MétaCan
Menu
Retour à la cohorte
Enregistrement W2782361845 · doi:10.1177/0954407017747372

A hybrid electric vehicle energy optimization strategy by using fueling control in diesel engines

2018· article· en· W2782361845 sur OpenAlexaff
Yi Huo, Fengjun Yan, Daiwei Feng

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPowertrainAutomotive engineeringDiesel fuelFuel efficiencyEnergy managementFuel injectionNOxControl (management)Diesel engineHybrid powerBrake specific fuel consumptionEngineeringEngine control unitBrakeComputer sciencePower (physics)Internal combustion engineCombustionEnergy (signal processing)Torque

Résumé

récupéré en direct d'OpenAlex

This paper addresses a control scheme for a parallel hybrid vehicle powertrain by introducing fueling control techniques. Since a diesel engine is involved in the proposed configuration, the control of fuel injection mass and timing becomes a crucial issue. In this study, these two variables are selected as control inputs for the hybrid powertrain system. Meanwhile, an optimization-based control strategy is designed to solve the hybrid electric vehicle power management problem by incorporating engine brake specific fuel consumption characteristics with regard to fuel injection control variables. To show the advantages of the proposed control scheme, another optimization-based strategy with fixed fuel injection timing is developed and implemented for comparison. The influence of NOx emission is also considered in control strategy and simulation results to show that the proposed fuel control technique has limited impact on NOx emission but imposes a considerable improvement on fuel saving.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,193
Écart entre enseignants0,187 · 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
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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part D Journal of Automobile EngineeringMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207