Simultaneous Plant/Controller Optimization of Traction Control for Electric Vehicle
Notice bibliographique
Résumé
Development of electric vehicles is motivated by global concerns over the need \nfor environmental protection. In addition to its zero-emission characteristics, an \nelectric propulsion system enables high performance torque control that may be \nused to maximize vehicle performance obtained from energy-efficient, low rolling \nresistance tires typically associated with degraded road-holding ability. \nA simultaneous plant/controller optimization is performed on an electric vehicle \ntraction control system with respect to conflicting energy use and performance \nobjectives. Due to system nonlinearities, an iterative simulation-based optimization \napproach is proposed using a system model and a genetic algorithm (GA) to guide \nsearch space exploration. \nThe system model consists of: a drive cycle with a constant driver torque request \nand a step change in coefficient of friction, a single-wheel longitudinal vehicle model, \na tire model described using the Magic Formula and a constant rolling resistance, \nand an adhesion gradient fuzzy logic traction controller. \nOptimization is defined in terms of the all at once variable selection of: either \na performance oriented or low rolling resistance tire, the shape of a fuzzy logic \ncontroller membership function, and a set of fuzzy logic controller rule base conclusions. \nA mixed encoding, multi-chromosomal GA is implemented to represent the \nvariables, respectively, as a binary string, a real-valued number, and a novel rule \nbase encoding based on the definition of a partially ordered set (poset) by delta \ninclusion. \nSimultaneous optimization results indicate that, under straight-line acceleration \nand unless energy concerns are completely neglected, low rolling resistance tires \nshould be incorporated in a traction control system design since the energy saving \nbenefits outweigh the associated degradation in road-holding ability. The results \nalso indicate that the proposed novel encoding enables the efficient representation \nof a fix-sized fuzzy logic rule base within a GA.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».