These Jaballah

Université Paul Cézanne Aix-Marseille III Université de Monastir
Laboratoire des Sciences de l'Information et des Systèmes Ecole Nationale d'Ingénieurs de Monastir
THÈSE
pour obtenir le titre de
Docteur de l'Université Paul Cézanne Aix-Marseille III
(Mention : Automatique )
&
Docteur en Génie Électrique de l'Ecole Nationale d'Ingénieurs de
Monastir
Présentée et soutenue à Monastir le 26 Novembre 2011 par

Belgacem Jaballah
Observateurs robustes pour le
diagnostic et la dynamique des
véhicules
Thèse préparée en cotutelle entre LSIS (France) et l'ENIM (Tunisie)
Jury :
Président : Mr Kamel BEN OTHMANE - Maître de conférences, ENISO-Sousse

Examinateur : Mr Jean Pierre BARBOT - Professeur, ENSEA-Pontoise
Rapporteurs : Mr Patrick SIARRY - Professeur, UPEC-Paris

Mr Anis SELLAMI - Maître de conférences, ESSTT-Tunis
Encadrée par : Mr Hassani MESSAOUD - Professeur, ENIM-Monastir
Mr Nacer Kouider M'SIRDI - Professeur, LSIS-Marseille

Co-Directeur : Mr Aziz NAAMANE - Maître de conférences, LSIS-Marseille
i
à mes parents
à ma femme
à Amir et Ramy
ii
Remerciements
Les travaux présentés dans ce mémoire ont été eectués dans le cadre d'une cotu-
telle internationale entre l'Ecole Nationale d'Ingénieurs de Monastir (ENIM) - Tunisie et
l'Université Paul Cézanne Aix-Marseille III - France, sous la responsabilité scientique
de Monsieur Hassani MESSAOUD Professeur à l'ENIM et de Monsieur Nacer Kouider
M'SIRDI Professeur à l'Université Paul Cézanne Aix-Marseille III. Le lieu de travail a
été l'unité de Recherche en Automatique Traitement de Signal et Image (ATSI) à l'ENIM
et le Laboratoire des Sciences de l'Information et des Systèmes (LSIS, UMR 6168), plus
particulièrement au sein de l'équipe SASV (Systèmes automatisés à structure variable),
dirigée par Monsieur le Professeur Nacer Kouider M'SIRDI.
Je voudrais exprimer tout d'abord ma gratitude et mes sincères remerciements à Mon-

sieur Patrick SIARRY, Professeur à l'Université Paris-Est Créteil (France), et à Monsieur
Anis SELLAMI, Maître de conférences à l'Ecole Supérieure des Sciences et Techniques de
Tunis (ESSTT) (Tunisie) qui m'ont fait l'honneur d'être les rapporteurs de ma thèse.
J'adresse mes plus vifs remerciements à Messieurs Jean-Pierre BARBOT, Professeur

à l'Ecole Nationale Supérieure d'Electronique et de ses Applications (ENSEA) (Pontoise-
France) et Kamel BEN OTHMANE, Maître de conférences à l'Ecole Nationale d'Ingé-
nieurs de Sousse (ENISO) (Sousse-Tunisie), d'avoir accepté d'examiner mon travail.
Je remercie tout particulièrement Monsieur Nacer Kouider M'Sirdi, Professeur à l'uni-

versité de Marseille III, qui m'a accueilli au LSIS, pour les précieux conseils qu'il m'a
prodigué et l'attention et le sérieux avec les quels il a suivi de plus près mes travaux.
Je lui suis reconnaissant pour le soutien permanent qu'il m'a manifesté, et sans lequel je
n'aurai pu mener à bien ce travail.
Je ne saurais remercier susamment Monsieur Hassani MESSAOUD, Professeur à

L'Ecole Nationale des Ingénieurs de Monastir (ENIM) et directeur de l'unité de recherche
Automatique et Traitement de Signal et Image (ATSI), pour son aide inestimable et les
conseils précieux qu'il m'a apportés tout au long de ma thèse.
Je remercie également Monsieur Aziz NAAMANE, Maître de Conférences à l'Univer-

sité de Marseille III, pour m'avoir guidé et conseillé durant ma thèse et pour le soutien
permanent qu'il m'a manifesté.
Je tiens à adresser toute ma profonde reconnaissance et ma gratitude à toutes les

personnes qui, de près ou de loin, m'ont aidées, conseillées et encouragées. Je ne saurais
remercier susamment mon père, ma mère, ma femme, mes frères et soeurs, et amis pour
leur soutien inestimable et inépuisable.
Table des matières
1 Introduction générale 1
2 Dynamique du véhicule : état de l'art 5
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Modèle quart de véhicule . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Modèle bicyclette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Modèle complet de véhicule . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.1 Mise en équations des mouvements du châssis . . . . . . . . . . . . 9
2.4.2 Modèle de suspension . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.3 Équations des mouvements des roues . . . . . . . . . . . . . . . . . 14
2.4.4 Comportement de la région de contact . . . . . . . . . . . . . . . . 15
2.4.5 Comportement dynamique du pneumatique (modèle de Pacejka) . . 18
2.5 Modèle nominal global d'un véhicule . . . . . . . . . . . . . . . . . . . . . 20
2.5.1 Hypothèses de modélisation . . . . . . . . . . . . . . . . . . . . . . 20
2.5.2 Description des repères . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3 Calcul du modèle global par la méthode de Lagrange . . . . . . . . 22
2.5.4 Modèle nominal global . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Simulation dynamique du véhicule . . . . . . . . . . . . . . . . . . . . . . . 24
2.6.1 Le simulateur de véhicule SIMK106N . . . . . . . . . . . . . . . . . 25
2.6.2 Le simulateur de conduite SCANeR-studio . . . . . . . . . . . . . . 30
2.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Propriétés du modèle dynamique et découpage en blocs 35
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Propriété de la passivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.1 La passivité du modèle dynamique global . . . . . . . . . . . . . . . 36
3.2.2 Interconnexions des systèmes passifs . . . . . . . . . . . . . . . . . 38
3.3 Découpage du modèle complet . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.1 La dynamique de caisse Σ1 . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 La dynamique de suspension Σ2 . . . . . . . . . . . . . . . . . . . . 46
3.3.3 La dynamique des roues Σ3 . . . . . . . . . . . . . . . . . . . . . . 47
3.4 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4 Synthèse d'observateurs 55
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2 Les modes de glissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
iv Table des matières
4.2.2 Conditions d'existence du glissement . . . . . . . . . . . . . . . . . 57

4.2.3 Robustesse des modes glissants . . . . . . . . . . . . . . . . . . . . 59
4.2.4 Phénomène de réticence . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2.5 Modes glissants d'ordre supérieur . . . . . . . . . . . . . . . . . . . 60
4.3 Observateur par modes glissants . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3.1 Dénition d'un observateur . . . . . . . . . . . . . . . . . . . . . . 63
4.3.2 Observabilité des systèmes non-linéaires . . . . . . . . . . . . . . . 64
4.3.3 Mise en forme du modèle . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.4 Observateur par modes glissants d'ordre un . . . . . . . . . . . . . 66
4.3.5 Observateur triangulaires par modes glissants . . . . . . . . . . . . 71
4.3.6 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.4 Observateurs partiels d'état . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.4.1 Observateur à mode de glissement d'ordre 1 . . . . . . . . . . . . . 77
4.4.2 Observateur à mode de glissement d'ordre 2 . . . . . . . . . . . . . 78
4.5 Les observateurs algébriques ALIEN 1 . . . . . . . . . . . . . . . . . . . . . 79
4.5.1 Présentation de l'approche . . . . . . . . . . . . . . . . . . . . . . . 79
4.5.2 Les algorithmes d'estimation . . . . . . . . . . . . . . . . . . . . . . 80
4.5.3 Résultats de simulation des algorithmes d'estimation . . . . . . . . 81
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5 Système d'aide à la conduite 85
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.2 Unité d'alerte pour les sorties de voie . . . . . . . . . . . . . . . . . . . . . 86
5.2.1 Dynamique longitudinale . . . . . . . . . . . . . . . . . . . . . . . . 86
5.2.2 Dynamique latérale . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.2.3 Phénomène de sous et sur-virage . . . . . . . . . . . . . . . . . . . 87
5.3 Architecture du système d'alerte . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.1 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.2 Calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4 Estimation de l'angle de dérive . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4.1 Modélisation de l'angle de dérive . . . . . . . . . . . . . . . . . . . 89
5.4.2 Observateur de l'angle de dérive . . . . . . . . . . . . . . . . . . . . 90
5.5 Estimation des vitesses angulaires des roues et forces de contact . . . . . . 91
5.5.1 Modélisation des roues . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.5.2 Observateur des vitesses angulaire des roues et forces de contact . . 93
5.6 Calcul du gradient de sous/sur-virage . . . . . . . . . . . . . . . . . . . . . 95
5.7 Génération d'alerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.7.2 Résultats du système d'alerte . . . . . . . . . . . . . . . . . . . . . 101
1. ALgébre pour Identication et Estimation Numériques
Table des matières v
5.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6 Conclusion générale et perspectives 103
A Paramètres 105
A.1 Les matrices réduites Mij . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
A.2 Les matrices réduites Cij . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
A.3 Les matrices réduites Ji . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Références bibliographiques 109

Chapitre 1
Introduction générale
Dans l'industrie automobile, la compréhension de la dynamique du véhicule et la pré-

vention des situations critiques sont les principales préoccupations des industriels et des
chercheurs du domaine. La perte de contrôle du véhicule est l'une des causes principales
des accidents routiers. Pour assurer l'amélioration de la stabilité du véhicule, tous les pa-
ramètres doivent être connus. Grâce à l'exploitation des outils de l'automatique, l'analyse
et l'estimation, nous pouvons améliorer le confort, la sécurité, la tenue de route, la sur-
veillance et l'aide à la conduite. Le nombre d'accidents dus à la perte de contrôle dans un
virage reste toujours élevé. Nous avons alors pensé à ajouter aux véhicules des systèmes
permettant d'éviter ce genre de situations critiques.
De nombreux systèmes sont déjà embarqués dans les véhicules. Mais ces systèmes
possèdent toujours des fonctions limitées et ne peuvent pas prendre en compte toutes
les conditions de la conduite. Nous remarquons alors la nécessité d'élaborer des systèmes
d'assistance plus avancés permettant de contrôler l'état du véhicule en temps réel, dans
toutes les conditions, avec la coopération du conducteur. Il existe de nombreux systèmes
d'alerte, la majorité d'entre eux ne considèrent pas tous les paramètres pouvant cau-
ser une situation critique. Ils sont aussi limités du fait de la dynamique étudiée pour
l'alerte : soit longitudinale, soit latérale, mais rarement dans les deux modes. De plus,
les systèmes d'alerte existants sont aussi limités aux conditions dynamiques du véhicule
[Elhadri 2000, Venture 2003, Ramirez-Mendoza 1997].
Dans ce cadre, il est intéressant d'exploiter les outils de l'automatique et des mathéma-
tiques pour améliorer la sécurité routière. Il est alors intéressent, dans un premier temps,
d'analyser et de détecter les situations critiques en estimant en temps réel l'état global et
partiel du véhicule et son interaction avec l'environnement. Ensuite, il est nécessaire de
synthétiser des systèmes d'alerte et d'aide à la conduite.
Problématique de la thèse
Ce travail fait suite aux travaux dirigé par M. N.K. M'SIRDI, réalisés au sein de
l'équipe Systèmes Automatiques à Structure Variable (SASV) au LSIS (UMR 6168). Il
s'agit de la thèse de Abdelhamid RABHI (2005) [Rabhi 2005] sur "Estimation de la dyna-
mique de véhicule en interaction avec son environnement", de la thèse de Hocine IMINE
2 Chapitre 1. Introduction générale
(2003) sur "l'observation d'états d'un véhicule pour l'estimation du prol dans les traces de
roulement" [Imine 2003], et aussi de la thèse Abdelhad ELHADRI (2000) [Elhadri 2000]
sur "La modélisation de véhicule, l'observation d'état et l'estimation des forces pneuma-
tiques ; application au contrôle longitudinal".
Ces travaux ont montré, d'une part, une performance intéressante de l'application des
observateurs à mode de glissement et, d'autre part, la maitrise de la dynamique de véhi-
cule. En examinant ces travaux, nous remarquons qu'il est nécessaire de faire une étude
de modélisation pour chaque application, d'où l'idée de découper le modèle dynamique
du véhicule en des sous-systèmes. Ces derniers nous permettent d'étudier l'état partiel de
notre système à l'aide des observateurs.
Notre travail présente une contribution dans le domaine de la modélisation et de l'ob-

servation. Dans le domaine de la modélisation, nous présentons une décomposition du
modèle dynamique complet du véhicule en trois sous-systèmes. Le découpage présenté est
dans le sens des sous-systèmes composant physiquement le véhicule : caisse, suspensions
et roues. Il pourrait s'imaginer, dans un autre sens, pour séparer les fonctions du véhicule,
motorisation, roue, freinage.
Pour l'observation, nous développons des observateurs embarqués pour l'état dyna-
mique global et partiel du véhicule et pour estimer les interactions pneu/chaussée. Ces es-
timations nous permettent de synthétiser un algorithme d'alerte pour le sous/sur-virage.
Les observateurs développés utilise l'approche par mode de glissement d'ordre un puis
d'ordre supérieur. Ils sont comparés à d'autres observateurs tels que les observateurs al-
gébriques.
L'apport de ces deux points, découpage de modèle et observateur avec estimateur glo-
bal et partiel, trouve sa place dans les systèmes embarqués pour l'aide à la décision et le
diagnostique.
Organisation du document
Ce mémoire, comportant cinq autres chapitres, est organisé comme suit :
Chapitre 2 - Dynamique du véhicule : état de l'art
Nous consacrons le second chapitre à la modélisation du véhicule en interaction avec

son environnement. L'objectif est d'établir un modèle nominal de véhicule qui représente
de façon réaliste son comportement dynamique [M'sirdi 2000]. Généralement, les modèles
3
de véhicule utilisés dans la littérature, sont soit trop simpliés, en éliminant certains phé-
nomènes dont l'eet est important, soit très complexes, et dans ce cas, il est très dicile
d'identier tous les paramètres du modèle. Dans ce chapitre, nous utilisons un modèle de
véhicule à 16 degrés de liberté en interaction avec son environnement. Ce modèle prend
en considération les phénomènes les plus signicatifs pour la synthèse des observateurs
[Elhadri 2000, Imine 2003]. Quelque résultats de simulation seront aussi présentés en uti-
lisant deux simulateurs de conduite (Simk106N et SCANeRstudio).
Chapitre 3 - Découpage du modèle dynamique
A travers le troisième chapitre, nous nous somme intéressés aux problèmes de décou-
page de modèle dynamique complet du véhicule. En nous appuyant sur la propriété de
passivité, nous proposons, en premier lieu, un découpage en cinq sous-systèmes : les trois
déplacements (longitudinal, latéral et vertical), les trois rotations (rotations autour des
axes x, y et z ), les quatre débattements des suspensions, les deux angles de braquage (les
deux roues avant) et les quatre positions angulaires des roues. Ensuite nous réduisons ces
cinq sous-systèmes en trois seulement, en associant les mouvements liés au châssis et les
mouvements liés aux roues. Ce découpage est validé en traçant les signaux de couplage à
l'aide d'un simulateur de véhicule (Simk106N).
Chapitre 4 - Synthèse d'observateurs et estimation des paramètres
du véhicule
Dans le chapitre 4, nous développons un observateur à mode de glissement d'ordre 1

pour reconstituer l'état complet du véhicule et l'interaction pneu/chaussée. Ensuite nous
utilisons les trois sous-systèmes, présentés au chapitre 3, pour synthétiser trois observa-
teurs à mode de glissement d'ordre 1 en cascade dans le but d'estimer l'état partiel du
véhicule. Nous présentons aussi les observateurs algébriques ALIEN pour estimer les vi-
tesses longitudinale et latérale d'un véhicule. Cette approche est basée sur la technique
de dérivation mathématique. A la n de ce chapitre, des résultats de simulation sont
présentés pour prouver et valider toutes les approches.
Chapitre 5 - Système d'aide à la conduite
Dans le chapitre 5, nous nous intéressons au développement d'un algorithme d'alerte

pour sous-virage et sur-virage. Nous détaillons les diérentes étapes de l'algorithme, qui
peuvent être décomposées en trois phases : estimation, calculs et résultats. Pendant la
première phase, nous estimons toutes les variables nécessaires pour prendre la décision
(l'angle de dérive, les vitesses angulaires des roues,...). La phase de calcul permet de
calculer le gradient (un coecient) à chaque instant, qui sera comparé à un seuil bien
4 Chapitre 1. Introduction générale
déterminé, pour prendre la décision d'alerte ou pas. Nous présentons des résultats de
simulation pour vérier le bon fonctionnement de notre système d'alerte.
Chapitre 6 - Conclusion générale et perspectives
Dans cette partie, nous présentons un résumé des méthodes et des approches dévelop-
pées dans ce mémoire, ainsi que les perspectives envisagées. Nous concluons sur l'apport
de notre travail dans le cadre de l'observation et l'estimation de l'état dynamique du
véhicule en temps réel, ainsi que l'apport des systèmes d'alerte et d'aide à la conduite.
Chapitre 2
Dynamique du véhicule : état de l'art
Sommaire
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Modèle quart de véhicule . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Modèle bicyclette . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Modèle complet de véhicule . . . . . . . . . . . . . . . . . . . . . . 9
2.4.1 Mise en équations des mouvements du châssis . . . . . . . . . . . . 9

2.4.1.1 Les mouvements de translation : . . . . . . . . . . . . . . . 9
2.4.1.2 Les mouvements de rotation : . . . . . . . . . . . . . . . . . 12
2.4.2 Modèle de suspension . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.3 Équations des mouvements des roues . . . . . . . . . . . . . . . . . . 14
2.4.4 Comportement de la région de contact . . . . . . . . . . . . . . . . . 15
2.4.5 Comportement dynamique du pneumatique (modèle de Pacejka) . . 18
2.5 Modèle nominal global d'un véhicule . . . . . . . . . . . . . . . . . 20
2.5.1 Hypothèses de modélisation . . . . . . . . . . . . . . . . . . . . . . . 20

2.5.2 Description des repères . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.3 Calcul du modèle global par la méthode de Lagrange . . . . . . . . . 22
2.5.4 Modèle nominal global . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Simulation dynamique du véhicule . . . . . . . . . . . . . . . . . . 24
2.6.1 Le simulateur de véhicule SIMK106N . . . . . . . . . . . . . . . . . 25

2.6.1.1 Présentation du simulateur SIMK106N . . . . . . . . . . . 25
2.6.1.2 Résultats du simulation . . . . . . . . . . . . . . . . . . . . 27
2.6.2 Le simulateur de conduite SCANeR-studio . . . . . . . . . . . . . . . 30
2.6.2.1 Présentation du simulateur SCANeR-studio . . . . . . . . . 30
2.6.2.2 Résultats de la simulation . . . . . . . . . . . . . . . . . . . 32
2.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.1 Introduction
Dans la littérature, la dynamique des véhicules automobiles a été le sujet de plusieurs
travaux de recherche [Ramirez-Mendoza 1997, Venture 2003, de Wit 2003]. Ces études
6 Chapitre 2. Dynamique du véhicule : état de l'art
sont faites pour modéliser le véhicule dans le but de développer des observateurs, des
estimateurs embarqués, l'aide à la conduite ou le contrôle de suspension. Le véhicule est
un système mécanique très complexe non linéaire et la représentation du contact pneu-
route n'est pas simple. Les modèles utilisés sont soit très complexes, soit trop simpliés.
Dans le premier cas, il est relativement dicile d'identier tous les paramètres qui inter-
viennent dans le modèle considéré. Tandis que dans le second, nous négligeons plusieurs
phénomènes dont les actions peuvent être importantes et mettre en cause la validité de
l'approximation faite.
Ceci nécessite la dénition d'un modèle dynamique nominal utile pour la simulation
du comportement, l'observation et la commande du véhicule [M'sirdi 2000]. Le recours à
un modèle nominal est justié par des hypothèses liées à la structure du véhicule et à son
environnement. Ces hypothèses permettent de réduire la complexité du modèle, tout en
restant dèle à la réalité. En eet, la possibilité de traiter séparément les diérents aspects
et la réduction du nombre de variables d'état à utiliser donnent un modèle nominal pour
le véhicule.
Dans ce ce chapitre, nous présentons quelques modèles de véhicule cités dans la litté-
rature. Un premier modèle est à trois degrés de liberté (DDL) appelé couramment modèle
quart de véhicule, où nous supposons que les quatre roues de la voiture sont indépendantes
et supportent chacune un quart de la masse du véhicule. Nous rappelons aussi le modèle
bicyclette (demi-véhicule), qui est une représentation acceptable du comportement de la
dynamique du véhicule dans le plan. Ensuite, nous développons un modèle complet du
véhicule constitué de 16 DDL tel que celui utilisé pour une Peugeot 406. A la n du
chapitre, nous présentons deux simulateurs de véhicule qui seront utilisés pour illustrer et
valider nos approches.
2.2 Modèle quart de véhicule

Selon le but recherché, diérents modèles quart de véhicule peuvent être dénis. Ce
type de modèle est surtout utilisé pour étudier les problématiques des systèmes de suspen-
sion qui sont d'ordre deux. Le premier consiste à assurer le confort des passagers à bord du
véhicule. Le second consiste à garantir la tenue de route du véhicule. Vu que ces deux pro-
blématiques sont contradictoires, les constructeurs doivent trouver un compris adéquat.
Dans [Oustaloup 1996, Moreau 1999] Oustaloup a utilisé un modèle quart de véhicule pour
développer une commande robuste de suspension à travers l'approche de la commande
CRONE, dont l'amortissement est paradoxalement indépendant de la masse transportée.
Cette approche est utilisée aussi dans le contrôle des suspensions classiques et hydro-
pneumatiques [Moreau 2001] et les suspensions semi-actives [Moreau 2001, Sename 2003].
Nous pouvons aussi utiliser le modèle quart de véhicule pour l'identication des paramètres
2.2. Modèle quart de véhicule 7
de suspension et le diagnostic de défauts [Fischer 2003, Rabhi 2004].
Figure 2.1 Modèle quart de véhicule

Le modèle d'évolution qui lie les diérentes variables présentées sur la Figure 2.1 est
le suivant :

 m1 z̈1 + C1 ż1 + K1 z1 = C1 ż2 + K1 z2
(2.1)
m2 z̈2 + (C1 + C2 )ż2 + (K1 + K2 )z2 = C1 ż1 + K1 z1 + C2 u̇ + K2 u

avec :
m1 : masse suspendue (kg )

m2 : masse de la roue (kg )
K1 : raideur de la suspension (N.M −1 )
K2 : raideur verticale du pneumatique (N.M −1 )
C1 : coecient d'amortissement de la suspension (N.s.M −1 )
C2 : coecient d'amortissement du pneumatique (N.s.M −1 )
z1 : hauteur de la masse suspendue (m)
z2 : hauteur du centre de la roue (m)
u : prol de la chaussée (m)
Une représentation d'état associée au système (2.1) s'écrit :

 Ẋ = AX + BU
(2.2)
Y = CX

avec :
T
(2.3)

X= z1 z2 ż1 ż2
T
(2.4)

Y = z1 z̈1
T
(2.5)

U = u u̇
 
0 0 1 0
 
 
 0 0 0 1 
 
 
(2.6)
 
A= K1 K1 C1 C1 
 − −

 m1 m1 m1 m1


 
 
 K K1 + K2 C1 C1 + C2 
1
− −
m2 m2 m2 m2
 
0 0
 
   
 0 0  1 0 0 0
 
 
(2.7)
 
B= ; C = 
  
 0  K1 K1 C1 C1 
 0  − −



 m1 m1 m1 m1
 K2 C2 
m2 m2
Ce modèle est utilisé pour identier en temps réel les paramètres de raideur et de
coecient d'amortissement, dans le but d'étudier et d'analyser les systèmes de suspension
active et semi-active.
2.3 Modèle bicyclette

Les modèles de type "demi-véhicule" coupent le véhicule suivant les axes principaux
de symétrie (longitudinal et latéral)(Figure 2.2). Ainsi, grâce à ce modèle, nous pouvons
étudier les suspensions côté par côté, ou encore essieu par essieu. Dans le premier cas,
nous négligeons les mouvements de roulis et, dans le second, les eets du tangage.
Ce modèle est, sous certaines conditions, une représentation acceptable du compor-
tement du véhicule latérale, de lacet et de dérive des véhicules [M'sirdi 2003, Zbiri 2004,
Mammar 2002a, Sammier 2001]. Pour l'étude de la dynamique latérale, en 1956, Segel
[Segel 1956] présentait un modèle de véhicule avec trois degrés de liberté. Dans ce cas, le
comportement longitudinal est négligé, c'est-à-dire lorsque la vitesse est constante et les
eorts longitudinaux sont nuls. Nous obtenons alors le modèle suivant :
2.4. Modèle complet de véhicule 9
1

 δ̇ = (F 1 + Fy2 ) − ψ̇
mv V G y



(2.8)
 ψ̈ = 1 (L1 Fy1 − L2 Fy2 )



Izz
Figure 2.2 Modèle bicyclette

Nous notons :
δ : angle de braquage (rad).

mv : masse de la bicyclette (Kg ).
VG : vitesse du centre de gravité (m/s).
Fy1 : force latérale avant (N ).
Fy2 : force Latérale arrière (N ).
ψ : angle de lacet (rad).
Izz : inertie de lacet (kg.m2 ).
Ce modèle sert à étudier la stabilité du véhicule en virage selon le potentiel d'adhérence

[Mammar 2002b, Kiencke 2000, Pacejka 2002].
2.4 Modèle complet de véhicule
2.4.1 Mise en équations des mouvements du châssis
2.4.1.1 Les mouvements de translation :
Pour appliquer le principe fondamental de la dynamique, nous avons besoin des forces
de contact pneu/sol données par la gure 2.3 : Fx , Fy et Fz , qui sont respectivement les
forces longitudinale et latérale, qui agissent sur la roue, et la force verticale, qui agit entre
le châssis et la suspension.
Figure 2.3 Les forces de contact

Dans le repère Rv , nous obtenons les équations diérentielles pour les mouvements de
translation de la caisse :
   
V̇x Fxf 1 + Fxf 2 + Fxr1 + Fxr2 + Fwx + Fgx + Fr
   
   
r
m  V̇y  = Ts  Fyf 1 + Fyf 2 + Fyr1 + Fyr2 + Fwy + Fgy (2.9)
  

   
   
V̇z Fzf 1 + Fzf 2 + Fzr1 + Fzr2 + Fwz + Fgz
avec :
Tsr est la matrice de passage du repère Rs lié à la caisse au repère de référence Rr :
 
cos ∆ cos ψ sin ∆ sin Φ cos ψ cos ∆ sin Φ cos ψ + sin ∆ sin Φ
 
 
Tsr =  cos Φ cos ψ sin ∆ sin Φ sin ψ + cos ∆ cos ψ cos ∆ cos ψ
 

 
 
− sin ψ sin ∆ cos Φ cos ∆ cos Φ
(2.10)
tel que ∆ = θ + θr et Φ = φ + φr
θ, φ et ψ représentent respectivement les angles de roulis, de tangage et de lacet ;
θr et φr sont respectivement les angles d'inclinaison latérale de la route (la pente)

et de la pente de la route (la dérive) ;
Vx , Vy et Vz sont respectivement les vitesses longitudinale, latérale et verticale du

châssis dans le repère de référence Rr ;
Fxf 1 , Fyf 1 et Fzf 1 représentent respectivement les forces longitudinale et latérale

agissant sur la roue avant gauche et la force verticale qui agit entre le châssis et la
suspension ;
Fxf 2 , Fyf 2 et Fzf 2 représentent respectivement les forces longitudinale et latérale

agissant sur la roue avant droite et la force verticale qui agit entre le châssis et la
suspension ;
Fxr1 , Fyr1 et Fzr1 représentent respectivement les forces longitudinale et latérale

agissant sur la roue arrière gauche et la force verticale qui agit entre le châssis et la
suspension ;
Fxr2 , Fyr2 et Fzr2 représentent respectivement les forces longitudinale et latérale

agissant sur la roue arrière droite et la force verticale qui agit entre le châssis et la
suspension ;
Fwx , Fwy et Fwz représentent les forces aérodynamiques dues aux perturbations du
vent ;
Fgx , Fgy et Fgz représentent les forces de gravité.
   
Fgx 0
   
   
 Fgy s
 = Tv  0 (2.11)
  

   
   
Fgz −mg
Tvs désigne la matrice de transfert du repère du véhicule Rv vers le repère du plan

de la route Rs :
 
cos(θr ) sin(θr ) sin(φr ) sin(θr ) sin(φr )
 
 
Tvs =  0 cos(φr ) − sin(φr ) (2.12)
 

 
 
sin(θr ) cos(θr ) sin(φr ) cos(θr ) cos(φr )
Fr désigne la force de roulement qui admet une composante longitudinale seulement.
2.4.1.2 Les mouvements de rotation :
L'équilibre des moments suivant les trois axes du repère Rs permet de donner les dif-
férentes équations dues aux rotations du châssis :
   
θ̈ (Fzf 1 − Fzf 2 )pf + (Fzr1 − Fzr2 )pr + (karr + karf )θ
   
   
I  φ̈  = Tsr  −(Fzf 1 + Fzf 2 )r1 + (Fzr1 + Fzr2 )r1
   

   
   
ψ̈ (Fyf 1 − Fyf 2 )r1 − (Fyr1 + Fyr2 )r2 + (Fxf 2 − Fxf 1 )pf + (Fxr2 − Fxr1 )pr
(2.13)
θ̈, φ̈ et ψ̈ sont respectivement les accélérations de roulis, de tangage et de lacet.
karr et karf sont respectivement les raideurs des barres anti-roulis du train arrière
et du train avant. Ces barres anti-roulis permettent de limiter les mouvements de
roulis de la caisse pour stabiliser le véhicule dans les virages. Elles donnent alors un
couple de la forme suivante :
Γ = −(karr + karf )θ
pf , pr , r1 et r2 sont respectivement la distance entre les roues avant et l'axe de symé-

trie longitudinal, la distance entre les roues arrière et l'axe de symétrie longitudinal,
la distance entre les roues avant et l'axe de symétrie latéral et la distance entre les
roues arrière et l'axe de symétrie latéral. Ces distances sont dénies par la gure
2.4.
Figure 2.4 Distances entre les roues

I est la matrice d'inertie du véhicule (tenseur d'inertie) dans le repère Rc .
 
Ixx −Ixy −Ixz
 
 
I =  Iyx Iyy −Iyz (2.14)
 

 
 
Izx Izy Izz
Or les moments d'inertie croisés Ixy , Iyx , Izy et Iyz sont négligeables par rapport aux
autres moments d'inertie croisés Ixz et Izx ; donc d'où le tenseur d'inertie I devient :
 
Ixx 0 −Ixz
 
 
I= 0 Iyy 0 (2.15)
 

 
 
Izx 0 Izz
2.4.2 Modèle de suspension
Le mécanisme de suspension est composé d'un ressort, d'un amortisseur, d'une barre
anti-roulis ainsi que diérents organes géométriques et structurels assurant les liaisons
roues/châssis. Chaque suspension relie une des quatre roues indépendantes à l'un de quatre
coins du châssis [Imine 2003].
Sachant que z est le déplacement vertical de la masse suspension, les débattements de la
caisse sont donnés par le système suivant :


 zf 1 = z − pf sin(θ) + r1 sin(φ)





 zf 2 = z + pf sin(θ) + r1 sin(φ)


(2.16)
zr1 = z − pr sin(θ) − r2 sin(φ)









zr2 = z − pr sin(θ) + r2 sin(φ)

avec :
r1 et r2 sont respectivement la distance entre le centre de gravité et les deux axes

avant et arrière ;
2pf et 2pr (f pour front et r pour rear ) désignent respectivement la distance entre
les roues avant et arrière.
zf 1 , zf 2 , zr1 et zr2 sont les débattements de la caisse (f pour les roues avant et r pour
les roues arrières, 1 pour les roues gauche et 2 pour les roues droite)
Dans ce modèle de suspension, nous utilisons une approximation linéaire où les co-
ecients de raideur (kri et kf i ) et d'amortissement (Bri et Bf i ) varient en fonction de
z.
Les équations qui régissent les déplacements verticaux des quatre roues par rapport au
repère du véhicule et en appliquant le principe fondamental de la dynamique sur chaque
masse sont :

1
 z̈i = mi (−Fkri − Fcri + kri(ui − zi ) + Bri (u̇i − żi )) , i = 1, 2

(2.17)
 z̈ = 1 (−F − F + kf i(u − z ) + B (u̇ − ż )) , i = 3, 4

i mi kf i cf i i i fi i i
où :
Fcri et Fcf i désignent respectivement les forces dues à l'amortisseur des roues arrière
et avant i (i = 1, 2) ;
Fkri et Fkf i désignent respectivement les forces dues à la raideur de la roue arrière
et à celle de la roue avant i (i = 1, 2) ;
żi et u̇i désignent respectivement la vitesse verticale de la roue i et la dérivée du

signal chaussée (i = 1, ..., 4)
Le mécanisme de suspension s'ajoute alors au modèle complet du véhicule à 4 degrés

de liberté. Ces degrés de liberté sont z1 , z2 , z3 et z4 qui représentent respectivement les
débattements des suspensions avant gauche, avant droite, arrière gauche et arrière droite.
2.4.3 Équations des mouvements des roues
En considérant que seules les deux roues avant sont motrices et à l'aide de l'équation
des moments appliqués sur les roues et projetés sur l'axe principal de chaque roue, les
équations en rotation régissant les quatre roues sont :


 Jr ω̇1 = Cm − Tf 1 − rf 1 Fxf 1





 Jr ω̇2 = Cm − Tf 2 − rf 2 Fxf 2


(2.18)
Jr ω̇3 = −Tr1 − rr1 Fxr1









Jr ω̇4 = −Tr2 − rr2 Fxr2

où :
Jr désigne le moment d'inertie des roues ;
ω1 , ω2 , ω3 et ω4 sont les vitesses de rotation respectivement des roues avant droite,

avant gauche, arrière droite et arrière gauche ;
rf 1 , rf 2 , rr1 et rr2 désignent respectivement les rayons des roues avant gauche, avant
droite, arrière gauche et arrière droite ;
Cm est le couple moteur exercé sur le train avant roulant (nous supposons que les
deux roues subissent le même couple) ;
Tf 1 , Tf 2 , Tr1 et Tr2 sont les couples de freinage appliqués respectivement sur les
roues avant gauche, avant droite, arrière gauche et arrière droite ;
Fxf 1 , Fxf 2 , Fxr1 et Fxr2 représentent les forces longitudinales appliquées respective-
ment sur les roues avant gauche, avant droite, arrière gauche et arrière droite.
2.4.4 Comportement de la région de contact
Pour étudier le comportement cinématique de la région de contact pneu/chaussée, il

est nécessaire de déterminer les vitesses de contact. Pour cela, nous avons besoin de l'angle
de braquage et l'angle de dérive.
Figure 2.5 Les angles des roues

La gure 2.5 nous donne les angles nécessaires pour obtenir les expressions des vitesses
de contact pneu/sol, à savoir :
δf 1 et δf 2 sont respectivement les angles de braquage de la roue avant gauche et de

la roue avant droite. Ces angles sont calculés à partir de la mesure de l'angle au
volant et d'un rapport liant les deux angles (ce rapport dière d'un constructeur à
un autre).
αf 1 , αf 2 , αr1 et αr2 représentent respectivement les angles de dérive des roues avant
gauche, avant droite, arrière gauche et arrière droite. Rappelons que l'angle de dé-
rive est l'angle entre le vecteur portant la droite d'intersection du plan médian de
la roue et du sol, et le vecteur de vitesse du point de contact roue/sol.
D'après la gure, nous pouvons calculer l'angle de dérive à l'aide de l'équation sui-
vante :

Vy
α = − arctan (2.19)
Vx
Vx et Vy sont respectivement la vitesse longitudinale et la vitesse transversale du point
de contact entre la roue et le sol.
Dans le cas du véhicule complet, la gure 2.5 nous montre les variables nécessaires pour
obtenir la vitesse de chaque point de contact. Nous pouvons alors calculer l'angle de dérive
pour les quatre roues de véhicule, de la manière suivante :
!
V sin(β) + ψ̇dgf 1 cos(θf 1 )
αf 1 = δ1 − arctan (2.20)
V cos(β) − ψ̇dgf 1 sin(θf 1 )
!
V sin(β) + ψ̇dgf 2 cos(θf 2 )
αf 2 = δ2 − arctan (2.21)
V cos(β) − ψ̇dgf 2 sin(θf 2 )
(2.22)
!
V sin(β) + ψ̇dgr1 cos(θr1 )
αr1 = − arctan (2.23)
V cos(β) − ψ̇dgr1 sin(θr1 )
(2.24)
!
V sin(β) + ψ̇dgr2 cos(θr2 )
αr2 = − arctan (2.25)
V cos(β) − ψ̇dgr2 sin(θr2 )
où :
ψ̇ est la vitesse de lacet ;
δ1 et δ2 sont respectivement les angles de braquage de la roue avant gauche et de la

roue avant droite ;
→
−
β l'angle entre le vecteur vitesse V et l'axe longitudinal Xs du repère du véhicule Rs ;
r1 et r2 sont respectivement les distances entre le centre de gravité et les axes avant
et arrière du véhicule ;
2pf et 2pr représentent respectivement les distances entre les roues avant et entre
les roues arrière ;
dgf 1 , dgf 2 , dgr1 et dgr2 désignent respectivement les distances entre le centre de gra-
vité du véhicule et la roue avant gauche, la roue avant droite, la roue arrière gauche
et la roue arrière droite. Ces distances sont données par les relations suivantes :
q
dgf 1 = dgf 2 = r12 + p2f (2.26)
q
dgr1 = dgr2 = r22 + p2r (2.27)
θf 1 , θf 2 , θr1 et θr2 sont des angles déterminés par les relations suivantes :

pf
θf 1 = arctan (2.28)
r
1
r1 π
θf 2 = arctan = − θf 1 (2.29)
pf 2

r2
θr1 = arctan (2.30)
p
r
pr π
θr2 = arctan = − θr1 (2.31)
r2 2
Nous pouvons alors déterminer les vitesses de point de contact par les équations sui-
vantes :
→
−
V rf 1 = (V cos(β) − ψ̇dgf 1 sin(θf 1 ))→
−
e x + (V sin(β) − ψ̇dgf 1 cos(θf 1 ))→
−
ey (2.32)
→
−
V rf 2 = (V cos(β) − ψ̇dgf 2 sin(θf 2 ))→
−
e x + (V sin(β) − ψ̇dgf 2 cos(θf 2 ))→
−
ey (2.33)
→
−
V rr1 = (V cos(β) − ψ̇dgr1 sin(θr1 ))→
−
e x + (V sin(β) − ψ̇dgr1 cos(θr1 ))→
−
ey (2.34)
→
−
V rr2 = (V cos(β) − ψ̇dgr2 sin(θr2 ))→
−
e x + (V sin(β) − ψ̇dgr2 cos(θr2 ))→
−
ey (2.35)
→
− →
− →
− →
−
où V rf 1 , V rf 2 , V rr1 et V rr2 sont respectivement les vecteurs vitesses de transla-
tion des points de contact des pneumatique avant-gauche, avant-droit, arrière-gauche et
arrière-droit.
Comme nous pouvons aussi dénir le taux de glissement de la manière suivante :
re ωi
λxi = − 1 si νi > re ωi (freinage) (2.36)
νi
re ωi
λxi = 1 − si νi < re ωi (accélération) (2.37)
νi
ωi et νi étant respectivement la vitesse angulaire et la vitesse du centre de la roue i

(i = 1, ..., 4). re est le rayon eectif de la roue : lorsqu'une force verticale est appliquée
sur le pneumatique, celui-ci subit un écrasement, qui réduit le rayon de la roue à re .
2.4.5 Comportement dynamique du pneumatique (modèle de Pa-

cejka)
Le pneu est un élément très complexe, qui est soumis à de fortes sollicitations et à de
grandes variations de température. Il est sujet à des forces et moments externes suivant
les trois axes longitudinal, latéral et vertical. La nature de tels eorts est due à un certain
nombre d'interactions :
interaction due au contact pneu/chaussée ;
interaction entre la roue et le système de suspension ;

interaction entre la roue et les éléments de direction (man÷uvre du conducteur) ;
perturbations dues à l'environnement (vent, route) ;
variations dans l'état du véhicule (vitesse du véhicule, usure du pneumatique, etc)
Dans le but d'identier les composantes latérale et longitudinale des forces exercées
par la route sur le pneu, plusieurs modèles horizontaux ont été développés. Parmi ces
modèles, nous trouvons le modèle de Pacejka [Pacejka 1991] qui est le plus couramment
utilisé par les fabricants de pneumatiques et les constructeurs automobiles. Ce modèle est
donné par "la formule magique" suivante :
 Y (x) = Dsin[C arctan(Bx) − E[Bx − arctan(Bx)]] + Sv


(2.38)
x = X + Sh

Les diérents paramètres de cette formule sont dénies par la gure 2.6 pour un modèle
statique, avec des vitesses constantes et accélérations nulles. Nous trouvons :
D : la valeur du pic (maximum de la courbe d'adhérence) ;
Sh : le décalage horizontal de la courbure par rapport à l'origine ;
Sv : le décalage vertical de la courbure par rapport à l'origine ;
B : le facteur d'amortissement (pente à l'origine) ;
C : le facteur de forme qui permet d'ajuster l'allure de la courbe ;
E : le facteur de courbure.
La détermination de la force longitudinale Fx et de la force latérale Fy est réalisée

en remplaçant X respectivement par le taux de glissement longitudinal λx et l'angle de
dérive α. D'où les deux forces sont suivantes :
 Fx = Dsin[C arctan(Bx) − E[Bx − arctan(Bx)]] + Sv


(2.39)
x = λx + Sh

 Fy = Dsin[C arctan(Bx) − E[Bx − arctan(Bx)]] + Sv


(2.40)
x = α + Sh

Figure 2.6 Courbe d'adhérence
2.5 Modèle nominal global d'un véhicule
2.5.1 Hypothèses de modélisation
Le véhicule automobile est une structure mécanique très complexe constituée de nom-
breux éléments. Le moteur et les transmissions assurent la production des eorts de trac-
tion (ou de propulsion), ainsi que leur transmission aux roues. Les trains roulants, les
suspensions et la direction servent à guider le véhicule, transmettre les forces motrices
et les forces de freinage, tout en assurant le confort des passagers. Les forces nécessaires
au fonctionnement du véhicule sont supportées et transmises par le châssis, qui accueille
les trains roulants. Pour une modélisation simple, nous considérons que le véhicule est
composé de cinq sous-systèmes diérents : translation du châssis, rotation du châssis, sus-
pensions, angles de braquage et rotations des roues.
Pour aboutir à une modélisation nominale du comportement dynamique du véhicule,

des simplications liées à la géométrie, la cinématique et la dynamique des liaisons s'im-
posent. Ainsi nous admettons un certain nombre d'hypothèses pour minimiser la com-
plexité, tout en conservant un certain degré de réalisme. Ces hypothèses sont les suivantes :
Hypothèse 1 : La caisse est un corps rigide (trois dimensions) ;
Hypothèse 2 : Chaque roue est un corps rigide en rotation par rapport à son axe ;
Hypothèse 3 : La cinématique de liaison roue/châssis est résumée par les degrés de li-
berté qui apparaissent suite aux actions suivantes : le braquage des roues directrices,
les débattements des suspensions et la dynamique en rotation des quatre roues au-
tour de leur axe ;
2.5. Modèle nominal global d'un véhicule 21
Hypothèse 4 : La route est considérée comme pratiquement plane.
Hypothèse 5 : Le contact roue/sol est supposé ponctuel et localisé dans le plan de sy-
métrie de la roue.
Hypothèse 6 : Les roues restent toujours en contact avec la chaussée.
Hypothèse 7 : La dynamique de variation du rayon de roulement est supposée négli-

geable.
2.5.2 Description des repères
Les systèmes de coordonnées utilisés pour décrire la dynamique de véhicule sont don-
nés par la gure 2.7, à savoir :
le repère de référence Rr (Or Xr Yr Zr ) ;
le repère mobile attaché au centre de gravité de véhicule Rv (Ov Xv Yv Zv ) ;
un deuxième repère mobile, Rs (Os Xs Ys Zs ), attaché au centre de gravité du

véhicule, où l'axe Xs coïncide avec la direction longitudinale de la route, l'axe Ys
coïncide avec la direction latérale de la route et l'axe Zs est orthogonal au plan de
la route ;
un autre repère mobile lié au mouvement de la caisse est désigné par Rc (Oc Xc Yc Zc ).
La caisse est le corps principal du véhicule, qui peut être déni comme l'ensemble
composé par le châssis et la carrosserie. C'est un ensemble "rigide", donc la caisse est
considérée comme une masse suspendue. Le mouvement du véhicule est déni par sa
translation et sa rotation. Nous pouvons donc, par hypothèse, confondre le repère lié au
véhicule au repère de la caisse. Le système d'axes par rapport auquel sont dénis les dif-
férents mouvements du véhicule est le repère orthonormé direct Rv (Ov Xv Yv Zv ) de la
gure 2.7. L'origine de ce repère est prise au centre de gravité du véhicule. Les mouve-
ments du véhicule dans le repère Rv sont :
une translation longitudinale suivant l'axe Ov Xv , notée x ;

une translation latérale suivant l'axe Ov Yv , notée y ;
une translation verticale suivant l'axe Ov Zv , notée z ;
une rotation, nommée roulis, due à des oscillations autour de l'axe Ov Xv ;
Figure 2.7 Repères mobiles et de référence
une rotation, nommée tangage, autour de l'axe Ov Yv ;

une rotation, nommée lacet, autour de l'axe Ov Zv ;
Nous constatons alors que la caisse est dotée de 6 degrés de liberté qui sont :
3 degrés donnés par les translations : longitudinale, latérale et verticale ;

3 degrés donnés par les orientations : angles de roulis, de tangage et de lacet.
2.5.3 Calcul du modèle global par la méthode de Lagrange
Pour calculer le modèle dynamique nominal d'un véhicule, nous utilisons la notion de
liaison cinématique entre les diérents corps. Cette liaison est de type glissière ou pivot.
Ce calcul a été inspiré des algorithmes développés dans [Beurier 1999].
En partant de la dénition du mécanisme du véhicule et de ses propriétés dynamiques,
nous dénissons l'énergie cinétique totale Ec et l'énergie potentielle totale Ep du système.
Selon le formalisme de Lagrange appliqué à ces expressions d'énergie, nous obtenons :

d ∂Ec ∂Ec ∂Ep
Γa + Γe = − + (2.41)
dt ∂ q̇ ∂q ∂q
avec :
• q ∈ R16 est le vecteur de coordonnées généralisées (variables articulaires) suivant :
q = [x, y, z, θ, φ, ψ, z1 , z2 , z3 , z4 , δ1 , δ2 , ϕ1 , ϕ2 , ϕ3 , ϕ4 ]
2.5. Modèle nominal global d'un véhicule 23
x, y et z sont respectivement les déplacements longitudinal, latéral et vertical du

châssis ;
θ, φ et ψ sont respectivement les angles de roulis, tangage et lacet ;
z1 , z2 , z3 et z4 sont les débattements des quatre suspensions ;
δ1 et δ2 sont les deux angles de braquage des roues avant ;
ϕ1 , ϕ2 , ϕ3 , ϕ4 sont les positions angulaires des quatre roues.
• Γa et Γe sont respectivement le vecteur des entrées du système et le vecteur des

forces longitudinale, latérale et verticale Fxi , Fyi Fzi (i = 1, 2, 3) donné par l'équation
suivante :
Γe = J T (q)F (2.42)
où J(q) ∈ R(12×16) est la matrice jacobienne du vecteur Xi (q) par rapport au vecteur
de coordonnées articulaires q . Le vecteur Xi (q) exprime la position du point de
contact de la roue i dans le repère de référence Rr (Or Xr Yr Zr ), en fonction des
variables articulaires :
∂X(q)
J(q) = (2.43)
∂q
et F est le vecteur des forces de contact pneu/sol :
F = [Fx1 , Fy1 , Fz1 , Fx2 , Fy2 , Fz2 , Fx3 , Fy3 , Fz3 , Fx4 , Fy4 , Fz4 ]T
D'où le modèle dynamique peut s'écrire sous la forme suivante :
Γa + Γe = M (q)q̈ + C(q, q̇)q̇ + V (q, q̇) + η0 (t, q, q̇) (2.44)

• q̇ et q̈ sont respectivement le vecteur des vitesses et le vecteur des accélérations ;
• M (q) ∈ R(16×16) représente la matrice d'inertie du système. Elle est symétrique

dénie positive et liée à l'expression de l'énergie cinétique par la relation suivante :
1
Ec = q̇ T M (q)q̇ (2.45)
2
• C(q, q̇) ∈ R(16×16) est la matrice de Coriolis et Centrifuge calculée en respectant la

propriété de passivité du système :
ξ T N (q, q̇)ξ = ξ T (Ṁ (q)) − 2C(q, q̇)ξ = 0 ∀ξ ∈ R16 (2.46)
• V (q, q̇) représente le vecteur des eets dus aux systèmes de suspension. Ce vec-
teur est exprimé en fonction des coecients d'amortissement (une matrice Z ) et de
raideur (une matrice K ) par :
V (q, q̇) = Z q̇ + Kq + G(q) (2.47)
G(q) est le vecteur des eets de gravité.
• η0 (t, q, q̇) ∈ R16 représente le vecteur des incertitudes paramétriques.
2.5.4 Modèle nominal global
A partir des équations (2.42), (2.43) et (2.44), nous donnons le modèle nominal du
véhicule avec une incertitude paramétrique, comme suit :
1. τ = M (q)q̈ + C(q, q̇)q̇ + V (q, q̇) + η0 (t, q, q̇)
2. τ = Γa + Γe = J T (q)F + Γe
3. Ḟ = f (α, λx , q, Fz ) + e(t)
4. Fz = g(r1 , r2 , pf , h, g, V̇x , V̇y , q, X, β, γ)
∂X(q)
5. J(q) =
∂q
Il peut être calculé en utilisant des outils logiciels tels que SYMORO+ [Venture 2003]
ou celui développé en interne par Beurier [Beurier 1999].
2.6 Simulation dynamique du véhicule
Pour valider nos algorithmes par des résultats de simulations, nous utilisons deux
simulateurs de véhicule : SIMK106N et SCANeR-studio. Le premier est sous Matlab,
développé et validé par l'équipe de Mr N.K. M'sirdi. SCANeR-studio est un poste de
conduite développé par la société OKTAL.
2.6. Simulation dynamique du véhicule 25
2.6.1 Le simulateur de véhicule SIMK106N

2.6.1.1 Présentation du simulateur SIMK106N
La simulation de la dynamique du véhicule peut être réalisée en combinant les dié-
rentes parties du modèle du véhicule développé précédemment. Le simulateur SIMK106N
est réalisé à partir des équations du mouvement et des diérents facteurs agissant sur
son comportement, qui sont générés par des fonctions simulant les actions. Ce simula-
teur est développé par les thésards et les chercheurs de l'équipe de Mr N.K. M'sirdi
[Beurier 1999, Elhadri 2000].
La gure 2.8 représente les diérents modules du simulateur SIMK106N. Les actions
conducteur sont données par les trois modules : "Volant", "Régime moteur" et "Sys-
tème de freinage". Le module "Volant" donne l'angle de direction du volant. Le "Régime
moteur" donne le nombre de tours/ minute du moteur utilisé lors de la simulation. Le
module de "Système de freinage" délivre le couple de frein utilisé. Nous trouvons aussi
d'autres signaux, donnés la gure 2.9 qui représente le simulateur SIMK106N. Ils s'agit
des eets aérodynamiques, des eets de frottements, des perturbations et du prol de
la route. Le module "Modèle de contact" fournit le modèle de l'interaction pneu/sol de
Pacejka. Le calcul du modèle dynamique est réalisé au niveau de deux modules "Modèle
Mécanique" et "Modèle Suspension" à partir d'une fonction développée sous le logiciel de
calcul symbolique Maple.
Figure 2.8 Conception modulaire du simulateur

Figure 2.9 Le simulateur SIMK106N
A l'aide du logiciel Matlab/Simulink, la simulation de l'équation (2.44) est représentée

par le schéma-bloc de la gure 2.10 que l'on trouve sous le module "Modèle Mécanique".
L'entrée E dans le bloc Matlab-Simulink (Figure 2.10) représente le vecteur de couples
regroupant les facteurs suivants :
les actions du conducteur, qui sont : le couple d'accélération, le couple de freinage
et le braquage des roues ;
les eorts extérieurs, qui sont les forces de contact pneu/chaussée, les résistances au
roulement et les forces aérodynamiques ;
les eorts des suspensions et les forces de frottement.

Figure 2.10 Bloc Simulink pour la résolution des équations de mouvement SIMK106N
Ce simulateur a été validé en utilisant le paramétrage du véhicule d'essai (Peugeot

406) du Laboratoire Centrale des Ponts et Chaussées (LCPC) de Nantes. La validation
permet de connaître le degré de représentativité du modèle nominal par rapport à un
système réel.
2.6.1.2 Résultats du simulation
Dans cette section, nous présentons les résultats de simulation obtenus en utilisant le
simulateur de conduite SIMK106N. La simulation d'un passage de chicane (Figure 2.12) va
nous permettre de vérier le modèle dynamique de véhicule en réponse à des man÷uvres de
braquage. La route considérée est plane et sans pente. Les commandes du conducteur sont
l'angle de direction au volant, montré sur la gure 2.11-a et l'accélération longitudinale
ax , donnée par la Figure 2.11-b. Les gures 2.13-a et 2.13-b représentent respectivement
Figure 2.11 Commandes du conducteur

l'évolution des positions longitudinale x(m) et verticale z(m) du véhicule en fonction du
Figure 2.12 Trajectoire du véhicule
Figure 2.13 Positions de la caisse

Figure 2.14 Comportement de la suspension et de la roue droite
temps. Nous remarquons que x(m) varie de manière croissante. Avec zt0 = 0.7033 (m),
nous constatons que la variation du déplacement verticale z(m) en fonction du temps
est négligeable (elle varie entre 0.702(m) et 0.704(m)). Avec θt0 = 0 (rad) et ψt0 =
0.7854 (rad), les angles de roulis θ et de lacet ψ du véhicule sont donnés respectivement
par les gures 2.13-c et 2.13-d. Les gures 2.14-a, 2.14-b, 2.14-c, 2.14-d montrent l'angle
de braquage (δ1 ) de la roue avant droite, le débattement vertical (z1 ) de la suspension
avant droite et les positions angulaires (ϕ1 et ϕ3 ) des deux roues avant droite et arrière
droite. Les conditions initiales sont z1 (t0 ) = −0.4033(m), δ1 (t0 ) = 0.01 (rad) et ϕ1 (t0 ) =
ϕ3 (t0 ) = 0 (rad). La vitesse longitudinale du véhicule vx et la vitesse angulaire ω1 de la
roue avant droite sont données par les gures 2.15-a et 2.15-b, avec vx (t0 ) = 0.7071(m/s)
et ω1 (t0 ) = 3.3333(rad/s). Les gures 2.16-a et 2.16-b représentent respectivement les
forces de contact pneu/chaussée longitudinale Fx1 et latérale Fy1 appliquées sur la roue
avant droite.
Figure 2.15 Vitesses longitudinale et angulaire
Figure 2.16 Forces de contact pneu/chaussée
2.6.2 Le simulateur de conduite SCANeR-studio
2.6.2.1 Présentation du simulateur SCANeR-studio
1
SCANeR-studio est un logiciel de simulation de conduite automobile développé et
commercialisé par Oktal. Issu initialement du Centre Technique de Simulation de Renault,
SCANeR-studio est aujourd'hui utilisé aussi bien par Renault que PSA entre autres.
SCANeR-studio est utilisé dans un très grand nombre d'applications.
Le conducteur étant installé dans un véhicule, qui est une reproduction d'un modèle
original, peut conduire un véhicule interactif dans un environnement en trois dimensions,
à l'aide d'un ou de plusieurs écrans. Le véhicule peut être installé sur une plateforme,
elle-même placée sur des vérins, qui reproduiraient le comportement du véhicule, comme
dans la réalité.
La gure 2.17 représente le simulateur de conduite SCANeR-studio. Le simulateur
1. www.oktal.fr
disponible au LSIS est composé de :

3 ordinateurs : l'un est utilisé pour faire les calculs de la dynamique et du trac
pour le simulateur SCANeR-studio, le deuxième nous sert pour récupérer et tracer en
temps réel les paramètres du véhicule et intégrer nos observateurs et le troisième est
lié un vidéo-projecteur pour l'achage et la visualisation de l'animation graphique,
1 vidéo-projecteur et 1 écran pour l'animation,
1 volant,
3 pédales : accélérateur, frein et embrayage,
Figure 2.17 Simulateur de conduite SCANeR-studio (Photo LSIS/SASV)
Figure 2.18 Angle de direction pour SCANeR-studio

2.6.2.2 Résultats de la simulation
Dans ce paragraphe, nous montrons des simulations utilisant le simulateur de véhicule

SCANeR-studio. Le modèle utilisé dans le simulateur est plus complet que celui développé
précédemment d'un citroen C3.
Nous avons simulé un passage d'une chicane avec une vitesse quasi-constante à 60km/h
(16,66m/s ). La simulation de ce passage va nous permettre de vérier la dynamique
complet du modèle en réponse à des man÷uvres de braquage. Nous utilisons dans cette
simulation le modèle d'eorts de Pacejka. La route est considérée comme plane. L'angle de
direction utilisé par le véhicule est montré sur la gure 2.18-a. Les gures 2.19-a et 2.19-b
montrent respectivement la trajectoire et l'accélération du véhicule lors de son passage de
la chicane.
Figure 2.19 Trajectoire et accélération pour SCANeR-studio
En réponse aux entrées du véhicule, les gures 2.20, 2.21 et 2.22 illustrent le com-
portement dynamique du véhicule. Sur la gure 2.20-a, nous présentons l'évolution de
la position longitudinale x du véhicule. Les gures 2.20-b, 2.20-c et 2.20-d représentent
respectivement le déplacement vertical z du véhicule, l'angle de roulis et l'angle de lacet.
Le débattement vertical z1 de la suspension avant droite et l'angle de braquage de

la roue avant droite sont donnés respectivement par les gures 2.21-a et 2.21-b. Les vi-
tesses longitudinale du véhicule vx et angulaire de la roue avant droite ω1 du véhicule
sont données respectivement par les gures 2.22-a et 2.22-b. Les gures 2.22-c et 2.22-d
représentent respectivement les forces de contact pneu/chaussée longitudinale et latérale
appliquées à la roue avant droite du véhicule.
Figure 2.20 Translations et rotations du châssis pour SCANeR-studio
Figure 2.21 Débattement de la suspension et angle de braquage

Figure 2.22 Vitesses longitudinale et angulaire et forces de contact
2.7 Conclusion
Dans la perspective de reconstruire les mouvements d'un véhicule, diérents modèles

peuvent être utilisés. Nous avons présenté, dans ce chapitre, les modèles "quart de véhi-
cule ", "demi-véhicule " (ou "bicyclette ") et un modèle nominal de véhicule. Par la suite,
nous avons présenté un modèle dynamique nominal du véhicule qui a été utilisé pour le
développement d'un simulateur de véhicule SIMK106N. Ensuite, nous avons donné des
résultats de simulation du comportement dynamique du véhicule. Ces simulations sont
faites par deux simulateurs de conduite : SIMK106N et SCANeR-studio. L'intérêt de ces
deux simulateurs est qu'il nous permettent de valider l'intérêt de nos observateurs en
simulation et valider l'apport du découpage en 5 blocs.
Dans le troisième chapitre nous étudions la décomposition du modèle dynamique com-
plet du véhicule en cinq blocs, ce découpage nous permet d'exploiter la propriété de pas-
sivité du modèle dynamique.
Chapitre 3
Propriétés du modèle dynamique et
découpage en blocs
Sommaire
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 Propriété de la passivité . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.1 La passivité du modèle dynamique global . . . . . . . . . . . . . . . 36

3.2.1.1 Dénition et Théorème de la passivité . . . . . . . . . . . . 36
3.2.1.2 Passivité du modèle nominal . . . . . . . . . . . . . . . . . 37
3.2.2 Interconnexions des systèmes passifs . . . . . . . . . . . . . . . . . . 38
3.3 Découpage du modèle complet . . . . . . . . . . . . . . . . . . . . 39
3.3.1 La dynamique de caisse Σ1 . . . . . . . . . . . . . . . . . . . . . . . 43

3.3.1.1 Dénition de Σ1 . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.1.2 Passivité de Σ1 . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3.2 La dynamique de suspension Σ2 . . . . . . . . . . . . . . . . . . . . . 46
3.3.2.1 Dénition de Σ2 . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.2.2 Passivité de Σ2 . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.3 La dynamique des roues Σ3 . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.3.1 Dénition de Σ3 . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.3.2 Passivité de Σ3 . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.4 Résultats de simulation . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.1 Introduction
La dynamique des véhicules automobiles a été très étudiée dans la littérature
[Ramirez-Mendoza 1997, Elhadri 2001, Venture 2003, M'sirdi 2004, Jaballah 2009b]. Ce-
pendant, les propriétés du modèle ne sont pas toujours détaillées et étudiées, surtout la
propriété de passivité. Dans le modèle dynamique complet à 16 degrés de liberté du véhi-
cule détaillé dans le chapitre 2, nous trouvons plusieurs composants passifs couplés entre
eux, comme la caisse, les roues, les suspensions, etc.

36 Chapitre 3. Propriétés du modèle dynamique et découpage en blocs
L'objectif de ce chapitre est d'étudier la propriété de passivité et le découpage du

modèle dynamique du véhicule en cinq sous-systèmes, qui sont les translations du véhicule
selon les trois axes, les rotations aussi selon les trois axes, les débattements des quatre
suspensions, les angles de braquage des roues avant et les angles de rotation des quatre
roues. Ces cinq sous-systèmes sont regroupés par la suite en trois blocs. Ce découpage
est justié en calculant et en traçant les diérents termes de couplage qui relient les trois
blocs. Ces derniers possèdent également à la propriété de passivité.
L'intérêt de découpage et son utilité résident dans la possibilité d'utiliser des modèles
partiels (1 seul bloc) négligeant les autres blocs. Pour cela, deux propriétés sont impor-
tantes : la préservation de la passivité du bloc ou sous-modèle, et l'eet des couplages
venant des autres blocs doit être négligeable. A l'aide du simulateur de conduite sous
Matlab-Simulink SIM K106N , nous illustrons l'intérêt de ce découpage en traçant les
signaux de couplage qui se trouvent entre les trois blocs.
3.2 Propriété de la passivité
Depuis les années soixante, la théorie de la passivité a été souvent utilisée dans la
synthèse de loi de commande [Kalman 1963, Popov 1973, Willems 1972a, Willems 1972b,
Popov 1964, Landau 1979]. Le concept des systèmes passifs consiste à synthétiser et ana-
lyser le contrôle d'un système en se basant sur des considérations énergétiques qui relient
les signaux d'entrées sorties du système [P.R.Ortega 1998, Landau 1979].
3.2.1 La passivité du modèle dynamique global
Dans cette partie, nous allons présenter la propriété de passivité du modèle dynamique
global de véhicule présenté précédemment. An de montrer la passivité du modèle, il est
indispensable de présenter quelques dénitions de la passivité ainsi que des théorèmes liés
à cette propriété.
3.2.1.1 Dénition et Théorème de la passivité

Rappelons qu'un système passif satisfait la propriété suivante [Landau 1988] :
E(t1 ) = E(0) + Es (0, t1 ) − EL (0, t1 ) (3.1)
où E(t1 ), E(0) sont respectivement l'énergie du système à l'instant t1 et à l'instant

initial t = 0, Es (0, t1 ) est l'énergie fournie au système pendant l'intervalle de temps [0, t1 ],
EL (0, t1 ) est l'énergie perdue par dissipation dans les frottements dans l'intervalle de
3.2. Propriété de la passivité 37
temps [0, t1 ].
Dénition : Un système avec une entrée u et une sortie y où u(t), y(t) ∈ Rn est
passif s'il existe une constante β (β >0) telle que (Inégalité de Popov) [Brogliato 2000,
M'sirdi , M'sirdi 2010]
Z T
y T (t)u(t)dt ≥ β (3.2)
0
pour toute fonction u, et tout T ≥ 0.
Théorème : Supposons qu'il existe une fonction positive continue V (t) telle que
Z T
y T (t)u(t)dt > V (t) − V (0) (3.3)
0
pour toutes fonctions u, et tout T ≥0 et tout V (0), alors le système d'entrée u(t) et
de sortie y(t) est passif.
3.2.1.2 Passivité du modèle nominal

Nous rappelons qu'en utilisant le formalisme de Lagrange, le modèle dynamique de
véhicule est donné comme suit :

d ∂Ec ∂Ec ∂Ep
τ= − + (3.4)
dt ∂ q̇ ∂q ∂q
1 T
Où Ec = (q̇ M (q)q̇) représente l'énergie cinétique, Ep l'énergie potentielle, et τ
2
les couples et forces extérieures. Après calcul des énergies potentielle et cinétique nous
pouvons établir le modèle dynamique à partir des équations de Lagrange. Ceci nous donne :
τ = M (q)q̈ + C(q, q̇)q̇ + V (q, q̇) + η0 (t, q, q̇) (3.5)
On en déduit :
q̇ T M (q)q̈ = q̇ T (τ − V (q, q̇) − η0 (t, q, q̇)) (3.6)
en intégrant nous trouvons (si on suppose qo = q(0)) :
t
1 1
Z
q̇ T (τ − V (q, q̇) − η0 (t, q, q̇))dt = (q̇ T (t1 )M (q)(t1 )q̇(t1 )) − (q̇0T M (q)0 q̇0 ) (3.7)
0 2 2
Donc notre système vérie l'inégalité de Popov (3.3).

Pour le véhicule si nous considérons pour entrée u = (τ − V (q, q̇) − η0 (t, q, q̇)) et pour
sortie y = q̇ , alors le transfert de u = (τ − V (q, q̇) − η0 (t, q, q̇)) −→ y = q̇ est passif.
3.2.2 Interconnexions des systèmes passifs
Généralement, nous trouvons trois types d'interconnexions de deux systèmes passifs S1

et S2 . La première interconnexion est dite parallèle, illustrée par la gure 3.1. Comme son
nom l'indique, avec cette interconnexion les deux systèmes ont la même entrée u = u1 = u2
(pas de contre-réaction) et la sortie y = y1 + y2 . Dans ce cas, nous constatons alors que :
Z t1 Z t1 Z t1
T
y udt = y1T u1 dt + y2T u2 dt (3.8)
0 0 0
Proposition 1 :La combinaison de deux ou plusieurs systèmes passifs en parallèle,

nous donne un système passif.
Figure 3.1 Interconnexion parallèle

Le deuxième type de connexion est celui de la contre réaction donnée par la gure 3.2.
Dans ce cas, nous avons comme entrée u = u1 + y2 et u2 = y1 = y . Nous obtenons alors
l'égalité suivante :
Z t1 Z t1 Z t1 Z t1
T
ẏ udt = T
y˙1 (u1 + y2 )dt = T
y˙1 u1 dt + y˙1 T u1 dt (3.9)
0 0 0 0
Proposition 2 : L'interconnexion de deux ou plusieurs systèmes passifs en contre

réaction, nous donne un système passif.
3.3. Découpage du modèle complet 39
Figure 3.2 Interconnexion en contre réaction

Dans le cas mixte, (gure 3.3), pour étudier la passivité de système global, il est
intéressant de découper le système en des blocs passifs inter-connectés. Ensuite, nous
utilisons les propositions de passivité présentées précédemment.
Figure 3.3 Interconnexion mixte
3.3 Découpage du modèle complet
Dans cette section, nous présentons une proposition de découpage du modèle dyna-
mique complet de véhicule en cinq sous-systèmes. Cette décomposition est basée sur la
propriété de passivité, présentée précédemment, du modèle dynamique. Ces sous-systèmes
seront regroupé par la suite pour obtenir trois blocs [M'sirdi 2010, M'sirdi 2011a] : la
caisse, les suspensions et les roues.
Au niveau de la caisse, nous trouvons trois mouvements de translation q1T = [x, y, z]

et trois mouvements de rotation q2T = [θ, φ, ψ]. Les suspensions nous donnent quatre dé-
battements suivant l'axe vertical q3T = [z1 , z2 , z3 , z4 ]. Au niveau de deux roues avant, nous
trouvons deux angles de braquage q4T = [δ1 , δ2 ] pour les deux roues avant et quatre posi-
tions angulaires q5T = [ϕ1 , ϕ2 , ϕ3 , ϕ4 ] des quatre roues. Donc nous pouvons écrire le vecteur
de coordonnées généralisées q comme suit : q T = q1T , q2T , q3T , q4T , q5T [Jaballah 2009c]

q1T = [x, y, z]
q2T = [θ, φ, ψ]
q3T = [z1 , z2 , z3 , z4 ]
q4T = [δ1 , δ2 ]
q5T = [ϕ1 , ϕ2 , ϕ3 , ϕ4 ]
Figure 3.4 Découpage en 5 blocs (SCANeR-studio )

Nous pouvons alors découper le modèle dynamique complet du véhicule en cinq sous-
systèmes, en considérant que la matrice d'inertie M (q) et la matrice de Coriolis et Cen-
trifuge C(q, q̇) sont composées de cinq lignes et cinq colonnes, comme suit :
 
M̄11 M̄12 M̄13 032 034

 M̄21 M̄22 M̄23 M̄24 M̄25 

M (q) =  M̄31 M̄32 M̄33 042 044
 
 (3.10)
023 M̄42 024 M̄44 024

 
 
043 M̄52 044 042 M̄55 16×16
 
033 C̄12 C̄13 032 034

 033 C̄22 C̄23 C̄24 C̄25 

C(q, q̇) =  043 C̄32 C̄33 042 044
 
 (3.11)
023 C̄42 024 022 C̄45

 
 
043 C̄52 044 C̄54 044 16×16
T
J= J1T J2T J3T 02,12 04,12 16×12
(3.12)
où M̄ij , C̄ij , Ji pour (i, j = 1, ..., 5), les composants des matrices M (q), C(q, q̇) et J(q),
respectivement, sont détaillés en annexe.
Nous considérons aussi que les vecteurs Γe , V (q, q̇) et ηo (t, q, q̇) peuvent être découpés
de la façon suivante :
T
Γe = 031 031 041 Γe4 Γe5 (3.13)
T
V (q, q̇) = V1 V2 V3 V4 V5 (3.14)
T
ηo (t, q, q̇) = η1 η 2 η3 η 4 η5 (3.15)
où 0ij est une matrice nulle de dimension i × j.
Alors le modèle dynamique du véhicule s'écrit sous la forme matricielle suivante :
[M'sirdi 2008, M'sirdi 2007]

      
031 J1T M̄11 M̄12 M̄13 032 034 q̈1

 031  
  J2T 


 M̄21 M̄22 M̄23 M̄24 M̄25 
 q̈2 

041 + J3T F = M̄31 M̄32 M̄33 042 044 q̈3 +
      
   
Γe4 021 023 M̄42 024 M̄44 024 q̈4
      
      
Γe5 041 043 M̄52 044 042 M̄55 q̈5
      
033 C̄12 C̄13 032 034 q̇1 V1 η1

 033 C̄22 C̄23 C̄24 C̄25 
 q̇2  
  V2  
  η2 

+ 043 C̄32 C̄33 042 044 q̇3 + V3 + η3
      
 
023 C̄42 024 022 C̄45 q̇4 V4 η4
      
      
043 C̄52 044 C̄54 044 q̇5 V5 η5
Ce qui nous conduit à écrire le sous-modèle de translation dynamique de caisse du
véhicule suivant les trois axes, comme suit :
FT = J1T F
= M̄11 q̈1 + M̄12 q̈2 + M̄13 q̈3 + C̄12 q̇2 + C̄13 q̇3 + V1 + η1 (3.16)
Le sous-modèle dynamique de rotation de caisse selon les trois axes longitudinal, latéral
et vertical est donné par l'équation suivante :
FR = J2T F
= M̄21 q̈1 + M̄22 q̈2 + M̄23 q̈3 + M̄24 q̈4 + M̄25 q̈5 + C̄22 q̇2 + C̄23 q̇3 + C̄24 q̇4
+ C̄25 q̇5 + V2 + η2 (3.17)
La dynamique de débattement des quatre suspensions du véhicule suivant l'axe vertical
est donnée par l'équation suivante :
FS = J3T F
= M̄31 q̈1 + M̄32 q̈2 + M̄33 q̈3 + C̄32 q̇2 + C̄33 q̇3 + V3 + η3 (3.18)
Les dynamiques des angles de direction et de rotation angulaire des quatre roues du
véhicule sont :
Γe4 = M̄42 q̈2 + M̄44 q̈4 + C̄42 q̇2 + C̄45 q̇5 + V4 + η4 (3.19)
Γe5 = M̄52 q̈2 + M̄55 q̈5 + C̄52 q̇2 + C̄54 q̇4 + V5 + η5 (3.20)
En supposant que les couplages ηci (i = 1, ..., 5) sont bornés |ηci | < ki ∀ t, i = (1, ..., 5),
les cinq sous-systèmes peuvent s'écrire sous la forme suivante :
Σ11 : q̈1 = f1 (q̇2 , q̈2 , FT , V1 ) + ηc1
Σ12 : q̈2 = f2 (q̇2 , q̈1 , FR , V2 ) + ηc2
Σ2 : q̈3 = f3 (q3 , q̇3 , FS , V3 ) + ηc3 (3.21)
Σ31 : q̈4 = f4 (q̇5 , Γe4 , V4 ) + ηc4
Σ32 : q̈5 = f5 (q̇4 , Γe5 , V5 ) + ηc5
les termes de couplage étant donnés par les équations suivantes :
−1
ηc1 = −M̄11 (M̄13 q̈3 + C̄13 q̇3 + η1 )
−1
ηc2 = −M̄22 (M̄23 q̈3 + M̄24 q̈4 + M̄25 q̈5 + C̄23 q̇3 + C̄24 q̇4 + C̄25 q̇5 + η2 )
−1
ηc3 = −M̄33 (M̄31 q̈1 + M̄32 q̈2 + C̄32 q̇2 + η3 ) (3.22)
−1
ηc4 = −M̄44 (M̄42 q̈2 + C̄42 q̇2 + η4 )
−1
ηc5 = −M̄55 (M̄52 q̈2 + C̄52 q̇2 + η5 )
Nous avons présenté ici les diérents sous-systèmes Σ11 , Σ12 , Σ2 , Σ31 et Σ32 qui corres-
pondent respectivement aux translations et rotations de la caisse, aux débattements des
suspensions, à l'angle de direction des roues avant et aux rotations des roues.
La gure 3.5 représente les diérents blocs du modèle dynamique de véhicule. Les
sous-systèmes Σ11 et Σ12 sont associés ensemble pour décrire la dynamique de la caisse
notée Σ1 . De même, les deux sous-systèmes Σ31 et Σ32 présentent la dynamique des roues,
notée Σ3 . Par conséquent, le nombre des sous-systèmes est réduit à trois, au lieu de cinq.
3.3.1 La dynamique de caisse Σ1

3.3.1.1 Dénition de Σ1
Comme le sous-modèle dynamique de translation et d'orientation de la caisse du véhi-
cule Σ1 est obtenu en associant les deux sous-systèmes Σ11 et Σ12 , en utilisant les équations
(3.16) et (3.17) nous écrivons ce sous-système de la façon suivante :
Figure 3.5 Les cinq sous-systèmes du modèle dynamique de véhicule
ηc1

FT M̄11 M̄12 q̈1 C̄12 V1 M̄11 033
Σ1 : = + q̇2 + −
FR M̄21 M̄22 q̈2 C̄22 V2 033 M̄22 ηc2
Nous choisissons x11 = (q1 , q2 ) et x12 = (q˙1 , q˙2 ) ; la représentation d'état équivalente à
ce sous-système peut s'écrire sous la forme suivante :

 ẋ11 = x12
ẋ = M1−1 (J12 T
F − C1 x12 − V12 − µ1 ) (3.23)
 12
y1 = h(x11 , x12 )
Où :

M̄11 M̄12
* M1 = est la matrice d'inertie réduite ;
M̄21 M̄22

033 C̄12
* C1 = est la matrice de Coriolis et centrifuge réduite ;
033 C̄22
J1T

* T
J12 = est la matrice Jacobienne réduite ;
J2T

V1
* V12 = est le vecteur de suspension et de forces de gravitation associé au
V2
sous-système Σ1 ;
1

M11 0 ηc
* µ1 = − est le vecteur des termes de couplage avec les autres
0 M22 ηc2
sous-systèmes Σ2 et Σ3 .
Nous pouvons encore réécrire ce système comme suit :


 ẋ11 = x12
ẋ = f1 (t, x12 ) + ξ1 (t, F ) + ε1 (t) (3.24)
 12
y1 = h(x11 , x12 )
avec f1 (t, x12 ) = −M1−1 (C1 x12 + V12 ), ξ1 (t, F ) = M1−1 (J12
T
F ) et ε1 (t) = −M1−1 µ1 .
3.3.1.2 Passivité de Σ1
An de justier cette décomposition il est indispensable de prouver la passivité de

chaque sous-système en vériant l'inégalité de Popov (3.3) présenté précédemment.
L'équation dynamique de sous-système Σ1 est donné comme suit :
T
M1 (x11 )ẍ11 = J12 F − C1 (x11 , x12 )ẋ11 − V12 (x11 , x12 ) − µ1 (3.25)
L'énergie cinétique de ce sous-système est :

1
Ec1 = (ẋT11 M1 (x11 )ẋ11 )
2
(3.26)
T
= ẋ11 (J12 F − V12 (x11 , x12 ) − µ1 )
En intégrant 3.26, nous trouvons :
t
1 1
Z
ẋT11 (J12
T
F − V12 (x11 , x12 ) − µ1 )dt = (ẋT11 (t1 )M1 ẋ11 (t1 )) − (ẋT110 M1 ẋ110 ) (3.27)
0 2 2
avec x110 = x11 (0).
T
Nous pouvons alors conclure que notre sous-système Σ1 d'entrée u = J12 F −V12 (x11 , x12 )−
µ1 et pour sortie y = ẋ11 est passif.
3.3.2 La dynamique de suspension Σ2

La dynamique de suspension est donnée par l'équation (3.18) :
Σ2 : FS = M̄33 q̈3 +C̄ 33 q̇3 + V3 − M̄33 ηc3 (3.28)
M̄33 est la matrice d'inertie réduite associée au sous-système Σ2 et le terme de couplage

3
ηc est donné par l'équation (3.22).
Si nous choisissons (x21 , x22 ) = (q3 , q˙3 ) et avec µ2 = −M̄33 ηc3 , la représentation d'état
du sous-système Σ2 est la suivante :

 ẋ21 = x22
−1
ẋ = M̄33 (J3T F − C̄33 x22 − V3 − µ2 ) (3.29)
 22
y2 = h(x2 )
Comme nous avons montré la passivité de sous-système Σ1 précédemment, nous allons
prouver cette propriété pour le sous-système Σ2 . D'après l'équation (3.29), la dynamique
de sous-système de suspension Σ2 est comme suit :
M̄33 ẍ21 = J3T F − C̄33 (x21 , x22 )ẋ21 − V3 (x21 , x22 ) − µ2 (3.30)
En suivant la même démarche présentée dans la section (3.3.1.2), l'énergie cinétique
Ec2 du sous-système Σ2 est égale à :
1
Ec2 = (ẋT21 M̄33 (x21 )ẋ21 )
2
(3.31)
= ẋ21 (J3T F − V3 (x21 , x22 ) − µ2 )
En intégrant, nous trouvons : x210 = x21 (0)

t
1 1
Z
ẋT21 (J3T F − V3 (x21 , x22 ) − µ2 )dt = (ẋT21 (t1 )M̄33 ẋ21 (t1 )) − (ẋT210 M̄33 ẋ210 ) (3.32)
0 2 2
Nous concluons alors que le sous-système de suspension Σ2 d'entrée u = J3T F −

V3 (x21 , x22 ) − µ2 et pour sortie y = ẋ21 est passif.
3.3.3 La dynamique des roues Σ3

La dynamique de roues est donnée par les deux angles de braquage de deux roues
avant Σ31 et les positions angulaires des quatre roues du véhicule Σ32 . Elle est résumée
par les équations (3.19) et (3.20), comme suit :

Γe4 M̄44 024 q̈4 022 C̄45 q̇4 V4
Σ3 : = + + (3.33)
Γe5 042 M̄55 q̈5 C̄54 044 q̇5 V5
ηc4

M̄44 024
−
042 M̄55 ηc5
ηc4 et ηc5 sont les termes de couplage donnés par les équations (3.22).
En choisissant x31 = (q4 , q5 ), x32 = (q˙4 , q˙5 ), la représentation d'état de ce sous-système

Σ3 est la suivante :

 ẋ31 = x32
ẋ32 = M3−1 (Γe45 − C3 x32 − V45 − µ3 ) (3.34)
y3 = h(x31 , x32 )

Où :

M̄44 024
* M3 = est la matrice d'inertie réduite ;
042 M̄55

022 C̄45
* C3 = représente la matrice de Coriolis et centrifuge réduite ;
C̄54 044

Γe4
* Γe45 = est la matrice Jacobienne réduite ;
Γe5

V4
* V45 = est le vecteur de suspension et de forces de gravitation associé au
V5
sous-système ;
ηc4

M̄44 024
* µ3 = − est le terme de couplage avec les autres sous-systèmes
042 M̄55 ηc5
Σ1 et Σ2 .
La dynamique des roues du véhicule est donnée par l'équation suivante :
M3 ẍ31 = Γe45 − C3 (x31 , x32 )ẋ31 − V45 (x31 , x32 ) − µ3 (3.35)
L'énergie cinétique de Σ3 est donné comme suit :

1
Ec3 = (ẋT31 M3 (x31 )ẋ31 )
2
(3.36)
= ẋ31 (Γe45 − V45 (x31 , x32 ) − µ3 )
En intégrant 3.36, nous trouvons :
t
1 1
Z
ẋT31 (Γe45 − V45 (x31 , x32 ) − µ3 )dt = (ẋT31 (t1 )M3 ẋ31 (t1 )) − (ẋT310 M3 ẋ310 ) (3.37)
0 2 2
avec x310 = x31 (0).
Nous pouvons alors conclure que notre sous-système des roues Σ3 d'entrée u = Γe45 −
V45 (x31 , x32 ) − µ3 et pour sortie y = ẋ31 est passif.
3.4 Résultats de simulation
Dans le but de valider notre proposition de découpage du modèle dynamique de vé-

hicule en trois sous-systèmes, nous utilisons le simulateur de véhicule SIMK106N. Les
résultats de simulation sont obtenus pour deux angles de direction diérentes : sinusoï-
dale et carré.
3.4. Résultats de simulation 49
Figure 3.6 L'angle de direction pour la première simulation
Figure 3.7 La trajectoire suit par le véhicule pour la première simulation
La gure 3.6 représente l'angle de direction utilisé pendant la première simulation. Cet
angle est de forme sinusoïdale d'amplitude 10(deg) et de fréquence 0.25 Hz . Le véhicule
suit la trajectoire donnée par la gure 3.7.
Les courbes des gures 3.8-a et 3.8-b représentent respectivement les variations de la
moyenne de six composants du terme de couplage µ1,moy et le carré de la moyenne µ21,moy
µ1,1 + µ1,2 + µ1,3 + µ1,4 + µ1,5 + µ1,6
(µ1,moy = où µ1,1 , µ1,2 , µ1,3 , µ1,4 , µ1,5 et µ1,6 sont les
6
composants du vecteur µ1 ). Nous constatons que tout au long de la simulation, la moyenne
de terme de couplage µ1,moy est presque nul, il varie entre 0.01 et −0.01.
Figure 3.8 La moyenne de terme de couplage µ1 pour la première simulation


Les gures 3.9-a et 3.9-b nous présentent respectivement la moyenne des composants
µ2,1 + µ2,2 + µ2,3 + µ2,4
du terme de couplage µ2,moy et son carré µ22,moy (µ2,moy = où µ2,1 ,
4
µ2,2 , µ2,3 et µ2,4 sont les composants du vecteur µ2 ). Nous pouvons dire que le signal est
négligeable par rapport aux autres paramètres du véhicule puisque sa valeur absolue ne
dépasse pas 0.02. Nous faisons la même remarque pour le terme de couplage µ3 , qui est
donné par la gure 3.10-a.
Figure 3.11 L'angle de direction pour la deuxième simulation

Figure 3.12 La trajectoire pour la deuxième simulation
Figure 3.13 La moyenne de terme de couplage µ1 pour la deuxième simulation
La gure 3.11 représente le deuxième angle de direction utilisé pendant la deuxième

simulation. Cet angle est de forme carré d'amplitude 1 et de fréquence 0.25 Hz . La
trajectoire du véhicule pendant cette simulation est donnée la gure 3.12.
Les gures 3.13-a et 3.13-b présentent respectivement les termes de couplage µ1 et
µ1 . Nous remarquons bien que ce terme est presque nul bien qu'au début de simulation
2
il était égal à 0.01. Les courbes des gures 3.14-a et 3.14-b représentent respectivement

les termes de couplage µ2 et µ22 . Nous constatons que le terme de couplage µ2 converge
rapidement vers la valeur zéro, ce qui prouve et valide notre approche de découpage du
modèle dynamique du véhicule en trois sous-systèmes. D'après les courbes des gures
3.15-a et 3.15-b, qui représentent respectivement les termes de couplage µ3 et µ23 , nous
remarquons que ce terme de couplage est négligeable, puisqu'il est presque nul tout au
long de notre simulation.
3.5 Conclusion
Dans ce chapitre, nous avons présenté un découpage du modèle dynamique de véhicule.

Dans un premier temps, une décomposition du système en cinq parties a été proposée :
position du châssis, orientation du châssis, suspensions, direction des roues avant et rota-
tion des roues. Ensuite, nous avons groupé les deux premiers blocs en un seul noté Σ1 et
les deux derniers blocs en un seul noté Σ3 . Nous trouvons nalement trois sous-systèmes
Σ1 , Σ2 et Σ3 , qui représentent respectivement la dynamique de caisse, la dynamique de
suspension et la dynamique des roues. Cette décomposition est basée sur la théorie de
la passivité du système. Pour illustrer cet approche, nous avons utilisé le simulateur de
véhicule SIMK106N pour montrer que les termes de couplage qui relient les diérents
blocs sont faibles.
Dans le chapitre suivant, nous allons considérer ces blocs séparément pour développer
des observateurs pour estimer l'état partiel du système.
Chapitre 4
Synthèse d'observateurs
Sommaire
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2 Les modes de glissement . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2.2 Conditions d'existence du glissement . . . . . . . . . . . . . . . . . . 57
4.2.3 Robustesse des modes glissants . . . . . . . . . . . . . . . . . . . . . 59
4.2.4 Phénomène de réticence . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2.5 Modes glissants d'ordre supérieur . . . . . . . . . . . . . . . . . . . . 60
4.2.5.1 Algorithme du twisting . . . . . . . . . . . . . . . . . . . . 61
4.2.5.2 Algorithme du super-twisting . . . . . . . . . . . . . . . . . 62
4.3 Observateur par modes glissants . . . . . . . . . . . . . . . . . . . 63
4.3.1 Dénition d'un observateur . . . . . . . . . . . . . . . . . . . . . . . 63

4.3.2 Observabilité des systèmes non-linéaires . . . . . . . . . . . . . . . . 64
4.3.3 Mise en forme du modèle . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3.4 Observateur par modes glissants d'ordre un . . . . . . . . . . . . . . 66
4.3.5 Observateur triangulaires par modes glissants . . . . . . . . . . . . . 71
4.4 Observateurs partiels d'état . . . . . . . . . . . . . . . . . . . . . . 76
4.4.1 Observateur à mode de glissement d'ordre 1 . . . . . . . . . . . . . . 77

4.4.1.1 Modèle générique pour les sous-systèmes . . . . . . . . . . . 77
4.4.1.2 Observateur d'ordre 1 . . . . . . . . . . . . . . . . . . . . . 78
4.4.2 Observateur à mode de glissement d'ordre 2 . . . . . . . . . . . . . . 78
4.5 Les observateurs algébriques ALIEN
1 . . . . . . . . . . . . . . . . 79
4.5.1 Présentation de l'approche . . . . . . . . . . . . . . . . . . . . . . . . 79

4.5.2 Les algorithmes d'estimation . . . . . . . . . . . . . . . . . . . . . . 80
4.5.2.1 Algorithme 1 : Estimation de Vx . . . . . . . . . . . . . . . 80
4.5.2.2 Algorithme 2 : Estimation de Vy . . . . . . . . . . . . . . . 80
4.5.3 Résultats de simulation des algorithmes d'estimation . . . . . . . . . 81
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

56 Chapitre 4. Synthèse d'observateurs
4.1 Introduction
La connaissance de l'état global d'un système à chaque instant est nécessaire, non
seulement dans le cas classique de la commande de système par retour d'état statique
ou dynamique, mais aussi dans un contexte plus général, comme par exemple pour le
diagnostic, la détection de panne, la sécurité, etc. Cependant, pour des raisons techno-
logiques ou de abilité, ou tout simplement pour des raisons économiques, la mesure de
tout état n'est souvent pas possible. D'où la nécessité de la reconstitution des variables
d'état non mesurables à l'aide des observateurs robustes basés sur des mesures disponibles.
Plusieurs méthodes d'observation existent dans la littérature. Parmi celles-ci, nous

pouvons citer l'observateur de Kalman [Kalman 1963] et l'observateur de Lunenberger
[Lunenberger 1964, Lunenberger 1966] pour les systèmes linéaires. Dans ce cas, le principe
de séparation permet la synthèse d'un observateur indépendamment de la commande.
Pour les systèmes non-linéaires, nous trouvons des observateurs basés sur la théorie
de la stabilité de Lyapunov [Thau 1973], des observateurs à grand gain [Esfandiari 1989,
Nicosia 1998] et les observateurs par modes glissants [Utkin 1977, Slotine 1986, Barbot 1996,
Utkin 1999]. Ce dernier type d'observateur est basé sur les systèmes à structure variable
[Emelyanov 1967]. Il a des bonnes propriétés de robustesse vis-à-vis des erreurs paramé-
triques et des perturbations bornées. Pour cela et pour d'autres raisons, l'observateur
par mode glissant sera utilisé par la suite pour estimer l'état du véhicule et les forces de
contact pneu/chaussée.
Dans ce chapitre, nous présentons, dans un premier temps, la technique de mode

glissant d'ordre un et d'ordre supérieur qui sera utilisée pour développer les observateurs
pour estimer l'état global et partiel du véhicule. Dans un second temps, nous présenterons
l'approche algébrique ALIEN qui nous permet d'estimer l'état du véhicule en exploitant
des outils mathématiques. Des résultats de simulation seront donnés pour illustrer les
diérents approches théoriques.
4.2 Les modes de glissement
Depuis des années, la technique des modes glissants pour les systèmes non-linéaires a
été largement étudiée et développée. L'objectif de cette méthode est d'obliger le système
à suivre, en temps ni, une surface où le comportement résultant correspond aux dyna-
miques souhaitées [Edwards 1998]. Cette technique n'est autre qu'un cas particulier de la
théorie des systèmes à structure variable, présentée par Filippov en 1960 [Filippov 1960].
L'utilisation de cette théorie date de la parution des livres d'Emelyanov [Emelyanov 1967]
et d'Utkin [Utkin 1977].
4.2. Les modes de glissement 57
4.2.1 Dénition
Soit (S) un système non linéaire tel que :

 ẋ = f (x, u)
(S) : (4.1)
y = h(x)

où x ∈ Rn représente l'état du système, y ∈ Rp est le vecteur de sorties disponible

(p < n) et u ∈ Rm représente la commande du système vériant :
 +
 u si s(x) > 0
u(x, t) = u −
si s(x) < 0 (4.2)
∈ [−1, 1] si s(x) = 0

s est une hyper-surface susamment diérentiable, appelée surface de glissement ou

de commutation, vériant, s(x) = 0. Cette surface divise l'espace de phase en deux sous-
espaces disjoints s+ et s− , tels que :
s+ = {x ∈ Rn s(x) > 0} (4.3)

et
s− = {x ∈ Rn s(x) < 0} (4.4)
L'état du système x rejoint la surface s(x) = 0 avec les vitesses notées f + et f − sous les
conditions données par le système d'équations diérentielles suivant :
f + (x) si x ∈ s+

ẋ = (4.5)
f − (x) si x ∈ s−
Lorsque ces deux conditions sont vériées, la surface s(x) = 0 est dite attractive. Le
glissement de l'état x le long de cette surface engendre un mode appelé régime ou mode
de glissement.
4.2.2 Conditions d'existence du glissement

L'attractivité de la surface s(x) = 0 n'est assurée en réalité que dans un domaine
réduit, appelé domaine de glissement Dg . Pour que les trajectoires du système restent
dans ce domaine Dg , la commande u du système est donnée de telle sorte qu'elle vérie
la structure variable suivante :
 +
 u (x, t) si s(x) > 0
u(x, t) = u− (x, t) si s(x) < 0 (4.6)
∈ [−1, 1] si s(x) = 0

Les conditions d'existence du mode de glissement selon Utkin sont données par le
théorème suivant :[Utkin 1977]
Théorème 1 : Le domaine Dg de dimension (n − 1) est un domaine de glissement pour

le système donné par (4.1) si pour x ∈ Dg , il existe une fonction de Lyapunov V (s, x, t)
dénie sur un ensemble Ω contenant l'origine et qui est continûment diérentiable vis-à-
vis de tous ses arguments et satisfaisant les conditions suivantes :
1. La fonction V (s, x, t) est dénie positive par rapport à g comme suit :

 V (s, x, t) > 0 si s 6= 0
(4.7)
V (s, x, t) = 0 si s = 0

2. Soit R ∈ R+ , pour tout état x dans Dg , la fonction de Lyapunov V vérie toujours :
inf V (s, x, t) = hR (4.8)

kgk=R
sup V (s, x, t) = HR (4.9)

kgk=R
tel que R 6= 0 et lim HR = 0

R→0
avec hR et HR sont des constantes positives qui dépendent de R.
3. La dérivée de la fonction de Lyapunov V , le long des trajectoires du système, est
dénie négative pour tout s(x, t) non nulle.
4. Sur k g k= R, en dehors des points de discontinuité, la relation ci-dessous est

vériée :
dV
sup = −δ, δ > 0, sup δ > 0 (4.10)
ksk=R dt R∈[a,b]
tel que
0<a<b avec k s k< b (4.11)
s2
La fonction de Lyapunov la plus utilisée est V = , la surface s(x) = 0 est attractive
2
si la dérivée de V est négative, soit :
sṡ < 0 (4.12)
Cette condition est appelée condition d'attractivité ou de glissement.

Ce théorème, donné par Fillipov, sur la condition de glissement, fait intervenir des
projections des champs de vecteur f + et f − sur la normale à la surface s(x) = 0.
Remarque 1 La condition d'attractivité (4.12) ne garantit qu'une convergence asympto-

tique vers la surface de glissement s(x) = 0. An d'assurer une convergence en temps ni
tf ini , la condition (4.12) est remplacée par la condition dite de η -attractivité, donnée par
[Slotine 1986]
sṡ < η|s| avec η > 0 (4.13)

L'expression de tf ini est obtenue en résolvant l'inégalité 4.13. Nous obtenons alors :
|s(x, t)| − |s(x, 0)| < −ηt (4.14)

Donc la surface s(x) = 0 est atteinte en un temps ni, tel que :
s(x, t)
tf ini ≤ (4.15)
η
4.2.3 Robustesse des modes glissants
Pour étudier la robustesse des modes glissants vis-à-vis des perturbations, nous consi-
dérons le système perturbé suivant :
ẋ = f (x) + g(x)u + p(k) (4.16)

où p représente l'eet des incertitudes paramétriques sur le modèle ou des perturba-
tions externes.
La robustesse du régime glissant vis-à-vis des perturbations est donnée par le théorème
suivant, qui est la généralisation de la condition classique d'invariance vis-à-vis des pertur-
bations externes, établi par Draznovic [Draznovic 1969] dans le cas des systèmes linéaires.
Théorème 2 : Le régime glissant sur s du système perturbé (4.16) est invariant vis-à-vis
de p, si et seulement si le vecteur perturbation p vérie la condition suivante :
p ∈ V ectg(x) (4.17)
avec V ectg l'espace engendré par la base g(x).

La condition (4.17) est appelée condition de recouvrement ou "matching condition".
4.2.4 Phénomène de réticence
Malgré les diérents avantages des modes de glissement, son utilisation a été entravée
par un inconvénient majeur que nous appelons réticence, broutement ou encore "chatte-
ring " (gure 4.1).
Figure 4.1 Phénomène de réticence
Le phénomène de réticence est une conséquence naturelle du comportement dyna-

mique réel du système à commander. Il est à l'origine des commutations persistantes
de la commande, qui peuvent provoquer une détérioration anticipée de l'organe de com-
mande, ou exciter des dynamiques hautes fréquences non considérées dans la modélisation
du système. Ainsi, nous allons chercher, par diérentes méthodes, à limiter ce phénomène.
Une première approche consiste à remplacer la fonction signe par une fonction plus lisse,
comme la fonction de saturation sat donnée par la gure 4.2. Une autre méthode serait
de mieux choisir la surface de commutation.
Figure 4.2 La fonction de saturation sat
4.2.5 Modes glissants d'ordre supérieur
La technique des modes de glissement d'ordre supérieur est développé pour réduire ou
éliminer le phénomène de réticence, tout en gardant les bonnes propriétés telles que la
simplicité d'application, et aussi les bonnes performances, telles que sa robustesse vis-à-vis
des perturbations. Cette méthode a été beaucoup développée par Lavant [Levant 1993,
Levant 1997, Levant 1998, Levant 1999, Levant 2003] et par Emelyanov [Emelyanov 1967,
Emelyanov 1986a, Emelyanov 1986b, Emelyanov 1993].
Le principe de la commande par modes glissants d'ordre supérieur, ordre r par exemple,
consiste à contraindre le système à évoluer sur une surface de glissement déterminée par :
s = ṡ = . . . = sr−1 = 0 (4.18)

r étant l'ordre de la commande et si la ième dérivée de la fonction s par rapport au

temps.
Dans la littérature, il existe plusieurs algorithmes de commande par modes glissants

d'ordre supérieur. Parmi ces algorithmes nous présentons, dans la suite, l'algorithme du
twisting et l'algorithme du super-twisting.
4.2.5.1 Algorithme du twisting

L'algorithme de twisting a été présenté dans [Emelyanov 1967, Levant 1993]. La conver-
gence en temps ni vers l'origine du plan de phase (s, ṡ) est obtenue à l'aide de la com-
mutation de l'amplitude de la commande entre deux valeurs, de manière que l'abscisse et
l'ordonnée soient croisées de plus en plus près de l'origine.
Pour un système de degré relatif un, la variable u est considérée comme une variable
d'état, alors que sa dérivée u̇ est la nouvelle commande. En eet, considérons le système
à commander, décrit comme suit :
ẋ = f (t, x, u) (4.19)
où f (t, x, u) est un vecteur de fonctions susamment dérivable.
L'algorithme du twisting est déni alors de la manière suivante :

Dénition : Soit le système (4.19) et la surface de contrainte s = 0 ; l'algorithme de
commande est donné par :


 −u si | u |> Umax




u̇ = −λm sign(s) si sṡ > 0 et | u |≤ Umax (4.20)





−λM sign(s) si sṡ ≤ 0 et | u |≤ Umax

où les paramètres λm et λM vérient les inégalités suivantes :

λM > λm > 0 (4.21)
4G2
λm > (4.22)
s0
H
λm > (4.23)
G1
G2 λm 2H
λM > + (4.24)
G1 G1
La gure 4.3 montre le plan de phase où la loi de commande est caractérisée par un
mouvement de spirale autour de l'origine. La convergence vers l'origine est assurée après
un nombre inni de tours. L'amplitude de ces mouvements est décroissante.
Figure 4.3 Plan de phase de l'algorithme du twisting
4.2.5.2 Algorithme du super-twisting
L'algorithme de super-twisting a été développé par Levant [Levant 1997] pour com-
mander les systèmes d'ordre relatif un, tout en éliminant le phénomène de réticence. Dans
ce cas, la trajectoire de la commande dans le plan de phase est caractérisée par une conver-
gence rapide vers l'origine (gure 4.4). La loi de commande u est constituée ici de deux
termes :
u(t) = u1 (t) + u2 (t) (4.25)

4.3. Observateur par modes glissants 63

 −u si |u| > 1
u̇1 (t) = (4.26)
−W sign(s) si |u| ≤ 1

p

 −λ|s0 | si |s| > s0
u2 (t) = (4.27)
p
−λ|s| si |u| ≤ s0

Les conditions susantes de convergence en temps ni sont les suivantes : [Levant 1997]
C0
W >
Km
4C0 KM (W + C0 ) (4.28)
λ2 ≥
Km Km (W − C0 )
0 < ρ ≤ 0.5
Figure 4.4 Plan de phase de l'algorithme du super-twisting
4.3 Observateur par modes glissants
4.3.1 Dénition d'un observateur

Un observateur est un système dynamique qui permet de reconstituer ou d'estimer en
temps réel l'état courant d'un système réel à partir des mesures disponibles, des entrées du
système réel et une connaissance a priori du modèle. Il permet alors de suivre l'évolution
de l'état du système en temps réel. L'observateur nous permet aussi d'estimer d'autres
paramètres liés au comportement du véhicule, tels que les forces de contact pneu/sol ou
la détection et l'isolation des défauts ou des pannes.
Pour le système (S), un observateur se présente comme un système dynamique auxi-
liaire, qui se traduit généralement comme une copie du système à observer, plus un terme
correcteur g(x, x̂), pour ajuster l'état estimé :
 ˙
 x̂ = f (x̂, u) + g(x, x̂)
(O) : (4.29)
ŷ = h(x̂)

Où x̂ et ŷ sont respectivement les estimations de x et y .
Le schéma de principe d'un observateur est montré sur la gure 4.5, où y représente
le vecteur des valeurs mesurées par les capteurs, u est l'entrée de commande et ŷ est le
vecteur des valeurs estimées.
Figure 4.5 Schéma de principe d'un observateur
4.3.2 Observabilité des systèmes non-linéaires
Avant de présenter les observateurs non-linéaires, il est indispensable d'étudier l'ob-

servabilité du système. Depuis les années soixante dix, la théorie de l'observabilité des
systèmes non-linéaires est en cours de construction.
D'une façon générale, les processus réels présentent des non-linéarités incontournables.
Ainsi, dans certains cas, les méthodes linéaires ne sont parfois plus adaptées. Dans ce sens,
plusieurs recherches ont été consacrées à l'étude de l'observabilité de systèmes non-linéaires
telles que [Grith 1971, Kou 1975, Hermann 1997, Boutat ].
Pour l'étude de l'observabilité d'un système non-linéaire, nous pouvons utiliser les
dérivées de Lie [Diop 1991]. Le système est localement observable si la condition de rang
d'observabilité est vériée, c'est-à-dire que la matrice d'observabilité (O) dénie ci-dessous
est de rang n :
 
dh(x)
 
 
 dLf h(x)
 

(4.30)
 
O= 
 .. 

 . 

 
 
dLn−1
f h(x)
avec :

∂h ∂h ∂h


 dh = , ,··· ,

 ∂x1 ∂x2 ∂xn
(4.31)
 L h(x) = ∂h f (x)



f
∂x
La condition d'observabilité est la suivante [Hermann 1977] :
rang (O) = n (4.32)
4.3.3 Mise en forme du modèle
Dans le chapitre (3), nous avons vu que la dynamique du véhicule est décrite par
l'équation diérentielle ci-dessous :
q̈ = M −1 (q)(Γa + Γe − C(q, q̇)q̇ − V (q, q̇) − η0 (t, q, q̇)) (4.33)

Pour pouvoir estimer l'état global du système, il est intéressant d'écrire le modèle
(4.33) sous une forme canonique, en choisissant l'état x de la manière suivante :
x = (x1 , x2 )T = (q, q̇)T (4.34)

Donc l'équation (4.33) devient :
ẋ2 = −M −1 (x1 )[C(x1 , x2 )x2 +V (x1 , x2 )]+M −1 (x1 )(Γe +Γa )−M −1 (x1 )η0 (t, x1 , x2 ) (4.35)
où Γe = J T (x1 )F (4.36)
En prenant les fonctions f (.), η(.) et U (.) comme suit :
f (x1 , x2 ) = −M −1 (x1 )[C(x1 , x2 )x2 + V (x1 , x2 )] (4.37)
η(t, x1 , x2 ) = M −1 (x1 )η0 (t, x1 , x2 ) (4.38)
U (x1 ) = M −1 (x1 )Γa (4.39)
nous obtenons alors la forme du modèle complet de véhicule :



 ẋ1 = x2




−1 T

 ẋ2 = f (x1 , x2 ) + M (x1 )(J (x1 )x3 ) + U (x1 ) − η(t, x1 , x2 )


(4.40)
x3 = F









y = h(x1 )

Remarque 2 Le modèle du véhicule proposé admet trois propriétés :

la matrice M (x1 ) est symétrique dénie positive (passivité) ;
la diérence M (x1 ) − 2C(x1 , x2 ) est antisymétrique ;
C(x1 , x̂2 ) = C(x1 , x2 ), V (x1 , x̂2 ) = V (x1 , x2 ), où x̂2 désigne l'estimation de x2 .
4.3.4 Observateur par modes glissants d'ordre un
Pour estimer l'état global du véhicule en utilisant des observateurs à modes glissants,
nous devons être muni d'informations importantes sur les mesures. Donc le vecteur des
sorties composé des mesures issues des capteurs doit être bien choisi. Nous pouvons dénir
les hypothèses suivantes :
Nous supposons que le vecteur des positions est entièrement mesurable : y = x1
x1 = [x, y, z, θ, φ, ψ, z1 , z2 , z3 , z4 , δ1 , δ2 , ϕ1 , ϕ2 , ϕ3 , ϕ4 ] (4.41)
Pour des situations de conduite en ligne droite à vitesse quasi-constante, comme par
exemple sur une autoroute, nous supposons que les forces de contact pneu/chaussée
F sont constantes, et par suite Ḟ ≃ 0 (le véhicule roule sur une route pas déformée
et sans bosses).
Le modèle dynamique de véhicule décrit par (4.40) peut être écrit sous la forme d'état
suivante :


 ẋ1 = x2




−1 T

 ẋ2 = f (x1 , x2 ) + M (x1 )(J (x1 )x3 ) + U (x1 ) − η(t, x1 , x2 )


(4.42)
x3 = F









y = x1

Nous pouvons alors dénir les équations de l'observateur global à modes glissants
d'ordre 1 comme suit :
x̂˙ 1 = x̂2 − Λ1 sign(x̂1 − x1 )








x̂˙ 2 = f (x1 , x̂2 ) + M −1 (x1 )(J T (x1 )x̂3 ) + U (x1 ) − Λ2 sign(x̂1 − x1 ) (4.43)




 ˙

x̂3 = −P Λ3 sign(x̂1 − x1 )
avec
* x̂1 , x̂2 et x̂3 sont respectivement l'estimation des vecteurs x1 , x2 et x3 ;
* Λ1 , Λ2 et Λ3 sont des matrices de gains diagonales dénies positives. Ces diérentes

matrices seront déterminées lors de l'étude de la stabilité de l'erreur d'observation ;
* f (x1 , x̂2 ) = −M −1 (x1 )[C(x1 , x̂2 )x̂2 + V (x1 , x̂2 )]
* P inR12×16 est une matrice dénie positive ;
Le vecteur de mesure permet d'obtenir grâce à l'observateur une première estimation

de l'état complet du système (x̂1 , x̂2 ). Celle-ci est utilisée pour calculer les forces de contact
roue/sol x̂3 à partir des modèles expérimentaux. Les forces estimées sont réinjectées dans
l'observateur d'état, comme le montre la gure 4.6.
An d'assurer la stabilité de l'observateur, nous devons trouver les matrices de gain
Λ1 , Λ2 et Λ3 . Nous procédons alors étape par étape, en commençant par montrer la
convergence de l'erreur en position (x̃1 = 0), puis celle de l'erreur en vitesse (x̃2 = 0). On
Figure 4.6 Structure de l'observateur
doit alors montrer que la surface (x̃1 = 0) est attractive, ensuite nous montrons que x̃2
tend vers 0, pour nalement déduire que l'erreur d'estimation des entrées inconnues x̃3
converge vers 0.
Soient les variables x̃1 , x̃2 et x̃3 dénies comme suit :



 x̃1 = x̂1 − x1




x̃2 = x̂2 − x2 (4.44)





x̃3 = x̂3 − x3

L'observateur global peut s'écrire sous la forme suivante :
x̃˙ 1 = x̃2 − Λ1 sign(x̃1 )








x̃˙ 2 = Φ(x1 , x2 , x̂2 ) + M −1 (x1 )J T (x1 )x̃3 − Λ2 sign(x̃1 ) (4.45)




 ˙

x̃3 = −P Λ3 sign(x̃1 )
avec Φ(x1 , x2 , x̂2 ) = f (x1 , x̂2 ) − f (x1 , x2 ) + η(t, x1 , x2 )
Étude de la convergence de x1 :
Soit la fonction de Lyapunov V1 (x1 ) choisie comme suit :
1
V1 (x1 ) = x̃T1 x̃1 (4.46)
2
Le dérivée de cette fonction nous donne :
V̇1 (x1 , ẋ1 ) = x̃T1 x̃˙ 1 (4.47)

D'après la première équation du système (4.45), on obtient :
V̇1 (x1 , ẋ1 ) = x̃T1 (x̃2 − Λ1 sign(x̃1 )) (4.48)

Si l'on choisit les gains de la matrice diagonale Λ1 = diag(λ1i ), tels que λ1i > |x̃2i |
pour i = 1, ..., 16, on montre que V̇1 (x1 , ẋ1 ) < 0, ainsi x̂1 converge en moyenne vers x1 en
un temps ni t0 ; on aura alors en moyenne x̃1 = 0 ∀t > t0 . Ce qui implique, à partir du
système d'équations (4.45), que nous obtenons en moyenne :
signeq (x̃1 ) = Λ−1

1 x̃2 (4.49)
où signeq est l'équivalent en moyenne de la fonction sign sur la surface de glissement.
Les équations du système (4.45) peuvent s'écrire alors comme suit :
x̃˙ 1 = x̃2 − Λ1 signeq (x̃1 ) −→ 0








x̃˙ 2 = Φ(x1 , x2 , x̂2 ) + M −1 (x1 )J T (x1 )x̃3 − Λ2 Λ−1
1 x̃2 (4.50)




 ˙
x̃3 = −P Λ3 Λ−1

1 x̃2
ou encore :
x̃˙ 1 = x̃2 − Λ1 signeq (x̃1 ) −→ 0








x̃˙ 2 = −M −1 (x1 )C(x1 , x2 )x̃2 + η(t, x1 , x2 ) + M −1 (x1 )J T (x1 )x̃3 − Λ2 Λ−1
1 x̃2 (4.51)




 ˙
x̃3 = −P Λ3 Λ−1

1 x̃2
Étude de la convergence de x2 et de x3 :
Pour étudier la convergence de x2 et de x3 , nous considérons une deuxième fonction

de Lyapunov V2 (x2 , x3 ) :
1 1
V2 (x2 , x3 ) = x̃T2 x̃2 + x̃T3 P −1 x̃3 (4.52)
2 2
En dérivant cette fonction et en remplaçant x̃˙ 2 et x̃˙ 3 par leurs expressions, données par
(4.51), nous trouvons V̇2 comme suit :
V̇2 = x̃T2 [−M −1 (x1 )C(x1 , x2 ) − Λ2 Λ−1 1 x̃2 + η (4.53)

−1
T
1 ]x̃2 + x̃2 M (x1 )J T (x1 )x̃3 − x̃T3 Λ3 Λ−1
Si Λ3 = M −1 (x1 )J T (x1 )Λ1 et Λ2 > −M −1 (x1 )C(x1 , x2 )Λ1 , nous trouvons que V̇2 est
strictement négative et décroissante. Donc la surface x̃˙ 2 = 0 est attractive, ce qui signie
que x̂2 converge asymptotiquement vers x2 . Et, d'après les équations du système (4.51),
nous déduisons que les erreurs d'estimation de la dérivée de l'état du véhicule et de la force
de contact pneu/chaussée (x̃˙ 2 et x̃˙ 3 ) tendent vers 0. Ceci conduit à dire que les erreurs
d'estimation x̃2 et x̃3 sont bornées.
Dans le paragraphe suivant, nous donnons des résultats de simulation, an de tester
la performance de la méthode d'estimation développée. Dans sa structure classique, nous
pouvons écrire l'observateur par mode de glissement d'ordre 1 pour le système non-linéaire
(S) sous la forme suivante :
 ˙
 x̂ = f (x̂, u) − Λsign(ŷ − y)
(4.54)
ŷ = h(x̂)

où f est une fonction susamment diérentiable et Λ est une matrice de gain dénie
comme suit :
 
λ1 0 ··· 0
. . . ..
.
 
0 λ2
(4.55)
 
Λ= .. ... ...

. 0
 
 
0 0 0 λp
la fonction sign étant la fonction signe usuelle (voir gure 4.7) :

 
sign(ŷ1 − y1 )
 
 
 sign(ŷ2 − y2 )
 

(4.56)
 
sign(ŷ − y) =  
 .. 

 . 

 
 
sign(ŷp − yp )
Figure 4.7 Graphe de la fonction sign(.)
L'étude de la convergence pour de tels observateurs est basée sur l'utilisation des
fonctions de Lyapunov [Slotine 1986].
4.3.5 Observateur triangulaires par modes glissants
Les observateurs triangulaires par modes glissants ont été développés pour des sys-
tèmes qui peuvent se mettre sous la forme triangulaire suivante : [Barbot 1996, Boukhobza 1997]
 
ẋ1  
  x2 + g1 (x1 , u)
   
 ẋ   
 2
x3 + g2 (x1 , x2 , u)
  
   

 .
  .. 
 ..
 
= . 
 (4.57)
   
   
  xn−1 + gn−1 (x1 , . . . , xn−1 , u)
   
 ẋn−1
 
  
   
 
fn (x) + gn (x, u)
ẋn
Où y = x1 , fn et gi (i = 1, ..., n) sont des fonctions analytiques.
Sous cette forme, dans chaque équation d'état, le terme non-linéaire est exprimé en
fonction seulement de l'entrée et des états x1 . . . xi .
L'observateur proposé pour le système (4.57) est de la forme suivante [Boukhobza 1997] :
ẋˆ1
   
x̂2 + g1 (x1 , u) − Λ1 sign(x̂1 − x1 )
   
   

 ẋˆ2  
  x̂3 + g2 (x1 , x2 , x2 , u) − Λ2 sign(x̂2 − x2 ) 

   
.. ..
   
. . (4.58)
   
 = 
   
   
   
ẋˆn−1   x̂n−1 + gn−1 (x1 , . . . , xn−1 , u) − Λn−1 sign(x̂n−1 − xn−1 )
   
 
   
   
ẋˆn fn (x̂) + gn (x̂, u) − Λn sign(x̂n − xn )
où xi est dénie par :
xi = x̂i − Λi−1 signmoy (xi−1 − x̂i−1 ) pour i = 2, ..., n (4.59)
La fonction signmoy (.) désigne la valeur moyenne de la fonction sign(.). Elle peut être
aussi considérée comme le ltrage des variations de la fonction sign(.) par un ltre passe-
bas, dont le but en pratique est d'aaiblir le phénomène de réticence.
L'étude de stabilité et de convergence de l'erreur d'observation vers zéro en un temps

ni est basée sur une procédure par étapes, en utilisant la technique de Lyapunov. Cette
procédure est caractérisée par la convergence d'une partie de l'erreur d'observation vers
zéro, à chaque étape.
4.3.6 Résultats de simulation
Dans cette partie, nous testons la performance de notre approche utilisant des obser-
vateurs par modes glissants d'ordre 1 pour l'observation de l'état global du système et
l'estimation des forces de contact pneu/chaussée. Pour fournir les données de simulations,
nous utilisons le simulateur de véhicule (SIMK106 ) présenté précédemment.
La gure 4.8-a nous donne l'angle de direction utilisé pendant la simulation. La vitesse
de roulement de voiture est présentée par la gure 4.8-b. La première remarque que
nous pouvons faire ici est que, pendant toute la simulation, le véhicule était en phase
d'accélération (pas de freinage) : la courbe de vitesse est toujours croissante.
La deuxième remarque est que, lors d'une accélération sans freinage, les résultats de
simulation montrent un bon comportement de l'observateur. En eet les gures 4.9-a,
4.9-b, 4.9-c, 4.9-d, 4.9-e et 4.9-f représentent respectivement la valeur réelle et observée
des déplacements longitudinal, latéral et vertical, des angles de roulis, de tangage et de
lacet. Ces gures nous montrent, d'une part, une convergence rapide de la valeur observée
vers celle réelle : le temps de convergence est moins de 1 seconde.
Figure 4.8 Angle de direction et vitesse du véhicule
Figure 4.9 Mouvements de translation et de rotation du véhicule

D'autre part, les deux courbes, observé et réel, se collent bien après la convergence
pour les positions longitudinale, latérale et verticale et les angles de roulis et tangage. Par
contre, pour l'angle de lacet nous remarquons l'apparition de phénomène de réticence au
début de la simulation jusqu'à t ≃ 1(s). A partir de cet instant, la courbe observée suit
celle réelle avec une erreur de moins que 10%.
Figure 4.10 Débattements des suspensions et angles de braquage
Les gures 4.10-a, 4.10-b, 4.10-c, 4.10-d, 4.10-e et 4.10-f donnent respectivement les
débattements de la suspension avant gauche, avant droite, arrière gauche et arrière droite,
les angles de braquage de la roue avant gauche et avant droite. D'après ces diérents
gures, nous remarquons, bien que les conditions initiales ne soient pas les mêmes, une
convergence rapide des valeurs observées vers les valeurs réelles. Le temps de convergence,
pour les débattements des suspensions, est à peu près égale à 0.1(s). A partir de cet ins-
tant, nous voyons bien que les deux courbes, celle observée et réelle, se collent.
Figure 4.11 Positions angulaire des roues
Les positions angulaires réelles et observées des roues avant gauche, avant droite, ar-
rière gauche et arrière droite sont données respectivement par les gures 4.11-a, 4.11-b,
4.11-c et 4.11-d. Ces courbes montrent une bonne convergence des valeurs observées vers
les valeurs réelles. Malgré qu'il existe un léger écart sur les positions angulaires observées
des quatre roues à t = 0.5(s), nous remarquons qu'à partir de cet instant la courbe ob-
servée suit l'allure de celle réelle. Le temps de convergence de notre observateur à modes
glissants d'ordre un, dans cette simulation, est à peu près égale à 2(s).
Les gures 4.12-a, 4.12-b, 4.12-c, 4.12-d, 4.12-e et 4.12-f nous donnent les estimations
respectivement des vitesses longitudinale, latérale et verticale, des vitesses de rotation
selon l'axe longitudinal, latéral et vertical. Nous remarquons l'apparition du phénomène
de réticence au début de simulation qui disparaître rapidement pour donner une bonne
convergence des valeurs estimées vers celles réelles.
Figure 4.12 Vitesses de translation et de rotation du véhicule
4.4 Observateurs partiels d'état
Dans la dynamique du véhicule, an d'étudier un phénomène particulier, il est utile

de s'intéresser à certaines variables d'état. Ainsi, dans le cas de l'étude du freinage, seules
les forces de contact roue/sol et les états concernant les roues sont intéressants ; de même,
dans le cas de l'étude du confort des passagers, seuls les états correspondant à l'orientation
et au positionnement de la caisse sont intéressants. A ce propos, une observation partielle
du système peut être susante, d'où l'idée de concevoir des observateurs partiels. Pour
cela, nous allons utiliser la décomposition du modèle dynamique de véhicule présentée au
chapitre 4. Dans ce cadre, nous nous intéressons à l'observateur à mode de glissements tri-
angulaires EBEB (Entrée Bornée et État Borné) [Barbot 1996]. La gure 4.13 représente
le schémas de principe de notre observateur.
4.4. Observateurs partiels d'état 77
Figure 4.13 Observateurs Partiels en Cascade
4.4.1 Observateur à mode de glissement d'ordre 1
4.4.1.1 Modèle générique pour les sous-systèmes
Dans cette section, nous appliquons les observateurs développés dans la partie pré-
cédente pour estimer l'état partiel du véhicule. A cet eet, nous utilisons les trois sous-
systèmes Σ1 , Σ2 et Σ3 qui ont été présentés dans le chapitre 3. Le modèle générique, pour
ces trois sous-systèmes, est sous la forme suivante (pour i = 1, 2, 3) :


 ẋi1 = xi2




Σi : ẋi2 = fi (t, xi2 ) + ξi (t, F ) + εi (t) (4.60)





yi = h(xi1 , xi2 )

4.4.1.2 Observateur d'ordre 1
Dans ce paragraphe, nous développons trois observateurs en cascade d'ordre 1 pour

reconstruire les vecteurs d'état partiel q̇i , (pour i = 1, ..., 5). La gure 4.13 représente ces
trois observateurs.
En supposant que le vecteur xi1 soit mesurable, la forme de l'observateur d'état peut
être écrite de la façon suivante [M'sirdi 2008, Jaballah 2009b] :
ˆ

 ẋi1 = x̂i2 − Λi1 sign(x̂i1 − xi1 )

O(Σi ) : ẋˆi2 = fi (t, x̂i2 ) + ξi (t, F̂ ) − Λi2 sign(x̂i1 − xi1 ) (4.61)
 ˆ

Ḟ = −P Λ sign(x̂ − x )
i i3 i1 i1
Λi1 , Λi2 et Λi3 sont les gains de l'observateur, ils seront déterminés lors de l'étude de la
stabilité et de la convergence de l'erreur d'observation.
4.4.2 Observateur à mode de glissement d'ordre 2
Nous utilisons ici l'algorithme proposé par Levant [Levant 2003] pour générer des
modes glissants d'ordre quelconque. Dans notre cas, l'ordre de l'observateur est pris égal
à 2 [Jaballah 2011b, Jaballah 2010] :
 ẋˆi1 = x̂i2 + zi1


O(Σi ) : (4.62)
 ˆ
ẋi2 = fi (t, x̂i2 ) + zi2
où x̂i1 et x̂i2 sont respectivement l'estimation de xi1 et xi1 .

zi1 et zi2 sont calculés par l'algorithme de super-twisting comme suit [Levant 2003] :

 1
 z = −α |x̂ − x | 2 sign(x̂ − x )

i1 i i1 i1 i1 i1
(4.63)


zi2 = −βi sign(x̂i1 − xi1 )

3
4.5. Les observateurs algébriques ALIEN 79
2
4.5 Les observateurs algébriques ALIEN
4.5.1 Présentation de l'approche
Nous présentons ici une nouvelle approche pour l'estimation des vitesses au centre de
gravité d'un véhicule [Fliess 2008, Villagra 2008]. Cette approche est basée sur des tech-
niques d'estimation algébriques et des outils mathématiques pour le diagnostic.
Nous utilisons alors la loi de composition des mouvements suivante [M'sirdi 2011b] :

γx (t) = V̇x (t) + ψ̇(t)Vy (t)
(4.64)
γy (t) = V̇y (t) − ψ̇(t)Vx (t)
où Vx , Vy , ψ , γx et γy sont respectivement la vitesse longitudinale, la vitesse latérale,
l'angle de lacet (rotation autour de l'axe vertical Z ), l'accélération longitudinale et l'ac-
célération latérale.
Les vitesses longitudinale et latérale (Vx ,Vy ) ne peuvent être simultanément estimées
à partir des équations du système 4.64 que si l'on connaît leurs valeurs initiales (Vxt0 ,Vyt0 )
à l'instant t0 .
En exploitant les outils de base du diagnostic ([Fliess 2008]), nous pouvons écrire les
vitesses (Vx ,Vy ) sous la forme suivante :

 Vx (t) = Rx (t) + Gx (t)
(4.65)
Vy (t) = Ry (t) + Gy (t)

où (Rx , Ry ) et (Gx , Gy ) sont respectivement le terme "idéal" et le terme perturbateur.

R x = r ωt :
- r est le rayon statique de la roue,
4
- ωt = 41 ωi est la vitesse de rotation moyenne des quatre roues,
P
i=1
Ry = −L1 ψ̇ :
- L1 est l'empattement avant du véhicule,
- ψ̇ est la vitesse de l'angle lacet.
Les deux systèmes (4.64) et (4.65) nous donnent les expressions suivantes de (Ṙx ,Ṙy ) :

 Ṙx = −ψ̇Ry − Ġx − ψ̇Gy + γx
(4.66)
Ṙy = ψ̇Rx − Ġy + ψ̇Gx + γy

Nous pouvons alors écrire Ġx et Ġy sous la forme suivante :

2

 Ġx = −ψ̇Gy − L1 ψ̇ − rω̇t + γx
(4.67)
2
Ġy = ψ̇Gx − L1 ψ̈ − ψ̇rω̇t + γy

avec
Gx (t0 ) = 0 ; Gy (t0 ) = 0 (4.68)
4.5.2 Les algorithmes d'estimation
A l'aide des équations (4.64), (4.65), (4.66), (4.67) et (4.68), nous proposons deux algo-
rithmes pour l'estimation de la vitesse longitudinale et la vitesse latérale. Ces algorithmes
peuvent fonctionner simultanément [Jaballah 2009b].
4.5.2.1 Algorithme 1 : Estimation de Vx

Pour proposer un algorithme d'estimation de la vitesse longitudinale Vx , nous avons
besoin d'utiliser les techniques de ltrage et de dérivation [Villagra 2008] pour obtenir
ψ̇(t), γx (t), γy (t)) et ωi (t) :
si |Ġx (t)| < ε1 alors

V̂x (ti ) = rωt (t)
sinon
Rt
V̂x (ti ) = V̂x (ti−1 ) + ( ti
γx + ψ̇ V̂y (t))dt
n si
4.5.2.2 Algorithme 2 : Estimation de Vy

L'algorithme d'estimation de la vitesse latérale Vy est le suivant :
si |Ġy (t)| < ε2 alors

V̂y (ti ) = −L1 ψ̇
sinon
Rt
V̂y (ti ) = V̂y (ti−1 ) + ( ti
γy − ψ̇ V̂x (t))dt
n si
4
4.5. Les observateurs algébriques ALIEN 81
4.5.3 Résultats de simulation des algorithmes d'estimation
Pour illustrer cette étude, nous avons entrepris une étude de simulation utilisant le
simulateur de véhicule SIMK106N. Nous avons utilisé l'angle de braquage de forme sinu-
soïdale donnée par la gure 4.14. Les gures 4.15 et 4.16 représentent respectivement Ġx
et Ġy . Nous alors obtenons les vitesses longitudinale et latérale, et leurs estimées respecti-
vement données par les gure 4.17 et 4.18. Nous constatons que les algorithmes proposés
donnent une estimation dèle des deux vitesses longitudinale et latérale du véhicule avec
des conditions initiales bien choisies : Vxt0 = 7.0711 (m/s) et Vyt0 = 7.0711 (m/s).
Figure 4.14 Angle de direction
Figure 4.15 Ġx

Figure 4.16 Ġy
Figure 4.17 Estimation de la vitesse longitudinale par ALIEN
Figure 4.18 Estimation de la vitesse latérale par ALIEN

4.6. Conclusion 83
4.6 Conclusion
Nous avons présenté, dans ce chapitre, des méthodes d'estimation des états dyna-
miques, des paramètres dynamiques d'un véhicule routier et les entrées inconnues, telles
que les forces de contact pneu/chaussée. Nous avons appliqué, dans un premier temps,
la technique de l'observateur à mode de glissement d'ordre 1 pour estimer l'état glo-
bal du système. Nous avons validé cette approche en utilisant le simulateur de conduite
SIMK106N.
Dans un deuxième temps, nous avons utilisé les observateurs à mode de glissement d'ordre
2 pour estimer l'état dynamique partiel du véhicule. A cet eet, nous avons exploité les
modèles des trois sous-systèmes Σ1 , Σ2 et Σ3 développés au chapitre précédent.
Finalement, nous avons présenté et appliqué une nouvelle approche basée sur des tech-
niques algébriques pour estimer les vitesses latérale et longitudinale du véhicule.
Chapitre 5
Système d'aide à la conduite
Sommaire
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.2 Unité d'alerte pour les sorties de voie . . . . . . . . . . . . . . . . 86
5.2.1 Dynamique longitudinale . . . . . . . . . . . . . . . . . . . . . . . . 86
5.2.2 Dynamique latérale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.2.3 Phénomène de sous et sur-virage . . . . . . . . . . . . . . . . . . . . 87
5.3 Architecture du système d'alerte . . . . . . . . . . . . . . . . . . . 88
5.3.1 Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.2 Calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.4 Estimation de l'angle de dérive . . . . . . . . . . . . . . . . . . . . 89
5.4.1 Modélisation de l'angle de dérive . . . . . . . . . . . . . . . . . . . . 89
5.4.2 Observateur de l'angle de dérive . . . . . . . . . . . . . . . . . . . . 90
5.5 Estimation des vitesses angulaires des roues et forces de contact 91
5.5.1 Modélisation des roues . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.5.2 Observateur des vitesses angulaire des roues et forces de contact . . 93
5.6 Calcul du gradient de sous/sur-virage . . . . . . . . . . . . . . . . 95
5.7 Génération d'alerte . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.7.2 Résultats du système d'alerte . . . . . . . . . . . . . . . . . . . . . . 101
5.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.1 Introduction
Une large partie des accidents est due à des erreurs d'appréciation de la part du conduc-
teur, et de la diculté qu'il peut rencontrer à l'approche d'un virage. Le franchissement
est dicile, voire impossible, à cause des erreurs traduites par une vitesse inadaptée ou
un manque d'information sur la dynamique du véhicule. L'objectif de ce chapitre est de
développer un système d'alerte pour le contrôle de la stabilité du véhicule en virage. Les
diérents systèmes d'alerte existants sont basés sur les systèmes de limitation de la vitesse,
86 Chapitre 5. Système d'aide à la conduite
en se fondant sur des statistiques permettant de dénir la vitesse maximale pour une por-
tion de la route. Cependant, ces systèmes négligent d'autres paramètres aussi importants
et inuents sur la stabilité du véhicule dans un virage.
5.2 Unité d'alerte pour les sorties de voie
Le but du système d'alerte pour la sortie de voie est d'avertir le conducteur de la

diminution de la contrôlabilité de son véhicule. Il existe deux catégories de ces systèmes :
* La première, liée à un problème de dynamique du véhicule, dû à une vitesse exces-
sive à l'approche d'une diculté ;
* La deuxième, liée à un problème de la dynamique latérale du véhicule (sous/sur-

virage).
Dans notre étude, nous nous intéresserons à la deuxième approche, car elle représente
le type d'accident le plus fréquent et la dynamique latérale joue un rôle très important
dans l'évolution de ces accidents. L'objectif est d'informer le conducteur sur la possibilité
de sortir de la voie, soit sur une perte de contrôle, liée à un problème de dynamique
latérale du véhicule, soit sur une sortie involontaire, liée à un problème de guidage de la
part du conducteur.
5.2.1 Dynamique longitudinale
Dans cette partie, nous nous intéressons à la première catégorie d'accidents de type
sortie de route, liée à un problème du véhicule dû à une vitesse excessive à l'approche d'une
diculté. Les deux indicateurs principaux sont la vitesse longitudinale et l'accélération
longitudinale du véhicule. Les applications sur l'alerte d'une vitesse excessive à l'approche
d'un virage, qui ont été développées, utilisent un capteur de vitesse et une localisation à
l'aide d'un GPS sur une cartographie numérique enrichie des données de l'infrastructure.
Le véhicule est localisé sur la carte par laquelle l'algorithme d'alerte repère l'itinéraire pris
et accède aux diérentes caractéristiques de la route. Cependant, cette approche n'est pas
satisfaisante pour les raisons suivantes :
l'utilisation d'une description trop sommaire de l'infrastructure telle que la cour-
bure. La présence de beaucoup de fausses alertes, du fait que la courbure n'est pas
susante pour calculer d'une façon précise la vitesse limite ;
la vitesse, à laquelle un véhicule peut aborder un virage, est aussi fonction de la

dynamique du véhicule, et du comportement du conducteur.
5.2. Unité d'alerte pour les sorties de voie 87
5.2.2 Dynamique latérale
Nous allons proposer un système d'alerte qui prend en compte les indicateurs de risque,
et intègre par la suite toutes les caractéristiques pouvant être utiles pour la détermination
de cette situation. Cette partie consiste à proposer un système d'alerte, qui permet de
renseigner sur la dynamique latérale du véhicule dans les virages, sachant qu'il est dicile
de prélever des mesures directes sur certains paramètres.
Nous élaborons des méthodes d'estimation pour déterminer les paramètres nécessaires
pour la stabilité du véhicule.
Nous nous limitons à l'estimation de :
l'angle de dérive,
la pente de la route,
les vitesses angulaires des roues,
l'accélération transversale,
les forces de contact pneu/chaussée longitudinale et latérale.
5.2.3 Phénomène de sous et sur-virage
Lorsqu'un véhicule dérape par les roues avant, le phénomène de sous-virage se produit
(la masse du véhicule est transférée vers l'arrière). Ce phénomène s'explique par une vitesse
excessive en entrée de virage ou par une accélération trop précoce en sortie de virage. Le
sur-virage est un dérapage d'une automobile par les roues arrière, l'axe médian s'oriente
vers l'intérieur du virage. Les gures 5.1-a et 5.1-b illustrent ces deux phénomènes.
Figure 5.1 Phénomène de sous et sur-virage

5.3 Architecture du système d'alerte
L'objectif principal de notre système est de tracer un prol du gradient de sous/sur-

virage en fonction de diérentes sources d'estimation des paramètres du véhicule. En se
fondant sur ce prol du gradient de sous/sur virage, le système d'alerte compare ce gra-
dient à un seuil bien déni. Dans le cas d'une valeur supérieure à la limite, une génération
d'alerte sera lancée au conducteur pour l'avertir de la situation critique.
Figure 5.2 Architecture du système d'alerte
L'architecture du système d'alerte est présentée par la gure 5.2. La conception de ce

système comporte trois parties principales : l'estimation par des observateurs par modes
glissants des paramètres et variables qui ont une inuence sur le gradient de sous/sur-
virage (l'angle de dérive, vitesses angulaire des roues et les forces de contact pneu/chassée
longitudinale et latérale), l'évaluation et l'estimation de gradient et le bloc de comparaison.
5.3.1 Estimation
La première partie de l'assistance est dédiée à l'estimation. Nous utilisons à cet eet,
les observateurs par modes glissants d'ordre 1. Dans un premier temps, il est important de
dénir les paramètres qui seront utilisés pour déterminer le gradient de sous/sur-virage.
Ce sont les paramètres inuant sur la stabilité du véhicule. Ensuite nous présentons les
estimations de ces paramètres.
5.3.2 Calcul
Les paramètres nécessaires pour la stabilité du véhicule sont estimés par cinq obser-
vateurs dans le premier bloc. Ensuite ils seront injectés dans le deuxième bloc, qui sert à
évaluer le prol de gradient de sous/sur virage.
5.4. Estimation de l'angle de dérive 89
5.3.3 Résultats
Le prol du gradient de sous/sur-virage déterminé à chaque instant en temps réel de

conduite servira pour détecter une situation dangereuse. Ce gradient sera comparé à un
seuil d'alerte. Dans le cas d'une valeur supérieure à la limite, une génération d'alerte sera
lancée pour informer le conducteur de la dynamique latérale de son véhicule.
Après avoir expliquer brièvement les diérents blocs de notre système d'alerte, nous
les détaillons, dans ce qui suit.
5.4 Estimation de l'angle de dérive
5.4.1 Modélisation de l'angle de dérive
Du fait de l'élasticité du pneumatique et de la sous sollicitation latérale (virage, angle

de carrossage, etc), il se crée un couple d'auto-alignement, qui modie la direction origi-
nale de la roue d'un angle appelé angle de dérive. Cet angle est considéré parmi l'un des
paramètres importants pour la détermination de la stabilité du véhicule, donc il est né-
cessaire de connaître le maximum d'information sur cet angle. L'angle de dérive se mesure
à l'aide d'un capteur approprié : c'est le « Correvit ». Cependant, le prix de ce dernier
est inacceptable pour les constructeurs automobiles. D'où la nécessité de penser à des
méthodes plus pratiques et simples (observateurs).
Nous considérons alors un modèle simple de véhicule donné par la gure 5.3 [Rabhi 2008,
Jaballah 2009a].
D'après cette gure, nous avons :
θ = χ − θx (5.1)
où θ est l'angle de roulis (l'écart entre la caisse et l'axe Xv du repère mobile lié au
véhicule), χ est l'angle de dérive et θx est l'angle de roulis secondaire (l'écart entre la
caisse et l'axe Xr du repère xe).
La dynamique de rotation du véhicule selon l'axe longitudinal est donnée par l'équation
suivante :
Jxx θ̈ + Cr θ̇ + Kr θ = M ay h + M g sin−1 (χ − θ) (5.2)

avec :
* Jxx : moment d'inertie autour de l'axe X .
* Cr : coecient d'amortissement
* Kr : raideur
* M : masse de la caisse
* ay : accélération latérale
Figure 5.3 L'angle de dérive
* g : pesanteur
Nous pouvons aussi écrire l'accélération latérale comme suit :
g
ay = ay,s − (5.3)
sin (χ − θ)
−1
où ay,s est l'accélération latérale mesurée par un accéléromètre.
Les deux équations (5.2) et (5.3) nous donnent :
Jxx χ̈ + Cr χ̇ + Kr χ = Jxx θ̈x + Cr θ̇x + Kr θx + M ay,s h (5.4)
5.4.2 Observateur de l'angle de dérive
Soit χ̈ = χ̇ = 0, nous obtenons alors :
1
χ= (Jxx θ̈x + Cr θ̇x + Kr θx + M ay,s h) (5.5)
Kr
Soient x1 = θx (mesurable), x2 = θ˙x , x3 = θ¨x et x4 = χ, on obtient alors :

5.5. Estimation des vitesses angulaires des roues et forces de contact 91


 ẋ1 = x2





ẋ2 = x3 (5.6)



 x4 = 1 (Jxx x3 + Cr x2 + Kr x1 + M ay,s h)



Kr
Nous proposons alors un observateur à mode de glissement d'ordre 1 pour estimer
l'angle de dérive :
ẋˆ1 = x̂2 − Λ1 sign(x̂1 − x1 )








ẋˆ2 = x̂3 − Λ2 sign(x̂1 − x1 )

(5.7)



 x̂4 = 1 (Jxx x̂3 + Cr x̂2 + Kr x̂1 + M ay,s h) − Λ3 sign(x̂1 − x1 )



Kr
Λ1 , Λ2 et Λ3 sont les gains de l'observateur, qui seront déterminés après avoir étudié
la convergence de l'observateur par la technique de Lyapunov.
5.5 Estimation des vitesses angulaires des roues et forces
de contact
5.5.1 Modélisation des roues
La dynamique de rotation des roues est donnée par les équations suivantes [Rabhi 2010,
M'sirdi 2007] :
 1

 ω̇f 1 = Jrf 1
(Cm − Tf 1 − rf 1 Fxf 1 ) − µf 1





1
 ω̇f 2 = (Cm − Tf 2 − rf 2 Fxf 2 ) − µf 2


 Jrf 2
(5.8)
1

ω̇r1 = (−Tr1 − rr1 Fxr1 ) − µr1



 Jrr1




1

ω̇r2 = (−Tr2 − rr2 Fxr2 ) − µr2

Jrr2
avec :
ωf 1 , ωf 2 , ωr1 et ωr2 sont les vitesses angulaires respectivement des roues avant
gauche, avant droite, arrière gauche et arrière droite ;
Jrf 1 , Jrf 2 , Jrr1 et Jrr2 sont l'inertie respectivement des roues avant gauche, avant
droite, arrière gauche et arrière droite ;
Cm est le couple moteur ;
Tij , rij , Fij (i = f, r et j = 1, 2) sont respectivement le couple frein, le rayon eectif

de la roue et les forces de contact longitudinale pneu/chaussée ;
µf i et µri sont les termes de couplage, qui sont bornés, comme |µf,r,i | < kf,r,i ,
i = (1, 2).
Les forces de contact sont la partie la plus dicile du modèle de véhicule. Nous pro-
posons alors quelques hypothèses qui sont souvent utilisées [Pacejka 1991] :
• Nous supposons que les coecients de pneumatique Cx , Cy sont constants ;
• Nous supposons que la force verticale Fz appliquée sur les roues est constante ;
• Nous supposons que les forces varient lentement d'où Ḟ ≃ 0.
Nous choisissons les vecteurs x1 , x2 x3 comme suit :
x1 = (x11 x12 x13 x14 )T = (ϕf 1 ϕf 2 ϕr1 ϕr2 )T (5.9)

T
x2 = (x21 x22 x23 x24 ) = (ωf 1 ωf 2 ωr1 ωr2 ) T
(5.10)
x3 = (x31 x32 x33 x34 )T = (Fxf 1 Fxf 2 Fxr1 Fxr2 )T (5.11)
avec :
• x1 sont les positions angulaires des quatre roues ;
• x2 sont les vitesses angulaires des quatre roues ;
• x3 sont les forces longitudinales appliquées sur les quatre roues ;
• y = (ϕf 1 ϕf 2 ϕr1 ϕr2 )T (y ∈ R4 ) est le vecteur mesurable du système.
Puisque nous avons supposé que Ḟ ≃ 0, nous pouvons choisir ẋ3 = e(t) où e(t) est un
bruit aléatoire.
La représentation d'état du système (5.8) est :

5.5. Estimation des vitesses angulaires des roues et forces de contact 93


 ẋ1 = x2





ẋ2 = f (t) + g(t, x3 ) − µ

(5.12)






 ẋ3 = e(t)
y = x1

avec
T
Cm − T f 1 Cm − T f 2 Tr1 Tr2

f (t) = − − (5.13)
Jrf 1 Jrf 2 Jrr1 Jrr2
  
−rf 1 0 0 0 x31
0 −rf 2 0 0 x32
  
g(t, x3 ) =   = U.x3
  
0 0 −rr1 0 x33

  
0 0 0 −rr2 x34
T
µ= µf 1 µf 2 µr1 µr2 (5.14)
5.5.2 Observateur des vitesses angulaire des roues et forces de
contact
Dans cette section, nous développons un observateur à mode de glissement d'ordre 1
pour estimer les vitesses angulaires des roues et les forces de contact pneu/chaussée. En
utilisant le système 5.12, nous proposons l'observateur suivant [Jaballah 2011a] :
x̂˙ 1 = x̂2 − Λ1 sign(x̂1 − x1 )








x̂˙ 2 = fˆ(t) + ĝ(t, x̂3 ) − Λ2 sign(x̂1 − x1 ) (5.15)




 ˙

x̂3 = −Λ3 sign(x̂1 − x1 )
où x̂1 , x̂2 et x̂3 sont respectivement l'estimation des positions, des vitesses et des forces,
Λ1 , Λ2 et Λ3 sont des matrices de gain (Λi ∈ R4 ; i = 1, 2, 3), fˆ(t) et ĝ(t, x̂3 ) = Û x̂3 sont
respectivement les estimations de f (t) et g(t, x3 ).
Λ1 = diag{λ11 , λ12 , λ13 , λ14 }
Λ2 = diag{λ21 , λ22 , λ23 , λ24 }
Λ3 = diag{λ31 , λ32 , λ33 , λ34 }

Pour étudier la convergence de l'observateur, nous prenons :
H(t, x̂3 , x3 ) = fˆ(t) − f (t) + g(t, x̂3 ) − g(t, x3 ) + µ (5.16)

avec
x̃1 = x̂1 − x1 et x̃2 = x̂2 − x2 (5.17)
La dynamique de l'erreur d'observation est alors :
x̃˙ 1 = x̃2 − Λ1 sign(x̃1 )








x̃˙ 2 = H(t, x̂3 , x3 ) − Λ2 sign(x̃1 ) (5.18)




 ˙

x̃3 = −Λ3 sign(x̃1 )
1
Supposons que la fonction de Lyapunov V1 = x̃T1 x̃1 , dans un premier temps, vérie
2
que x̃1 = 0 est une surface attractive si V̇1 < 0, d'où le choix de λ1i (i = 1, .., 4).
V̇1 = x̃T1 (x̃2 − Λ1 sign(x̃1 )) (5.19)
λ1i >| x̃2i | f or i = 1, .., 4 (5.20)
La convergence en temps de x1 est assurée à (t0 ) : x̂1 converge vers x1 , et par suite
˙x̃1 = 0 ∀t > t0 . Nous pouvons alors déduire, en moyenne, de la première équation du
système (5.18), que x̃2 = Λ1 signmoy (x̃1 ), avec signmoy est la valeur moyenne de la fonction
”sign”. Nous obtenons alors :
x̃˙ 2 = H(t, x̂3 , x3 ) − Λ2 Λ−1

1 x̃2
x̃˙ 3 = −Λ3 Λ−1 1 x̃2 (5.21)
avec
H(t, x̂3 , x3 ) = f˜(t) + Û x̂3 − U x3 ± U x̂3 + µ (5.22)

= f˜(t) + Ũ x̂3 − U x̃3 + µ (5.23)
Dans un second temps, nous prenons une deuxième fonction de Lyapunov V2 = 12 x̃T2 x̃2 +
x̃ x̃ , la dérivée de cette fonction est égale à :
1 T
2 3 3
V̇2 = x̃T2 (H − Λ2 Λ−1 T −1

1 x̃2 ) − x̃3 Λ3 Λ1 x̃2 (5.24)
5.6. Calcul du gradient de sous/sur-virage 95
Si Λ3 = U T Λ1 , alors V̇2 s'écrit :
V̇2 = x̃T2 (f˜(t) + Ũ x̂3 + µ) − x̃T2 Λ2 Λ−1

1 x̃2 (5.25)
Soit N (t, x̂3 ) = f˜(t) + Ũ x̃3 + µ et x̃2 , qui sont supposées bornées, comme suit :
|N (t, x̂3 )| ≤ Nmax (5.26)

|x̂T2 | ≤ Xmax (5.27)
Si Λ2 > Nmax Xmax

T
Λ1 , alors V̇2 < 0, d'où par conséquent x̂2 et x̂3 convergent respec-
tivement vers x2 et x3 .
D'où les conditions de convergence de l'observateur :
* Λ1 >| x̃2 |
* Λ2 > Nmax Xmax

T
Λ1
* Λ3 = U T Λ1
5.6 Calcul du gradient de sous/sur-virage
Pour l'étude de la dynamique latérale, on donne ce modèle simple (gure 5.4) connu
sous le nom de modèle bicyclette. Ce modèle fait l'hypothèse de symétrie du véhicule.
L'angle de braquage du train avant est donné par :
L
tan δ = (5.28)
R
Le rayon de courbure du centre de masse est égal à :
r
L21
q
Rc = L21 + R2 = R 1+ ≃R (5.29)
R2
Ce qui nous donne une relation entre la courbure et l'angle de braquage :

L
Rc ≃ R ≃ Lcotδ ≃ (5.30)
δ
A l'équilibre, le principe fondamental de la dynamique nous permet d'établir les équa-
tions d'équilibre des forces et des moments du modèle bicyclette, sous la forme suivante :
Figure 5.4 Modèle de véhicule
Vx2
Fy1 + Fy2 = m (5.31)
R
Fy1 L1 + L2 Fy2 = 0 (5.32)

Il semble évident qu'une vitesse excessive du véhicule au cours des phénomènes de
sous ou de sur-virage entraînent directement un accident. En eet, pour la vitesse lon-
V2
gitudinale Vx , un véhicule eectuant une giration subit une accélération latérale x , où
R
R est le rayon de courbure de la trajectoire eectuée. Cette accélération étant ressentie
par le véhicule sous la forme d'une force d'inertie, elle est susceptible de causer une perte
d'adhérence du véhicule, si elle est supérieure à la valeur d'adhérence de la route.
Nous pouvons alors réécrire les forces latérales appliquées aux roues avant et arrière
sous la forme suivante :
L1 Vx2 V2
Fy1 = m = m1 x (5.33)
L R R
L2 Vx2 V2
Fy2 = m = m2 x (5.34)
L R R
5.7. Génération d'alerte 97
La variation de ces forces est importante lorsque le véhicule eectue des man÷uvres
brusques. Admettons que les angles de dérive sont faibles, les forces latérales peuvent être
considérées proportionnelles à ces angles, et nous pouvons donc écrire :
Fy1 V2
α1 = = m1 x (5.35)
2Cα1 R
Fy2 Vx2
α2 = = m2 (5.36)
2Cα2 R
où Cα1 , Cα2 sont respectivement les raideurs de pneumatiques avant et arrière. A partir
des écritures de α1 et α2 , nous pouvons dénir le gradient de sous-virage Gv comme suit :
m1 m2
Gv = − (5.37)
2Cα1 2Cα2
La stabilité du véhicule peut être déduite à partir de l'équation (5.37). Trois états
peuvent être identiés comme le montre le tableau 5.1.
Gv α1 et α2 État du véhicule
Nul α1 = α2 Le véhicule est stable

Positif α1 > α2 Le véhicule est en sous-virage
Négatif α1 < α2 Le véhicule est en sur-virage
Table 5.1 La situation du véhicule
5.7 Génération d'alerte
5.7.1 Résultats de simulation
Pour illustrer nos études, nous avons entrepris une étude de simulation en utilisant le
simulateur SIMK106N. Les gures 5.5-a et 5.5-b représentent respectivement le trajectoire
suivie par le véhicule et sa vitesse de roulement pendant cette simulation. L'angle de
braquage utilisé pendant cette simulation est donné par la gure 5.5-c.
L'estimation de l'angle de dérive est donné par la gure 5.6. Cette estimation est très
importante pour connaître l'état de stabilité du véhicule. Bien qu'il y ait deux variations
brusques de l'angle de dérive aux instants t = 2.3s et t = 12s, nous remarquons que notre
observateur reconstruit dèlement cet angle puisque l'erreur est inférieur à 10%.
Les gures 5.7-a, 5.7-b, 5.7-c et 5.7-d représentent les forces de contact longitudinales
respectivement des roues avant gauche, avant droite, arrière gauche et arrière droite. Nous
Figure 5.5 Paramètres de simulation
remarquons un bon fonctionnement de l'observateur à mode de glissement d'ordre 1.
Le deuxième observateur que nous avons utilisé est celui pour l'estimation des vitesses
angulaires des quatre roues du véhicule. Ceci se passe à travers l'estimation des forces
de contact pneu/chaussée. Nous obtenons alors l'estimation des vitesses angulaires des
quatre roues données par les gures 5.8-a, 5.8-b, 5.8-c et 5.8-d. La gure 5.9 nous donne
une bonne estimation de la vitesse longitudinale Vx du véhicule pendant la simulation.
L'estimation des forces de contact latérales appliquées sur les deux roues avant gauche
et avant droite sont données respectivement par les gures 5.10-a et 5.10-b. Une fois
les paramètres du modèle nécessaire pour la détection du phénomène de sous/sur-virage
calculés, nous avons eectué un ensemble de simulations dans la situation de risque et
Figure 5.6 Estimation de l'angle de dérive
Figure 5.7 Estimation des forces longitudinales

Figure 5.8 Estimation des vitesses angulaires des roues
Figure 5.9 Estimation la vitesse longitudinale du véhicule

nous les avons comparées avec les résultats d'observation, à partir desquels nous avons
obtenu les données concernant les prols de vitesse, d'accélération latérale et de l'angle
de dérive. Par la suite, ces données sont utilisées comme entrées pour le bloc gradient de
sous/sur-virage.
Figure 5.10 Estimation des forces latérales
5.7.2 Résultats du système d'alerte
Dans cette paragraphe, nous allons tester notre module de génération d'alerte, qui est
donné par l'algorithme de la gure 5.11. La première étape consiste à calculer le prol de
gradient de sous/sur-virage, en utilisant la méthode décrite précédemment. Ensuite nous
faisons une comparaison de sa valeur avec un seuil bien déterminé.
Les expérimentations répétées ont permis de calibrer le seuil d'alerte. Le seuil de l'alerte
moyenne est xé à Gv1 ± 0.05 rad, et le seuil de l'alerte forte est xé à Gv2 ± 0.08 rad.
Gv1 et Gv2 sont obtenues expérimentalement.
L'alerte est générée selon le processus suivant :
1. Pas d'alerte :
Si Gv est inférieur à la valeur de Gv1 .
2. Fournir un faible avertissement :
Si Gv dépasse la valeur limite de Gv1 , mais il reste inférieur à la valeur limite Gv2 .
3. Fournir une alerte forte :
Si Gv dépasse la valeur limite Gv2 .

Figure 5.11 Algorithme de génération d'alerte
5.8 Conclusion
Dans ce chapitre, nous avons présenté et développé un système d'alerte pour le sous-
virage et le sur-virage. Nous avons détaillé les diérentes étapes de l'algorithme, qui
se résume en trois phases : estimation, calcul et résultats. La phase d'estimation nous
donne l'estimation de l'angle de dérive, des vitesses angulaires des roues et des forces de
contact pneu/chaussée. La phase de calcul permet de calculer le gradient de sous/sur-
virage à chaque instant, qui sera comparé à un seuil bien déterminé pour prendre la
décision d'alerte. Ce seuil est obtenu expérimentalement suite à plusieurs essais. Nous
avons présenté, par la suite, des résultats de simulation à l'aide de simulateur de véhicule
SIMK106N pour vérier le bon fonctionnement de notre système d'alerte.
Chapitre 6
Conclusion générale et perspectives
Le travail présenté dans ce mémoire de thèse traite le problème de la modélisation

et l'estimation de l'état des sous-systèmes de véhicule. Nous sommes aussi intéressés à
l'estimation des états dynamiques partiel et complet du véhicule et aux paramètres d'in-
teraction avec son environnement, qui est la chaussée dans notre cas.
Dans le chapitre 2, l'intérêt s'est porté sur les trois modèles dynamiques du véhicule.
Le premier est le quart véhicule, qui est souvent utilisé dans la littérature. L'inconvénient
majeur est qu'il ne prend pas en compte les interactions avec les autres composants du
véhicule, donc il perd certain réalisme. Le second est le modèle bicyclette, qui est souvent
utilisé pour étudier la dynamique longitudinale et latérale. Le dernier modèle est le mo-
dèle complet qui modélise la dynamique du véhicule par 16 états. Nous l'avons considéré
comme le modèle nominal, puisqu'il est le plus proche de la réalité. Par la suite, nous
avons présenté deux simulateurs de véhicule : SIMK106N et SCANeR-studio. Le premier
est sous Matlab, développé et validé par l'équipe de Mr N.K. M'sirdi. SCANeR-studio est
un poste de conduite développé par la société OKTAL.
Dans le troisième chapitre, nous nous sommes intéressés à la propriété de passivité

du modèle dynamique de véhicule. A cet eet, nous avons étudié la passivité du modèle
global du véhicule et du sous-système de véhicule. Grâce à cette propriété, nous avons
proposé un découpage du modèle dynamique complet de véhicule en cinq sous-systèmes,
qui sont les translations de la caisse, les rotations de la caisse, les débattements des sus-
pensions, les angles de braquage et les rotations des roues. Ces cinq sous-systèmes seront
réduits à trois en réunissant les mouvements liés à la caisse ensemble (Σ1 ), ceux liés aux
suspensions (Σ2 ) et ceux liés aux roues ensemble (Σ3 ). Pour valider ce découpage, nous
avons présenté des résultats de simulation faites par le simulateur SIMK106N. Nous avons
tracé les termes de couplage qui relient les trois blocs. Nous montrons alors la nullité de
ces termes.
Le quatrième chapitre a traité l'observation de l'état dynamique du véhicule à l'aide

des observateurs à mode de glissement. Dans un premier temps, nous avons proposé
un observateur à mode de glissement d'ordre 1 pour estimer l'état global du véhicule.
Les résultats de simulation réalisées à l'aide de simulateur de conduite ont montré une
convergence rapide et en temps ni des états estimés. Nous avons estimé aussi les états
104 Chapitre 6. Conclusion générale et perspectives
dynamiques partiels du véhicule en utilisant les trois sous-systèmes Σ1 , Σ2 et Σ3 présen-

tées précédemment. A cet eet, nous avons utilisé les observateurs à mode de glissement
d'ordre 1 et d'ordre 2 en cascade. Ensuite nous avons présenté deux algorithmes pour
estimer les vitesses longitudinale et latérale du véhicule. Ces algorithmes sont basés sur la
technique des observateurs algébriques ALIEN. Nous utilisons le simulateur de conduite
SIMK106N pour donner des résultats de simulation.
Le cinquième chapitre a été consacré au développement d'un système d'aide à la

conduite. Nous avons intéressé particulièrement aux problèmes de sous-virage et sur-
virage. A cet eet, nous avons proposé un système d'alerte qui comporte trois parties
principales : estimation des paramètres, calcul du gradient de sous/sur-virage et la par-
tie de décision où nous comparons le gradient trouvé à un seuil bien déterminé. Dans la
phase d'estimation des paramètres, nous avons utilisé des observateurs à mode de glisse-
ment d'ordre 1 pour estimer l'angle de dérive, les vitesses angulaires des roues, les forces
de contact pneu/chaussée selon les axes longitudinal et latéral et l'accélération latérale.
Pour illustrer nos études, nous avons utilisé le simulateur de véhicule SIMK106N. Les
résultats de simulations prouvent le bon fonctionnement de notre système d'alerte pour
le sous et sur-virage.
Perspectives
En perspectives, il est intéressant de découper le modèle dynamique de véhicule au-

trement en trois sous-systèmes, qui sont la roue avant gauche, la roue avant droite et le
demi-véhicule arrière. Ce découpage nous permet à l'aide du premier ou deuxième bloc,
le sous-système de la roue, d'améliorer la performance d'une suspension d'un véhicule.
Cette étude peut être comparer à celle faite par le modèle quart de véhicule.
Il est aussi intéressant de valider le système d'alerte proposé pour le sous et sur-virage
par un prototype plus proche à la réalité par exemple la poste de conduite SCANeRstu-
dio. Nous pouvons aussi à améliorer le système d'alerte proposé pour éviter le risque de
collision avec un autre véhicule en introduisant le calcul de l'inter-distance.
Annexe A
Paramètres
A.1 Les matrices réduites Mij
 
M̄11 M̄12 M̄13 032 034

 M̄21 M̄22 M̄23 M̄24 M̄25 

M (q) =  M̄31 M̄32 M̄33 042 044
 

023 M̄42 024 M̄44 024
 
 
043 M̄52 044 042 M̄55 16×16
M14 M15 M16 M11 0 0

   
T
M̄12 = M̄21 =  M24 M25 M26  ; M̄11 =  0 M22 0 
0 M35 M35 0 0 M33
 
M77 0 0 0
M411 M412
 
8
0 M8 0 0
 
T
M̄24 = M̄42 =  M511 M512  ; M̄33 = 
 
9
0 0 M9 0

0 0
 
10
0 0 0 M10
 
13
M13 0 0 0
M17 M18 M19 M110
 
14
0 M14 0 0
 
T
M̄13 = M̄31 = M27 M28 M29 M210 ; M̄55 = 
  
15
0 0 M15 0

M37 M38 M39 M310
 
16
0 0 0 M16
M47 M48 M49 M410 M44 M45 M46

   
T
M̄23 = M̄32 =  M57 M58 M59 M510  ; M̄22 =  M54 M55 M56 
M67 M68 M69 M610 M64 M65 M66
M413 M414 M415 M416

 
11

M11 0
M̄25 = T
M̄52 =  M513 M514 M515 M516  ; M̄44 = 12
0 M12
0 0 M615 M616
106 Annexe A. Paramètres
A.2 Les matrices réduites Cij
 
033 C̄12 C̄13 032 034

 033 C̄22 C̄23 C̄24 C̄25 

C(q, q̇) =  043 C̄32 C̄33 042 044
 

023 C̄42 024 022 C̄45
 
 
043 C̄52 044 C̄54 044 16×16
C47 C48 C49 C410 C17 C18 C19 C110

   
T
C̄23 = C̄32 =  C57 C58 C59 C510  ; C̄13 =  C27 C28 C29 C210 
C67 C68 C69 C610 C37 C38 C39 C310
C411 C412 C14 C15 C16

   
T
C̄24 = C̄42 =  C511 C512  ; C̄12 =  C24 C25 C26 
C611 C612 0 C35 C36
C413 C414 C415 C416 C44 C45 C46

   
T
C̄25 = C̄52 =  C513 C514 C515 C516  ; C̄22 =  C54 C55 C56 
C613 C614 C615 C616 C64 C65 C66
 
C77 C78 C79 C710
15
C87 C88 C89 C810

0 0 C11 0
 
T
C̄45 = C̄54 = ; C̄33 = 
 
16
0 0 0 C12 C97 C98 C99 C910

 
7 8 9 10
C10 C10 C10 C10
A.3 Les matrices réduites Ji
T
J= J1T J2T J3T 02,12 04,12 16×12
A.3. Les matrices réduites Ji 107
J11 0 0 J41 0 0 J71 0 0 J10

1
0 0
 
J1T =  0 J22 0 0 J52 0 0 J82 0 2

0 J11 0 
3 3 3 3
0 0 J3 0 0 J6 0 0 J 9 0 0 J12
J14 J24 0 J44 J54 0 J74 J84 0 J10 4 4

J11 0
 
J2T =  J15 J25 J35 J45 J55 J65 J75 J85 J95 J10
5 5
J11 5 
J12
J16 J26 J36 J46 J56 J66 J76 J86 J96 J10
6 6
J11 6
J12
 
J17 J27 J37 0 0 0 0 0 0 0 0 0
8 8 8
0 0 0 J4 J5 J6 0 0 0 0 0 0
 
J3T = 
 
9 9 9
0 0 0 0 0 0 J7 J8 J9 0 0 0

 
10 10 10
0 0 0 0 0 0 0 0 0 J10 J11 J12
Références bibliographiques
[Barbot 1996] J.P. Barbot, T. Boukhobza et M. Djemai. Triangular Input Observer Form
and Sliding Mode Observer. In IEEE Conference On Decision and Control, pages
14891491, 1996.
[Beurier 1999] G. Beurier. Modelisation, Analyse et Contrôle de Systèmes Mécaniques
Avec Interactions Avec L'environnement : Aide a la Conduite D'un Tunnelier
Pour un Forage En Continu . PhD thesis, 1999.

[Boukhobza 1997] T. Boukhobza. Observateurs à modes glissants et formes d'observabilité
et analyse et synthèse des commandes par ordres supérieurs. PhD thesis, 1997.
[Boutat ] D. Boutat. La notion d'observateur pour les systèmes non-linéaires. Supméca

pour la Journée Mathématique (JMS).
[Brogliato 2000] B. Brogliato, R. Lozano, B. Maschke et O. Egeland. Dissipative systems
analysis and control, theory and apllications. 2000.
[de Wit 2003] C. Canudas de Wit, P. Tsiotras, E. Velenis, M. Basset et G. Gissinger.
Dynamic Friction Models for Road/Tire Longitudinal Interaction. Vehicle System
Dynamics, vol. 39, no. 3, pages 189226, 2003.

[Diop 1991] S. Diop et M. Fliess. On nonlinear observability. In First European Control
Conference, ECC, pages 152157, 1991.
[Draznovic 1969] B. Draznovic. The invariance conditions in sliding mode systems . Au-
tomatica, vol. 5, pages 287295, 1969.
[Edwards 1998] C. Edwards et S. Spurgeon. Sliding mode control . Taylor and Francis
(London), 1998.
[Elhadri 2000] A. Elhadri. La modélisation de véhicule, l'observation d'état et estimation
des forces pneumatiques ; application au contrôle longitudinal . PhD thesis, 2000.

[Elhadri 2001] A. Elhadri. Modélisation de véhicule, Observation d'état et Estimation des
forces pneumatiques : Application au contrôle longitudinal . PhD thesis, 2001.

[Emelyanov 1967] S.V. Emelyanov. Variable Structure Control Systems . Nauka, Moscow,
1967.
[Emelyanov 1986a] S.V. Emelyanov, S.K. Korovin et L.V. Levantovsky. Drift algorithm
in control of uncertain processes. Problems of Control and Information Theory,
vol. 15, no. 6, pages 425438, 1986.

[Emelyanov 1986b] S.V. Emelyanov, S.K. Korovin et L.V. Levantovsky. Higher order
sliding modes in the binary control system. Soviet Physics, vol. 31, no. 4, pages
291293, 1986.
[Emelyanov 1993] S.V. Emelyanov, S.K. Korovin et A. Levant. Higher-order sliding modes
in control systems. Dierential Equations, vol. 29, no. 11, pages 16271647, 1993.
110 Références bibliographiques
[Esfandiari 1989] F. Esfandiari et H.K. Khalil. Observer Based Control of Fully Linea-
rizablen Nonlinear Systems. IEEE Conference On Decision and Control, vol. 13,
pages 8489, 1989.
[Filippov 1960] A.F. Filippov. Application of the theory of dierential equations with
discontinuous right-hand side to non-linear problems in automatic control. Tran-
sactions of the American Mathematical Society, vol. 62, pages 199231, 1960.
[Fischer 2003] D. Fischer, M. Zemmier et R. Isermann. Identication and fault detection of
an active vehicle suspension. In Symposium on system Identication, Rotterdam,
Netherlands, 2003.
[Fliess 2008] M. Fliess, C. Join et H. Sira-Ramirez. Non-linear estimation is easy. Inter-
national Journal of Modelling Identication Control, vol. 3, 2008.
[Grith 1971] E.W. Grith et K.S.P. Kumar. On the observability of non lineare systems.
I. J. Math. Anal., vol. 35, no. 135, pages 117124, 1971.
[Hermann 1977] R. Hermann et A.J. Krener. Nonlinear controllability and observability.
In IEEE Transaction in Automatic Control, vol. 22, no. 5, 1977.
[Hermann 1997] R. Hermann et A.J. Krener. Nonlinear controllability and observability.
IEEE Transaction on Automatic Control, 1997.
[Imine 2003] H. Imine. Observation d'états d'un véhicule pour l'estimation du prol dans
les traces de roulement. PhD thesis, 2003.
Robust Partial
[Jaballah 2009a] B. Jaballah, N.K. M'sirdi, H. Messaoud et A. Naamane.
States Observers for Unknown Inputs Estimation in Vehicle dynamics. In 10th
international conference on Sciences and Techniques of Automatic control and
computer engineering, STA09, pages 10001009, Hammamet, Tunisia, December
20-22 2009.
[Jaballah 2009b] B. Jaballah, N.K. M'sirdi, A. Naamane et H. Messaoud. Estimation of
Longitudinal and Lateral Velocity of Vehicle. In 17th Mediterranean Conference
on Control and Automation, MED09, pages 582587, Thessaloniki, Greece, June
24-26 2009.
[Jaballah 2009c] B. Jaballah, N.K. M'sirdi, A. Naamane et H. Messaoud.Model Splitting
and First Order Sliding Mode Observers for Estimation and Diagnosis in Vehicle.
In 12th IFAC Symposium on Control in Transportation Systems, CTS09, pages
407412, California, USA, September 2-4 2009.
[Jaballah 2010] B. Jaballah, N.K. M'sirdi, A. Naamane et H. Messaoud. First and Second
Order Sliding Mode Observer for Estimation of Longitudinal Tire Force in Vehicle.
In 11th international conference on Sciences and Techniques of Automatic control
and computer engineering, STA10, Monastir, Tunisia, December 19-21, pages 113,
Monastir, Tunisia, December 19-21 2010.
[Jaballah 2011a] B. Jaballah, N.K. M'sirdi, A. Naamane et H. Messaoud. Estimation of

Vehicle Longitudinal Tire Force with FOSMO and SOSMO. International Jour-
nal on Sciences and Techniques of Automatic control and computer engineering,
IJSTA, page à paraitre, 2011.
Robust Partial
[Jaballah 2011b] B. Jaballah, N.K. M'sirdi, A. Naamane et H. Messaoud.
States Observers for Unknown Inputs Estimation in Vehicle dynamics. Interna-
tional Journal of Research and Reviews in Computer Science, vol. 2, no. 2, pages
604611, 2011.
[Kalman 1963] R.E. Kalman. Lyapunov functions for the problem of lure'e in automatic
control. Proc. Nat. Acad. Sci., vol. 49, pages 201205, 1963.
[Kiencke 2000] U. Kiencke et L. Nielsen. Automative control system. 2000.
[Kou 1975] R. Kou, L.D. Elliott et Tzyh Jong Tarn. Exponentiel observers for nonlinear
dynamic systems. Information and Control, pages 204216, 1975.
[Landau 1979] I. Landau. Adaptive control-The model reference approach. Ed. Marcel
Dekker, 1979.
[Landau 1988] I.D. Landau et R. Horowitz. Synthesis of adaptive controllers for robot
manipulators using a passive feedback systems approach. In IEEE International
Conference on Robotics and Automation, Philadelphia, USA, 1988.
[Levant 1993] A. Levant. Sliding order and sliding accuracy in sliding mode control. In-
ternational Journal of Control, vol. 58, no. 6, pages 12471263, 1993.
[Levant 1997] A. Levant. Higher order sliding collection of design tools. In European
Control Conference, ECC97, Bruxelles, Belgique, July 1-4 1997.
[Levant 1998] A. Levant. Robust exact dierentiation via sliding mode technique. Auto-
matica, vol. 34, no. 3, pages 379384, 1998.
[Levant 1999] A. Levant. Controlling output variable via higher order sliding modes. Eu-
ropean Control Conference, ECC99, 31 August - 3 September 1999.
[Levant 2003] A. Levant. Hight order sliding modes dierentiation and output feedback
control. International Journal of Control, vol. 76, pages 924941, 2003.
[Lunenberger 1964] D. Lunenberger. Observating the state of linear system. IEEE tran-
sactions on military electronics, vol. 6, pages 7480, 1964.
[Lunenberger 1966] D. Lunenberger. Observers for multivariable systems. IEEE transac-
tion on Automatic Control, vol. 11, no. 2, pages 190197, 1966.
[Mammar 2002a] S. Mammar. Contrôle Latérale Assisté et Automatisé des Véhicules :
Approche par Commandes Robustes. PhD thesis, 2002.
[Mammar 2002b] S. Mammar et D. Koenig. Vehicle handling improvment by active stee-
ring. Vehicle system dynamics, vol. 38, pages 211242, 2002.
[Moreau 1999] X. Moreau, A. Oustaloup et C. Mouillant. From analysis to systhesis of

vehicle suspensions : the crone approach. In European Control Conference, ECC99,
Karlsruhe, Germany, August 31 - Septembre 3 1999.
[Moreau 2001] X. Moreau. De la suspension traditionnelle à la suspension crone : un tour
d'horizon. In Journées Automatique et Automobile, Bordeaux, France, Octobre
2001.
[M'sirdi ] N.K. M'sirdi et N. Nadjar-Gauthier. Application of Sliding Mode Control to
Robotic Systems. Chapter 13.
[M'sirdi 2000] N.K. M'sirdi, J.C. Cadiou, Y. Delanne, A. El Hadri et G. Beurier. Simula-
tion et observateurs pour estimation des performances dynamiques. In Conference
Internationale Francophone Automatique, CIFA, Lille, France, Juillet 2000.
Observateurs robustes et estimateurs pour estimation de la
[M'sirdi 2003] N.K. M'sirdi.
dynamique des véhicules et du contact pneu-route. In Journée Automatique et
Automobile, JAA, Bordeaux, France, Novembre 5-6 2003.
[M'sirdi 2004] N.K. M'sirdi, A. Rabhi, N. Zbiri et Y. Delanne. VRIM Vehicle Road In-
teraction Modelling for Estimation of Contact Forces. In 3rd International Tyre
Colloquium Tyre Models For Vehicle Dynamics Analysis, Vienna, Austria, August
30-31 2004.
[M'sirdi 2007] N.K. M'sirdi, L.H. Rajaoarisoa, J.F. Balmat et J. Duplaix. Modelling for
Control and diagnosis for a class of Non Linear complex switched systems. In Ad-
vances in Vehicle Control and Safety, AVCS07, Buenos Aires, Argentine, February
8-10 2007.
[M'sirdi 2008] N.K. M'sirdi, B. Jaballah, A. Naamane et H. Messaoud. Robust Observers
and Unknown Input Observers for estimation, diagnosis and control of vehicle
dynamics. In International Conference on Intelligent RObots and Systems,in the
Workshop on Modeling, Estimation, Path Planning and Control of All Terrain
Mobile Robots, IROS08, pages 4857, Nice, France, Septembre 2008.
[M'sirdi 2010] N.K. M'sirdi, B. Jaballah, H. Nasser et A. Naamane.Sliding Modes Ob-
servers for Vehicle Dynamics and Variable Structure Automatic Systems (SMO-
VSAS). In 11th International Workshop on Variable Structure Systems, VSS10,
pages 197202, Mexico City, Mexico, Juin 2010.
[M'sirdi 2011a] N.K. M'sirdi, B. Jaballah, H. Nasser et A. Naamane. Sliding Modes Obser-
vers for Vehicle Dynamics and Structured Estimation (SE-SMO). In International
Conference on Communications, Computing and Control Applications, CCCA11,
Hammamet-Tunisie, Mars 2011.
Die-
[M'sirdi 2011b] N.K. M'sirdi, B. Jaballah, A. Rabhi, H. Messaoud et A. Naamane.
rential Estimators for State Observers in Vehicle Dynamics : HOSM and ALIEN.
In 18th World Congress of the International Federation of Automatic Control,
IFAC11, pages 21842189, Milano, Italy, August 28- Septembre 2 2011.
[Nicosia 1998] S. Nicosia et A. Tornambe. High-Gain Observers in the State and the
Parameter Estimation of Robots Having Elastic Joints. System and Control letters,
vol. 13, pages 331337, 1998.
[Oustaloup 1996] A. Oustaloup. The crone suspension. Control Engineering Practice,
vol. 4, no. 8, pages 11011108, 1996.
[Pacejka 1991] H. Pacejka et E. Bakker. The magic Formula Tyre Model. 1st International
Colloq on tyre models for vehicle dynamics analysis, pages 118, 1991.
[Pacejka 2002] H.B. Pacejka. Tyre and vehicle dynamics. Elsevier Butterworth-
Heinemann, 2002.
[Popov 1964] V.M. Popov. Hyperstability and optimality of automatic systems with several
control functions. Rev. Roumaine Sci. Tech. Electrotechn. et Energe., vol. 4, no. 9,
1964.
[Popov 1973] V.M. Popov. Hyperstability of Control Systems. Spring-Verlag, New York,
1973.
[P.R.Ortega 1998] P.R.Ortega, A.Loria et H.S.Ramirez. Passivity-based control of Euler-
Lagrange Systems. Springer, 1998.
[Rabhi 2004] A. Rabhi, N.K. M'sirdi, N. Zbiri et Y. Delanne. Modélisation pour l'estima-
tion de l'état et des forces d'interaction Véhicule-Route. In Conference Internatio-
nale Francophone Automatique, CIFA, Douz, Tunisie, Novembre 22-24 2004.
[Rabhi 2005] A. Rabhi. Estimation de la dynamique de véhicule en interaction avec son
environnement. PhD thesis, 2005.
[Rabhi 2008] A. Rabhi, K. N. M'sirdi, A. Naamane et B. Jaballah. Vehicle Velocity Esti-
mation Using Sliding Mode Observers. In 9th international conference on Sciences
and Techniques of Automatic control and computer engineering, STA08, pages
16, Sousse, Tunisie, Decembre 2008.
[Rabhi 2010] A. Rabhi, N.K. M'sirdi, A. Naamane et B. Jaballah. Estimation of Contact
Forces and Road Prole using High Order Sliding Modes. International Journal
of Accounting, Auditing and Performance Evaluation, vol. 8, no. 1, pages 2338,
2010.
[Ramirez-Mendoza 1997] R. Ramirez-Mendoza. Sur la modelisation et la commande des
véhicules automobiles. PhD thesis, 1997.
[Sammier 2001] D. Sammier. Sur la modélisation et la commande de suspension de véhi-
cules automobiles. PhD thesis, 2001.
[Segel 1956] M. Segel. Theorical prediction and experimental substantiation of the res-
ponse of the automobile to steering control. Automobile division of the institut of
mechanical engineers, vol. 7, 1956.
[Sename 2003] O. Sename et L. Dugard. Robust H∞ control of quarter-car semi-active
suspensions. In European Control Conference, ECC03, Cambridge, U.K., 2003.
[Slotine 1986] J.J.E. Slotine, J.K. Hedrick et E.A Misawa. Nonlinear State Estimation
using Sliding Observers. In Decision and Control, pages 332339, Athen, Greece,
1986.
[Thau 1973] F.E. Thau. Observing the State of Nonlinear Dynamic Systems. International
Journal of Control, vol. 17, pages 471479, 1973.
[Utkin 1977] V.I. Utkin. Sliding mode and their application in variable structure systems.
IEEE Conference On Decision and Control, 1977.
[Utkin 1999] V.I. Utkin, J. Guldner et J. Shi. Sliding Mode Control in Electromechanical
Systems. IEEE Conference On Decision and Control, vol. London, UK :Taylor &
Francis, 1999.
[Venture 2003] G. Venture. Identication des paramètres dynamiques d'une voiture. PhD
thesis, 2003.
[Villagra 2008] J. Villagra, B. d'Andrea Novel, M. Fliess et H. Mounier. Estimation of
longitudinal and lateral vehicle velocities : an algebraic approach. In American
Control Conference, 2008.
[Willems 1972a] J.C. Willems. Dissipative dynamical systems-part i : General theory.
Archive for Rational Mechanics and Analysis, vol. 45, pages 321351, 1972.
[Willems 1972b] J.C. Willems. Dissipative dynamical systems-part i : systems with qua-
dratic supply rate. Archive for Rational Mechanics and Analysis, no. 45, pages
352393, 1972.
[Zbiri 2004] N. Zbiri, A. Rabhi, N.K. M'sirdi et Y. Delanne. Modélisation pour estimation
de l'état et des forces interaction véhicule-route. In Conference Internationale
Francophone Automatique, CIFA, Douz, Tunisie, Novembre 22-24 2004.
Résumé : Le cadre général du travail de recherche est l'amélioration de la sécurité rou-
tière pour les véhicules automobiles et les conducteurs en utilisant les outils automatique.
Dans le cadre de la dynamique du véhicule, les eorts d'interaction entre le pneuma-
tique et la chaussée sont des données indispensables d'où la nécessité d'estimer en temps
réel les variables qui caractérisent ces eorts. Cette estimation est réalisée à l'aide des
observateurs non linéaires tel que les observateurs à mode glissant d'ordre 1 et d'ordre
supérieure. Une proposition de découpage de modèle dynamique complet de véhicule en
trois sous-systèmes (caisse, suspensions et roues) en se basant sur la théorie de passivité.
Tous ces théories sont validées à l'aide de deux simulateur de véhicule SCANeRstudio et
SIMK106N.
Mots clés : Dynamique de véhicule, Modélisation, Passivité, Eorts d'interaction,

Estimation, Observateur, Approche algébrique, Alerte, SCANeRstudio.
Abstract : The general framework of the research is the application of the nonlinear
control tools (Robust control, Sliding mode Observer, Algebric approach,...) in order to
improve the security of vehicle. The estimation of tire road force has become an intensive
research area as the interest in information technology in vehicles grows. More and more
new safety technologies and approaches are introduced in the automotive environment.
Therefore, the problem of traction control for ground vehicles is of enormous importance
to automotive industry. We split the dynamic model of vehicle into ve subsystems re-
grouped in three blocks and then show and justify the rationale behind the successful
splitting. The subsystems and the overall system obey to the passivity property. Robust
observer are proposed to estimate the road features.
Keywords : Vehicle dynamics, Modelling, Passivity, Tire force, Estimation, Obser-

ver, Algebric approache, SCANeRstudio.

These Jaballah

Transféré par

Droits d'auteur :

Formats disponibles

These Jaballah

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

These Jaballah

Transféré par

Droits d'auteur :

Formats disponibles

Université Paul Cézanne Aix-Marseille III Université de Monastir

Présentée et soutenue à Monastir le 26 Novembre 2011 par

Président : Mr Kamel BEN OTHMANE - Maître de conférences, ENISO-Sousse

Rapporteurs : Mr Patrick SIARRY - Professeur, UPEC-Paris

Mr Nacer Kouider M'SIRDI - Professeur, LSIS-Marseille

Je voudrais exprimer tout d'abord ma gratitude et mes sincères remerciements à Mon-

J'adresse mes plus vifs remerciements à Messieurs Jean-Pierre BARBOT, Professeur

Je remercie tout particulièrement Monsieur Nacer Kouider M'Sirdi, Professeur à l'uni-

Je ne saurais remercier susamment Monsieur Hassani MESSAOUD, Professeur à

Je remercie également Monsieur Aziz NAAMANE, Maître de Conférences à l'Univer-

Je tiens à adresser toute ma profonde reconnaissance et ma gratitude à toutes les

2 Dynamique du véhicule : état de l'art 5

3 Propriétés du modèle dynamique et découpage en blocs 35

4.2.2 Conditions d'existence du glissement . . . . . . . . . . . . . . . . . 57

5 Système d'aide à la conduite 85

5.8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

6 Conclusion générale et perspectives 103

A.2 Les matrices réduites Cij . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

A.3 Les matrices réduites Ji . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

Références bibliographiques 109

Dans l'industrie automobile, la compréhension de la dynamique du véhicule et la pré-

Notre travail présente une contribution dans le domaine de la modélisation et de l'ob-

Chapitre 2 - Dynamique du véhicule : état de l'art

Nous consacrons le second chapitre à la modélisation du véhicule en interaction avec

Chapitre 3 - Découpage du modèle dynamique

Chapitre 4 - Synthèse d'observateurs et estimation des paramètres

Dans le chapitre 4, nous développons un observateur à mode de glissement d'ordre 1

Chapitre 5 - Système d'aide à la conduite

Dans le chapitre 5, nous nous intéressons au développement d'un algorithme d'alerte

Chapitre 6 - Conclusion générale et perspectives

2.2 Modèle quart de véhicule . . . . . . . . . . . . . . . . . . . . . . . . 6

2.3 Modèle bicyclette . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.4 Modèle complet de véhicule . . . . . . . . . . . . . . . . . . . . . . 9

2.4.1 Mise en équations des mouvements du châssis . . . . . . . . . . . . 9

2.5.1 Hypothèses de modélisation . . . . . . . . . . . . . . . . . . . . . . . 20

2.6.1 Le simulateur de véhicule SIMK106N . . . . . . . . . . . . . . . . . 25

Dans la littérature, la dynamique des véhicules automobiles a été le sujet de plusieurs

2.2 Modèle quart de véhicule

de suspension et le diagnostic de défauts [Fischer 2003, Rabhi 2004].

Figure 2.1  Modèle quart de véhicule

 m1 : masse suspendue (kg )

2.3 Modèle bicyclette

Figure 2.2  Modèle bicyclette

 δ : angle de braquage (rad).

Ce modèle sert à étudier la stabilité du véhicule en virage selon le potentiel d'adhérence

2.4 Modèle complet de véhicule

2.4.1 Mise en équations des mouvements du châssis

2.4.1.1 Les mouvements de translation :

Figure 2.3  Les forces de contact

 Tsr est la matrice de passage du repère Rs lié à la caisse au repère de référence Rr :

 θ, φ et ψ représentent respectivement les angles de roulis, de tangage et de lacet ;

 θr et φr sont respectivement les angles d'inclinaison latérale de la route (la pente)

 Vx , Vy et Vz sont respectivement les vitesses longitudinale, latérale et verticale du

 Fxf 1 , Fyf 1 et Fzf 1 représentent respectivement les forces longitudinale et latérale

 Fxf 2 , Fyf 2 et Fzf 2 représentent respectivement les forces longitudinale et latérale

 Fxr1 , Fyr1 et Fzr1 représentent respectivement les forces longitudinale et latérale

 Fxr2 , Fyr2 et Fzr2 représentent respectivement les forces longitudinale et latérale

 Fgx , Fgy et Fgz représentent les forces de gravité.

 Tvs désigne la matrice de transfert du repère du véhicule Rv vers le repère du plan

Je ne saurais remercier susamment Monsieur Hassani MESSAOUD, Professeur à

Figure 2.1 Modèle quart de véhicule

m1 : masse suspendue (kg )

Figure 2.2 Modèle bicyclette

δ : angle de braquage (rad).

Figure 2.3 Les forces de contact

Tsr est la matrice de passage du repère Rs lié à la caisse au repère de référence Rr :

θ, φ et ψ représentent respectivement les angles de roulis, de tangage et de lacet ;

θr et φr sont respectivement les angles d'inclinaison latérale de la route (la pente)

Vx , Vy et Vz sont respectivement les vitesses longitudinale, latérale et verticale du

Fxf 1 , Fyf 1 et Fzf 1 représentent respectivement les forces longitudinale et latérale

Fxf 2 , Fyf 2 et Fzf 2 représentent respectivement les forces longitudinale et latérale

Fxr1 , Fyr1 et Fzr1 représentent respectivement les forces longitudinale et latérale

Fxr2 , Fyr2 et Fzr2 représentent respectivement les forces longitudinale et latérale

Fgx , Fgy et Fgz représentent les forces de gravité.

Tvs désigne la matrice de transfert du repère du véhicule Rv vers le repère du plan

Fr désigne la force de roulement qui admet une composante longitudinale seulement.

θ̈, φ̈ et ψ̈ sont respectivement les accélérations de roulis, de tangage et de lacet.

pf , pr , r1 et r2 sont respectivement la distance entre les roues avant et l'axe de symé-

Figure 2.4 Distances entre les roues

r1 et r2 sont respectivement la distance entre le centre de gravité et les deux axes

żi et u̇i désignent respectivement la vitesse verticale de la roue i et la dérivée du

Jr désigne le moment d'inertie des roues ;

ω1 , ω2 , ω3 et ω4 sont les vitesses de rotation respectivement des roues avant droite,

Figure 2.5 Les angles des roues

δf 1 et δf 2 sont respectivement les angles de braquage de la roue avant gauche et de

ψ̇ est la vitesse de lacet ;

δ1 et δ2 sont respectivement les angles de braquage de la roue avant gauche et de la

Comme nous pouvons aussi dénir le taux de glissement de la manière suivante :

interaction due au contact pneu/chaussée ;

interaction entre la roue et le système de suspension ;

interaction entre la roue et les éléments de direction (man÷uvre du conducteur) ;

perturbations dues à l'environnement (vent, route) ;

variations dans l'état du véhicule (vitesse du véhicule, usure du pneumatique, etc)

D : la valeur du pic (maximum de la courbe d'adhérence) ;

Sh : le décalage horizontal de la courbure par rapport à l'origine ;

Sv : le décalage vertical de la courbure par rapport à l'origine ;

B : le facteur d'amortissement (pente à l'origine) ;

C : le facteur de forme qui permet d'ajuster l'allure de la courbe ;

Figure 2.6 Courbe d'adhérence

le repère de référence Rr (Or Xr Yr Zr ) ;

le repère mobile attaché au centre de gravité de véhicule Rv (Ov Xv Yv Zv ) ;

un deuxième repère mobile, Rs (Os Xs Ys Zs ), attaché au centre de gravité du

une translation longitudinale suivant l'axe Ov Xv , notée x ;

Figure 2.7 Repères mobiles et de référence

une rotation, nommée tangage, autour de l'axe Ov Yv ;

3 degrés donnés par les translations : longitudinale, latérale et verticale ;

x, y et z sont respectivement les déplacements longitudinal, latéral et vertical du

θ, φ et ψ sont respectivement les angles de roulis, tangage et lacet ;

z1 , z2 , z3 et z4 sont les débattements des quatre suspensions ;

δ1 et δ2 sont les deux angles de braquage des roues avant ;

ϕ1 , ϕ2 , ϕ3 , ϕ4 sont les positions angulaires des quatre roues.

G(q) est le vecteur des eets de gravité.