Multitarget Evaluation of Hybrid Electric Vehicle Powertrain Architectures Considering Fuel Economy and Battery Lifetime
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">Hybrid electric vehicle (HEV) powertrains are characterized by a complex design environment as a result of both the large number of possible layouts and the need for dedicated energy management strategies. When selecting the most suitable hybrid powertrain architecture at an early design stage of HEVs, engineers usually focus solely on fuel economy (directly linked to tailpipe emissions) and vehicle drivability performance. However, high voltage batteries are a crucial component of HEVs as well in terms of performance and cost. This paper introduces a multitarget assessment framework for HEV powertrain architectures which considers both fuel economy and battery lifetime. A multi-objective formulation of dynamic programming is initially presented as an off-line optimal HEV energy management strategy capable of predicting both fuel economy performance and battery lifetime of HEV powertrain layout options. Subsequently, three different HEV powertrain architectures are considered as test cases for the developed HEV assessment methodology including parallel P2, series-parallel P1P2 and power-split layouts. A comparison of numerical results for the three HEV powertrain test cases is then performed in terms of optimal fuel economy capabilities while ensuring a specific battery lifetime over several defined driving missions. Engineers could thus adopt the developed methodology to enhance the evaluation of HEV design options by considering fuel economy and battery lifetime at the same time.</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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».