Modeling, Simulation and Performance Comparison of Conventional Vehicle Against Three Configurations of Hybrid Vehicles
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
In the last two decades, an extensive research work has been conducted in the automotive industry to develop and improve vehicles’ performance. Different vehicular powertrain configurations such as electric vehicles, hybrid ICE/battery vehicles, and recently hybrid FC/battery vehicles have been investigated to find more efficient alternatives for conventional combustion engines vehicles. Because of the many hybrid and electrical vehicle configurations and powertrain technologies, modeling and simulation of such vehicles are very important tools for final design development. Simulation saves time and cost in predicting performance, selecting powertrain components, and tuning control systems. In this paper, three hybrid vehicle models are developed and tested based on forward looking modeling technique and utilizing the Powertrain System Analysis Toolkit (PSAT) software package. Unlike most of the literature, this paper shows more details about sizing of the major components of the proposed powertrains. The main hybrid powertrain components were sized such that acceptable drivability, performance, and fuel economy are achieved. The performance of developed vehicle models is compared with an internal combustion engine (ICE) Nissan Sunny vehicle model using a non-standard driving cycle that was developed to reflect a local driving pattern. The hybrid models under investigation are hybrid fuel cell/battery vehicle, and two hybrid ICE/battery vehicles; one with series configuration, and the other with parallel configuration. The performance of the models is investigated in terms of fuel economy, drivability, emissions, and efficiency. The introduced simulation results demonstrate that the hybrid FC/battery configuration performs the best and is consequently recommended as the powertrain of choice for future vehicles.
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 | 0,000 |
| 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 découle