WO2023203219A1 - Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d'air - Google Patents
Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d'air Download PDFInfo
- Publication number
- WO2023203219A1 WO2023203219A1 PCT/EP2023/060486 EP2023060486W WO2023203219A1 WO 2023203219 A1 WO2023203219 A1 WO 2023203219A1 EP 2023060486 W EP2023060486 W EP 2023060486W WO 2023203219 A1 WO2023203219 A1 WO 2023203219A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- air flow
- flow regulation
- active air
- regulation system
- data
- Prior art date
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000033001 locomotion Effects 0.000 claims abstract description 39
- 230000015654 memory Effects 0.000 claims abstract description 23
- 238000007619 statistical method Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 24
- PPJXIHLNYDVTDI-UHFFFAOYSA-N dicloralurea Chemical compound ClC(Cl)(Cl)C(O)NC(=O)NC(O)C(Cl)(Cl)Cl PPJXIHLNYDVTDI-UHFFFAOYSA-N 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 238000003745 diagnosis Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000015556 catabolic process Effects 0.000 claims description 7
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 5
- 238000007596 consolidation process Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010187 selection method Methods 0.000 claims description 2
- 230000007257 malfunction Effects 0.000 description 27
- 230000005540 biological transmission Effects 0.000 description 26
- 210000000056 organ Anatomy 0.000 description 13
- 239000000523 sample Substances 0.000 description 13
- 230000000670 limiting effect Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 239000000498 cooling water Substances 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000004907 flux Effects 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NNJPGOLRFBJNIW-HNNXBMFYSA-N (-)-demecolcine Chemical compound C1=C(OC)C(=O)C=C2[C@@H](NC)CCC3=CC(OC)=C(OC)C(OC)=C3C2=C1 NNJPGOLRFBJNIW-HNNXBMFYSA-N 0.000 description 1
- 241001080024 Telles Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 235000021183 entrée Nutrition 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 230000001483 mobilizing effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K11/00—Arrangement in connection with cooling of propulsion units
- B60K11/08—Air inlets for cooling; Shutters or blinds therefor
- B60K11/085—Air inlets for cooling; Shutters or blinds therefor with adjustable shutters or blinds
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2306/00—Other features of vehicle sub-units
- B60Y2306/15—Failure diagnostics
Definitions
- the present invention relates to the field of active aunterlic regulation of a vehicle, and in particular the modification of the coefficient of penetration into the air of a vehicle, by use of spoilers or motorized ailerons, the thermal control of the vehicle, in particular of the engine, a braking system and more generally any component actively regulated in temperature, in particular of a motor vehicle with internal combustion engine, electric or hybrid by systems for active regulation of the air flow driving an obstructing member, for example motorized air shutters on the grille or curtains.
- This obstructing member is intended to modify the quantity of air passing through the vehicle's radiator and the engine compartment and to adjust the air flow in order to manage the efficiency of the vehicle's engine and the various main units (heat engine, electric motor).
- Engine temperature management has in fact become, due to the evolution of anti-pollution standards, a major area of development in the design of an engine .
- Engine cooling is now optimized to better control the temperature of the different areas of the engine while limiting its energy consumption.
- the function of the thermal management circuit is to maintain the various internal components of an engine (cylinders, cylinder head, etc.) and, where applicable, the peripheral elements (the turbocharger for example) at their ideal operating temperature.
- the fins of the grille placed in front of the radiator are articulated and motorized to control the air flow passing through the radiator. Indeed, when the vehicle is traveling at high speed and low load, a significant air flow is not necessarily essential to properly cool the engine.
- the air flowing through the radiator disrupts the main flow around the vehicle and therefore it generates aerodynamic drag.
- Patent DE102018108162 describes a method for controlling an actuator and an actuator in which a direct current motor drives a system for moving a first body relative to a second body, the first body sliding along a contact surface of the second body.
- the principle of this solution is based on current analysis to evaluate the behavior of the actuator by providing zones with modified mechanical resistance on the contact surface between the rolling shutter and the guide rails.
- the signal analyzed is the current, image of the torque, transmitted to the computer.
- the frequency of updating this information is of the order of 10 ⁇ s while the capacity to transmit on multiplexed protocols of the LIN type is of the order of 100 ms, which leads to an incompatibility, the band bandwidth being insufficient to transmit the necessary information.
- the transmission of all information acquisitions is not suitable for the very limited bandwidth communication network intended for vehicle control electronics.
- Patent US2020300156 describes another anomaly detection system of an engine cooling water recirculation system comprising: a grille shutter capable of adjusting a flow of circulating air coming from outside a vehicle towards the environment of an engine body, implementing four learned neural networks are stored, which are obtained using at least five parameters consisting of an engine cooling water temperature at the time of engine start, a quantity of air admitted into the engine, a quantity of fuel injected into the engine, an outside temperature the air temperature and the speed of the vehicle as input parameters of the neural networks and using a measured value of engine cooling water temperature as training data to learn weights for four states including a state where the grille shutter is closed and an air blown by the blower does not circulate in the air conditioning use the heating, state in which the grille shutter is open and the air blown by the fan does not circulate in air conditioning use heating, state in which the grille shutter is closed and the air blown by the fan circulates at through the air conditioning use heater, and a state in which the grille shutter is opened and the air blown by the blower
- the temperature of the engine cooling water is estimated among said five parameters using any of the learned neural networks corresponding to a current state of the grille shutter and the circulation state of the air blown by the blower in the heating of air conditioning use among the four learned neural networks.
- An abnormality of the engine cooling water recirculation system is detected based on an estimated value of the engine cooling water temperature.
- Patent DE10201201469 describes an air flap device also having an adjustment drive, which is connected to the at least one air flap in a movement and so as to transmit force in order to adjust the at least one air flap between its predetermined operating positions, the air shutter device also having a control device coupled to the adjustment drive in terms of signal transmission, a control device connected to the control device, a storage device coupled device in terms of signal transmission and a data acquisition device that captures operating data of the air damper device memory device, wherein a difference in operating positions representing a set of reference operating data is stored in the memory device.
- Patent US213338870 describes another system solution and a method for diagnosing a mechanical fault affecting an automobile Active Grille Shutter "AGS" system.
- the method includes receiving at least one mechanical fault status signal (410), such signal indicating that a particular mechanical fault state has been detected in the AGS system.
- the method also includes receiving a temperature signal (418) indicative of a temperature at a location proximate to the AGS grille shutter, and determining whether to perform an extended diagnostic, based at least on the mechanical fault status signal and temperature signal.
- the present invention relates in its most general sense to a method for diagnosing the operation of an active air flow regulation system for a vehicle having the characteristics set out in claim 1 as well as a system having the characteristics set out in the system claim.
- said step of discriminating the sporadic error is carried out by the control circuit, said control circuit transmitting to the DCU information representative of said discriminated sporadic error.
- ECU within the meaning of this patent means an “electronic control unit” controlling a specific function of the vehicle.
- DCU domain controllers
- OTA Over The Air
- the invention will mention an ECU or DCU indifferently, the nature of controller depending on the choice of computer architecture of the vehicle on which the invention is implemented.
- the statistical analysis algorithm can be equipped with a supervised, unsupervised or reinforcement learning sequence.
- the statistical analysis algorithm can be equipped with a grouping selection method.
- the obstructing mechanical member is devoid of elements dedicated to diagnosis external to said mechatronic system.
- digital data relates to the operation of the magnet motor of the mechatronic system.
- digital data is a measure of motor phase current.
- said digital data can be a measure of the rotor load angle of the magnet motor.
- the statistical analysis algorithmic model for determining a singularity is provided with a comparison between the sampled digital data sequence recorded and a reference data card.
- the statistical analysis algorithmic model for determining a singularity is provided with a detection of a singular point in the sampled sequence of digital data recorded.
- the statistical analysis algorithmic model for determining a singularity consists of submitting the sampled digital data sequence recorded to a model obtained by training a neural network from learning data corresponding to the nominal operation of the obstructing mechanical organ.
- a reference sampled digital data sequence can be recorded for each mechatronic system at the end of the assembly line.
- the statistical analysis algorithmic model can compare the sampled digital data sequence with the reference sampled digital data sequence so as to detect a behavioral drift which may give rise to a degradation of the mechatronic system or which may validate a behavior normal wear and tear of the system.
- the sampled digital data sequence recorded comes from digital data depending on the mechanical load in the active grid system.
- “Singularity” within the meaning of this patent will be understood to mean a point or a subset of points in the recorded data sequence distinguishable from a reference sequence corresponding to nominal operation, by comparison with one or more nominal data sequences. pre-recorded, or by difference between the signature of the data sequence and the signature of a nominal data sequence acquired during a preliminary learning phase, obtained by the same signature calculation function, or a singularity in the sense of a Gaussian statistics or a point or a set of points distinguishing itself from the projection of the median curve formed by the preceding points significantly from the average of the fluctuations of the points recorded in relation to said median curve, significantly understood as "exceeding at least 20% the amplitude of fluctuations in normal or nominal regime.
- said algorithmic statistical analysis model to determine a singularity consists of submitting the sampled sequence of digital data recorded to a model obtained by training a neural network from learning data corresponding to the nominal operation of the obstructing mechanical organ.
- a sampled reference digital data sequence is recorded for each mechatronic system at the end of the assembly line.
- said statistical analysis algorithmic model is capable of comparing the sampled digital data sequence with the reference sampled digital data sequence so as to detect a behavioral drift.
- the sequence of digital data sampled recorded comes from digital data depending on the mechanical load in the active grid system.
- Figures 8 to 12 illustrate different examples of malfunctions linked to the system represented in .
- Figures 13 to 16 illustrate different examples of malfunctions linked to the system represented in .
- Figure 17 (17a, 17 b, 17c, 17d) represents the Fresnel diagram of a three-phase motor making it possible to visualize the load angle of the motor
- This regulation system is composed of an obstructing mechanical member (2) which is positioned on the grille of the automobile and is capable of obstructing the arrival of the air flow on the radiator, and comprises a mechatronic system (3) controlling the positioning of the obstructing mechanical member (2), such as shutters or a roller, allowing modulation of the air flow received by the radiator, depending on the state of said obstructing mechanical member (2).
- the aim of the invention is to automate the detection and characterization of an anomaly in the mechanical and/or a somehowlic elements regulating the air flow, in particular the disappearance of a shutter, or the modification of the geometry of the air flow. a flap resulting for example from a shock, even if these anomalies do not modify the general kinematics of the mechatronic air flow regulation system.
- the invention also makes it possible to detect anomalies in the mechatronic air flow regulation system, for example a blockage or seizure.
- the mechatronic system (3) comprises a movement transmission chain (20) driven by a polyphase synchronous motor with permanent magnets, hereinafter called a magnet motor (10), controlled by an electronic control circuit (30), for example a three-phase motor as illustrated by .
- the invention consists of exploiting the signals available on the electronic control circuit (30) of the mechatronic system (3), without requiring the addition of one or more additional sensors on the obstructing mechanical member (2) of the regulation system.
- active air flow regulation (1) so that the mechatronic system (3) according to the invention makes it possible to provide diagnostic information when it is integrated into an active air flow regulation system (1) initially without this functionality.
- the invention can also exploit the signals coming from these sensors provided that They are processed by the electronic control circuit (30).
- the combination of information from several types of sensors can be advantageous when there is strong economic pressure on the components integrated in the actuator, for example very basic control electronics or low sensitivity sensors, which do not allow not to extract a singularity from information coming from a single type of sensor.
- This singularity can nevertheless be isolated by the cooperation of weak signals, it is then identified in a sequence of sampled data resulting from the aggregation of data coming from sources of different types.
- this embodiment is not limiting because once the economic pressure disappears, it can be considered to use a more complex system and the sporadic error can be extracted from a sequence of data presenting information of a single type.
- the control circuit (11) receives a movement instruction from the DCU (8), it then generates the appropriate control sequence of the switches of the polyphase inverter (12) so as to generate said movement.
- the movement instruction coming from the DCU (8) can be an opening or closing movement, complete or partial, or an absolute position of the stroke to be reached.
- the invention consists of acquiring a data sequence by the control circuit (11), recording it in the memory, analyzing it using digital processing capable of detecting a singularity and transmitting it to the DCU ( 8) a sporadic error associated with this singularity via the communication lines (7).
- the data sequence can be acquired for any movement, or episodically according to an instruction from the DCU (8) or the control circuit (11).
- the control circuit (11) is capable of extracting a singularity from this sequence of recorded data using more or less complex statistical processing depending on the functional requirements, linked to the types of malfunctions sought and the desired sensitivity. For example, a defect linked to sudden deterioration, such as the breakage of a shutter blocking the movement of the obstructing mechanical member (2), presents a signature much easier to highlight than progressive aging of the actuator leading to a slight degradation of performance close to the minimum required. This singularity can therefore be the symptom of a wide variety of malfunctions and requires applying the appropriate processing algorithm to generate a sporadic error resulting from this error in order to transmit it to the DCU (8).
- sporadic error we mean an error code intelligible by the DCU (8) and capable of signaling a wide variety of malfunctions encountered by the actuator, such as the loss of one of the moving elements, the separation of one of the moving elements of the movement transmission chain, the loss of several of the elements of the obstructing mechanical member (2), or even breakage of a part of the movement transmission chain (20), but not being limited to these errors.
- the mechatronic system (3) can integrate various internal sensors to generate the signals used by the control circuit (11). These sensors can be of various natures and in a non-limiting manner can be a vibration sensor (13), a temperature sensor (14), a pressure sensor, or even an analog or digital probe measuring the magnetic angle of the rotor.
- the invention can also judiciously take advantage of the combination of several signals to generate the integrity diagnosis of the active air flow regulation system.
- an active air flow regulation system (1) differs from that presented in in that the control of the magnet motor (11) is of the BLDC sensored type, that is to say that the magnet motor (11) is provided with direct control or FOC in closed loop with direct measurement of the position of its rotor.
- the control of the magnet motor (11) is of the BLDC sensored type, that is to say that the magnet motor (11) is provided with direct control or FOC in closed loop with direct measurement of the position of its rotor.
- one or more sensors (15) are provided to inform the microcontroller of the exact position of the rotor of the permanent magnet motor (11), itself generating the desired displacement and torque.
- an active air flow regulation system (1) differs from that presented in in that the control of the magnet motor (11) is of the BLDC sensorless type, that is to say that the position information of the rotor of the magnet motor (11) no longer comes from the position sensors (15) but is estimated from the electrical quantities measured at the terminals of the phase power lines of the magnet motor (11), for example using a device for measuring the phase currents and/or voltages, this measuring device (17) which can be fitted with one or more voltage and/or current sensors.
- An example of an algorithm (200) describing the diagnosis of fault identification for an active air flow regulation system (1), the obstructing mechanical member of which is a set of shutters, is represented by the given flowchart in . Following the perfect completion of a single or cyclical learning phase (100), described in , this algorithm can be triggered upon receipt of a request from the DCU (8), or be automatically initiated when the actuator is set in motion by the DCU (8).
- An optional step (120) upstream of this algorithm consists of obtaining authorization from the DCU (8) to carry out a diagnosis of the state of the system in the event of diagnosis on request, failing which, the diagnosis will be activated in permanence during any movement carried out by the mechatronic system.
- Step (250) directs, depending on the level of confidence generated during the previous steps, towards a step (260) if the level of confidence is greater than or equal to a pre-established threshold, for example 99.99%.
- a consolidated error code or a consolidated good functioning code is generated and transferred by the mechatronic system (3) to the DCU (8), which can be used to reliably supply the diagnostic strategy at vehicle level (known as OBD).
- step (250) is followed by a step (270) during which a recommendation of strategy for consolidating the sporadic error, essentially composed of a or several partial or complete movements of the actuator, will be proposed by the mechatronic system to the DCU.
- Steps (260) and (300) then lead to step (280) corresponding to the end of the algorithm for malfunction identification.
- the consolidation strategy can be processed by the algorithm for malfunction identification presented here or be an alternative algorithm, potentially specific to the consolidation code transferred to the DCU (8), proposed by the system or imposed by the DCU (8).
- the DCU (8) may have preferential responsibility for the strategy to adopt to consolidate the information (i.e. the sporadic error code or correct functioning).
- a sequence (300) describing, by way of example, the backpropagation applied to a learning model is represented by the flowchart represented in .
- an internal algorithmic analysis step (302) is executed by the control circuit (11) (or by the DCU (8) of the vehicle) in order to propose an update of the model (i.e. the algorithm) used to carry out said analysis of the data sequence.
- step (303) if an update could be proposed making it possible to classify this series of data, while guaranteeing the same levels of performance on the classifications of previous samples, then an official update request can be made.
- step (307) sent to the vehicle DCU during a step (307), then if agreed, be recorded and activated in the MCU during a step (308). If, however, no update solution could be identified during steps (302) and (303), then the environmental context in which the diagnosis was carried out is recorded, during a step (304), in non-volatile memory of the control circuit (11) (or of the DCU (8) of the vehicle) to allow the limitations of the current solution to be identified a posteriori, this step completing the sequence.
- step (301) If during step (301) it is revealed that the previous analysis of the data suite generated a classification with a confidence level lower than 99.99%, an internal algorithmic analysis loop is initiated by the control circuit (11) (or by the DCU (8) of the vehicle), in a step (305), in order to propose an update of the model (that is to say of the algorithm) used to carry out said analysis of the data sequence.
- step (306) if an update could be proposed making it possible to generate the classification with a confidence level greater than 99.99% while guaranteeing the same levels of confidence on the classifications of previous samples, then a request official update can be sent to the vehicle DCU (8), during a step (307), then if agreed, be recorded and activated in the control circuit (11) during a step (308 ). If no update solution could be proposed during step (306), the sequence is ended.
- an active air flow regulation system (1) whose obstructing mechanical member (2) is made up of a set of shutters.
- This active air flow regulation system is positioned on the grille of the automobile, in front of the radiator, and comprises a mechatronic system (3) driving an axis (4) passing through the output gear of said mechatronic system (3). .
- This axis (4) controls the positioning of the right flaps (23 to 25) and the left flaps (26 to 28) via a transmission (19, 29).
- Figures 8 to 16 illustrate in a non-limiting manner different types of malfunctions linked to the active air flow regulation system (1), Figures 8 to 12 illustrating malfunctions for an obstructing mechanical member (2) provided with shutters , as presented in , and Figures 13 to 16 illustrating malfunctions for an obstructing mechanical member (2) provided with a curtain, as presented in .
- These figures represent systems with active grids whose axes of rotation of the shutters are positioned horizontally, but the invention also extends to any other orientation of the axes of rotation of the shutters.
- Figures 9 to 11 correspond to another malfunction situation on the active air flow regulation system by flaps, where all the flaps (26, 27, 28) are present, but one (or more) of between them is no longer driven by the movement transmission kinematics (36).
- This can for example come from the breakage of a link (37), as shown in the , or the breakage of a drive tab (38) of the shutter as shown in , or the breakage of the transmission axis (39) visible on the .
- This malfunction causes a modification of the forces exerted on the mechatronic system (3) when changing orientation.
- the signature of these efforts can be detected by processing electrical signals directly measured on the power and control ports of the mechatronic system (3).
- Figures 13 to 15 correspond to another malfunction situation on the active curtain air flow regulation system, where an element in the motion transmission kinematics is faulty. This can for example come from the breakage of the transmission axis (4) as illustrated in , the breakage of a drive cable (33) as illustrated in , or even the tear (40) of the curtain (32) as shown in .
- the detection of operating singularities is based on sampling and analysis of the load angle.
- the load angle corresponds to the magnetic angular offset of the rotor relative to the angular position canceling the magnetic torque between the rotor and the stator.
- a common way of representing this is the use of a Fresnel diagram, as illustrated in Figure 17 by subfigures a, b, c and d, in which the magnetic states of the rotor and stator are represented by vectors .
- the vectors U, V, W are the magnetic states corresponding to the supply of each of the phases of the motor with the same voltage.
- the load angle (52) corresponds to the angle between the stator vector (50) and the rotor vector (51) of the magnetic field.
- the resulting torque at the rotor generated by the electrical supply at the stator varies from zero torque when this angle is equal to 0°, as represented in , to a maximum when the vectors are at 90°, as represented in .
- the torque, represented by the torque vector (53) is directly proportional to the sine of the load angle (52) and the supply current.
- Figures 17b and 17c represent intermediate situations where the load angle is between 0° and 90° so as to visualize the evolution of the torque vector between these values.
- the load angle (52) is equal to 0° and the stator and rotor vectors are collinear.
- the actual angular position of the rotor is the same as the command position.
- the load angle (52) When a force is applied to the rotor, for example by a braking torque, or a load or a driving torque, the load angle (52) increases and is then no longer equal to 0° . When this load angle (52) exceeds 90°, the torque exerted decreases and can lead to a loss of synchronism between the rotor and the stator field, called rotor stall.
- measuring the load angle (52) requires measuring the rotor angular position.
- the invention is compatible with all types of control of a synchronous motor but this solution is dedicated more specifically to motors controlled in step-by-step mode.
- Various solutions then exist for measuring the position of the rotor and the use of dedicated sensors is favored, said sensor being able to be an analog magneto-sensitive probe, which nevertheless has the disadvantage of a modest resolution which can show its limits when we seeks to measure very small variations in the load angle (52).
- the reduction chain reduces, by a factor equal to the reduction, the perceptible effects on the drive motor of a variation load suffered by the organ to be trained.
- the movement can be analyzed over a large number of electrical periods, or even one or more revolutions of the output shaft of the gearbox, it is then envisaged to use a sliding average of the load angle over samples, such as a weighted moving average, when you want to give more weight to the most recently measured samples:
- the detection of operating singularities is based on the sampling and analysis of the electrical signal measured at the terminals of an RC filter in series with the power supply of the mechatronic system (3), also called actuator, comprising a polyphase motor coupled with so-called auto-commutated control, known by those skilled in the art as "BLDC control" and carried by the electronic module integrated into the mechatronic system (3).
- actuator comprising a polyphase motor coupled with so-called auto-commutated control, known by those skilled in the art as "BLDC control” and carried by the electronic module integrated into the mechatronic system (3).
- the resistor (60) is a sampling resistor which is used to measure the sum of the currents passing through each phase of the magnet motor (10), via the RC filter (63), composed of a resistor (61 ) and a capacitor (62).
- the output of the RC filter (63) will be acquired in the form of voltage using the analog/digital converter and will be transformed and preprocessed continuously into information by a microcontroller for example.
- Another parameter that could be interesting to measure to detect a fault is the number of steps taken by a motor controlled in step-by-step mode to move from one stop position to another. This type of size is particularly practical for detecting a blocking fault, as the effective travel can be greatly reduced. It is also proposed, in a detailed example, to identify a missing component using this parameter.
- the measurement of a singularity is not limited to functional quantities of the electric motor, such as the measurement of the current or the measurement of the load angle as presented previously but can just as easily come from a dedicated sensor but internal to the actuator.
- a singularity detection means for example compatible with the current measurement presented in the description of the , is to identify in the recorded data series, a value exceeding the expected value beyond several standard deviations. This is described here using the formalism developed for current measurement, but can also be used for other types of measured data. Singularity detection is carried out by digital processing of the evolution of a physical value consisting of the sum of the current I of the N phases of the polyphase motor, measured in the resistance (60). The current has a stable value during nominal operation in synchronous, regular mode and excluding symptomatic behavior of the gearmotor rotor, but this value evolves towards a different and more irregular value when the gearmotor is subjected to an active air flow regulation system. (1) abnormal or faulty.
- the processing of the variation of the current I measured in the resistor (60) is sampled, using an analog/digital converter of a microcontroller for example, and the standard deviation ⁇ of the current amplitude values measured across the resistance (60) on N samples is calculated over a sliding or fixed time window which is less than or equal to the duration of the movement associated with the acquisition of the information.
- the identification of the singularity is done using a learning algorithm, this algorithm can be trained to discriminate the type of error encountered, such as a missing shutter or a broken shutter blocking the system, but also able to discriminate the location of the defect, for example a missing shutter located at one end or in the middle.
- the fault detection algorithm can benefit from a constitutive modification of the organ to be trained to improve detection. It is thus envisaged to provide a signature specific to each component that can be reliably discriminated by the algorithm.
- This can be a binary code, as done in patent application US9810138B2, with the addition of a point resistive element for each shutter, this resistive element being detectable in the form of a point extra torque to be generated by the actuator , the point resistive elements being judiciously placed so that each induces an overtorque at a different instant of the opening or closing stroke.
- the absence of a flap is then signified by the absence of a friction peak during a complete movement of the organ to be driven.
- a signature can be measured by a very simple algorithm detecting, for example, a peak of current consumed by the actuator exceeding a certain threshold at predetermined positions to approve the presence of each flap.
- the signature can be more tenuous and benefit from the power of deep learning by providing each shutter of the actuator with a specific surface, a mass specific, or even a specific profile. This can lead to the measurement of a very specific signature, for example linked to the inertia of the system, to its aeraulic pressure experienced, or even by obtaining a vibration specific to each flap.
- the singularity identification algorithm is based on a measurement of variation of the hydrodynamic torque.
- the pressure exerted on the entire occulting device decreases, which results in a reduction in the torque to be provided by the actuator to perform an opening or closing movement .
- the hydrodynamic torque which can be expressed as a function of the stroke of the actuator, , according to the formula:
- Or is a coefficient linked to the geometry of the occulting device and the inlet air flow, being the maximum opening surface and the opening surface for running , this surface is expressed differently in the context of a healthy or broken actuator.
- the algorithm can then directly exploit a measurement of torque, current, or load angle, as a sequence of sampled digital data, so as to identify a singularity or can, to increase its precision, acquire this data throughout of the stroke of the actuator, so as to identify a singularity in the work, , supplied by the actuator during the movement between And , according to the formula:
- the measured work can then simply be compared to a reference curve corresponding to a holy actuator. It should be noted that this method consumes very little computational resources but is greatly dependent on the speed of the wind and the vehicle. However, if the available computing power makes it possible to implement a more intelligent algorithm, it is possible to perform several specific movements of the actuator allowing the relative speed of the air incident on the occulting device to be estimated.
- the singularity identification algorithm can be based on a measurement of the stiffness of the system.
- the singularity identification algorithm can be based on a measurement of the inertia of the system. If we control the AGS actuator so that the angular speed of the rotor of the actuator increases linearly between two instants, then the acceleration of the rotor is constant. By carrying out an opening cycle with the vehicle stationary, a fault can be detected, such as a missing shutter, by measuring a variation in inertia during this cycle compared to the recorded reference value. in the system. This variation in inertia could alternatively be measured from a reading of the torque, the current or even the load angle, these examples not being limiting to the invention.
- the algorithm describing the malfunction detection diagnosis requires an initial phase of supervised learning supplied with a determined number of cycles, the system being in a nominal (or functional) mode only.
- An example of said supervised learning algorithm is represented by the flowchart of the .
- the confidence rate is a variable increasing as a function of close to 100%, 100% meaning total certainty and 0% meaning total uncertainty, with a limited number of learning cycles for example 10 or 20 depending on the sensitivity of the algorithm and for a high desired level of confidence greater than 99%.
- the learning algorithm (100) is triggered each time the actuator is set in motion by the control circuit (11), which we call step (110), followed by a step (111) of checking the perfect completion of the initial learning phase, this can be done by reading a memory register. If the learning phase has already been successfully completed, then the learning algorithm ends and triggers the failure detection algorithm (200).
- Step (113) of the learning algorithm consists of sampled acquisition of the data of interest by the control circuit (11) and recording this data in the internal memory of the mechatronic system (3). Step (113) ends when the end of the movement of the actuator is detected. The learning algorithm then triggers, in step (114), the statistical analysis of the data recorded for this learning cycle during step (113).
- the following step (115) consists of a verification by the control circuit (11) of the correct conformity of the movement carried out by the actuator and of the good environmental conditions (that is to say the good context) leading to the decision to keep or not the data from the current cycle as reference data for the learning algorithm.
- these data are recorded as reference data in a memory register during a final step (116).
- the recording of reference data preferably includes contextual data of the recorded cycle, such as for example information on temperature, vehicle speed, air pressure at the level of the flaps, etc. which can come from external sensors, associated information which can then be generated by the mechatronic system (3) towards the DCU (8).
- the cycle is therefore not considered as a reference cycle and information can be generated by the mechatronic system (3) to inform the DCU (8).
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Air-Conditioning For Vehicles (AREA)
- Cooling, Air Intake And Gas Exhaust, And Fuel Tank Arrangements In Propulsion Units (AREA)
Abstract
La présente invention concerne un système de régulation active de flux d'air et un procédé de diagnostic de fonctionnement d'un système de régulation active de flux d'air pour véhicule, comprenant : un organe mécanique obstruant, - un système mécatronique, muni d'un boîtier contenant un moteur à aimant piloté par un circuit de commande et accouplé à une transformation de mouvement permettant de déplacer l'organe mécanique obstruant, - des lignes de communication électroniques pour échanger de l'information avec le DCU (8) du véhicule ou recevoir des commandes du DCU du véhicule, caractérisé en ce que ledit procédé comporte une série d'étapes consistant à : - enregistrer, lors d'un cycle de fonctionnement du système de régulation active de flux d'air, une séquence numérique S de données dans une mémoire lesdites données étant acquises par ledit circuit de commande interne au système mécatronique, - appliquer à ladite séquence numérique de données S enregistrée dans la mémoire un modèle algorithmique d'analyse statistique pour déterminer une singularité, - discriminer une erreur sporadique associée à ladite singularité pour délivrer une information sur l'état du système de régulation active de flux d'air.
Description
La présente invention concerne le domaine de la régulation aéraulique active d’un véhicule, et en particulier la modification du coefficient de pénétration dans l’air d’un véhicule, par utilisation de becquet ou ailerons motorisés, la maîtrise thermique du véhicule, notamment du moteur, d’un système de freinage et plus généralement tout composant régulé activement en température, en particulier d’un véhicule automobile moteur à explosion, électrique ou hybride par des systèmes de régulation active du flux d’air entraînant un organe obstruant, par exemple des volets d’air motorisés de la calandre ou des rideaux. Cet organe obstruant est destiné à modifier la quantité d'air traversant le radiateur du véhicule et le compartiment moteur et à ajuster le débit d’air afin de gérer l’efficience du moteur du véhicule et des différents agrégats principaux (moteur thermique, moteur électrique de traction et son onduleur, boite de vitesses, pack batteries...) La gestion de la température moteur est en effet devenue, de par l'évolution des normes anti-pollution, un axe de développement majeur dans la conception d'un moteur. Le refroidissement moteur est désormais optimisé pour contrôler au mieux la température des différentes zones du moteur tout en limitant sa consommation d'énergie.
Le circuit de gestion thermique a pour fonction de maintenir les différents composants internes d'un moteur (cylindres, culasse, etc.) et, le cas échéant, les éléments périphériques (le turbocompresseur par exemple) à leur température de fonctionnement idéal.
Si la température du moteur est trop élevée, les gaz à l'intérieur du cylindre sont plus chauds : il y a donc moins de gaz dans le cylindre et les risques d'auto-inflammation (et de cliquetis) sont plus élevés. D'autre part, les composants se déformant plus, il y a un risque de casse conséquent.
Si le moteur est, au contraire, froid, les frictions sont généralement plus importantes entre le piston et la chemise du cylindre et la combustion est incomplète, ce qui génère des émissions de gaz polluants significativement plus élevées.
Sur beaucoup de véhicules récents, les ailettes de la calandre disposée devant le radiateur sont articulées et motorisées pour contrôler le débit d'air traversant le radiateur. En effet, lorsque le véhicule circule à haute vitesse et à faible charge, un écoulement d'air important n'est pas forcément indispensable pour refroidir correctement le moteur.
De plus, l'air circulant à travers le radiateur perturbe le flux principal autour du véhicule et il génère donc une traînée aérodynamique. Aussi, il peut être avantageux d'obstruer les prises d'air situées en amont du radiateur grâce à des volets. Dans certains cas, les volets ne comportent que deux positions (complètement ouverts ou fermés).
Malheureusement, les bénéfices en termes de réduction d’émission CO2 de ces calandres à volets actifs disparaissent si un volet reste bloqué en position ouverte ou fermée, ou dans une position intermédiaire, ou encore s’il subit un dommage, par exemple lors d’un choc ou encore si un ou plusieurs volets venaient à manquer. Le bon fonctionnement d'une calandre à volets actifs a un impact sur l'émission de polluants du véhicule, il est donc d'une grande importance, voire légalement obligatoire, d'assurer un fonctionnement correct du dispositif de volet d'air et d’informer le conducteur de toute dégradation de la consommation et de la pollution de son véhicule, et ce à chaque roulage, l’incitant à se rendre rapidement au garage pour rétablir le niveau légal d’émission de ce dernier. On a à cet effet prévu des solutions pour la vérification de la fonctionnalité générique de l'agencement des volets d'air au moyen d'un système de diagnostic embarqué. Pour les véhicules électriques, la maîtrise thermique du moteur et des batteries constitue également un enjeu important se traduisant par les mêmes besoins, ainsi que l’efficience aérodynamique : un système de régulation active de flux d’air défectueux pourra pénaliser la pénétration dans l’air du véhicule et donc influer négativement sur l’autonomie du véhicule.
On connaît dans l’état de la technique différentes solutions pour répondre à cet objectif de détecter un dysfonctionnement des volets actifs d’une calandre.
Le brevet DE102018108162 décrit un procédé de commande d'un actionneur et un actionneur dans lequel un moteur à courant continu entraîne un système pour déplacer un premier corps par rapport à un deuxième corps, le premier corps coulissant le long d'une surface de contact du deuxième corps. Le principe de cette solution est basé sur l’analyse du courant pour évaluer le comportement de l’actionneur en prévoyant des zones à résistance mécanique modifiée sur la surface de contact entre le volet roulant et les rails de guidage.
Cette solution présente plusieurs inconvenients :
En premier lieu, elle nécessite de prévoir sur le système de régulation une zone particulière de référence, indispensable pour la détection d’une anomalie selon cette solution de l’art antérieur. La détection de l’anomalie est strictement limitée à la détection de l’anomalie au niveau de cette zone de référence, et ne permet en aucun cas de détecter des anomalies en général dans la chaine de transmission mécanique et aéraulique. Cette zone de référence peut en outre s’user, ce qui rend alors inopérant l’exploitation des signaux.
En second lieu, elle est limitée à des systèmes mécatroniques mettant en œuvre des moteurs à courant continu, et ne peut pas être mise en œuvre pour des systèmes utilisant des moteurs pas-à-pas ; l’utilisation de la mesure de couple (ou de courant DC) imposent un contrôle du moteur en boucle fermée, antinomique avec le contrôle de moteur pas à pas, ce qui rend les solutions de l'art antérieur inutilisables ou difficiles dans ce contexte.
En troisième lieu, le signal analysé est le courant, image du couple, transmis au calculateur. Or, la fréquence de mise à jour de cette information est de l’ordre de 10 µs alors que la capacité à transmettre sur des protocoles multiplexés du type LIN est de l’ordre de 100 ms, ce qui conduit à une incompatibilité, la bande passante étant insuffisante pour transmettre les informations nécessaires. La transmission de toutes les acquisitions d'information n’est pas adaptée au réseau de communication à bande passante très limitée à destination de l'électronique de contrôle véhicule.
Le brevet US2020300156 décrit un autre système de détection d'anomalie d'un système de recirculation d'eau de refroidissement de moteur comprenant : un obturateur de calandre apte à régler un flux d'air de circulation venant de l'extérieur d'un véhicule vers l'environnement d'un corps de moteur, mettant en œuvre quatre réseaux de neurones appris sont stockés, qui sont obtenus en utilisant au moins cinq paramètres constitués d'une température d'eau de refroidissement du moteur au moment du démarrage du moteur, une quantité d'air admise dans le moteur, une quantité de carburant injectée dans le moteur, une température extérieure la température de l'air et la vitesse du véhicule en tant que paramètres d'entrée des réseaux neuronaux et en utilisant une valeur mesurée de la température de l'eau de refroidissement du moteur en tant que données d'apprentissage pour apprendre des poids pour quatre états comprenant un état où l'obturateur de calandre est fermé et un air soufflé par la soufflante ne circule pas dans la climatisation utiliser le chauffage, état dans lequel le volet de la grille est ouvert et l'air soufflé par le ventilateur ne circule pas dans la climatisation utiliser le chauffage, état dans lequel le volet de la grille est fermé et l'air soufflé par la soufflante circule à travers l'appareil de chauffage d'utilisation de climatisation, et un état dans lequel l'obturateur de grille est ouvert et l'air soufflé par la soufflante circule à travers l'appareil de chauffage d'utilisation de climatisation. La température de l'eau de refroidissement du moteur est estimée parmi lesdits cinq paramètres à l'aide de l'un quelconque des réseaux de neurones appris correspondant à un état courant de l'obturateur de calandre et à l'état de circulation de l'air soufflé par la soufflante dans le chauffage d'utilisation de la climatisation parmi les quatre appris les réseaux de neurones. Une anomalie du système de recirculation d'eau de refroidissement du moteur est détectée sur la base d'une valeur estimée de la température de l'eau de refroidissement du moteur.
L’inconvénient de cette solution est de fournir une information relative à la prédiction de la température de l’eau de refoidissement, qui ne permet pas de caractériser une anomalie de la chaine cinématique et aéraulique du système d’obturation.
De plus, cette solution nécessite le déploiement de quatre réseaux de neurones, et donc implique des traitements extrèmement complexes.
Le brevet DE10201201469 décrit un dispositif de volet d'air présentant également un entraînement de réglage, qui est relié au au moins un volet d'air dans un mouvement et de façon à transmettre la force afin de régler le au moins un volet d'air entre ses positions de fonctionnement prédéterminées, le dispositif de volet d'air ayant également un dispositif de commande couplé à l'entraînement de réglage en termes de transmission de signal, un dispositif de commande relié au dispositif de commande, un dispositif de stockage dispositif couplé en termes de transmission de signal et un dispositif d'acquisition de données qui capture les données de fonctionnement du dispositif de volet d'air dispositif de mémoire, dans lequel une différence dans les positions de fonctionnement représentant un ensemble de données de fonctionnement de référence est stockée dans le dispositif de mémoire.
Le brevet US213338870 décrit une autre solution de système et un procédé de diagnostic d'un défaut mécanique affectant un système "AGS" de volets de calandre active (Active Grille Shutter) d'automobile. Le procédé consiste à recevoir au moins un signal d'état de défaut mécanique (410), un tel signal indiquant qu'un état particulier de défaut mécanique a été détecté dans le système AGS. Le procédé consiste également à recevoir un signal de température (418) indiquant une température en un endroit proche du volet de calandre du système AGS, et à déterminer s'il y a lieu d'effectuer un diagnostic étendu, au moins sur la base du signal d'état de défaut mécanique et du signal de température.
Inconvénients de l’art antérieur
Les solutions de l’art antérieur ne permettent pas de caractériser de manière fiable une anomalie de l’état de la chaîne mécanique et aéraulique d’obturation, sans aucune modification mécanique de cette chaîne mécanique et aéraulique, par exemple la déformation d’un volet ou le bris partiel du système d’entrée d’air.
Solution apportée par l’invention
Afin de répondre à ces inconvénients et de permettre d’apporter une fonction de diagnostic du système complet sans modification de l’organe obstruant, pour caractériser un disfonctionnement aéraulique, en exploitant les données internes au système mécatronique mobilisant l’organe obstruant ou les données générées par l’organe obstruant le cas échéant. A cet effet, La présente invention concerne selon son acception la plus générale un procédé de diagnostic de fonctionnement d'un système de régulation active de flux d’air pour véhicule présentant les caractéristiques énoncées en revendication 1 ainsi qu’un système présentant les caractéristiques énoncées dans la revendication de système.
Le procédé comprend :
- un organe mécanique obstruant,
- un système mécatronique, muni d'un boîtier contenant un moteur à aimant piloté par un circuit de commande et accouplé à une transformation de mouvement permettant de déplacer l'organe mécanique obstruant,
- des lignes de communication électroniques pour échanger de l'information avec le DCU du véhicule ou recevoir des commandes du DCU du véhicule,
- enregistrer, lors d’un cycle de fonctionnement du système de régulation active de flux d’air, une séquence numérique S de données dans une mémoire, lesdites données étant acquises par ledit circuit de commande interne au système mécatronique,
- appliquer à ladite séquence numérique de données
- discriminer une erreur sporadique associée à ladite singularité pour délivrer une information sur l’état du système de régulation active de flux d’air.
Dans une variante, ladite étape de discrimination de l’erreur sporadique est réalisée par le circuit de commande, ledit circuit de commande transmettant au DCU une information représentative de ladite erreur sporadique discriminée.
Dans une autre variante, ladite séquence de données numériques enregistrée dans la mémoire fait l’objet :
- d’un prétraitement avec une première fréquence de traitement par ledit circuit de commande et
- d’un post-traitement, par ledit DCU/ECU du véhicule avec une deuxième fréquence de traitement inférieure à ladite première fréquence de traitement permettant de compléter l’analyse, et de discriminer une erreur sporadique,
Dans une variante, ladite séquence numérique de données S enregistrée en mémoire comprend :
- des données d’un premier type et
- des données d’au moins un second type différent du premier type.
Dans une autre variante, ledit procédé comporte comme étapes supplémentaires :
- la consolidation de l'erreur sporadique suite à une instruction transmise par le DCU du véhicule donnant lieu à un état de diagnostic consolidé,
- la transmission de l'état de diagnostic consolidé au DCU du véhicule.
On entend par « ECU » au sens du présent brevet une « unité de contrôle électronique » pilotant une fonction spécifique du véhicule.
Cependant, la sécurité de la conduite, l’amélioration du confort et les fonctions d’infotainment conduisent à une complexité de système intenable – jusqu’à des centaines d’ECU par véhicule.
Il est connu d’utiliser également des contrôleurs de domaine (DCU) dans l’objectif de la centralisation via ce DCU - contrôleur de domaine, plutôt que l’utilisation de plusieurs ECU. L’essor du contrôleur de domaine automobile est particulièrement poussé par l’automatisation des véhicules, qui nécessite la fusion de données de différents capteurs, un traitement à haute vitesse, et doit respecter les exigences les plus strictes en matière de sécurité. Elle doit également offrir la possibilité d’un développement continu de nouvelles caractéristiques et fonctionnalités tout au long de la vie du véhicule, par des mises à jour Over The Air (OTA).
L’invention mentionnera une ECU ou DCU indifféremment, la nature de contrôleur dépendant du choix d’architecture informatique du véhicule sur lequel l’invention est mise en œuvre.
En outre, l’algorithme d’analyse statistique peut être muni d’une séquence d'apprentissage supervisée, non supervisée ou par renforcement.
En alternative, l’algorithme d’analyse statistique peut être muni d’une méthode de sélection par regroupement.
Dans une variante, l’organe mécanique obstruant est dépourvu d’éléments dédiés au diagnostic externes audit système mécatronique.
Dans une déclinaison permise, la donnée numérique est relative au fonctionnement du moteur à aimant du système mécatronique.
Dans une alternative anticipée, la donnée numérique est une mesure du courant de phase moteur.
Dans ce cas, ladite donnée numérique peut être une mesure de l’angle de charge du rotor du moteur à aimants.
Dans une variante, le modèle algorithmique d'analyse statistique pour déterminer une singularité est muni d'une comparaison entre la séquence de données numériques échantillonnée enregistrée et une carte de données de référence.
Dans une seconde variante, le modèle algorithmique d'analyse statistique pour déterminer une singularité est muni d'une détection d'un point singulier dans la séquence de données numériques échantillonnée enregistrée.
Dans une troisième variante, le modèle algorithmique d'analyse statistique pour déterminer une singularité consiste à soumettre la séquence de données numériques échantillonnée enregistrée à un modèle obtenu par entraînement d’un réseau de neurone à partir de données d’apprentissage correspondant au fonctionnement nominal de l'organe mécanique obstruant.
Dans tous les cas de figures, une séquence de données numériques échantillonnée de référence peut être enregistrée pour chaque système mécatronique en fin de chaîne d'assemblage.
En l’occurrence, le modèle algorithmique d'analyse statistique peut comparer la séquence de données numériques échantillonnée avec la séquence de données numériques échantillonnée de référence de manière à détecter une dérive comportementale pouvant donner lieu à une dégradation du système mécatronique ou pouvant valider un comportement d’usure normale du système.
Dans une variante, la séquence de données numériques échantillonnée enregistrée est issue d’une donnée numérique fonction de la charge mécanique dans le système de grilles actives.
Dans ce cas, l’identification d’une singularité dans la séquence de données numériques échantillonnée enregistrée peut être permise en connaissance :
- des masses ou inerties à déplacer dans le système de grilles actives,
- et/ou des frictions mécaniques dans ledit système,
- et/ou de la charge aéraulique exercée sur ledit système,
- et/ou de la température du système.
On entendra par « singularité » au sens du présent brevet un point ou un sous-ensemble de points de la séquence de données enregistrée se distinguant d’une séquence de référence correspondant à un fonctionnement nominal, par comparaison avec une ou plusieurs séquences de données nominales préenregistrées, ou par différence entre la signature de la séquence de données et la signature d’une séquence de données nominales acquise pendant une phase préliminaire d'apprentissage, obtenues par une même fonction de calcul de signature, ou une singularité au sens d’une statistique gaussienne ou encore un point ou un ensemble de point se distinguant de la projection de la courbe médiane formée par les points précédents significativement de la moyenne des fluctuations des points enregistrés par rapport à ladite courbe médiane, significativement s’entendant comme « dépassant d’au moins 20% l’amplitude des fluctuations en régime normal ou nominal.
On distingue en particulier les données pour lesquelles la signature (couple, courant, position …) est recherchée, et les informations enregistrées dans la mémoire interne du système mécatronique, et notamment dans la mémoire volatile ou non volatile du contrôleur, par exemple une température.
Selon une variante, ledit modèle algorithmique d'analyse statistique pour déterminer une singularité consiste à soumettre la séquence de données numériques échantillonnée enregistrée à un modèle obtenu par entraînement d’un réseau de neurone à partir de données d’apprentissage correspondant au fonctionnement nominal de l'organe mécanique obstruant.
Selon un mode de réalisation particulier, une séquence de données numériques échantillonnée de référence est enregistrée pour chaque système mécatronique en fin de chaîne d'assemblage.
Avantageusement, ledit modèle algorithmique d'analyse statistique est apte à comparer la séquence de données numériques échantillonnée avec la séquence de données numériques échantillonnée de référence de manière à détecter une dérive comportementale.
Selon une variante, la séquence de données numériques échantillonnée enregistrée est issue d’une donnée numérique fonction de la charge mécanique dans le système de grilles actives.
Selon des modes de réalisation particuliers, l’identification d’une singularité dans la séquence de données numériques échantillonnée enregistrée est permise en connaissance :
- des masses ou inerties à déplacer dans le système de grilles actives,
- et/ou des frictions mécaniques dans ledit système,
- et/ou de la charge aéraulique exercée sur ledit système.
L’invention concerne aussi un système électromécanique de régulation active de flux d’air (1) pour véhicule, comprenant :
- un organe mécanique obstruant,
- un système mécatronique, muni d'un boîtier contenant un moteur à aimant (10) piloté par un circuit de commande et accouplé à une transformation de mouvement permettant de déplacer l'organe mécanique obstruant,
- Des lignes de communication électroniques pour échanger de l'information avec le DCU du véhicule ou recevoir des commandes du DCU du véhicule,
- enregistrer, lors d’un cycle de fonctionnement du système de régulation active de flux d’air, une séquence de données numériques échantillonnées
- appliquer à ladite séquence de données numériques échantillonnées
- discriminer par le circuit de commande et transmettre au DCU, une erreur sporadique associée à la singularité, étant une information sur l’état du système de régulation active de flux d’air (1).
La présente invention sera mieux comprise à la lecture de la description de différentes variantes de réalisation non limitatives qui suit, se référant aux dessins annexés où :
Principe général d’un système de régulation active de flux d’air
La représente une vue générale d’un système de régulation active de de flux d’air (1). Ce système de régulation est composé d’un organe mécanique obstruant (2) qui est positionné sur la calandre de l’automobile et est apte à entraver l’arrivée du flux d’air sur le radiateur, et comprend un système mécatronique (3) commandant le positionnement de l’organe mécanique obstruant (2), tel que des volets ou un rouleau, permettant la modulation du débit d’air reçu par le radiateur, en fonction de l’état dudit organe mécanique obstruant (2).
Le but de l’invention est d’automatiser la détection et la caractérisation d’une anomalie dans les éléments mécaniques et/ou aérauliques de régulation du flux d’air, notamment la disparition d’un volet, ou la modification de la géométrie d’un volet résultant par exemple d’un choc, même si ces anomalies ne modifient pas la cinématique générale du système mécatronique de régulation du flux d’air. Bien entendu, l’invention permet aussi de détecter les anomalies du système mécatronique de régulation du flux d’air par exemple un blocage ou un grippage.
Le système mécatronique (3) comprend une chaîne de transmission du mouvement (20) entrainée par un moteur synchrone polyphasé à aimants permanents, appelé par la suite moteur à aimants (10), piloté par un circuit de commande électronique (30), par exemple un moteur triphasé tel qu’illustré par la .
L’invention consiste à exploiter les signaux disponibles sur le circuit de commande électronique (30) du système mécatronique (3), sans nécessiter l’adjonction d’un ou plusieurs capteurs additionnels sur l’organe mécanique obstruant (2) du système de régulation active de flux d’air (1), afin que le système mécatronique (3) selon l’invention permette d’apporter une information de diagnostic lorsqu’il est intégré dans un système de régulation active de flux d’air (1) initialement démuni de cette fonctionnalité. Néanmoins, lorsque des capteurs supplémentaires sont déjà implémentés au système de régulation active de flux d’air (1), par exemple sur l’organe mécanique obstruant (2), l’invention peut également exploiter les signaux issus de ces capteurs à condition qu’ils soient traités par le circuit de commande électronique (30).
Le cas présenté en illustre une configuration dans laquelle le moteur à aimants (10) présente un pilotage de type pas à pas. Le système mécatronique (3) est muni :
- d’un connecteur électrique (6) recueillant l’alimentation électrique (5) provenant du réseau électrique continu du véhicule,
- de lignes de communication (7) électriques composées de commandes provenant de l’unité de contrôle de domaine ou DCU (8) du véhicule (pour D omain C ontrol U nit) et d’informations générées par le système mécatronique (3) lui-même et à destination dudit DCU (8) du véhicule,
- d’un module électrique de protection et de filtrage(9) permettant de respecter les normes électriques et électromagnétiques applicables,
- d’un circuit de commande (11) pourvu de mémoires, tel qu’un microcontrôleur, générant la communication véhicule, les fonctions de contrôle et le pilotage du moteur à aimants (10) par association à un module de pilotage des transistors,
- du moteur à aimants (10) générant le déplacement et le couple souhaités,
- d’un onduleur polyphasé (12), préférentiellement diphasé ou triphasé, composé de transistors de type MOSFET alimentant le moteur à aimants (10) en énergie électrique,
- d’une chaîne de transmission du mouvement (20), pour la réduction ou la transformation du mouvement du rotor du moteur à aimants (10), dont l’étage d’entrée est entrainé par le rotor du moteur à aimants (10) et dont l’étage de sortie (21) est accouplé à l’organe mécanique obstruant (2).
Il est important de noter que le circuit de commande (11), le module de pilotage des transistors et l’onduleur polyphasé (12) peuvent être intégré dans un composant spécifique (13) connu par l’homme du métier sous l’acronyme SOC (System On Chip). De manière préférentielle, la séquence de données est générée par la combinaison d’au moins deux informations de type différent, ces types pouvant être issus, sans en être limitatif, des éléments suivants :
- un (ou plusieurs) capteur de vibrations (13) mesurant des niveaux de vibrations d’un sous ensemble mobile en prenant en compte le contexte du système de régulation active de flux d'air (1),
- un (ou plusieurs) capteur de température (14) mesurant la température interne du système mécatronique (3) et permettant de déduire la température locale d’une région du système de régulation active de flux d'air (1),
- un (ou plusieurs) capteur de position (15) mesurant la position en continu du rotor du moteur à aimants (10) ou d’un élément mobile dans le système mécatronique (3) et permettant de reconstruire l’angle de charge du moteur à aimants (10),
- un (ou plusieurs) capteur électrique (16) mesurant une ou plusieurs grandeurs électriques, telles que des tensions ou des courants, au niveau de l’onduleur polyphasé (12) et qui recombinées permettent de reconstruire l’angle de charge du moteur à aimants (10).
La combinaison d’informations de plusieurs types de capteurs peut être avantageuse dès lors qu’il existe une forte pression économique sur les composants intégrés dans l’actionneur, par exemple une électronique de pilotage très basique ou des capteurs de faible sensibilité, qui ne permettent pas d’extraire une singularité à parti d’informations provenant d’un seul type de capteur. Cette singularité peut néanmoins être isolée par la coopération de signaux faibles, elle est alors identifiée dans une séquence de données échantillonnées issue de l’agrégation de données provenant de sources de types différents. Toutefois, ce mode de réalisation n’est pas limitatif car dès lors que la pression économique disparait, il peut être envisagé d’utiliser un système plus complexe et l’erreur sporadique peut être extraite à partir d’une séquence de données présentant des informations d’un seul type.
Dans l’exemple de la , un scénario typique peut être décrit de la manière suivante. Le circuit de commande (11) reçoit une instruction de mouvement de la part du DCU (8), il génère alors la séquence de pilotage appropriée des interrupteurs de l’onduleur polyphasé (12) de manière à générer ledit mouvement. L’instruction de mouvement en provenance du DCU (8) peut être un mouvement d’ouverture ou de fermeture, complet ou partiel, ou une position absolue de la course à atteindre. L’invention consiste à acquérir une séquence de donnée par le circuit de commande (11), à l’enregistrer dans la mémoire, à l’analyser à l’aide d’un traitement numérique apte déceler une singularité et à transmettre au DCU (8) une erreur sporadique associée à cette singularité via les lignes de communication (7).
La séquence de donnée peut être acquise pour tout mouvement, ou épisodiquement selon une instruction du DCU (8) ou du circuit de commande (11).
Le circuit de commande (11) est apte à extraire une singularité de cette séquence de données enregistrée à l’aide d’un traitement statistique plus ou moins complexe en fonction des exigences fonctionnelles, liées aux types de dysfonctionnements recherchés et à la sensibilité souhaitée. Par exemple, un défaut lié à une détérioration soudaine, comme la casse d’un volet bloquant la course de l’organe mécanique obstruant (2), présente une signature beaucoup plus facile à mettre en évidence qu’un vieillissement progressif de l’actionneur entraînant une dégradation ténue des performances proche du minimum exigé. Cette singularité peut donc être le symptôme d’une grande diversité de dysfonctionnements et nécessite d’appliquer l’algorithme de traitement approprié pour générer une erreur sporadique issue de cette erreur afin de la transmettre au DCU (8). On entend par erreur sporadique un code d’erreur intelligible par le DCU (8) et pouvant signaler une grande diversité de dysfonctionnements rencontrés par l’actionneur, tels que la perte d’un des éléments mobiles, la désolidarisation d’un des éléments mobiles de la chaîne de transmission du mouvement, la perte de plusieurs des éléments de l’organe mécanique obstruant (2), ou encore casse d’une pièce de la chaîne de transmission du mouvement (20), mais n’étant pas limitées à ces erreurs.
Comme le montre la , le système mécatronique (3) peut intégrer diverses capteurs internes pour générer les signaux exploités par le circuit de commande (11). Ces capteurs peuvent être de natures diverses et de manière non limitative peuvent être un capteur de vibrations (13), un capteur de température (14), un capteur de pression, ou encore une sonde analogique ou numérique mesurant l’angle magnétique du rotor. L’invention peut aussi judicieusement profiter de la combinaison de plusieurs signaux pour générer le diagnostic d’intégrité du système de régulation active de flux d’air.
La présente une alternative de réalisation d’un système de régulation active de flux d’air (1) selon l’invention. Ce mode de réalisation diffère de celui présenté en en ce que le pilotage du moteur à aimants (11) est de type BLDC sensored, c’est-à-dire que le moteur à aimants (11) est muni d’un contrôle direct ou FOC en boucle fermé avec mesure directe de la position de son rotor. A cet effet, un ou plusieurs capteurs (15) sont prévus pour informer le microcontrôleur de la position exacte du rotor du moteur aimants permanents (11), lui-même générant le déplacement et le couple souhaités.
La présente une variante de réalisation d’un système de régulation active de flux d’air (1) selon l’invention. Ce mode de réalisation diffère de celui présenté en en ce que le pilotage du moteur à aimants (11) est de type BLDC sensorless, c’est-à-dire que l’information de position du rotor du moteur à aimants (11) ne provient plus des capteurs de position (15) mais est estimée à partir des grandeurs électriques mesurées aux bornes des lignes d’alimentation des phases du moteur à aimants (11), par exemple grâce à un dispositif de mesure (17) des courants et/ou tensions de phases, ce dispositif de mesure (17) pouvant être muni de un ou plusieurs capteurs de tension et/ou de courant.
Bien entendu ces modes de réalisation du système mécatronique ne sont pas limitatifs de l’invention et l’homme de métier pourrait aisément imaginer d’autre alternatives pour la réalisation et le pilotage du moteur à aimants, comme pour la teneur des capteurs internes au système mécatronique utilisés pour la déceler un dysfonctionnement.
Au travers de multiples exemples de réalisation, différents types de dysfonctionnements sont illustrés, différents moyens pour détecter ces dysfonctionnements sont également présentés, tout comme de multiples solutions pour extraire une singularité à partir de l’information fournie par les moyens de détection. Enfin, plusieurs implémentations algorithmiques permettant de convertir la singularité détectée en un signal d’erreur tangible sont fournies. Les exemples décrits ne sont apportés qu’à titre illustratif et ne sont en aucun cas limitatif de l’invention, l’homme de métier pouvant utiliser partie ou totalité de ces exemples et remplacer une brique manquante par une solution connue de la technique.
Description détaillée d’une variante d’algorithme de détection de dysfonctionnement
Un exemple d’algorithme (200) décrivant le diagnostic de d’identification de défaillances pour un système de régulation active de flux d’air (1), dont l’organe mécanique obstruant est un ensemble de volets, est représenté par le logigramme donné en . Suite au parfait achèvement d’une phase d’apprentissage unique ou cyclique (100), décrite en , cet algorithme peut être enclenché à la réception d’une demande du DCU (8), ou être automatiquement initié à la mise en mouvement de l’actionneur par le DCU (8).
Une étape (120) facultative en amont de cet algorithme, consiste à obtenir l’autorisation auprès du DCU (8) d’effectuer un diagnostic de l’état du système en cas de diagnostic sur demande, à défaut, le diagnostic sera activé en permanence lors de tout mouvement réalisé par le système mécatronique.
La première étape (210) consiste à initier une phase de mouvement de l’organe mécanique obstruant (2) générée par le système mécatronique (3). Lors de cette phase de mouvement, l’étape (211) consiste à acquérir une série de données par le circuit de commande (11). L’enregistrement des données peut avoir lieu sur une partie ou la totalité du mouvement de l’organe obstruant et finit dans tous les cas à l’étape (212), déclenchée par la fin dudit mouvement. Le microcontrôleur procède alors à une analyse de la série de données enregistrées à l’aide d’un algorithme dédié afin de déceler une singularité (213), cet algorithme pouvant s’apparenter à un modèle d’apprentissage automatique ou d’apprentissage profond. Il s’en suit alors une étape (214) de classification de l’information résultante de l’analyse de la série de données , donnant lieu à 4 issues possibles :
- Aucune singularité n’a été détectée, le système a donc été classifié comme « système nominal ». Il s’en suit alors une étape (220) lors de laquelle un code de bon fonctionnement est généré par le système mécatronique (3) à destination du DCU (8), ce code étant associé, lors d’une étape (221), à la transmission d’un taux de confiance de la classification réalisée préalablement (214) au DCU (8).
- Une singularité correspondant à une dégradation équivalente au dysfonctionnement d’un seul volet actif a été détectée, le système a donc été classifié ponctuellement comme « système avec un volet dégradé ». Il s’en suit alors une étape (230) lors de laquelle un code d’erreur sporadique est généré par le système mécatronique (3) à destination du DCU (8), ce code étant associé lors de l’étape (232) à la transmission d’un taux de confiance de la classification réalisée préalablement, lors de l’étape (214), ainsi qu’à la transmission du contexte environnemental, lors d’une étape (233), dans lequel le diagnostic, étapes (210) à (214), a été exécuté.
- Une singularité correspondant à une dégradation équivalente au dysfonctionnement de plusieurs volets actifs a été détectée, le système a donc été classifié ponctuellement comme « système avec dégradation importante ». Il s’en suit alors une étape (231) lors de laquelle un code d’erreur sporadique est généré par le système mécatronique (3) à destination du DCU (8), ce code étant associé lors de l’étape (232) à la transmission d’un taux de confiance de la classification réalisée préalablement, lors de l’étape (214), ainsi qu’à la transmission du contexte environnemental, lors de l’étape (233), dans lequel le diagnostic, étapes (210) à (214), a été exécuté.
- La classification résultante de l’analyse de la série de données, réalisée en étape (214), n’a pas permis de converger vers une information avec un taux de confiance suffisant pour pouvoir la diffuser à destination du DCU (8). Il s’en suite alors une étape (240) lors de laquelle un code correspondant à l’état de la « non disponibilité » de la classification de diagnostic est généré et transféré par le système mécatronique (3) à destination du DCU (8), ce code étant associé lors de l’étape (241) à la transmission au DCU (8) du contexte environnemental dans lequel le diagnostic, étapes (210) à (214), a été exécuté et n’a pu converger.
L’étape (250), commune à toutes les classes fournissant une information tangible, oriente en fonction du niveau de confiance généré lors des étapes précédentes, vers une étape (260) si le niveau de confiance est supérieur ou égal à un seuil préétabli, par exemple 99.99%. Lors de l’étape (260), un code d’erreur consolidé ou un code de bon fonctionnement consolidé est généré et transféré par le système mécatronique (3) à destination du DCU (8), pouvant être utilisé pour alimenter de manière certaine la stratégie de diagnostique au niveau véhicule (dite OBD). En alternative, si le niveau de confiance est inférieur à au seuil préétabli, l’étape (250) est suivie d’une étape (270) lors de laquelle une recommandation de stratégie de consolidation de l’erreur sporadique, composée essentiellement d’un ou plusieurs mouvements partiels ou complets de l’actionneur, va être proposée par le système mécatronique à destination du DCU.
Lors de l’étape (300) et dans le cas où l’étape (241) a été précédemment exécutée, la synthèse d’une mise à jour de l’analyse de la série de données enregistrées (donc de l’algorithme dédié ou du modèle) est par le système mécatronique (3) afin de pouvoir classifier dans le futur la suite de données qui n’a pas permis à l’analyse statistique actuelle de converger.
Lors de l’étape (300) et dans le cas où l’étape (270) a été précédemment exécutée, la synthèse d’une mise à jour de l’analyse de la série de données enregistrées (donc de l’algorithme dédié ou du modèle) est initiée par le système mécatronique (3) afin de pouvoir classifier dans le futur la suite de données avec un niveau de confiance meilleur comparé à celui qui vient d’être calculé.
Les étapes (260) et (300) conduisent alors à l’étape (280) correspondant à la fin de l’algorithme pour l’identification de dysfonctionnement.
A noter que la stratégie de consolidation peut être traiter par l’algorithme pour l’identification de dysfonctionnement ici présenté où être un algorithme alternatif, potentiellement spécifique au code de consolidation transféré au DCU (8), proposé par le système ou imposé par le DCU (8). Le DCU (8) pouvant avoir préférentiellement la responsabilité de la stratégie à adopter pour consolider l’information (c’est-à-dire le code d’erreur sporadique ou de bon fonctionnement).
L’algorithme pour l’identification de dysfonctionnement décrit ici n’est donné qu’à titre illustratif et ne doit en aucun cas être considéré comme limitatif de l’invention. L’homme de métier pouvant aisément imaginer des alternatives plus ou moins proches répondant au besoin technique essentiel, à savoir informer le DCU (8) d’une divergence du fonctionnement nominal à l’aide d’un code d’erreur.
Une séquence (300) décrivant, à titre d’exemple, la rétropropagation appliquée à un modèle d’apprentissage est représentée par le logigramme représenté en . Si lors de l’étape (301) il est révélé que l’analyse précédente de la suite de données a divergé à la place de converger vers une classification correcte du système parmi les options prédéterminées, données en , une étape (302) d’analyse algorithmique interne est exécutée par le circuit de commande (11) (ou par le DCU (8) du véhicule) afin de proposer une mise à jour du modèle (c’est-à-dire de l’algorithme) utilisé pour effectuer ladite analyse de la suite de données. Lors de l’étape (303) si une mise à jour a pu être proposée permettant de classifier cette suite de données, tout en garantissant les mêmes niveaux de performances sur les classifications des échantillons précédents, alors une demande de mise à jour officielle peut être envoyé au DCU véhicule lors d’une étape (307), puis en cas d’accord, être enregistrée et activée dans le MCU lors d’une étape (308). Si toutefois aucune solution de mise à jour n’a pu être mis en évidence lors des étapes (302) et (303), alors le contexte environnemental dans lequel le diagnostic a été exécuté est enregistré, lors d’une étape (304), en mémoire non volatile du circuit de commande (11) (ou du DCU (8) du véhicule) pour permettre d’identifier à postériori les limitations de la solution actuelle, cette étape terminant la séquence.
Si lors de l’étape (301) il est révélé que l’analyse précédente de la suite de données a généré une classification avec un niveau de confiance inférieur à 99.99%, une boucle d’analyse algorithmique interne est initiée par le circuit de commande (11) (ou par le DCU (8) du véhicule), dans une étape (305), afin de proposer une mise à jour du modèle (c’est-à-dire de l’algorithme) utilisé pour effectuer ladite analyse de la suite de données. Lors de l’étape (306), si une mise à jour a pu être proposée permettant de générer la classification avec un niveau de confiance supérieur à 99.99% tout en garantissant les mêmes niveaux de confiance sur les classifications des échantillons précédents, alors une demande de mise à jour officielle peut être envoyé au DCU (8) véhicule, lors d’une étape (307), puis en cas d’accord, être enregistrée et activée dans le circuit de commande (11) lors d’une étape (308). Si aucune solution de mise à jour n’a pu être proposée lors de l’étape (306), la séquence est terminée.
Différents types de dysfonctionnements
La représente un exemple de réalisation d’un système de régulation active de flux d’air (1) dont l’organe mécanique obstruant (2) est constitué d’un ensemble de volets. Ce système de régulation active de flux d’air est positionné sur la calandre de l’automobile, devant le radiateur, et comprend un système mécatronique (3) entraînant un axe (4) traversant la roue dentée de sortie dudit système mécatronique (3). Cet axe (4) commande le positionnement des volets droits (23 à 25) et des volets gauches (26 à 28) par l’intermédiaire d’une transmission (19, 29).
La représente un exemple alternatif de réalisation d’un système de régulation active de flux d’air (1) dont l’organe mécanique obstruant (2) est constitué d’un cadre (31) occultable par un rideau (32) enroulable autour d’un axe (4) traversant une roue dentée de sortie du système mécatronique (3).
Les figures 8 à 16 illustrent de manière non limitative différents types de dysfonctionnements liés au système de régulation active de flux d’air (1), les figures 8 à 12 illustrant des dysfonctionnements pour un l’organe mécanique obstruant (2) muni de volets, tel que présenté en , et les figures 13 à 16 illustrant des dysfonctionnements pour un l’organe mécanique obstruant (2) muni d’un rideau, tel que présenté en . Ces figures représentent des systèmes avec des grilles actives dont les axes de rotation des volets sont positionnés horizontalement, mais l’invention s'étend également à toute autre orientation des axes de rotation des volets.
La correspond à une situation où l’un des volets centraux est manquant, à la suite d’un choc ou d’une rupture de son axe de pivotement. Il laisse alors la place à une ouverture permanente (34) laissant passer un flux d’air, quelle que soit l’orientation commandée par l’actionneur. Toutefois, le volet (24) manquant va se traduire par une modification des efforts s’exerçant sur le système mécatronique (3) lors du changement d’orientation, et la signature de ces efforts peut être détectée par le traitement des signaux électriques directement mesurés sur les ports d’alimentation et de commande du système mécatronique (3). Dans l’exemple décrit par la , un volet central est manquant, mais l’invention ne se limite pas à ce cas de figure et des signatures différentes peuvent être observées lorsqu’un volet d’extrémité est manquant ou même lorsque plusieurs volets manquent, la signature pouvant aussi varier en fonction de la combinaison des volets manquants.
Les figures 9 à 11 correspondent à une autre situation de dysfonctionnement sur le système de régulation active de flux d’air par volets, où tous les volets (26, 27, 28) sont présents, mais l’un (ou plusieurs) d’entre eux n’est plus entrainé par la cinématique de transmission de mouvement (36). Cela peut par exemple provenir de la casse d’une biellette (37), comme représenté sur la , ou de la casse d’une patte d’entrainement (38) du volet tel que représenté en , ou encore la casse de l’axe de transmission (39) visible sur la .
Ce dysfonctionnement provoque une modification des efforts s’exerçant sur le système mécatronique (3) lors du changement d’orientation. La signature de ces efforts peut être détectée par le traitement des signaux électriques directement mesurés sur les ports d’alimentation et de commande du système mécatronique (3).
La correspond à une autre situation de dysfonctionnement, où un volet (24) n’est plus entrainé et perturbe l’ouverture ou la fermeture des volets (23, 25) adjacents. Ce comportement peut survenir lors d’une casse de l’arbre d’entrainement d’un volet et s’accompagne d’un déplacement dans la course des autres volets. Ce type de casse peut se traduire par un surcouple ponctuel nécessaire pour désentraver les volets en contact, ou par un fort surcouple dû à un blocage complet du système à une position située en dehors des butées fonctionnelles. A noter que le grippage de l’axe d’entrainement d’un volet ou de l’ensemble des volets peut lui aussi conduire à une augmentation ponctuelle ou générale du couple à fournir sur la course d’ouverture ou de fermeture.
Les figures 13 à 15 correspondent à une autre situation de dysfonctionnement sur le système de régulation active de flux d’air par rideau, où un élément dans la cinématique de transmission de mouvement est défaillant. Cela peut par exemple provenir de la casse de l’axe (4) de transmission comme illustré en , de la casse d’un câble d’entrainement (33) comme illustré en , ou encore de la déchirure (40) du rideau (32) comme le montre la .
Cela se traduit par une modification des efforts s’exerçant sur le système mécatronique (3) lors du changement d’orientation. La signature de ces efforts est détectée par le traitement des signaux électriques directement mesurés sur les ports d’alimentation et de commande du système mécatronique (3).
La correspond à une autre situation de disfonctionnement, où le cadre (31) du rideau (32) est déformé, voire cassé. Ce type de casse (35) peut se traduire par un surcouple ponctuel nécessaire pour mouvoir le rideau, ou par un fort surcouple dû à un blocage complet du système. A noter que le grippage de l’axe d’entrainement d’un volet ou de l’ensemble des volets peut lui aussi conduire à une augmentation ponctuelle ou générale du couple à fournir sur la course d’ouverture ou de fermeture par le système mécatronique (3).
Description détaillée d’une première variante de mesure d’une singularité
Selon l’une des variantes de réalisation, la détection des singularités de fonctionnement est basée sur l’échantillonnage et l’analyse de l’angle de charge.
L'angle de charge correspond au décalage angulaire magnétique du rotor par rapport à la position angulaire annulant le couple magnétique entre le rotor et le stator. Un moyen usuel de représenter ceci est l’utilisation d’un diagramme de Fresnel, tel qu’illustré figure 17 par les sous figures a, b, c et d, dans lequel les états magnétiques du rotor et du stator sont représentés par des vecteurs. Sur cette figure, représentant une machine triphasée, les vecteurs U, V, W sont les états magnétiques correspondant à l’alimentation de chacune des phases du moteur avec une même tension.
Dans cette représentation, l’angle de charge (52) correspond à l'angle entre le vecteur statorique (50) et le vecteur rotorique (51) du champ magnétique. Le couple résultant au niveau du rotor généré par l'alimentation électrique au niveau du stator varie d'un couple nul lorsque cet angle est égal à 0°, tel que représenté en , à un maximum lorsque les vecteurs sont à 90°, tel que représenté en . Le couple, représenté par le vecteur de couple (53) est directement proportionnel au sinus de l'angle de charge (52) et au courant d'alimentation. Les figures 17b et 17c représentent des situations intermédiaires où l’angle de charge est compris entre 0° et 90° de manière à visualiser l’évolution du vecteur de couple entre ces valeurs.
Dans l'hypothèse d'un déplacement sans aucune charge au niveau du rotor, l'angle de charge (52) est égal à 0° et les vecteurs statorique et rotorique sont colinéaires. La position angulaire réelle du rotor est identique à la position de commande.
Lors de l'application d'un effort sur le rotor, par exemple par un couple de freinage, ou une charge ou un couple d'entraînement, l'angle de charge (52) augmente et n'est alors plus égal à 0°. Lorsque cet angle de charge (52) dépasse 90°, le couple exercé diminue et peut entraîner une perte de synchronisme entre le rotor et le champ statorique, appelé décrochage du rotor.
Ainsi, la mesure de l’angle de charge (52) nécessite la mesure de la position angulaire rotorique.
Dans son acceptation la plus globale, l’invention est compatible avec tous les types de pilotages d’un moteur synchrone mais cette solution se dédie de manière plus spécifique aux moteurs pilotés en mode pas-à-pas. Diverses solutions existent alors pour mesurer la position du rotor et l’utilisation de capteurs dédiés est privilégiée, ledit capteur pouvant être une sonde magnéto sensible analogique, qui présente néanmoins l’inconvénient d’une résolution modeste qui peut montrer ses limites lorsque l’on cherche à mesurer de très petites variations de l’angle de charge (52). En effet, dans le cadre des actionneurs à forte réduction mécaniques, tel que ceux utilisés dans l’invention, la chaîne de réduction réduit, d’un facteur égal à la réduction, les effets perceptibles sur le moteur d’entraînement d’une variation de charge subie par l’organe à entraîner. Aussi, toujours à cause de cette réduction, la vitesse de rotation du rotor est bien plus grande que celle de l’organe entraîné, d’un facteur égal à la réduction. Le calcul de l’angle rotorique à chaque pas, ou à chaque micro-pas, demande donc une ressource de calcul très importante et donc onéreuse, souvent incompatible avec le prix cible de ces applications. Ainsi, au lieu de mesurer l’angle de charge par comparaison de l’angle statorique à l’angle rotorique absolu, reconstruit à partir de deux signaux d’une sonde analogique en quadrature, il est proposé de drastiquement diminuer le nombre de mesures de l’angle de charge lors d’une rotation complète du rotor pour améliorer la résolution angulaire.
Une première solution consiste à toujours utiliser une sonde analogique mesurant le champ de l’aimant capteur, mais en s’affranchissant de la reconstruction de l’angle rotorique absolu, source d’imprécisions et consommateur de ressources de calcul. Nous souhaitons alors mesurer uniquement les passages par zéro de ladite sonde, qui sont ceux qui présente la meilleure précision car ce sont là où les variations de champ sont les plus importantes. Pour correctement identifier ce passage par zéro, il est nécessaire de mesurer et d’enregistrer la valeur maximale et la valeur minimale de la sonde pour chaque période magnétique, le passage par zéro étant alors reconstruit comme étant la valeur moyenne entre les valeurs maximale et minimale du pas précédent. Ceci permet de conférer une insensibilité aux variations d’amplitude de l’aimantation, soit des variations lente et irréversibles dues à un vieillissement, ou des variations réversibles et à plus court terme dues, par exemple, aux variations de température. La mesure de l’angle de charge consiste donc à :
- déclencher un compteur,
- stopper le compteur lorsqu’un passage par zéro,
- enregistrer pour le tour
- calculer l’angle de charge
Une seconde solution consiste à remplacer la sonde analogique par une sonde digitale. Cette solution dégrade légèrement la précision obtenue car elle ne permet pas d’ajuster pour chaque période magnétique la valeur du seuil de transition en fonction des mesures effectuées durant la période précédente, mais présente à la fois une économie financière et une réduction de ressources calculatoires nécessaires. En effet, par l’intégration d’une sonde digitale, il est possible d’utiliser un microcontrôleur dépourvu d’entrée analogique et il n’est plus non plus nécessaire d’effectuer la reconstruction, par calcul, de l’angle rotorique. Le procédé de mesure de l’angle de charge est outre mesure similaire à la solution précédente et consiste à :
- déclencher un compteur des pas, ou micro-pas, lorsqu’un passage par zéro de la sonde digitale est mesuré
- stopper le compteur lorsqu’un passage par zéro de la sonde digitale est mesuré,
- calculer l’angle de charge
Pour ces deux solutions, la mesure de l’angle de charge sur une période électrique, , peut-être moyennée selon la formule
,
Pour obtenir une meilleure précision, le mouvement peut être analysé sur un grand nombre de périodes électrique, voire un ou plusieurs tours de l’arbre de sortie du réducteur, il est alors envisagé d’utiliser une moyenne glissante de l’angle de charge sur échantillons, comme par exemple une moyenne glissante pondérée, lorsque l’on veut donner plus de poids aux échantillons les plus récemment mesurés :
Description détaillée d’une seconde variante de mesure d’une singularité
Selon l’une des variantes de réalisation, la détection des singularités de fonctionnement est basée sur l’échantillonnage et l’analyse du signal électrique mesuré aux bornes d’un filtre RC en série avec l’alimentation du système mécatronique (3), aussi appelé actionneur, comportant un moteur polyphasé couplé avec un pilotage dit auto commuté, connu par les hommes du métier comme "pilotage BLDC" et porté par le module électronique intégré au système mécatronique (3).
La représente le schéma électrique simplifié d’un driver triphasé selon l’invention, utilisant six transistors Q1 à Q6, Q1 et Q4 (respectivement Q2 et Q5, Q3 et Q6) pilotant le courant traversant la phase C (respectivement B et A). La résistance (60) est une résistance d’échantillonnage qui sert à la mesure de la somme des courants traversant chaque phase du moteur à aimants (10), par l’intermédiaire du filtre RC (63), composé d’une résistance (61) et d’un condensateur (62). La sortie du filtre RC (63) sera acquise sous forme de tension à l’aide du convertisseur analogique/numérique et sera transformée et prétraitée continuellement en information par un microcontrôleur par exemple.
Description concise d’alternatives de mesure d’une singularité
Un autre paramètre qu’il pourrait être intéressant de mesurer pour déceler un défaut est le nombre de pas effectués par un moteur piloté en mode pas à pas pour passer d’une position de butée à l’autre. Ce type de grandeur est notamment pratique pour relever un défaut bloquant, la course effective pouvant être largement réduite. Il est aussi proposé, dans un exemple détaillé, d’identifié un volet manquant à l’aide de ce paramètre.
La mesure d’une singularité n’est pas limitée à des grandeurs fonctionnelles au moteur électrique, comme la mesure du courant ou la mesure de l’angle de charge tels que présentés précédemment mais peut tout aussi bien être issue d’un capteur dédié mais interne à l’actionneur. On peut notamment penser à un capteur de pression ou de température dont les variations seraient proportionnelles au flux d’air entrant. Il serait donc tout à fait envisageable de mettre au points différents scénario pour rendre la mesure de ces capteurs sensibles aux défaillances précédemment citées.
Description d’un exemple d’algorithme d’identification de singularité
Un moyen de détection de singularité, par exemple compatible avec la mesure de courant présentée dans la description de la , est d’identifier dans la série de donnée enregistrée, une valeur dépassant la valeur attendue au-delà de plusieurs écart-types. Ceci est décrit ici à l’aide du formalisme développé pour la mesure de courant, mais peut tout à fait être employé pour d’autres types de données mesurées. La détection de singularité est réalisée par le traitement numérique de l’évolution d’une valeur physique constituée de la somme du courant I des N phases du moteur polyphasé, mesuré dans la résistance (60). Le courant possède une valeur stable lors du fonctionnement nominal en mode synchrone, régulier et hors comportement symptomatique du rotor du motoréducteur, mais cette valeur évolue vers une valeur différente et plus irrégulière lorsque le motoréducteur est soumis à un système régulation active du flux d’air (1) anormal ou défaillant.
Le traitement de la variation du courant I mesuré dans la résistance (60) est échantillonné, à l'aide d'un convertisseur analogique/numérique d'un microcontrôleur par exemple, et l'écart-type σ des valeurs d’amplitude du courant mesuré aux bornes de la résistance (60) sur N échantillons est calculé sur une fenêtre temporelle glissante ou fixe qui est inférieure ou égale à la durée du mouvement associé à l'acquisition des informations.
La caractérisation du mode de fonctionnement et la détection des défaillances est réalisée par l’analyse de la variation de cet écart-type σ éventuellement complété par l’analyse de l’évolution de la valeur médiane sur N échantillons du courant mesuré aux bornes de R1 :
- Un écart-type σ stable et en-dessous d’une valeur-seuil mesurée en fonctionnement nominal, correspond à un fonctionnement sans défaillance
- Un écart-type augmentant dépassant la valeur-seuil et/ou une augmentation significative du courant médian mesuré aux bornes de R1 correspond à un grippage d’un ou de plusieurs volets et/ou de leur mécanisme d’entraînement et donc une dérive du contrôle fluidique
- Un écart-type augmentant dépassant la valeur-seuil et/ou une diminution significative du courant médian mesuré aux bornes de R1 correspond à une perte d’un ou plusieurs volets, à un blocage en position ouverte, à une destruction partielle d’un ou de plusieurs volets, et donc une dérive du contrôle fluidique.
- A titre d’exemple, la valeur N2 * σ2 est comparée avec la valeur du courant I total des phases. Ce traitement numérique permet de discriminer les zones de fonctionnement régulier, des zones de fonctionnement anormal, et de fixer un seuil d'écart type E, pour les valeurs N2 * σ2 à partir duquel le microcontrôleur, ou l'ASIC, décide que le motoréducteur entraîne un mécanisme de grille défaillant. De manière non limitative, l'utilisation d'une combinaison de plusieurs autres types de modèles algorithmiques d'analyses statistiques est possible.
Dans une variante de réalisation, l’identification de la singularité est faite grâce à un algorithme d’apprentissage, cet algorithme pouvant être éduqué pour discriminer le type d’erreur rencontrée, tel qu’un volet manquant ou un volet cassé bloquant le système, mais aussi pouvant discriminer la localisation du défaut, par exemple un volet manquant située à une extrémité ou au milieu.
Dans le cadre où l’organe à entraîner est constitué d’un ensemble de volets, l’algorithme de détection de défauts peut bénéficier d’une modification constitutive de l’organe à entraîner pour améliorer la détection. Il est ainsi envisagé de fournir une signature spécifique à chaque volet pouvant être discriminée de manière fiable par l’algorithme. Ceci peut être un code binaire, tel que fait dans la demande de brevet US9810138B2, avec l’ajout d’un élément résistif ponctuel pour chaque volet, cet élément résistif étant détectable sous la forme d’un surcouple ponctuel à générer par l’actionneur, les éléments résistifs ponctuels étant placés judicieusement de manière à ce que chacun induit un surcouple à un instant différent de la course d’ouverture ou de fermeture. L’absence d’un volet est alors signifiée par l’absence d’un pic de friction lors d’un mouvement complet de l’organe à entraîner. Il est à noter qu’une telle signature peut être mesurée par un algorithme très simple détectant, par exemple, un pic de courant consommé par l’actionneur dépassant un certain seuil à des positions prédéterminées pour approuver la présence de chaque volet.
Dans le cadre où l’organe à entraîner peut être un ensemble de volets ou un rideau, la signature peut être plus ténue et profiter de la puissance d’un apprentissage profond en fournissant à chaque volet de l’actionneur une surface spécifique, une masse spécifique, ou encore un profil spécifique. Ceci peut conduire à la mesure d’une signature très spécifique par exemple liée à l’inertie du système, à sa pression aéraulique subie, ou encore par l’obtention d’une vibration propre à chaque volet.
Description d’autres variantes d’algorithme d’identification de singularité
A noter qu’il existe une multitude de variante possibles d’algorithme d’identification de singularités compatibles avec l’invention, chacune présentant ses atouts et ses défauts. Par exemple certaines sont plus robustes, mais doivent bénéficier d’une certaine séquence d’actionnement de l’organe à entraîner pour mesurer un défaut, d’autres doivent être obligatoirement être réalisées à l’arrêt, ou d’autres obligatoirement en mouvement, d’autres encore nécessitent l’adjonction de données externes comme la vitesse du véhicule, la vitesse du vent ou encore la température, si bien que la solution choisie ou l’ensemble des solutions choisies est défini par le cahier des charges. De manière non limitative, quelques exemples d’algorithmes d’identification sont fournis ci-après.
Selon une variante de l’invention, l’algorithme d’identification de singularité se base sur une mesure de variation du couple hydrodynamique. Lorsqu’un volet est manquant ou que le rideau est déchiré, la pression exercée sur l’ensemble du dispositif occultant diminue, ce qui se traduit par une diminution du couple à fournir par l’actionneur pour effectuer un mouvement d’ouverture ou de fermeture. Le couple hydrodynamique, , pouvant s’exprimer en fonction de la course de l’actionneur, , selon la formule :
où est un coefficient lié à la géométrie du dispositif occultant et au flux d’air en entrée, étant la surface d’ouverture maximale et la surface d’ouverture pour la course , cette surface s’exprimant différemment dans le cadre d’un actionneur sain ou cassé.
L’algorithme peut alors directement exploiter une mesure de couple, de courant, ou de l’angle de charge, comme séquence de données numériques échantillonnées, de manière à identifier une singularité ou peut, pour accroitre sa précision, acquérir cette donnée tout au long de la course de l’actionneur, de manière à identifier une singularité sur le travail, , fourni par l’actionneur au cours du mouvement entre et , selon la formule :
Le travail mesuré pouvant alors être simplement comparé à une courbe de référence correspondant à un actionneur saint. Il est à noter que cette méthode est très peu consommatrice de ressources calculatoires mais est grandement dépendante de la vitesse du vent et du véhicule. Néanmoins, si la puissance de calcul disponible permet de mettre en œuvre un algorithme plus intelligent, il est possible d’effectuer plusieurs mouvements spécifiques de l’actionneur permettant d’estimer la vitesse relative de l’air incident sur le dispositif occultant.
Selon une autre variante de l’invention, lorsque le système occultant est un ensemble de volets, l’algorithme d’identification de singularité peut se baser sur une mesure de la raideur du système.
Selon une autre variante de l’invention, l’algorithme d’identification de singularité peut se baser sur une mesure de l’inertie du système. Si on pilote l’actionneur AGS de sorte que la vitesse angulaire du rotor de l’actionneur croit de façon linéaire entre deux instants, alors l’accélération du rotor est constante. En réalisant un cycle d’ouverture avec le véhicule à l’arrêt, on peut détecter un défaut, comme un volet manquant, grâce à la mesure d’une variation d’inertie au cours de ce cycle par rapport à la valeur de référence enregistrée dans le système. Cette variation d’inertie pourrait alternativement être mesurée à partir d’un relevé du couple, du courant ou encore de l’angle de charge, ces exemples n’étant pas limitatifs de l’invention.
Description détaillée d’une variante d’algorithme d’apprentissage
Selon l’une des variantes de réalisation, l’algorithme décrivant le diagnostic de détection de dysfonctionnement nécessite une phase initiale d’apprentissage supervisé alimentée avec un nombre de cycle déterminé le système étant dans un mode nominal (ou fonctionnel) uniquement. Un exemple d’algorithme dudit apprentissage supervisé est représenté par le logigramme de la .
Nous notons le nombre de cycles d’apprentissage X nécessaires pour fournir un résultat, pendant toute la durée d’utilisation du système de classification de l’acquisition échantillonnée de la série de donnée d’intérêt, avec le taux de confiance optimal. Le taux de confiance est une variable croissante en fonction de X, elle présente une croissance rapide en fonction de X puis n’évolue que faiblement au-delà d’une certaine valeur de X. Il est donc possible d’obtenir un taux de confiance proche de 100%, 100% signifiant une certitude totale et 0% signifiant une incertitude totale, avec un nombre de cycles d’apprentissage limité par exemple 10 ou 20 en fonction de la sensibilité de l’algorithme et pour un niveau de confiance désiré élevé supérieur à 99%.
L’algorithme d’apprentissage (100) est déclenché à chaque mise en mouvement de l’actionneur par le circuit de commande (11), que nous appelons étape (110), il s’en suit une étape (111) de vérification du parfait achèvement de la phase d’apprentissage initiale, ceci pouvant se faire par la lecture d’un registre mémoire. Si la phase d’apprentissage est déjà achevée avec succès, alors l’algorithme d’apprentissage se termine et déclenche l’algorithme de détection de défaillances (200).
Si en revanche, la phase d’apprentissage n’est pas réputée achevée, l’état « non opérationnel du système de détection de dysfonctionnement est généré par le système mécatronique (3) à destination du DCU (8) dans une étape (112). Puis le mouvement est initié par le système mécatronique (3). L’étape (113) de l’algorithme d’apprentissage consiste à une acquisition échantillonnée de la donnée d’intérêt par le circuit de commande (11) et à enregistrer ces données dans la mémoire interne au système mécatronique (3). L’étape (113) s’achève lorsque la fin du mouvement de l’actionneur est détectée. L’algorithme d’apprentissage déclenche alors, en étape (114), l’analyse statistique des données enregistrées pour ce cycle d’apprentissage lors de l’étape (113). L’étape (115) suivante consiste à une vérification par le circuit de commande (11) de la bonne conformité du mouvement réalisé par l’actionneur et des bonnes conditions environnementales (c’est-à-dire du bon contexte) conduisant à la décision de garder ou non les données du cycle courant comme données de référence de l’algorithme d’apprentissage. Dans le cas positif, ces données sont enregistrées comme données de référence dans un registre mémoire lors d’une ultime étape (116). L’enregistrement des données de référence inclus préférentiellement des données contextuelles du cycle enregistré, comme par exemple les informations de température, de vitesse du véhicule, de pression aéraulique au niveau des volets, etc. pouvant provenir de capteurs externes, une information associée pouvant alors être générée par le système mécatronique (3) vers le DCU (8). Dans le cas où la vérification conclue à une inadéquation des données, ces dernières ne sont pas enregistrées, le cycle n’est donc pas considéré comme un cycle de référence et une information peut être générée par le système mécatronique (3) pour en informer le DCU (8).
Mode d’implémentation où les traitements des données sont partagés entre le calculateur et le DCU (8)
Dans la description qui précède, il est en général prévu de réaliser la totalité des traitements algoritmiques via le circuit de commande (11) uniquement, qui transmet ensuite une information caractérisant la nature du disfonctionnement déduit sur la chaîne aéraulique, avec ou sans anomalie mécanique.
Toutefois, il est également possible de répartir les traitements algoritmique entre le circuit de commande (11) et le DCU (8) du véhicule, qui présente généralement une capacité de calcul nettement supérieure et qui permet en outre de prendre en compte optionnellement d’autres données du véhicule afin de réaliser une intégration plus aboutie du diagnostic du véhicule. Cette implémentation doit toutefois tenir compte du fait que le BUS de transmission entre un équipement et le DCU du véhicule présente une bande passante limitée et ne permet pas de transmettre les données brutes issus des capteurs directement au DCU du véhicule. L’implémentantion en mode « réparti » de l’invention consiste alors à procéder sur le circuit de commande (11) à des prétraitements à haute fréquence des données brutes, pour calculer des jeux de données prétraitées qui sont ensuite transmis, avec une périodicité compatible avec la bande passante des lignes de communication (7), par exemple selon un protocole LIN, du circuit de commande (11) au DCU (8) du véhicule, ce dernier exploitant ces jeux de données transmis à basse fréquence pour procéder à un post-traitement à une deuxième fréquence, inférieure à la première fréquence, pour lui permettre de compléter l’analyse, et discriminer une erreur sporadique qui permet ensuite au DCU (8) de caractériser la défaillance aéraulique et/ou mécanique du système de régulation du flux d’air.
Claims (19)
- Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d’air (1) pour véhicule, comprenant :
- un organe mécanique obstruant (2),
- un système mécatronique (3), muni d'un boîtier contenant un moteur à aimant (10) piloté par un circuit de commande (11) et accouplé à une transformation de mouvement permettant de déplacer l'organe mécanique obstruant (2),
- des lignes de communication (7) électroniques pour échanger de l'information avec le DCU (8) du véhicule ou recevoir des commandes du DCU (8) du véhicule,
- enregistrer, lors d’un cycle de fonctionnement du système de régulation active de flux d’air (1), une séquence numérique S de données dans une mémoire, lesdites données étant acquises par ledit circuit de commande (11) interne au système mécatronique (3),
- appliquer à ladite séquence numérique de données
- discriminer une erreur sporadique associée à ladite singularité pour délivrer une information sur l’état du système de régulation active de flux d’air (1).
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication précédente caractérisé en ce que ladite étape de discrimination de l’erreur sporadique est réalisée par le circuit de commande (11), ledit circuit de commande (11) transmettant au DCU une information représentative de ladite erreur sporadique discriminée.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que ladite séquence de données numériques enregistrée dans la mémoire fait l’objet :
- d’un prétraitement avec une première fréquence de traitement par ledit circuit de commande (11) et
- d’un post-traitement, par ledit DCU/ECU (8) du véhicule avec une deuxième fréquence de traitement inférieure à ladite première fréquence de traitement permettant de compléter l’analyse, et de discriminer une erreur sporadique,
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon l’une quelconque des revendications précédentes caractérisé en ce que ladite séquence numérique de données S enregistrée en mémoire comprend :
- des données d’un premier type et
- des données d’au moins un second type différent du premier type.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon l’une quelconque des revendications précédentes caractérisé en ce que ledit procédé comporte comme étapes supplémentaires :
- la consolidation de l'erreur sporadique suite à une instruction transmise par le DCU (8) du véhicule donnant lieu à un état de diagnostic consolidé,
- la transmission de l'état de diagnostic consolidé au DCU (8) du véhicule.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 ou 5 caractérisé en ce que l’une desdites données est une mesure du courant de phase moteur.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 ou 5 caractérisé en ce que l’une desdites données est une mesure de l’angle de charge du rotor du moteur à aimants (10).
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que l’algorithme d’analyse statistique est muni d’une séquence d'apprentissage.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que l’algorithme d’analyse statistique est muni d’une méthode de sélection par regroupement.
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que l’organe mécanique obstruant (2) est dépourvu d’éléments, dédiés au diagnostic, externes audit système mécatronique (3).
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 ou 5 caractérisé en ce que l’une desdites données est relative au fonctionnement du moteur à aimant (10) du système mécatronique (3).
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que ledit modèle algorithmique d'analyse statistique pour déterminer une singularité est muni d'une comparaison entre la séquence de données numériques échantillonnée
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que ledit modèle algorithmique d'analyse statistique pour déterminer une singularité est muni d'une détection d'au moins un point singulier dans la séquence de données numériques échantillonnée
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1 caractérisé en ce que ledit modèle algorithmique d'analyse statistique pour déterminer une singularité consiste à soumettre la séquence de données numériques échantillonnée
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon l'une des revendications précédentes caractérisé en ce qu'une séquence de données numériques échantillonnée de référence
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication précédente caractérisé en ce que ledit modèle algorithmique d'analyse statistique est apte à comparer la séquence de données numériques échantillonnée avec la séquence de données numériques échantillonnée de référence
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication 1, caractérisé en ce que la séquence de données numériques échantillonnée
- Procédé de diagnostic de fonctionnement d’un système de régulation active de flux d’air (1) selon la revendication précédente, caractérisé en ce que l’identification d’une singularité dans la séquence de données numériques échantillonnée
- des masses ou inerties à déplacer dans le système de grilles actives,
- et/ou des frictions mécaniques dans ledit système,
- et/ou de la charge aéraulique exercée sur ledit système,
- et/ou la températeur du système.
- Système électromécanique de régulation active de flux d’air (1) pour véhicule, comprenant :
- un organe mécanique obstruant (2),
- un système mécatronique (3), muni d'un boîtier contenant un moteur à aimant (10) piloté par un circuit de commande (11) et accouplé à une transformation de mouvement permettant de déplacer l'organe mécanique obstruant (2),
- des lignes de communication (7) électroniques pour échanger de l'information avec le DCU (8) du véhicule ou recevoir des commandes du DCU (8) du véhicule,
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2203716A FR3134759A1 (fr) | 2022-04-21 | 2022-04-21 | Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d’air . |
FRFR2203716 | 2022-04-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023203219A1 true WO2023203219A1 (fr) | 2023-10-26 |
Family
ID=82693855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/EP2023/060486 WO2023203219A1 (fr) | 2022-04-21 | 2023-04-21 | Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d'air |
Country Status (2)
Country | Link |
---|---|
FR (1) | FR3134759A1 (fr) |
WO (1) | WO2023203219A1 (fr) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338870A1 (en) * | 2012-06-15 | 2013-12-19 | Chrysler Group Llc | System and method for performing diagnostics of an active grille shutter system |
DE102012014690A1 (de) | 2012-07-25 | 2014-01-30 | RERUM COGNITIO Gesellschaft für Marktintegration deutscher Innovationen und Forschungsprodukte mbH | Dampf-/Arbeitsprozess mit Verdichter-Bypass für die Elektroenergieerzeugung im Kreisprozess |
US9810138B2 (en) | 2013-12-11 | 2017-11-07 | Röchling Automotive SE & Co. KG | Air control system with an integrated diagnostic device for a motor vehicle |
DE102018201469A1 (de) * | 2018-01-31 | 2019-08-01 | Röchling Automotive SE & Co. KG | OBD-fähige Kfz-Luftklappenvorrichtung mit verstellwegbasierter Funktionsdiagnose |
DE102018108162A1 (de) | 2018-04-06 | 2019-10-10 | Minebea Mitsumi Inc. | Stellvorrichtung und Verfahren zur Steuerung einer Stellvorrichtung |
US20200300156A1 (en) | 2019-03-19 | 2020-09-24 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection system of engine cooling water recirculation system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014207566A1 (de) | 2014-04-22 | 2015-10-22 | Röchling Automotive SE & Co. KG | KFZ-Luftklappenanordnung mit sensorischer Stellungserfassung |
DE102016218391A1 (de) | 2016-09-23 | 2018-03-29 | Röchling Automotive SE & Co. KG | Magnetfeld-basierte Betriebszustandserfassung von Luftklappen |
-
2022
- 2022-04-21 FR FR2203716A patent/FR3134759A1/fr active Pending
-
2023
- 2023-04-21 WO PCT/EP2023/060486 patent/WO2023203219A1/fr unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130338870A1 (en) * | 2012-06-15 | 2013-12-19 | Chrysler Group Llc | System and method for performing diagnostics of an active grille shutter system |
DE102012014690A1 (de) | 2012-07-25 | 2014-01-30 | RERUM COGNITIO Gesellschaft für Marktintegration deutscher Innovationen und Forschungsprodukte mbH | Dampf-/Arbeitsprozess mit Verdichter-Bypass für die Elektroenergieerzeugung im Kreisprozess |
US9810138B2 (en) | 2013-12-11 | 2017-11-07 | Röchling Automotive SE & Co. KG | Air control system with an integrated diagnostic device for a motor vehicle |
DE102018201469A1 (de) * | 2018-01-31 | 2019-08-01 | Röchling Automotive SE & Co. KG | OBD-fähige Kfz-Luftklappenvorrichtung mit verstellwegbasierter Funktionsdiagnose |
DE102018108162A1 (de) | 2018-04-06 | 2019-10-10 | Minebea Mitsumi Inc. | Stellvorrichtung und Verfahren zur Steuerung einer Stellvorrichtung |
US20200300156A1 (en) | 2019-03-19 | 2020-09-24 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection system of engine cooling water recirculation system |
Also Published As
Publication number | Publication date |
---|---|
FR3134759A1 (fr) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FR3007371A1 (fr) | Procede de gestion du vieillissement d'un composant et de la consommation d'energie notamment d'un vehicule automobile | |
EP2991853A1 (fr) | Procede de gestion du refroidissement d'une batterie a seuils de refroidissement ajustables | |
FR3025035A1 (fr) | Calculateur pour vehicule, tel qu’un calculateur de direction assistee, pourvu d’un enregistreur d’evenements integre | |
CN111433580B (zh) | 用于实施测试的测试台和方法 | |
WO2020217004A1 (fr) | Système et procédé de surveillance d'un moteur d'aéronef | |
EP3446067B1 (fr) | Procédé d'estimation du jeu d'un actionneur électro-mécanique | |
EP3114006B1 (fr) | Procédé de filtrage pour la détection des transitions d'un signal de direction assistée | |
WO2023203219A1 (fr) | Procédé de diagnostic de fonctionnement d'un système de régulation active de flux d'air | |
EP2201674B1 (fr) | Procede d'analyse du fonctionnement d'un actionneur electromecanique pour la manoeuvre motorisee d'un ecran et actionneur pour sa mise en oeuvre | |
EP4042007A1 (fr) | Dispositif, procédé et programme d'ordinateur de suivi de moteur d'aéronef | |
FR2957170A1 (fr) | Outil de conception d'un systeme de surveillance d'un moteur d'aeronef | |
EP3685127B1 (fr) | Procédé pour commander un élément chauffant pour chauffer un élément sensible d'un débitmètre d'air massique pour un véhicule et système de débitmètre d'air massique pour un véhicule | |
EP0744679B1 (fr) | Procédé de commande électronique d'ouverture et/ou de fermeture d'une porte et dispositif pour sa mise en oeuvre | |
WO2009098420A1 (fr) | Procede de detection de microcoupures electriques et de gestion du fonctionnement d'un moteur | |
EP3785000B1 (fr) | Procédé et système de traitement d'un signal de mesure d'une température délivré par un capteur | |
FR3095004A1 (fr) | Procede de diagnostic d’une derive des temperatures dans un systeme de refroidissement a fluide d’une chaine de traction | |
EP4339107A1 (fr) | Procede de detection de dysfonctionnement subi par un generateur d'entrainement integre, dans un aeronef | |
EP1686391A1 (fr) | Procédé d'évaluation du fonctionnement d'une batterie pour véhicule automobile | |
EP3658732B1 (fr) | Procédé d'adaptation de la vitesse de fermeture d'au moins un ouvrant de véhicule automobile et système utilisant un tel procédé | |
WO2017121935A1 (fr) | Dispositif de controle d'un actionneur electrique d'une vanne d'echangeur de circuit de recirculation des gaz d'echappement | |
WO2008080762A1 (fr) | Procede de controle d'elements electriques d'un moteur | |
WO2023242088A1 (fr) | Système et procédé de détermination d'une grandeur dans un véhicule automobile | |
FR3094485A1 (fr) | Procédé de prévision d’une panne d’un composant électromécanique | |
FR2904485A1 (fr) | Systeme de detection de la presence d'un obstacle sur le parcours d'un ouvrant de vehicule automobile, actionne par un moteur electrique. | |
FR3140185A1 (fr) | Procédé et dispositif de détection d’anomalie de fonctionnement d’un aéronef |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 23721386 Country of ref document: EP Kind code of ref document: A1 |