A Study on How to Utilize Hilly Road Information in Equivalent Consumption Minimization Strategy of FCHEVs
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This paper presents an adaptation method of equivalent factor in equivalent consumption minimization strategy (ECMS) of fuel cell hybrid electric vehicle (FCHEV) using hilly road information. Instantaneous optimization approach such as ECMS is one of real-time controllers. Furthermore, it is widely accepted that ECMS achieves near-optimum results with the selection of the appropriate equivalent factor. However, a lack of hilly road information no longer guarantees near-optimum results as well as charge-sustaining of ECMS under hilly road conditions. In this paper, first, an optimal control problem is formulated to derive ECMS analytical solution based on simplified models. Then, we proposed updating method of equivalent factor based on sensitivity analysis. The proposed method tries to mimic the globally optimal equivalent factor trajectory extracted from dynamic programming solutions. Finally, simulations for various hilly roads are carried out for validation of the proposed adaptation method of equivalent factor. Results show that the proposed method generates similar equivalent factor trajectory with globally optimal equivalent factor trajectory in the specific drive condition. In conclusion, if future vehicle velocity can be assumed as average velocity such as highway driving mode, the proposed method using hilly road information is very effective in near-optimum results as well as charge-sustaining.</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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».