Design and Experimental Demonstration of a Seamless Automated Manual Transmission using an Eddy Current Torque Bypass Clutch for Electric and Hybrid Vehicles
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Electric Vehicles (EVs) with single-ratio gearbox provide high levels of smoothness, but using multi-speed gearbox can provide significant benefits in terms of vehicle acceleration, top speed, powertrain cost, mass, and energy consumption. In particular, Automated Manual Transmissions (AMTs) have characteristics of smooth shifts without torque interruption when coupled to a torque bypass clutch. However, conventional friction clutches are not best suited as torque bypass clutches because of their limited controllability and because large amount of heat must be dissipated to slow down the motor during gearshifts. This paper studies the feasibility of a seamless AMT architecture for EVs and Hybrid Electric Vehicles (HEVs) using an eddy current torque bypass clutch that is highly controllable, robust, low cost, and has no wearable parts. A system-level study using a backward-facing model is used to assess the advantages of multi-speed gearboxes for EVs in terms of energy consumption, powertrain cost, and mass. A full-scale clutch prototype is designed for a custom two-speed AMT of an 80 kW EV. Numerical simulations show that a two-speed gearbox can improve energy consumption by 7.2 % for a compact class EV such as the Nissan Leaf. Moreover, using two gear ratios allows a downsizing of the electric motor, which could reduce powertrain cost and mass by 23.1 % and 15.6 %, respectively. The clutch is characterized experimentally and its maximum torque agrees well with analytical results (within 6 %). The prototype performed a seamless shift on a test bench demonstrating the viability of using an eddy current clutch for torque bypass clutches in AMTs.</div></div>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».