MétaCan
Menu
Retour à la cohorte
Enregistrement W2801277833 · doi:10.4271/08-07-01-0002

Design, Analysis, and Optimization of a Multi-Speed Powertrain for Class-7 Electric Trucks

2018· article· en· W2801277833 sur OpenAlexaff
Alexei A. Morozov, Kieran Humphries, Ting Zou, Tanvir Rahman, Jorge Angeles

Notice bibliographique

RevueSAE International journal of alternative powertrains · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPowertrainTruckAutomotive engineeringClass (philosophy)Computer scienceEngineeringTorqueArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<div>The development, analysis, and optimization of battery electric class-7 heavy-duty trucks equipped with multi-speed transmissions are discussed in this article. The designs of five new traction motors-fractional-slot, concentrated winding machines-are proposed for use in heavy-duty electric trucks. The procedure for gear-ratio range selection is outlined and ranges of gear ratios for three-to six-speed transmission powertrains are calculated for each of the proposed electric traction motors. The simulation and gear-ratio optimization tasks for class-7 battery electric trucks are formulated. The energy consumption of the e-truck with the twenty possible powertrain combinations is minimized over the four driving cycles and the most efficient powertrain layouts that meet the performance criteria are recommended.</div>

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: aucune
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,022
Tête enseignante GPT0,286
Écart entre enseignants0,264 · 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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE International journal of alternative powertrainsMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207