Comprehensive Efficiency Modeling of Electric Traction Motor Drives for Hybrid Electric Vehicle Propulsion Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Extensive research done in the recent past has proven that power electronic converters and electric propulsion motors are extremely critical components for modern hybrid electric vehicle (HEV) propulsion applications. Therefore, it is essential that both the traction motor and the associated drive operate at their optimal efficiencies throughout the driving schedule. In typical HEV propulsion applications, the traction motor and the drive are used over the entire torque/speed operational range. In view of this fact, this paper aims at modeling the inverter and motor losses/efficiencies over typical city and highway driving schedules. The noteworthy losses within a typical three-phase dc/ac traction inverter, such as the switching and conduction losses for both the insulated-gate bipolar transistors and the antiparallel diodes, are modeled and simulated over the city and highway driving patterns. An induction motor (IM) is used for a medium-sized sport utility vehicle, which was modeled in the advanced vehicle simulator (ADVISOR) software. The significant IM losses that were considered in the study include the stator copper losses, rotor copper losses, and core losses. Thus, the average efficiencies of both the inverter drive and the induction traction motor are evaluated and summarized under city as well as highway driving conditions. Finally, based on the individual-model-based efficiency analysis, the overall traction motor drive system efficiency is estimated.
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.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 découle