Improving mission specific hybrid vehicle energy management control systems
Notice bibliographique
Résumé
Avec l'apparition du réchauffement climatique et de la contribution des transports au problème, la consommation de carburant des véhicules légers est devenu un enjeu majeur. L'amélioration de la consommation de carburant est un aspect important qui a le potentiel de réduire considérablement les effets néfastes des véhicules légers sur l'environnement. Les véhicules hybrides offrent une solution potentielle pour améliorer la consommation de carburant des véhicules légers en combinant les avantages d'un véhicule électrique avec la capacité des véhicules traditionnels. Cette thèse explore les améliorations possibles de la consommation de carburant si un conducteur fournit des informations sur l'itinéraire à un véhicule hybride. Un algorithme de contrôle pour la gestion d'énergie basée sur une simulation (SBA) a été développé afin d'optimiser le temps, la couple et les consignes de vitesse nécessaires pour fournir suffisamment d'énergie pour terminer un cycle de conduite. Cet algorithme a été testé sur un modèle informatique de la Chevrolet Volt, un véhicule hybride en production. Les cycles de conduites utilisés pour tester l'algorithme étaient un mélange de cycles EPA standards et cycles réels. Les résultats démontrent que des améliorations de la consommation de carburant sont possibles en utilisant un tel algorithme. Les défis de mise en œuvre dans le monde réel sont également discutés. Les recherches menées dans cette thèse ont été réalisé à CrossChasm Technologies dans le cadre de la Bourse en Milieu Pratique (BMP) du Fonds de recherche du Québec - Nature et technologies (FQRNT).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».