Une architecture de commande multi‑objectifs optimale pour les entraînements PMSM

Des cerveaux plus intelligents pour les moteurs de voitures électriques

Les voitures électriques reposent sur des moteurs compacts et puissants qui doivent répondre en douceur à chaque fois que vous appuyez sur l’accélérateur ou grimpez une côte. Cet article explore une manière plus intelligente de commander l’un des types de moteurs les plus répandus dans les véhicules électriques, visant à rendre les entraînements plus fluides, plus efficaces et plus fiables, même lorsque les conditions changent ou que les composants vieillissent.

Pourquoi la commande des moteurs doit évoluer

Les voitures électriques modernes utilisent souvent des moteurs synchrones à aimants permanents, qui offrent beaucoup de couple et d’efficacité dans un encombrement réduit. Tirer le meilleur parti de ces machines n’est toutefois pas simple. Les méthodes de commande traditionnelles, comme les régulateurs à rétroaction classiques ou les schémas logiques flous, peinent lorsque le moteur se comporte de façon non linéaire ou lorsque ses caractéristiques internes dérivent avec la température, l’usure ou les conditions de conduite variables. D’autres techniques, telles que la commande directe du couple, réagissent rapidement mais entraînent de grandes ondulations de couple et de courant, ce qui peut se traduire par des vibrations, du bruit et des pertes d’énergie. À mesure que les véhicules électriques se généralisent et doivent faire face à des côtes raides, des flux de trafic stop‑and‑go et des charges variables, les ingénieurs ont besoin d’une approche de commande à la fois rapide et douce pour le matériel.

Un aperçu de la nouvelle méthode de commande

Les auteurs s’appuient sur une stratégie appelée commande prédictive par modèle, qui fonctionne en prédisant mathématiquement le comportement du moteur sur un horizon de temps court. À chaque instant, le contrôleur évalue des actions possibles et choisit celle qui devrait donner la meilleure performance selon une mesure de coût. Dans cette étude, cette mesure de coût est « multi‑objectifs » : elle équilibre plusieurs buts à la fois, comme maintenir le courant du moteur dans des limites sûres, stabiliser la tension d’alimentation et réduire la puissance perdue dans les dispositifs de commutation qui pilotent le moteur. Une innovation clé est un modèle simplifié « d’avancement d’un pas » des courants du moteur dans un référentiel tournant particulier lié au rotor. Cela rend les prédictions suffisamment rapides pour fonctionner à des taux d’échantillonnage élevés tout en capturant l’essentiel de la physique de production du couple.

Faire moins de choix, mais plus judicieux

Un des principaux défis de la commande prédictive en électronique de puissance est la lourde charge de calcul. À chaque pas de temps, le contrôleur pourrait en principe tester toutes les combinaisons de commutation possibles de l’onduleur qui alimente le moteur. Les auteurs réduisent cette charge en concevant un schéma de sélection de tension à quatre secteurs qui ne considère qu’un ensemble réduit de vecteurs de tension candidats, choisis en fonction de l’erreur de courant. Un terme non linéaire spécial dans la fonction de coût exclut automatiquement les options qui entraîneraient un dépassement du courant au‑delà de son pic sûr, de sorte que le contrôleur ne « suralimente » jamais sérieusement le moteur. Parallèlement, une mesure d’énergie de type Lyapunov est intégrée à l’objectif, ce qui garantit mathématiquement que la quantité analogue à l’énergie du système décroît dans le temps, fournissant une base solide pour la stabilité.

Gérer les variations et les défauts du monde réel

Le contrôleur proposé est également conçu en pensant aux véhicules électriques pratiques. Il régule la tension sur le bus CC — le réseau d’alimentation interne qui alimente l’onduleur — ce qui lui permet de répondre à des changements soudains de couple de charge ou d’inclinaison de la route sans perdre le contrôle. Plutôt que de s’appuyer sur un capteur de vitesse physique, qui augmente le coût et la complexité, le schéma utilise des informations basées sur le courant et une disposition compacte de condensateurs. À travers des simulations détaillées dans MATLAB/Simulink, les auteurs testent des cas extrêmes où la résistance et l’inductance du moteur sont volontairement modifiées de 50 à 150 % de leurs valeurs nominales, simulant le chauffage, l’usure et la saturation magnétique. Même dans ces conditions sévères, les courants du moteur restent proches de leurs valeurs souhaitées, le couple se stabilise rapidement après les perturbations et la tension demeure presque constante.

Ce que les résultats signifient pour les conducteurs

En termes simples, ce travail montre comment un contrôleur « pensant » soigneusement conçu peut maintenir le moteur d’une voiture électrique en fonctionnement fluide et efficace, même lorsque le véhicule rencontre des côtes, des accélérations soudaines et l’usure à long terme. En prédisant le comportement du moteur et en conciliant plusieurs objectifs à la fois — couple homogène, courants sûrs et faibles pertes de commutation — le schéma proposé réduit les ondulations du courant, maintient la distorsion totale en dessous de 5 % et limite les commutations inutiles. Cette combinaison promet un fonctionnement plus silencieux, une meilleure utilisation de l’énergie et une plus grande robustesse sur la durée de vie du véhicule. Bien que l’étude repose sur des simulations, elle ouvre de solides perspectives pour de futures expérimentations sur des véhicules électriques réels, où une telle commande intelligente pourrait finalement aider à augmenter l’autonomie et à protéger les précieux composants de la batterie et de l’électronique de puissance.

Citation: Mohapatra, B.K., Sharma, V., Bhowmik, P. et al. An optimal multi-objective control architecture of PMSM drives. Sci Rep 16, 11289 (2026). https://doi.org/10.1038/s41598-026-38815-x

Mots-clés: véhicules électriques, commande de moteur, commande prédictive, moteur à aimants permanents, efficacité énergétique