MétaCan
Menu
Retour à la cohorte
Enregistrement W3018232309 · doi:10.1504/ijvp.2020.10029002

An energy-saving strategy for steering-motors of steer-by-wire vehicles

2020· article· en· W3018232309 sur OpenAlexaff
Huiyong Zhao, Lin Zhao, Yuping He, Baohua Wang, Guangde Zhang

Notice bibliographique

RevueInternational Journal of Vehicle Performance · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCarSimTorque steeringTurning radiusAutomotive engineeringSteering wheelSteering linkageActive steeringController (irrigation)Energy (signal processing)TorqueControl theory (sociology)MATLABHeading (navigation)Energy consumptionEngineeringVehicle dynamicsComputer scienceControl (management)Mechanical engineeringAerospace engineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In a steering process, the steering-motor of a steer-by-wire (SBW) vehicle consumes energy. To facilitate energy efficiency analyses, the steeringmotor energy consumption is split into two parts, which correspond to varied and constant steering-wheel angle operating condition, respectively. The former condition is a vehicle operational manoeuvre, in which steering-wheel angle varies continuously, whereas the latter is a constant-radius circular-curve negotiation, in which steering-wheel angle maintains constant. Analysing the relation of steering-wheel angle with a road curvature, we propose an energysaving strategy for steering-motors of SBW vehicles. The energy-saving strategy is featured with a concept, a hydro-mechanical locking device, and an SBW controller for the steering-motor unit. The feasibility and effectiveness of the energy-saving strategy is demonstrated using closed-loop simulations. To implement the closed-loop simulation, we combine the driver, vehicle, and curved road models generated in CarSim software with the steering-motor model and the SBW controller developed in Matlab/Simulink.

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: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,542

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,215 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Vehicle PerformanceMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207