MétaCan
Menu
Retour à la cohorte
Enregistrement W2802730362 · doi:10.1177/0959651818773650

A new system configuration design and power management strategies for a multi-source hybrid truck

2018· article· en· W2802730362 sur OpenAlexaff
Zhenhe Li, Yanjun Huang, Hong Wang

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship Council
Mots-clésDriving cycleScheduleTruckFuel efficiencyHybrid systemAutomotive engineeringEnergy managementMATLABComputer scienceHybrid powerPower (physics)DynamometerEnergy consumptionEnergy (signal processing)Control engineeringSimulationEngineeringElectric vehicle

Résumé

récupéré en direct d'OpenAlex

In this article, a novel system configuration with multiple energy sources is proposed for a hybrid truck in order to reduce fuel consumption and overcome the drawbacks of using a single energy source. The energy-saving characteristics of the hybrid system can be displayed after analyzing its system structure and performances. In order to validate the advantages of this presented system, the dynamic models of the system components are established in a MATLAB/Simulink environment, and initial and improved power management strategies with rule-based algorithms are developed. Then, the hybrid system is simulated based on the models and control strategies over the urban dynamometer driving schedule driving cycle. The simulation results show that the fuel consumption employing the initial power management strategy is 12.49 L/100 km, and there is a significant decrease with around 13.6% based on the improved strategy. The results also verify that the better fuel economy can be achieved by the proposed multi-source system compared to the counterparts under the same operating conditions.

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 enseignants0,924
Score d'incertitude au seuil0,508

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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,197
Écart entre enseignants0,186 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part I Journal of Systems and Control EngineeringMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207