Estimation of the State Variables and Unknown Input of a Two-Speed Electric Vehicle Driveline Using Fading-Memory Kalman Filter
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
This paper studies the stochastic estimation of unavailable state variables and the unknown input of an electric vehicle (EV) driveline equipped with a novel seamless clutchless two-speed transmission. The proposed transmission is explained and the kinematics and dynamics of the driveline, which constitute the basis for the observer design, are presented. For identical inputs, the outputs of the dynamical model are compared to those of the experimental test rig and the simulation model created in the MATLAB/ <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">Simulink</i> . The method of modeling the unknown input as a fictitious state variable is combined with the fading-memory Kalman filter (FMKF) in order to provide a robust concurrent estimation of unavailable states and the unknown input. The observer estimates angular velocities of the off-going and on-coming gears and consequently the gear ratio, the input and output torques of the transmission, and the unknown torque exerted on the vehicle based on the speed measurements of the electric motor and wheels. The observability of the states and unknown input of the augmented system is analyzed and the performance of the proposed observer is experimentally assessed for upshift and downshift scenarios. The estimation results are compared with the conventional KF and the deterministic Luenberger observer (DLO).
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 | 0,000 | 0,001 |
| 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 découle