identification elle-même, nous aurons besoin de mesures. Plusieurs difficultés supplémentaires apparaissent à ce stade : le protocole d’essai, la faisabilité des essais, le nombre de variables à mesurer, donc de capteurs nécessaires. Il est évident que, plus le nombre de paramètres sera important et plus les exigences de précision seront élevées, plus la quantité et la qualité des informations devront être grandes. Mais, parallèlement, pour éviter un coût prohibitif de ces essais, il faudra réduire au minimum le nombre de capteurs. En effet, certains capteurs de laboratoire dans le domaine automobile coûtent bien plus cher que la voiture elle-même. De ce fait, lorsqu’ils existent chez le partenaire industriel, ils sont généralement très demandés et doivent être réservés longtemps avant les essais. Lorsque le besoin d’identification est celui du temps réel adapté aux besoins de la grande série, c’est la précision des capteurs qui sera très importante et qu’il convient de prendre en compte. Le protocole d’essai doit être adapté aux besoins de la quantité d’information et au domaine sollicité. Les essais représentatifs devant être généralement effectués par un ingénieur-essayeur, il convient de rester “réaliste“ dans la demande. Pour des raisons évidentes de coût et de sécurité, aucun responsable de prototype ne souhaite lâcher une voiture pilotée par un robot sur une piste, d’autant qu’aucun copilote chargé des enregistrements ne sera assez téméraire pour monter dans un tel véhicule. Il ne sert donc à rien de demander, par exemple, des essais d’excitation sinusoïdale au volant à 10 Hz, alors qu’un essayeur bien entraîné peut monter un peu au-dessus de 4 Hz, mais plus haut….( il y a des places à prendre !). Les essais doivent pouvoir être faits sur une piste réaliste : les lignes droites sont limitées, les aires d’évolution ne dépassent pas (au mieux) quelques centaines de mètres de côté. Les bords et les extrémités arrivent à une vitesse inquiétante lorsque le véhicule est lancé à 30 m/s et que le pilote est concentré, par exemple, sur une excitation du volant en sinus vobulé. Figure 4 : Spectre de fréquence d’une « bonne » excitation de l’angle volant. 9 Figure 5 : Spectre de fréquence d’une excitation réalisable de l’angle volant. La même réflexion souligne qu’un “échelon unité“ ne vaut que par l’entraînement du pilote à obtenir un temps de montée minimal, qu’il ne sera jamais représentatif du domaine linéaire, etc.. Alors que dire des séquences binaires pseudo-aléatoires… Pour bien cerner toutes ces difficultés, la meilleure solution consiste indéniablement à participer aux essais. Les figures 4 et 5 montrent respectivement les spectres de fréquences des excitations volant qu’il serait bon d’avoir sur un véhicule pour une bonne identification des paramètres intervenant dans le comportement transversal et celui qu’un bon essayeur est capable de réaliser. La conclusion s’impose d’elle- même. III.b.- Documenter les mesures Supposons que, pour toutes ces bonnes raisons, nous ayons mis en place le protocole d’essais numéro 1 ( PE1). Le résultat des essais sera une série de fichiers de mesures pour lesquelles on aura soigneusement noté les conditions de mesure sous peine « d’inutilisabilité » dans les quelques mois qui suivent. Il convient, par exemple, de noter les informations suivantes : pilote, passager, température extérieure, état de la route, filtres des voies de mesure, particularité temporaire du système d’instrumentation du véhicule, pression des pneus, niveau des liquides (nécessaire quand on veut identifier la masse sur un véhicule dont le réservoir, par exemple, fait 70l). Les fichiers de mesure seront inévitablement bruités ; certains pour de bonnes raisons physiques (un profil vertical trop plat ou une accélération transversale bien régulière est plus que suspect !). Ceci veut dire que l’ensemble de la procédure d’identification doit tenir compte de ces aspects (s’agissant, par exemple, du nombre d’itérations de manière à éviter, une fois les vraies informations extraites, de continuer à identifier sur du bruit). III.c.- Les précautions et les « indésirables » La méthode d’identification (Meth i ) devra elle–même être choisie entre plusieurs, compte tenu des éléments précédents. La tâche sera encore un peu compliquée par le fait que les fichiers de mesures devront être enrichis par les observations, les estimations et autres reconstructions des variables non mesurables (dérives avant, arrière, au centre de gravité, etc.). Certains éléments devront être corrigés du fait que certains capteurs faussent par essence même certaines mesures (par exemple : certaines roues dynamo- métriques ne présentent pas la même inertie que la roue de série, certains capteurs encombrants faussent les inerties et le poids du véhicule, etc..). Se pose alors la question : vaut-il mieux travailler avec une voie de mesure de moins ou avec un capteur qui influence le comportement du système ? Prenons l’exemple particulier de l’estimation de la dérive latérale au centre de gravité. S’agissant d’une reconstruction du vecteur vitesse réelle, elle fera appel à la mesure ou à l’estimation des vitesses longitudinale et transversale, souvent basée sur des capteurs optiques à corrélation croisée (Cocc). Ces capteurs permettent en général d’obtenir les informations de vitesse sous plusieurs formes : numérique ou analogique, valeurs de la vitesse longitudinale et transversale ou module et angle du vecteur vitesse. Il est à noter que ces capteurs ont une bande passante très limitée, un délai non négligeable entre l’acquisition et la restitution de l’information et une précision qui diffère selon le mode de restitution. La dérive peut être reconstruite de plusieurs manières : - à partir de deux Cocc, l’un sur la roue arrière, l’autre sur la roue avant (à priori la méthode donnant le plus de renseignements), - à partir d’un seul Cocc avec une reconstruction tenant compte de son emplacement, - à partir des 4 informations de vitesse de l’ABS (et éventuellement d’une accélération) solution série, - à partir des mesures des vitesses roues et des accélérations par des capteurs laboratoires, - à partir de mesures de vitesses radar, - à partir des accélérations et des vitesses délivrées par les roues dynamométriques, - à partir des mesures par capteurs classiques associées à une reconstruction du type réseaux de neurones, - etc. Les résultats de ces 7 reconstructions donneront 7 valeurs de dérive différentes avec des écarts pouvant aller jusqu’à 45%. De la même manière, la prise en compte des différentes estimations du rayon de roulement réel de la roue (à vide, théorique selon norme, théorique selon Pacejka, approché, réel mesuré, corrigé) mènera à 6 valeurs différentes (+/-3%) paramétrées par la pression. La rigidité d’un même pneu, mesurée sur 6 bancs de mesure différents, a permis de relever 6 valeurs différentes avec des écarts de l’ordre de 30%. Enfin, la bande passante réelle de certains capteurs s’est révélée être nettement moindre que celle annoncée commercialement… La conjonction de ces différents problèmes de mesure lors d’acquisitions destinées à nourrir le processus d’identification laisse deviner les précisions qu’on peut en attendre. Il est donc évident qu’il convient de rester modeste en annonçant des précisions d’identification, étape dans le travail de l’automaticien aussi précieuse que délicate pour des simulations représentatives. 10 IV.- Conclusion Nous avons montré dans cet article les différents aspects de la contribution de l’automatique dans l’automobile : l’intérêt de collaborations entre université et industrie est énorme pour le chercheur aussi bien que pour l’ingénieur. Le challenge est très intéressant, mais les précautions à prendre sont nombreuses. Il faut être innovant et aller très vite dans un paysage pas toujours très transparent. Pour des raisons évidentes de compétitivité internationale, le constructeur est, en effet, souvent amené à ne publier son savoir-faire que lorsque le produit final est en fin de développement et prêt à être monté en série. Cela peut donner lieu à des surprises de taille. Les apports potentiels de l’automatique dans le domaine automobile sont énormes et concernent tous les domaines de l’automatique elle-même et plus généralement ceux de la mécatronique. L’intégration des fonctions et la conception généralisée (au sens Richalet du terme) seront des priorités. Le diagnostic, la fiabilisation des ensembles intégrés, les optimisations des collaborations hommes/machines, le partage des responsabilités (panne ou accident) d’un système de plus en plus complexe seront très certainement des problèmes appelés à prendre de l’importance. Au delà de l’intérêt de l’automatique dans l’automobile, nous avons voulu montrer, à travers cet article, l’intérêt des applications dans notre domaine. Disposer d’un site pilote réaliste au niveau industriel représente indiscutablement des contraintes d’investissement, de maintenance, etc. mais il générera par ailleurs des connaissances de terrain irremplaçables, ainsi qu’une crédibilité industrielle difficile à acquérir autrement. Il est certainement cocasse aussi de noter que notre métier d’automaticien nous obligeant d’abord et avant tout à observer les systèmes, la déformation professionnelle nous conduit à observer tous les systèmes qui nous entourent avec cet œil entraîné, que ces systèmes soient physiques, économiques, politiques… ou universitaires. Appliquer les outils de l’automatique à la vie courante peut mener à des surprises (ainsi que nous le montrerons lors de la présentation orale). V.- Remerciements L’auteur aimerait remercier toutes les personnes qui ont participé à cette réflexion ; citer des noms serait source d’oublis mais une mention particulière doit être faite pour l’équipe du MIAM (les anciens et les actuels !) impliquée dans les séminaires ainsi que l’équipe de la DR Renault avec qui nous travaillons depuis des années. Merci aussi à Yann Chamaillard de m’avoir mis à jour mon passé moteur. VI.- Bibliographie 1) G. L. GISSINGER et N. Le FORT PIAT « Contrôle Commande de la voiture », Hermès IC2, ISBN 2-7462-0511-4, 2002 2) G. L. GISSINGER et N. Le FORT PIAT « La Voiture Intelligente », Hermès IC2, ISBN 2-7462-0512-2, 2002 3) U. KIENCKE, L. NIELSEN, R . SUTTON, K. SCHILLING, M. PAPAGEORGIOU, H. ASAMA « The impact of automatic control on recent developments in transportation and vehicle systems » Milestone report of IFAC CC on Transportation and vehicle systems, IFAC World Congress 2005 Prague 4) L. GUZZELLA, A.SCIARETTA « Vehicle Propulsion Systems » Springer 2005, ISBN 3-540-25195-2 5) H.B.PACELKA, E.BAKKER, « The Magic Formula Tire Model » Vehicle System Dynamics 1993 6) M.GAEFVERT, J. SVENDENIUS, B. WITTENMARK « A Brush-Model Based semi-empirical Tire Model for Combined Slips » SAE paper 2004-01-1064 7) C. CANUDAS de WIT, P. TSIOTRAS, E. VELENIS, M. BASSET, G. L. GISSINGER, « Dynamic Friction Model for Road/Tire Longitudinal Interaction » Vehicle System Dynamic, Vol 39 n3, pp 189-226, 2003 8) J. BAUJON, M. BASSET, G.L. GISSINGER « Visual Behaviour Analysis and Driver Cognitive Model » IFAC Advances in Automotive Control, Karlsruhe (Allemagne), 28-30 Mars 2001, pp 57-63 9) G.L. GISSINGER « De la difficulté des applications en Automatique » Conférence d’ouverture session Contrôle Automobile, IEEE CIFA 2004,Douz (Tunisie), nov. 2004 10) R. ISERMANN « Mechatronic Systems – Innovative Products with Embedded Control » , Tu-M02-PL/1, IFAC World Congress 2005, Prague, 07/2005 11) A. ZIN, O. SENAME, L. DUGARD « Switched H-infinity control strategy of automotive active suspensions » Tu-M16-T0/2, IFAC World Congress 2005, Prague, 07/2005 12) X. MOREAU, L. NIVANEN, A. LE MEHAUTE et M. NOUILLANT « Analyse topologique des phénomènes dissipatifs d’un amortisseur continûment variable à fluide magnétorhéologique » – IEEE-CIFA 2000, Lille, France, 5-8 Juillet 2000. 13) J.P LAUFFENBURGER, M. BASSET, G.L. GISSINGER « The NAICC project : a location-based driver aid system. » IV 2002, Versailles, 18-21 juin 2002 14) B. BRADAI, JP. LAUFFENBURGER, M. BASSET, A. HERBIN, J. LELEVE « Commande prédictive d’éclairage automobile assisté par un système de navigation » CIFA’06, session automobile / environnement. Bordeaux, mai 2005 15) A. SCHWARZ, P, SCHIELE, K, NAAB « Enabling Technologies and Architecture Requirements for Realization of Advanced Driver Assistance Systems » ITS World Congress, Chicago, Oct.2002 16) J. RASMUSSEN « Information Processing and Human- Machine Interaction » ed. North Holland New York , 1986 17) L. LJUNG « System Identification, theory for the user », Prentice Hall, 1999 18) E.WALTER, L. BRONZATO « Identification de modèles paramétriques à partir de données expérimentales » Masson 1994 19) G.VENTURE, W. KHALIL, M.GAUTIER, P.BODSON « Dynamic modelling and identification of a car », 15th IFAC World Congress 2002, Barcelone, Espagne, 2002