MétaCan
Menu
Retour à la cohorte
Enregistrement W2967079204 · doi:10.1109/itec.2019.8790636

Efficiency Analysis of Induction Motor Control Strategies Using a System-Level EV Model

2019· article· en· W2967079204 sur OpenAlexaff
Rasul Tarvirdilu-Asl, Jennifer Bauman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Motor Design and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésInduction motorElectric vehicleControl theory (sociology)TorqueDriving cycleAutomotive engineeringDirect torque controlVector controlController (irrigation)InverterMotor driveEngineeringSPARK (programming language)Computer scienceControl (management)VoltageElectrical engineeringPhysicsPower (physics)

Résumé

récupéré en direct d'OpenAlex

This paper presents a comparative study on the effect of two commonly used induction motor (IM) control strategies on motor and inverter efficiency of battery electric vehicles over standard drive cycles. An electric vehicle (EV) model is created for the 2015 Chevrolet Spark EV and verified using experimental data. After model verification, the Spark permanent magnet synchronous motor is replaced with a detailed IM and controller model. Simulation results for both Field Oriented Control (FOC) with constant rated flux and Maximum Torque Per Ampere (MTPA) control over a test drive cycle are given to validate the good tracking capability of IM current and speed controllers. The effect of control method and drive cycle on motor and inverter efficiency is illustrated by comparing efficiency calculation results for three standard drive cycles (UDDS, HWFET and US06).

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 enseignants0,517
Score d'incertitude au seuil0,422

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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Motor Design and AnalysisTravaux en français237 207