Powertrain systems optimization in modern automobiles depends on model-based systems engineering to cope with the complex automotive systems and challenging control design requirements. Dois pré-requisitos para a otimização powertrain baseada em modelo são o simulador powertrain e o projeto de controle, que garante uma operação powertrain desejável durante os ciclos de condução., Esta tese gira em torno destes pré-requisitos e pertence à fase modelo-em-ciclo do ciclo de vida de desenvolvimento de controle. Em primeiro lugar, visa identificar modelos de sistemas powertrain orientados para o controlo, particularmente modelos lineares de caixa negra, devido aos méritos que apresentam em termos de acessibilidade ao design de controlo linear e facilidade de integração de alterações na definição técnica do sistema powertrain., Também visa identificar e controlar sistemas powertrain com atraso de tempo de transporte, porque integrar o atraso no modelo e projeto de controle é crucial na representatividade do primeiro sistema e na otimização do segundo. Com base nestas premissas, abordamos o grupo motopropulsor na perspectiva do percurso aéreo do motor. Primeiro identificamos um modelo linear de espaço-Estado de caixa preta (SS) de um motor a gasolina air-path, usando um algoritmo de identificação baseado em métodos subespaciais., São testadas diferentes ordens de modelos e parâmetros de algoritmos e os que fornecem os melhores resultados de identificação e validação são clarificados, o que leva a um ganho de tempo de 85% em futuras identificações semelhantes. Enquanto esta parte considera a trajetória do ar como um todo, o resto do trabalho se concentra em componentes específicos da trajetória do ar, nomeadamente o acelerador elétrico (ET), O trocador de calor e a recirculação dos gases de escape (EGR)., Em relação ao ET, inspiram-se a partir das leis físicas que regem o funcionamento do acelerador para construir um modelo matemático SS linear-variável parâmetro (LPV), que serve para definir a estrutura vetorial de regressão do modelo LPV black-box ARX, que é representativo de um banco de testes ET e reflete suas não lineares e descontinuidades, uma vez que varia de uma zona funcional para outra. Para abordar as questões de calor e tempo de transporte em massa atrasos no air-path do motor, nos referimos ao trocador de calor e ao EGR, respectivamente., Reformular as equações diferenciais parciais hiperbólicas hiperbólicas de dimensão infinita (PDEs) descrevendo estes fenômenos de transporte como um sistema de tempo-atraso facilita a identificação e o projeto de controle do sistema adjacente. Para esse fim, uma técnica de média de espaço e o método de características são usados para dissociar os PDEs hiperbólicos descrevendo os fluxos advectivos em um trocador de calor, e reformulá-los como um sistema de tempo-atraso., Reduzir o erro entre a temperatura de saída do modelo e a de um banco de ensaios de permutadores de calor é o que busca o método de descida gradiente usado para identificar os parâmetros do sistema de tempo-atraso, que supera o PDEs em termos de precisão de identificação e eficiência computacional. Por outro lado, o EGR é abordado de uma perspectiva orientada para o controlo, e os PDEs que descrevem o fenómeno do transporte de massa na sua estrutura tubular são reformulados como um sistema SS sujeito a um atraso de saída., Para regular a razão de gás queimado no gás de admissão, a quantidade de gás recirculado é controlada usando duas abordagens de controle indireto otimizado, levando em conta a natureza de dimensão infinita do modelo e acompanhado com o método Lagrangian Uzawa aumentado para garantir o respeito das restrições de entrada e estado, resultando assim em um controlador de desempenho superior ao PID inicialmente existente. Em geral, esta tese situa-se a meio caminho entre os sectores académico e industrial., Ao avaliar a elegibilidade de integrar as teorias de identificação e controle de sistemas existentes em aplicações automotivas reais, destaca os méritos e deméritos dessas teorias e abre novas perspectivas no domínio da otimização de sistemas powertrain baseados em modelos.