MathWorks veut simplifier et automatiser l’approche "Model-Based Design” pour la conception de batteries

Dans la version 2022b de ses outils Matlab et Simulink, MathWorks, parmi de nombreuses autres évolutions, publie avec Simscape Battery un ensemble de mises à jour destinées à simplifier et automatiser l'approche Model-Based Design dans le travail de conception de batteries, notamment dans le domaine dynamique des véhicules électriques.

Selon MathWorks, le marché des systèmes de gestion de batteries atteindrait une valeur de 13,4 milliards de dollars en 2026. Bloomberg New Energy Finance estime à ce sujet que cette croissance est liée en grande partie à celle du marché des véhicules électriques, le dernier rapport de l'organisation indiquant que d'ici 2040, 58% des véhicules de transport de passagers vendus dans le monde seront électriques.

Dans ce contexte, Simscape Battery procure des outils de conception et des modèles paramétrés pour les concepteurs. Ces derniers peuvent notamment utiliser Simscape Battery pour créer des jumeaux numériques et exécuter des tests virtuels des architectures de blocs de batteries. Cet outil permet ainsi, au-delà des travaux de conception stricto sensu d’une batterie, d'en évaluer son comportement dans des conditions de fonctionnement normal et/ou lors de situations de défaillances. Il autorise également l'automatisation de la création de modèles de simulation correspondant à la topologie des blocs souhaités, en incluant des connexions aux plaques de refroidissement afin d’évaluer les réponses électriques et thermiques.

« Les innovations en matière de gestion de systèmes de batteries n'ont jamais été aussi nombreuses, commente Graham Dudgeon, responsable produits pour la modélisation des systèmes électriques chez MathWorks. Dans ce cadre, Simscape Battery inclut des outils de design conçus pour simplifier et automatiser l'approche Model-Based Design, comme Battery Pack Model Builder qui permet aux ingénieurs d'évaluer différentes architectures de blocs de batteries de manière interactive. »

Au-delà, toujours dans le monde automobile, on notera que la version 2022b des outils de Mathworks intègre avec l’outil Autosar Blockset la possibilité de développer des applications orientées services avec des méthodes client-serveur, et de les déployer sur des plateformes Linux embarquées. Ce qui permet de définir des types de données et des interfaces directement au sein d’un modèle d'architecture.

De son côté, l’outil Fuzzy Logic Toolbox ouvre la voie à la conception, à l’analyse et à la simulation de systèmes d'inférence de logique floue (FIS, Fuzzy Logic Inference) de manière interactive en utilisant les dernières mises à jour de l'application Fuzzy Logic Designer. Cette nouvelle toolbox de Simulink permet également aux ingénieurs et aux chercheurs de concevoir des FIS de type 2 en utilisant des fonctions en ligne de commande ou l'application Fuzzy Logic Designer.

Quant à l’outil Model Predictive Control Toolbox, il intègre désormais des réseaux de neurones servant de modèles de prédiction et de contrôleurs conformément aux recommandations des normes ISO 26262 et Misra C.

Enfin, avec System Identification Toolbox, il est possible de créer des modèles de représentation d'état non linéaires fondés sur le Deep Learning grâce à des équations différentielles ordinaires neuronales (ODE, Ordinary Differential Equation),  et d’utiliser des techniques de Machine Learning et de Deep Learning pour représenter la dynamique non linéaire dans des modèles Hammerstein-Wiener et ARX non linéaires.