Physics-based controller design to reduce data dependencies and engine calibration workload
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Model-based controls development has the potential to reduce cost and development time and helps to improve quality of the control design. It helps creating an infrastructure more robust to unforeseen changes to the development cycle plan. More upfront effort is required, including physical parameter characterization, model development, and “potentially” increased demands for processing power and memory, but the longer term benefits outweigh these costs. On top of that, the language of physics can be used to characterize a system by reducing its behavior to a set of differential equations. The main benefit is a potentially significant reduction in calibration effort, since there will be less calibratable parameters, tables and logic operators. Calibrations are reduced to dynamic system parameterization, thus reducing dependencies on empirical data during the control design. This also allows for future fidelity improvements without tearing up the architecture. These benefits find a roadblock in hardware constraints on embedded applications, where increased complexity of the dynamic equations might affect real time capabilities. This paper explores these benefits in the development of a software module comparing the calibration effort on both the physics based and the empirical data based applications. The particular system under investigation is the embedded physics model for boil-off phenomenon that occur in internal combustion engines (ICEs) in flex-fuel vehicles (FFV) applications, used during the compensation of injected fuel. The ethanol vaporization from the oil sump was parametrized using physics modeling, facilitating its development and understanding. The model for fuel drainage to the sump is out of the scope for this paper.</div></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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».