MétaCan
Menu
Retour à la cohorte
Enregistrement W2751125183 · doi:10.1088/1757-899x/235/1/012015

Research on Acceleration Compensation Strategy of Electric Vehicle Based on Fuzzy Control Theory

2017· article· en· W2751125183 sur OpenAlexaff
Tianjun Zhu, Bin Li, Changfu Zong, Zhicheng Wei

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesNatural Science Foundation of Guangdong Province
Mots-clésAccelerationCompensation (psychology)Fuzzy logicControl theory (sociology)Fuzzy control systemControl (management)Electric vehicleComputer scienceControl engineeringAutomotive engineeringEngineeringArtificial intelligencePhysicsPsychologyClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Nowadays, the driving technology of electric vehicle is developing rapidly. There are many kinds of methods in driving performance control technology. The paper studies the acceleration performance of electric vehicle. Under the premise of energy management, an acceleration power compensation method by fuzzy control theory based on driver intention recognition is proposed, which can meet the driver’s subjective feelings better. It avoids the problem that the pedal opening and power output are single correspondence when the traditional vehicle accelerates. Through the simulation test, this method can significantly improve the performance of acceleration and output torque smoothly in non-emergency acceleration to ensure vehicle comfortable and stable.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0010,001
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 Opus0,031
Tête enseignante GPT0,266
Écart entre enseignants0,235 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207