A Methodology for Modelling of Driveline Dynamics in Electrified Vehicles
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The assessment and control of driveline dynamics is only possible if a representative model is available. A driveline model enables engineers to estimate the system’s reactions for different torque inputs and shows how those inputs impact drivability and comfort. Modelling methods in literature are frequently designed only for internal combustion engine vehicles, disregarding electrified powertrains. To remedy that, a modelling method for electrified drivelines is presented. It simplifies the inclusion of dynamic factors such as road resistances, flexibility, friction, and inertias. The method consists in drawing a vertical diagram of the drivetrain topology where each key component is represented as a block. Newton’s second law is used to balance torque in each block connection, from propelling systems to the wheels. State variables and inputs are defined accounting for the powertrain topology. The result is an observable and controllable state-space model that can be further used for driveline control or state estimation, depending on the application. This paper shows in detail the steps to achieve such driveline models. It also proves the controllability and observability of the models developed. Finally, the method is applied to model three commonly used electrified driveline topologies - the series hybrid, the parallel hybrid, and the split hybrid. The outcomes of this study are an intuitive method for driveline modeling as well as ready-to-use state-space models of three commonly used electrified driveline topologies that can be used for drivability analysis.</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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».