MétaCan
Menu
Retour à la cohorte
Enregistrement W1991268814 · doi:10.1177/0954407014547925

Design and evaluation of a predictive powertrain control system for a plug-in hybrid electric vehicle to improve the fuel economy and the emissions

2014· article· en· W1991268814 sur OpenAlexafffund
Amir Taghavipour, Nasser L. Azad, John McPhee

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPowertrainModel predictive controlAutomotive engineeringController (irrigation)Plug-inBattery (electricity)Electric vehicleEngineeringTorquePower (physics)Control engineeringComputer scienceControl (management)

Résumé

récupéré en direct d'OpenAlex

In this article, a power management scheme for a plug-in power-split hybrid electric vehicle is designed on the basis of the model predictive control concept of charge depletion plus charge sustenance strategy and the blended-mode strategy. The commands of model predictive control are applied to the powertrain components through appropriate low-level controllers: standard proportional–integral controllers for electric machines, and sliding-mode controllers for engine torque control. Minimization of the engine emissions is a key factor for designing the engine’s low-level controller. Applying this control scheme to a validated high-fidelity model of a plug-in hybrid electric vehicle, developed in the MapleSim environment with a chemistry-based Lithium-ion battery model, results in considerable improvements in the fuel economy and the emissions performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil0,367

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile EngineeringMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207