MétaCan
Menu
Retour à la cohorte
Enregistrement W2023784274 · doi:10.1115/ices2012-81146

Reducing Emissions From Diesel-Hauled Commuter Trains by Recouping Braking Energy

2012· article· en· W2023784274 sur OpenAlexaboutno aff
P. P. Eggleton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive engineeringTrainDiesel fuelRegenerative brakeDynamic brakingHybrid vehicleEngineeringSupercapacitorAccelerationEnergy consumptionComputer scienceElectrical engineeringBrakeCapacitance

Résumé

récupéré en direct d'OpenAlex

The concept of a hybrid braking energy recoupment system was defined for coaches of diesel-hauled regional commuter trains. Functional specifications were developed having the goal of increasing by 25 percent the acceleration rate of a commuter train consisting of 10 bi-level coaches hauled by a 3,000 hp diesel locomotive, typical of the rolling stock now in service in Canada and the U.S.A. Because increasing train acceleration was the primary aim, the concept was named the Hybrid Augmented Traction System (HATS). Analyses of HATS simulations showed that in addition to augmenting acceleration and reducing trip time, braking energy recoupment reduced fuel consumption and corresponding diesel emissions. Examined were three alternate hybrid systems for train retardation by recoupment of braking energy, its storage and then regeneration based, respectively, on Hydrostatic, Battery and Ultracapacitor energy storage. The Ultracapacitor Hybrid system appeared the most promising due to the capability of ultracapacitors to repeatedly and rapidly accept large charges, be temperature insensitive and flexible in the placement of modules in the limited space available. The study foresees that HATS technology development could be expedited via the procurement process if railway operators specified braking energy recoupment requirements in calls-for-proposals for new capital equipment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207