Application of New SEUMRE Global Optimization Tool in High Efficiency EV/PHEV/EREV Electric Mode Operations
Notice bibliographique
Résumé
Electric Vehicles (EV), Hybrid Electric Vehicles (HEV), Plug-in Hybrid Electric Vehicles (PHEV) and Extend Range Electric Vehicles (EREV) draw mechanical power or regenerate electric power using multiple electric motors and generators (M/Gs). Conventionally, heuristics and experience based control rules are used to guide the determination of powertrain component operation parameters to obtain good efficiency. To achieve optimal vehicles electrical/mechanical energy conversion efficiency and to prolong the pure electric range of these vehicles, the energy conversion efficiency is to be maximized against powertrain component operation parameters using high fidelity model and simulation. However, the energy conversion efficiency model using vehicle powertrain component model and simulation is complex, multimodal, and computationally intensive. An efficient global optimization tool is needed to produce the optimal efficiency look-up surface for real-time control system implementation, or to search for the optimal operation parameters in real time. In this work, the electrical/mechanical energy conversion efficiency of EV and PHEV/EREV in EV mode is modeled using MATLAB Simulink based powertrain component models. In particular, a new 2 mode-plus EREV design is used as a design example. The optimal vehicle electrical/mechanical energy conversion efficiency under various powertrain component operation parameters are obtained using three alternative global optimization tools, Genetic algorithm (GA), Particle Swarm Optimization (PSO) and Space Exploration and Unimodal Region Elimination (SEUMRE). The conventional GA and PSO tools, with less efficient search efficiency and requiring long search time, are used for benchmark comparisons. The new SEUMRE global optimization tool is used obtain equally accurate results much efficiently. A rough look-up surface is created to demonstrate the difference in computational efficiency. Application of the SEUMRE global optimization tool allow refined and more accurate vehicle electrical/mechanical energy conversion efficiency map being created for the optimal operation of the EV/PHEV/EREV Optimal vehicle control schemes can then be generated in determining the speed and torque of the M/Gs of the vehicle without violating their physical constraints and achieving the overall maximum efficiency of the hybrid powertrain system. Results of the design optimization are presented and compared. New design guidelines are provided.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».