MétaCan
Menu
Retour à la cohorte

Design & Development of On-Board DC Fast Chargers for E-Rickshaw

2019· article· en· W3023205979 sur OpenAlexaff
Abhinandan Dixit, Karan Pande, Akshay Kumar Rathore, Rajeev Kumar Singh, Santanu Mishra

Notice bibliographique

Revue2019 IEEE Transportation Electrification Conference (ITEC-India) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésBattery chargerPower factorRectifier (neural networks)Battery (electricity)Buck converterVoltageTopology (electrical circuits)Buck–boost converterInductanceElectrical engineeringPower (physics)Three-phaseBoost converterElectronic engineeringEngineeringForward converterComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This paper proposes a single-phase 3.3 kW onboard battery charger for E-Rickshaw with a Single-stage Active Power Factor Correction (PFC) Buck-Boost Converter topology. Normally, E-Rickshaw battery charger is heavy and bulky in dimensions and comprises of a power-factor corrector (PFC) and a DC-DC converter. A traditional single-phase PFC converter has three sensors namely input voltage, input current, and output voltage for measurement. The proposed converter is more compact and more flexible in terms of control and conversion stages a with new Unity Power Factor alongside a combination of a full-bridge diode rectifier and a single switch Buck-Boost converter by just using one output voltage sensor is presented. The suggested control technique uses only one integrator to compensate for the steady-state error and is very simple to implement. The proposed battery charger accomplish Unity Power Factor at variable AC input with a small inductance. To verify the feasibility of the proposed scheme, the proposed battery charger topology is simulated in PSIM. The simulation result indicates a 95% peak efficiency at 220Vac and 93% at a variable input voltage from 170V-280V at 3.3kW. A scaled-down lab prototype of 1.5kW is built and experimental results are presented to verify the suitability of the proposed converter.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,027
Tête enseignante GPT0,243
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 IEEE Transportation Electrification Conference (ITEC-India)Même sujetAdvanced DC-DC ConvertersTravaux en français237 207