1D Modeling of AC Refrigerant Loop and Vehicle Cabin to Simulate Soak and Cool Down
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Simulation has become an integral part in the design and development of an automotive air-conditioning (AC) system. Simulation is widely used for both system level and component level analyses and are carried out with one-dimensional (1D) and Computational Fluid Dynamics (CFD) tools. This paper describes a 1D approach to model refrigerant loop and vehicle cabin to simulate the soak and cool down analysis. Soak and cool down is one of the important tests that is carried out to test the performance of a heating, ventilation and air-conditioning (HVAC) system of a vehicle. Ability to simulate this cool down cycle is thus very useful. 1D modeling is done for the two-phase flow through the refrigerant loop and air flow across the heat exchangers and cabin with the commercial software AMESim. The model is able to predict refrigerant pressure and temperature inside the loop at different points in the cycle. Air side predictions include evaporator air out temperature and the average cabin temperature. In a 1D model, vehicle cabin is represented as a single moist-air volume and heat load entering the cabin through different opaque and semi-transparent surfaces by conduction, convection and radiation is modeled and the simulations predict the average air temperature value inside the cabin. The simulation results agree well with the test results. This analysis helps us to predict the HVAC performance and optimize the components during the early design stages. By employing this methodology, it is possible to reduce the product development time and cost.</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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».