MétaCan
Menu
Retour à la cohorte
Enregistrement W2954234780 · doi:10.18280/mmep.060208

Design and simulation of a controller for a hybrid energy storage system based electric vehicle

2019· article· en· W2954234780 sur OpenAlexvenueno aff
Raghavaiah Katuri, Srinivasarao Gorantla

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésController (irrigation)Battery (electricity)Control theory (sociology)Electric vehiclePID controllerComputer scienceHybrid systemMATLABTransient (computer programming)Automotive engineeringPower (physics)EngineeringControl engineeringControl (management)Temperature control

Résumé

récupéré en direct d'OpenAlex

Hybrid Energy Storage System (HESS) has been introduced by combining battery with Ultracapacitor (UC).Both battery and UC are having quite opposite characteristics.The high power density of UC can be utilized during transient as well as cold starting conditions of the electric motor, and the battery can fill full its work during normal conditions.Smooth switching between battery and UC is the main obstacle associated with HESS powered electric vehicles.The main objective of the proposed work is to design and suggest a good controller for smooth switching of energy sources in HESS.A new controller has been designed with four math functions, which are individually coded based on the speed of an electric motor, called as Math Function Based (MFB) controller.To achieve a smooth transition between battery and UC, the designed MFB has been integrated with different conventional and intelligent controllers, made different hybrid controllers.In this work totally four hybrid controllers named MFB plus PI, MFB plus PID, MFB plus Fuzzy logic and MFB plus artificial neural network (ANN) controllers have been implemented to the overall circuit in four modes.Finally, suggest one hybrid controller based on the comparative analysis of all hybrid controllers.The MATLAB/ Simulation results have been plotted and discussed in Simulation Results and discussion section.

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 enseignants0,820
Score d'incertitude au seuil0,549

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 Opus0,014
Tête enseignante GPT0,182
Écart entre enseignants0,169 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207