Dissertations / Theses on the topic 'Principle of minimum potential energy'

Thesis (M.S. in Applied Physics) Naval Postgraduate School, June 1998.
Thesis advisor(s): Young L. Kwon, William B. Maier. "June 1998." Includes bibliographical references (p. 65). Also available online.

Em geral, as formulações disponíveis na literatura para a análise de cascas laminadas reforçadas com fibras substituem o meio original heterogêneo por um homogêneo equivalente, que dificulta a identificação das tensões fibra-matriz, ou requerem que a malha de elementos finitos seja disposta de modo que os nós dos elementos finitos de fibra coincidam com os nós dos elementos finitos de casca, que é uma exigência bastante restritiva e que aumenta o número de graus de liberdade do sistema de equações resultante. Neste sentido, o objetivo geral desta tese consiste em desenvolver uma formulação para a inclusão de fibras longas e curtas aleatórias nas diversas lâminas de cascas laminadas anisotrópicas com não linearidade geométrica utilizando o método dos elementos finitos sem aumentar o número de graus de liberdade do sistema de equações resultante e sem a necessidade de coincidência de nós na discretização das fibras e da matriz. Nesta formulação, o elemento finito triangular de casca laminada utilizado para discretizar a matriz possui dez nós e sete graus de liberdade por nó, sendo três translações, três componentes do vetor generalizado e a taxa de variação linear da deformação ao longo da espessura. As fibras curvas, curtas aleatórias ou longas, são introduzidas, em qualquer camada do laminado, por meio de relações cinemáticas que garantem sua aderência à matriz sem a introdução de novos graus de liberdade no sistema de equações resultante. Para discretizá-las são utilizados elementos finitos unidimensionais de ordem qualquer com três graus de liberdade por nó e que consideram consistentemente a não linearidade geométrica. Todas as grandezas envolvidas são escritas em relação à configuração inicial do corpo, caracterizando a descrição Lagrangeana total ou material do movimento. Para modelar o comportamento do material adota-se a Lei Constitutiva de Saint-Venant-Kirchhoff que relaciona de forma linear o tensor de tensões de Piolla-Kirchhoff de segunda espécie e o tensor de deformações de Green-Lagrange. O equilíbrio é encontrado a partir do Princípio da Mínima Energia Potencial Total e o sistema não linear de equações resultante é resolvido utilizando-se o procedimento iterativo de Newton-Raphson. As ações externas podem ser introduzidas ao sistema de forma total ou incremental e a contribuição das fibras para a energia do sistema é adicionada na matriz global do problema. Os exemplos numéricos testados validam e demonstram as potencialidades da formulação proposta.
In general, the Finite Element (FE) formulations available in the literature for the analysis of fibre reinforced laminated shells replace the original heterogeneous medium by an equivalent homogeneous one, which makes difficult the identification of fiber-matrix stress distribution, or require that the finite element mesh is arranged in a way that the fibre finite element nodes coincide with the shell finite element ones, which is a very restrictive requirement and increases the number of degrees of freedom of the resulting system of equations. In this sense, the objective of this thesis is to develop a formulation for the inclusion of long and random short fibres in any layer of FE laminated anisotropic shells developing large displacement and rotations without increasing the number of degrees of freedom and the necessity of matching nodes in the discretization of the fibre and the matrix. In this formulation, the triangular laminated shell finite element used to discretize the matrix has ten nodes and seven degrees of freedom per node, that are, three translations, three components of a generalized vector and the linear rate of strain variation along the thickness. The curved fibres, long or random short, are introduced in any layer of the laminate shell by means of kinematic relation to ensure its adherence to the matrix without introducing new degrees of freedom in the resulting system of equations. To discretize them, any order one-dimensional finite elements with three degrees of freedom per node are used. These fibres elements are consistently considered by Geometric nonlinearity. All involved variables are written with respect to the initial configuration of the body, characterizing the Total Lagrangian description. To model the behavior of the material we use the Saint-VenantKirchhoff Constitutive Law that relates linearly the second Piolla-Kirchhoff stress tensor and Green-Lagrange strain tensor. The equilibrium is achieved from the Principle of Minimum Potential Energy and the non-linear system of equations is solved by the Newton-Raphson iterative procedure. External loads may be introduced to the system by one or various steps and the contribution of fibres to the energy of the system is added to the global matrix of the problem. The numerical examples validate and demonstrate the potential of the proposed formulation.

With the increase of world population and industrial growth of developing countries, demand for energy, in particular electric power, has gone up at an unprecedented rate over the last decades. To meet the demand, electric power generation by use of fossil fuel has increased enormously thereby producing increased quantity of greenhouse gases. This contributes more and more to atmospheric pollution, which climate scientists believe can adversly affect the global climate, as well as health and the welfare of the world population. In view of these issues, there is global awareness to look for alternate sources of energy such as natural gas, hydropower, wind, solar, geothermal and biomass. It is recognized that this requires replacement of existing infrastructure with new systems, which cannot be achieved overnight. Optimal control theory has been widely used in diverse areas of physical sciences, medicine, engineering and economics. The main motivation of this thesis is to use this theory to find the optimum strategy for integration of all currently available renewable energy sources with the existing electric power generating systems. The ultimate goal is to eliminate fossil fuels. Eight main energy sources namely, Coal, Petroleum, Natural Gas, Conventional Hydro, Wind, Solar, Geothermal and Biomass are considered in a dynamic model. The state of the dynamic model represents the level of energy generation from each of the sources. Different objective functions are proposed in this thesis. These range from meeting the desired target level of power generation from each of the available sources at the end of a given plan period, to reducing the implementation and investment costs; from minimizing the production from polluted energy sources to meeting the electricity demand during a whole plan period. Official released data from the U.S. Energy Information Administration have been used as a case study. Based on real life data and the mathematics of optimal control theory, we present an optimal policy for integration of renewable energy sources to the national power grid.

La gestion énergétique (EMS) pour véhicules hybrides a pour objectif de déterminer la répartition de puissance entre les différentes sources d'énergie de manière à minimiser la consommation de carburant et/ou les émissions polluantes. L'objectif de cette thèse est de développer un EMS en prenant en compte des températures internes (la température du moteur et/ou la température du système de post-traitement). Dans une première partie et en utilisant une connaissance préalable du cycle de conduite, le calcul d'un EMS est formulé comme un problème de commande optimale. Ensuite, le principe du minimum de Pontryagin (PMP) est utilisé pour résoudre ce problème d'optimisation.~En se basant sur les résultats numériques obtenus, un compromis entre les performances de la stratégie de commande et de la complexité du modèle utilisé pour la calculer est établi. Les différents problèmes étudiés dans cette thèse sont des exemples des simplifications successives de modèle qui peuvent être regroupées dans le concept des perturbations régulières en contrôle optimal sous contrainte de commande discuté ici. Dans une deuxième partie, la formulation de l'ECMS a été généralisée pour inclure les dynamiques thermiques. Ces extensions définissent des stratégies sous-optimales que nous avons testées numériquement et expérimentalement
Energy management system (EMS) for hybrid vehicles consists on determining the power split between the different energy sources in order to minimize the overall fuel consumption and/or pollutant emissions of the vehicle. The objective of this thesis is to develop an EMS taking into account the internal temperatures (engine temperature and/or catalyst temperature). In a first part and using a prior knowledge of vehicle driving cycle, the EMS design is formulated as an optimal control problem. Then, the PMP is used to solve this optimization problem. Based on the obtained numerical results, some trade-off between performance of the control strategy and complexity of the model used to calculate this strategy is established. The various problems studied in this thesis are examples of successive model simplifications which can be recast in the concept of regular perturbations in optimal control under input constraints discussed here. In a second part, the feedback law of ECMS is generalized to include thermal dynamics. This defines sub-optimal feedback strategies which we have tested numerically and experimentally

Le domaine automobile a été l’un des secteurs les plus émetteurs de CO2 durant le dernier siècle. La solution envisagée, pour limiter les émissions de gaz à effet de serre des véhicules, est l’électrification de la chaîne de traction. Le véhicule hybride électrique présente le meilleur compromis pour relever les défis écologiques de l’industrie automobile. La chaîne de traction hybride électrique est composée de deux moteurs : un moteur à combustion interne, alimenté par du carburant, et un moteur électrique alimenté par une batterie. Ces deux moteurs doivent assurer la demande en puissance du conducteur. La répartition d’énergie entre les deux moteurs en temps réel se fait alors dans le but de minimiser la consommation de carburant. Cette thèse propose l’étude d’une méthode basée sur l’optimisation visant à rechercher la combinaison la plus efficace des deux moteurs. La méthodologie proposée cherche à concilier la recherche d’un optimum mathématique avec les contraintes du contexte temps-réel, en utilisant la théorie du contrôle optimal et le Principe du Maximum de Pontriaguine. La recherche d’un optimum mathématique suppose la connaissance d’une prédiction sur les demandes de puissances futures du conducteur. La méthode proposée se base sur la connectivité du véhicule (GPS intelligent eHorizon par exemple) pour former cette prédiction. Dans un premier temps, la méthode est étudiée avec l’hypothèse d’une prédiction complètement fiable. A travers des comparaisons par simulation, nous avons pu constater que la méthode proposée peut atteindre l’optimum global que fournit un algorithme de programmation dynamique. En formulant le problème d’optimisation avec différentes hypothèses plus ou moins simplificatrices sur le modèle de la batterie, il s’avère que l’utilisation d’un modèle à tension constante n’altère pas l’optimalité de la solution, si la capacité énergétique de la batterie est assez élevée. L’utilisation de ce modèle simplifié permet d’accélérer les calculs, notamment quand il faudra prendre en compte les incertitudes des prédictions. Sous l’hypothèse de prédictions fiables, la méthode montrera une robustesse par rapport aux imprécisions du modèle utilisé. Pour prendre en compte les incertitudes de la prédiction des demandes de puissances du conducteur, le modèle proposé met en jeu des variables aléatoires. En utilisant le Principe du maximum de Pontriaguine, les incertitudes des prédictions n’affectent la consommation de carburant qu’à travers l’état de charge de la batterie en fin de parcours. Au lieu de valider une prédiction en la comparant aux valeurs réelles de la demande de puissance, l’incertitude est reportée sur l’énergie électrique et l’état de charge final de la batterie. Le modèle probabiliste des prédictions détermine la longueur de l’horizon de prédiction à utiliser. Des prédictions normalement distribuées, et des prédictions basées sur chaînes de Markov sont étudiées. Ces deux modèles permettent d’avoir des horizons de prédictions de 2-3 min sur lesquels notre méthode d’optimisation basée sur le contrôle optimale est appliquée en temps réel. La méthode probabiliste proposée est générale, et n’est pas limitée aux modèles probabilistes étudiés. A partir des principes exposés dans cette thèse, en augmentant la précision du modèle probabiliste des prédictions, il sera possible d’utiliser de plus grands horizons de prédictions, ce qui signifie de meilleures économies de carburant et moins d’émissions de CO2
The automotive sector has been one of the most CO2 emitting sectors over the past century. The solution considered, to limit vehicle emissions, is the electrification of the power train. The hybrid electric vehicle offers the best compromise to meet the ecological challenges of the automotive industry. The hybrid electric powertrain consists of two engines: an internal combustion engine, powered by fuel, and an electric motor powered by a battery. These two motors must ensure the driver's power demand. The energy is distributed between the two engines in real time in order to minimize fuel consumption. This thesis proposes the study of an optimization-based method to find the most efficient combination of the two engines. The proposed methodology seeks to reconcile the search for a mathematical optimum with the constraints of the real-time implementation, using the theory of optimal control, and the Pontryagin Maximum Principle. The search for a mathematical optimum presupposes the knowledge of a prediction on the driver's future power demands. These predictions can be formed through the vehicle's connectivity (intelligent GPS e-Horizon for example). First, the method is studied with the hypothesis of a completely reliable prediction. Through simulation comparisons, we have found that the proposed method can achieve the global optimum provided by a dynamic programming algorithm. By formulating the optimization problem with different simplifying assumptions on the battery model, it appears that the use of a constant voltage model does not alter the optimality of the solution, if the battery's energy capacity is high enough. The use of this simplified model may help to speed up calculations, especially when it is necessary to consider the uncertainties of predictions. Moreover, under the assumption of reliable predictions, the method shows robustness to the inaccuracies of the model used. To take into account the uncertainty of the power demands prediction, random variables are introduced in the model. Using the Pontryagin Maximum Principle theorem, the uncertainties of the predictions affect fuel consumption only through the battery’s state of charge at the end of the trip. Instead of validating a prediction by comparing it with the actual values of the power demand, the uncertainty is transferred to the electrical energy and the final state of charge of the battery. The predictions probabilistic model determines the predictions horizon length. Normally distributed predictions, and predictions based on Markov chains are studied. These two models allow prediction horizons of 2-3 min over which our optimization method based on optimal control is applied in real time. The proposed probabilistic method is general and is not limited to the probabilistic models studied. Based on the principles outlined in this thesis, by increasing the accuracy of the predictions model, it will be possible to use larger prediction horizons, which means better fuel economy and lower CO2 missions

Ce mémoire présente une étude comparative de quatre stratégies de gestion énergétique temps réel, appliquées d'une part à un véhicule hybride thermique-électrique, et d'autre part à un véhicule électrique à pile à combustible : contrôle basé sur des règles empirique (RBS), minimisation de la consommation équivalente (A-ECMS), loi de commande optimale (OCL) établie à partir d'une modélisation analytique du système et programmation dynamique stochastique (SDP) associée à une modélisation des cycles de conduite par chaîne de Markov. Le principe du minimum de Pontryaguin et la programmation dynamique, applicables hors ligne, sont mis en œuvre pour fournir des résultats de référence. Les problèmes d’implémentation numérique et de paramétrage des stratégies sont discutés. Une analyse statistique effectuée sur la base de cycles aléatoires générés par chaînes de Markov permet d’évaluer la robustesse des stratégies étudiées. Les résultats obtenus en simulation, puis sur un dispositif expérimental montrent que les méthodes les plus simples (RBS ou OCL) conduisent à des consommations élevées. SDP aboutit aux meilleures performances avec en moyenne la plus faible consommation de carburant dans les conditions réelles de conduite et un état énergétique final du système de stockage parfaitement maîtrisé. Les résultats d’A-ECMS sont comparables à ceux de SDP en moyenne, mais avec une plus grande dispersion, en particulier pour l'état de charge final. Afin d'améliorer les performances des méthode, des jeux de paramètres dédiés aux différents contextes de conduite sont considérés
This thesis presents a comparative study between four recent real-time energy management strategies (EMS) applied to a hybrid electric vehicle and to a fuel cell vehicle applications: rule-based strategy (RBS), adaptive equivalent consumption minimization strategy (A-ECMS), optimal control law (OCL) and stochastic dynamic programming (SDP) associated to driving cycle modeling by Markov chains. Pontryagin’s minimum principle and dynamic programming are applied to off-line optimization to provide reference results. Implementation and parameters setting issues are discussed for each strategy and a genetic algorithm is employed for A-ECMS calibration.The EMS robustness is evaluated using different types of driving cycles and a statistical analysis is conducted using random cycles generated by Markov process. Simulation and experimental results lead to the following conclusions. The easiest methods to implement (RBS and OCL) give rather high fuel consumption. SDP has the best overall performance in real-world driving conditions. It achieves the minimum average fuel consumption while perfectly respecting the state-sustaining constraint. A-ECMS results are comparable to SDP’s when using parameters well-adjusted to the upcoming driving cycle, but lacks robustness. Using parameter sets adjusted to the type of driving conditions (urban, road and highway) did help to improve A-ECMS performances

Le véhicule hybride électrique dispose de deux sources d’énergie distinctes pour se mouvoir : le carburant, ainsi qu’un système de stockage électrique ayant la particularité d’être réversible. La loi de gestion d’énergie a pour objectif de superviser les flux de puissance dans le groupe motopropulseur en intervenant sur le point de fonctionnement des organes de celui-ci, et ce dans le but d’optimiser un critère donné. La loi de gestion d’énergie se formalise donc par un problème de commande optimale dont le critère à minimiser tient compte de la consommation de carburant du véhicule sur un trajet donné. La solution de ce problème peut se calculer hors ligne lorsque toutes les données du trajet sont parfaitement connues à l’avance, hypothèse qui n’est plus admissible pour une stratégie embarquée sur véhicule dont l’objectif est alors de s’approcher au maximum du résultat optimal. Les travaux présentés dans ce manuscrit mettent en avant la commande optimale orientée multi-objectif pour répondre à la problématique du compromis inter-prestations au coeur du développement d’un véhicule de série. Une loi de gestion d’énergie tenant compte du compromis entre consommation et agrément de conduite, ainsi qu’une autre traitant le compromis entre consommation et vieillissement batterie sont proposées. Les stratégies présentées s’inscrivent également dans une approche modulaire tirée de la solution de nature transversale issue de l’Equivalent Consumption Minimization strategy (ECMS). Ainsi, la commande du véhicule hybride rechargeable, du Mild-Hybride, ainsi que d’architectures hybrides complexes disposant d’une transmission automatique, de deux machines électriques ou deux systèmes de stockage électriques, est ici traitée à travers un socle commun. Cette approche permet de réduire le temps de développement des stratégies qui partagent un maximum d’éléments communs
The hybrid electric vehicle uses two different energy sources to propel itself: fuel as well as a reversible electric storage system. The energy management strategy aims at supervising the power flows inside the powertrain by choosing the operating points of the different components so as to optimize a given criterion. The energy management strategy is formulated as an optimal control problem where the criterion to be minimized takes into account the total fuel consumption of the vehicle on the considered trip. The optimal solution can be calculated off-line when the vehicle’s mission is perfectly known, an assumption no longer admissible for an embedded strategy whose main objective is to get as close as possible to the optimal result. The work presented in this manuscript highlights the potential of multi-objective optimal control to handle the features’ trade-offs inherent to the development of production vehicle. An energy management strategy taking into account the trade-off between fuel consumption and drivability, as well as one dealing with the trade-off between fuel consumption and battery state of health, are proposed. The presented strategies share a modular approach following the transversal solution of the Equivalent Consumption Minimization Strategy (ECMS). As a result, the control policy of the plug-in hybrid electric vehicle, the Mild-Hybrid, together with complex hybrid architectures provided with an automated transmission, two electric machines or two electric storage systems, is tackled through a common base. This approach allows to reduce the development period of the energy management strategies which shares a maximum of common elements

Dans les véhicules hybrides électrique-essence, les stratégies de gestion de l’énergie déterminent la répartition des flux d'énergies des moteurs thermique et électrique avec pour objectif classique la réduction de la consommation. Par ailleurs, pour respecter les seuils réglementaires d’émissions polluantes, les motorisations essence sont équipées d’un catalyseur 3-voies chauffé par les gaz d’échappement. Une fois amorcé, ce catalyseur convertit presque entièrement les émissions polluantes du moteur. C’est donc au démarrage que la plupart de la pollution est émise, lorsque le catalyseur est froid et que la pollution du moteur n’est pas convertie. La chauffe du catalyseur est donc l’étape clé de la dépollution. Ce mémoire propose une démarche de prise en compte des émissions polluantes par la gestion d’énergie. Le véhicule hybride est assimilé à un système dynamique à deux états, l’état de charge batterie et la température du catalyseur. Un problème d’optimisation dynamique est défini, qui minimise un critère original pondérant judicieusement la consommation et les émissions polluantes. La théorie de la commande optimale, avec les Principes du Minimum de Pontryaguine et de Bellman, permet de résoudre ce problème d’optimisation. Des stratégies optimales sont déduites et simulées avec un modèle de véhicule intégrant un modèle thermique multi-zones de catalyseur, validé expérimentalement, qui simule précisément la chauffe. Le compromis entre la consommation et la pollution est exploré. Une stratégie de chauffe du catalyseur, plus méthodique, analytique et efficace que les stratégies empiriques actuelles, est alors proposée. Cette stratégie est validée expérimentalement dans un environnement HyHIL (Hybrid Hardware In the loop). Une importante réduction de la pollution est obtenue, confortant l’approche d’optimisation dynamique pour la mise au point des stratégies de gestion d’énergie du véhicule hybride
In hybrid gasoline-electric vehicles, the energy management strategies determine the distribution of engine and motor energy flows with fuel consumption reduction as classical objective. Furthermore, to comply with pollutant emissions standards, SI engines are equipped with 3-Way Catalytic Converters (3WCC) heated by exhaust gases. When 3WCC temperature is over the light-off temperature, engine pollutant emissions are almost totally converted. Most of the pollution is produced at the vehicle start, when the 3WCC is cold and the engine pollution is not converted. The 3WCC heating is thus the key aspect of the pollutant emissions. This dissertation proposes an approach to take into account pollutant emissions in energy management. The hybrid electric vehicle is considered as a dynamic system with two states, the battery state of charge and 3WCC temperature. A dynamic optimization problem is defined, minimizing an original criterion weighting judiciously fuel consumption and pollutant emissions. Optimal control theory, with the Pontryaguine Minimum and Bellman principles, allows solving this optimization problem. Optimal strategies are derived and simulated with a vehicle model including a multi-zones 3WCC thermal model, experimentally validated, which simulates precisely the 3WCC heating. The compromise between fuel consumption and pollutant emissions is explored. Then, an innovative 3WCC heating strategy is proposed and validated experimentally in a HyHIL (Hybrid Hardware In the loop) environment. A significant reduction of the pollutant emissions is obtained, strengthening the dynamic optimal approach to set up the energy management strategies for hybrid vehicles

Cette thèse est consacrée au développement de techniques de commande avancées pour des classes de systèmes non linéaires en général et pour des applications automobiles en particulier.Pour répondre au besoin du contrôle moteur, la première partie propose des nouveaux résultats théoriques sur la technique de commande non linéaire à base de modèles de type Takagi-Sugeno soumis à la saturation de la commande. La saturation de la commande est traitée en utilisant sa représentation polytopique ou une stratégie anti-windup.La deuxième partie porte sur la commande du système d'air d'un moteur turbocompressé à allumage commandé. Deux approches originales sont proposées. Dans la première, l'outil théorique concernant les modèles Takagi-Sugeno à commutation développé dans la première partie est directement appliqué. La seconde approche est basée sur une commande linéarisante robuste. L'originalité de ces approches multivariables consiste dans sa simplicité de mise en œuvre et son efficacité par rapport à celles qui existent dans la littérature.La dernière partie vise à développer des stratégies pour la gestion énergétique des systèmes électriques d'un véhicule obtenues en se basant sur le Principe du Minimum de Pontryagin. À cet effet, deux approches sont considérées : l'approche hors ligne d'optimisation utilisant les informations du futur concernant les conditions de roulage et l'approche en ligne qui est adaptée de la précédente. Ensuite, ces deux approches sont implémentées et évaluées dans un simulateur avancé
This thesis addresses the development of some advanced control design tools for a class of nonlinear systems in general and for automotive systems in particular.Motivated by automotive applications, Part I proposes some novel theoretical results on control design for nonlinear systems under Takagi-Sugeno form subject to the control input saturation. The input saturation is dealt with by using its polytopic representation or an anti-windup strategy.Part II deals with our automotive application concerning the control of a turbocharged air system of a spark ignition engine. To this end, two novel control approaches are proposed in this part. For the first one, the theoretical design tool on switching Takagi-Sugeno controller developed in Part I is directly applied. The second one is based on a robust feedback linearization control technique. The originality of these MIMO approaches consist in their simplicity and effectiveness compared to other ones existing in the literature.Part III aims at developing the strategies, which are based on the Pontryagin's Minimum Principle in optimal control theory, for the energy management of the vehicular electric power systems in a hybrid engine configuration. To this end, both offline optimization approach using the future information of driving conditions and online implementable one have been developed and evaluated in an advanced simulator

L’hybridation électrique de la chaîne de traction automobile est l’une des solutions adoptées pour respecter les règlementations futures sur ses émissions. La stratégie de supervision de la chaîne de traction hybride répartit la puissance produite par le moteur à combustion interne et la machine électrique. Elle répond habituellement à un problème d’optimisation où l’objectif est de réduire la consommation de carburant mais nécessite à présent d’y ajouter les émissions polluantes. La chaîne de dépollution, placée à l’échappement du moteur, permet de diminuer la quantité de polluants émise dans l’atmosphère. Cependant, elle n’est efficace qu’à partir d’un seuil de température, et dépend de la chaleur apportée par les gaz d’échappement du moteur thermique. La première partie de ce travail est donc consacrée à la modélisation de la consommation énergétique et des émissions polluantes de la chaine de traction hybride. La modélisation de l’efficacité de la chaîne de dépollution est réalisée selon deux contextes. Le modèle zéro-dimensionnel est adapté aux contraintes de calcul de la commande optimale. Le modèle unidimensionnel associé à un estimateur d’état permet d’être embarqué et calculé en temps réel. À partir de ces travaux, la seconde partie de cette thèse déduit des stratégies de supervision à l’aide de la théorie de la commande optimale. Dans un premier cas, le principe de Bellman permet de calculer la commande optimale d’un véhicule hybride Diesel selon des critères de supervision ayant plus ou moins connaissance de l’efficacité de la chaîne de dépollution des émissions de NOX. Dans un second cas, une stratégie issue du Principe du Minimum de Pontryagin, embarquée sur un véhicule hybride essence, fonctionnant en temps réel et calibrée selon deux paramètres est proposée. L’ensemble de ces travaux est validé expérimentalement au banc moteur et montre une réduction significative des émissions polluantes pour une faible pénalité de carburant
Powertrain hybridization is a solution that has been adopted in order to conform to future standards for emissions regulations. The supervisory strategy of the hybrid powertrain divides the power emitted between the internal combustion engine and the electric machine. In past studies, this strategy has typically responded to an optimization problem with the objective of reducing consumption. However, in addition to this, it is now necessary to take pollutant emissions into account as well. The after-treatment system, placed in the exhaust of the engine, is able to reduce pollutants emitted into the atmosphere. It is efficient from a certain temperature threshold, and the temperature of the system is dependent on the heat brought by the exhaust gas of the engine. The first part of this dissertation is aimed at modelling the energy consumption and pollutant emissions of the hybrid powertrain. The efficiency model of the after-treatment system is adapted for use in two different contexts. The zero-dimensional model conforms to the constraints of the optimal control calculation. The one-dimensional model associated with a state estimator can be embedded in a vehicle and calculated in real time. From this work, the second part of this dissertation deduces supervisory strategies from the optimal control theory. On the one hand, Bellman’s principle is used to calculate the optimal control of a Diesel hybrid vehicle using different supervisory criteria, each having more or less information about the after-treatment system efficiency over NOX emissions. On the other hand, a strategy from Pontryagin’s minimum principle, embedded in a gasoline hybrid vehicle, running in real time and calibrated with two parameters, is proposed. The whole of this work is validated experimentally on an engine test bed and shows a significant reduction in pollutant emissions for a slight fuel consumption penalty

碩士
國立中興大學
機械工程學系所
100
In this paper, minimum zone evaluation of torus using minimum potential energy algorithms. Minimum zone error based on looking for minimum potential energy of the system. The virtual system consists of two coaxial, same center,and same distance form the center of the tube to the center of the torus. All data points are enclosed within two fictitious torus surface. When the system spring to promote the approximation of two torus surfaces in the process of contraction. Therefore, the virtual system towards the direction of minimum elastic potential energy. Finally, the system reaches stable state with minimum potential energy. Normal deviation between such two torus surfaces becomes minimum zone error. This paper presented an adjustment form error strategy based on minimum potential energy algorithms. For solving the problem of high dimensions and large number of data points, experimental results will be obtained in a shorter computing time. The control experiment results evaluated by different method such as particle swarm optimization and differential evolution, indicate that effectiveness of proposed method.

碩士
國立中興大學
機械工程學系
92
This research proposes a novel approach for evaluating the conicity based on the principle of minimum potential energy. The minimum zone conical form error problem is resolved by modeling it with an unreal mechanical system and finding the minimum elastic potential energy of it. The sufficient and necessary condition of the minimum zone criteria is derived, and a computational algorithm is demonstrated. In this unreal mechanical system, a group of fabricated supports are located at position of each measured data points resided. All supports are enclosed by two fictitious spring-connected conical surfaces with a common axis and vertex angle. The model of the system in this study is a nonlinear one. At first, the initial solution of the nonlinear system is determined by method of least squares. Secondly, the active seven data points or supports are chosen from the measured data points according to the proposed criterion. The spring in the system will contract and the potential energy of the unreal mechanical system formed by these active data supports will decrease naturally. The system reduces the potential energy by changing the active supports alternatively. Finally, the system will reach a stable state with minimum potential energy. A direct searching technique for finding the minimum zone solution is also recommended. The gap between such two conical surfaces is the minimum zone of conical form error.

碩士
國立成功大學
土木工程學系碩博士班
98
The soil liquefaction is always the important topics in the discipline of Geotechnical Engineering. Many methods related to evaluation of the potential of the soil liquefaction have been developed. However, the Simplified Empirical method the one that is much more common used both in academic and in practice. Since Nemat-Nasser and Shokooh in 1979 proposed the principle of relations between dissipation of seismic energy and the increment of pore water pressure during earthquake, the method on the basis of the seismic energy concept has become the mainstream on evaluation of the soil liquefaction potential. By referring the principle of the nonlinear energy dissipation that proposed by Berrill and Davis in 1985 and the liquefaction energy that calculated from the hysteresis loop obtained from the soil cyclic triaxial tests in laboratory, the neural network model is used in this study to simulate the liquefaction energy in field. The framework of the model is found by the auto trial and error process. And by associating with the statistical discriminant method, the critical line judging the occurrence of the soil liquefaction can be developed. With the 91% of success rate of the liquefaction assessment, the proposed neural network model is fair reasonable and suitable for the practice in geotechnical engineering.

Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de l'apprentissage profond est l'optimisation de fonction de coût par l'algorithme du gradient stochastique (SGD). Traditionnellement en apprentissage profond, les réseaux de neurones sont des fonctions mathématiques différentiables, et les gradients requis pour l'algorithme SGD sont calculés par rétropropagation. Cependant, les architectures informatiques sur lesquelles ces réseaux de neurones sont implémentés et entraînés souffrent d’inefficacités en vitesse et en énergie, dues à la séparation de la mémoire et des calculs dans ces architectures. Pour résoudre ces problèmes, le neuromorphique vise à implementer les réseaux de neurones dans des architectures qui fusionnent mémoire et calculs, imitant plus fidèlement le cerveau. Dans cette thèse, nous soutenons que pour construire efficacement des réseaux de neurones dans des architectures neuromorphiques, il est nécessaire de repenser les algorithmes pour les implémenter et les entraîner. Nous présentons un cadre mathématique alternative, compatible lui aussi avec l’algorithme SGD, qui permet de concevoir des réseaux de neurones dans des substrats qui exploitent mieux les lois de la physique. Notre cadre mathématique s'applique à une très large classe de modèles, à savoir les systèmes dont l'état ou la dynamique sont décrits par des équations variationnelles. La procédure pour calculer les gradients de la fonction de coût dans de tels systèmes (qui dans de nombreux cas pratiques ne nécessite que de l'information locale pour chaque paramètre) est appelée “equilibrium propagation” (EqProp). Comme beaucoup de systèmes en physique et en ingénierie peuvent être décrits par des principes variationnels, notre cadre mathématique peut potentiellement s'appliquer à une grande variété de systèmes physiques, dont les applications vont au delà du neuromorphique et touchent divers champs d'ingénierie.
In the last decade, deep learning has become a major component of artificial intelligence, leading to a series of breakthroughs across a wide variety of domains. The workhorse of deep learning is the optimization of loss functions by stochastic gradient descent (SGD). Traditionally in deep learning, neural networks are differentiable mathematical functions, and the loss gradients required for SGD are computed with the backpropagation algorithm. However, the computer architectures on which these neural networks are implemented and trained suffer from speed and energy inefficiency issues, due to the separation of memory and processing in these architectures. To solve these problems, the field of neuromorphic computing aims at implementing neural networks on hardware architectures that merge memory and processing, just like brains do. In this thesis, we argue that building large, fast and efficient neural networks on neuromorphic architectures also requires rethinking the algorithms to implement and train them. We present an alternative mathematical framework, also compatible with SGD, which offers the possibility to design neural networks in substrates that directly exploit the laws of physics. Our framework applies to a very broad class of models, namely those whose state or dynamics are described by variational equations. This includes physical systems whose equilibrium state minimizes an energy function, and physical systems whose trajectory minimizes an action functional (principle of least action). We present a simple procedure to compute the loss gradients in such systems, called equilibrium propagation (EqProp), which requires solely locally available information for each trainable parameter. Since many models in physics and engineering can be described by variational principles, our framework has the potential to be applied to a broad variety of physical systems, whose applications extend to various fields of engineering, beyond neuromorphic computing.