MétaCan
Menu
Retour à la cohorte
Enregistrement W1994989924 · doi:10.1504/ijehv.2013.057604

A battery hardware-in-the-loop setup for concurrent design and evaluation of real-time optimal HEV power management controllers

2013· article· en· W1994989924 sur OpenAlexafffund
Reza Sharif Razavian, Nasser L. Azad, John McPhee

Notice bibliographique

RevueInternational Journal of Electric and Hybrid Vehicles · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBattery (electricity)Hardware-in-the-loop simulationController (irrigation)Control engineeringFlexibility (engineering)Process (computing)Power managementComputer sciencePower (physics)EngineeringControl theory (sociology)Automotive engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

We have developed a battery hardware–in–the–loop (HIL) setup, which can expedite the design and evaluation of power management controllers for hybrid electric vehicles (HEVs) in a novel cost– and time–effective manner. The battery dynamics have a significant effect on the HEV power management controller design; therefore, physical batteries are included in the simulation loop for greater simulation fidelity. We use Buckingham's Pi Theorem in the scaled–down battery HIL setup to reduce development and testing efforts, while maintaining the flexibility and fidelity of the control loop. In this paper, usefulness of the setup in parameter identification of a simple control–oriented battery model is shown. The model is then used in the power management controller design, and the real–time performance of the designed controller is tested with the same setup in a realistic control environment. Test results show that the designed controller can accurately capture the dynamics of the real system, from which the assumptions made in its design process can be confidently justified.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,399

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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

Citations11
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Electric and Hybrid VehiclesMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207