MétaCan
Menu
Retour à la cohorte
Enregistrement W2023757057 · doi:10.1016/j.egypro.2012.09.043

Intelligent Control for Optimal Performance of a Fuel Cell Hybrid Auto Rickshaw

2012· article· en· W2023757057 sur OpenAlexaff
Mohammed Abu Mallouh, Lindsay McInnes, Brian Surgenor, Brant A. Peppley

Notice bibliographique

RevueEnergy Procedia · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicKey (lock)Fuel efficiencyAutomotive engineeringDiesel fuelController (irrigation)MinificationEnergy managementComputer scienceEngineeringControl (management)Work (physics)Energy (signal processing)Control engineeringArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

A number of studies have been conducted on the conversion of diesel powered auto rickshaws to electric drive. Of key importance to the design of any hybrid vehicle is the energy management strategy that controls the energy flow between components. This paper reports on a project whose objective is to develop and compare different intelligent control strategies for the optimal performance of a fuel cell hybrid auto rickshaw. At first, a novel fuel cell load following strategy (FCLS) showed better results when compared to a traditional equivalent consumption minimization strategy. FCLS was then benchmarked against a fuzzy control strategy (FCS). It was found that after careful tuning, FCLS and FCS were equivalent. However, tuning the fuzzy logic controller was difficult. Thus, further work is being conducted to find a more systematic way to tune FCS, with the belief that it has potential to produce better results than FCLS.

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)0,000
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 enseignants0,542
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,231
Écart entre enseignants0,220 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207