MétaCan
Menu
Retour à la cohorte
Enregistrement W2171524223 · doi:10.1109/cec.2011.5949840

Optimal design of an air-cooling system for a Li-Ion battery pack in Electric Vehicles with a genetic algorithm

2011· article· en· W2171524223 sur OpenAlexaff
Mohsen Mousavi, Shaikh Hoque, Shahryar Rahnamayan, İbrahim Dinçer, G.F. Naterer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBattery packBattery (electricity)Genetic algorithmAir coolingComputer scienceIonAutomotive engineeringElectrical engineeringEngineeringAlgorithmAerospace engineeringPhysicsPower (physics)Thermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper examines and optimizes parameters that affect the air cooling of a Lithium-Ion (Li-Ion) battery, used in Electric Vehicles (EVs). A battery pack containing 150 cylindrical type Li-Ion battery cells in a PVC casing is investigated. An equal number of tubes are used in the pack as a medium to cool the battery by using a fan when the vehicle is stationary or with ambient air when in motion. The parameters affecting the air cooling of battery are studied and optimized by considering their practical constraints. The objective function and Number of Transfer Unit (NTU) are developed Finally, a genetic algorithm method is employed to optimize the decision variables. Analysing the results shows that NTU can be maximized by increasing the diameter of tubes on the battery and keeping the air velocity in a certain range.

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: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil0,526

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 Opus0,027
Tête enseignante GPT0,238
Écart entre enseignants0,211 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207