MétaCan
Menu
Retour à la cohorte
Enregistrement W2062073028 · doi:10.1109/cca.2014.6981411

Dynamic modeling and controller design for a seamless two-speed transmission for electric vehicles

2014· article· en· W2062073028 sur OpenAlexaff
Mir Saman Rahimi Mousavi, Ali Pakniyat, Benoît Boulet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPowertrainGear trainControl theory (sociology)Controller (irrigation)TorqueComputer scienceTransmission (telecommunications)LinearizationKinematicsAutomatic transmissionControl engineeringMATLABEngineeringAutomotive engineeringNonlinear systemClutchControl (management)

Résumé

récupéré en direct d'OpenAlex

Transmission is one of the crucial elements of the driveline that affects vehicle fuel economy and comfort. It can transfer power in different combinations of torque and speed. This paper focuses on the modeling, simulation and control of a two-speed transmission for electric vehicles which has seamless gear shifting specification. The transmission incorporates two-stage planetary gear sets and two braking mechanisms to control the gear shifting. The dynamic model is developed by using the kinematic equations of the planetary gear trains and the Euler-Lagrange equations to derive the equations of motion. The mathematical model is validated by using the SimDriveLine library of MATLAB/Simulink®. The controller design employs optimal control methods to provide seamless shifting with minimum transition time. Then, by relaxing ideal constraints, a feasible controller is designed based on input-output and input-state feedback linearization. Simulation results demonstrate the ability of the proposed transmission to have smooth shifting without excessive oscillations in the output torque and speed.

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: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,528

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 Opus0,014
Tête enseignante GPT0,229
Écart entre enseignants0,215 · 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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207