MétaCan
Menu
Retour à la cohorte
Enregistrement W2779067928 · doi:10.3390/en11010034

Research on a Novel Hydraulic/Electric Synergy Bus

2017· article· en· W2779067928 sur OpenAlexaff
Kegang Zhao, Zhihao Liang, Yanjun Huang, Hong Wang, Amir Khajepour, Yuke Zhen

Notice bibliographique

RevueEnergies · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésPowertrainAutomotive engineeringFuel efficiencyMATLABHydraulic accumulatorDriving cycleElectric vehicleAccumulator (cryptography)Battery (electricity)Hybrid vehicleRegenerative brakeComputer scienceEngineeringTorquePower (physics)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, increasing concerns regarding environmental pollution and requirements for lower fossil fuel consumption have increased interest in alternative hybrid powertrains. As a result, this paper presents a novel hydraulic/electric synergy powertrain with multiple working modes. The three energy sources (i.e., engine, battery, and hydraulic accumulator) in this configuration are regulated by a dual planetary gear set to achieve optimal performances. This paper selects the component sizes of a hybrid electric vehicle (HEV), a hydraulic hybrid vehicle (HHV), and a hydraulic/electric synergy vehicle (HESV), based on the dynamic performance of a target vehicle (TV). In addition, this paper develops the forward simulation models of the four aforementioned vehicles in the MATLAB/Simulink/Driveline platform, in which the fuel economy simulations are carried out in relation to the Chinese urban bus cycle. The simulation results show that the fuel consumption of the three hybrid vehicles is similar, but much better than, that of the TV. Finally, based on the operating cost calculations over a five-year working period, the lowest cost ranges of the three hybrid vehicles are determined, which provides a method for choosing the optimal hybrid scheme.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,536

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 ouverte0,0010,000
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 Opus0,050
Tête enseignante GPT0,308
Écart entre enseignants0,258 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207