Simulation Methodology for Duty Cycle based Fuel Consumption Calculation for Heavy Commercial Vehicles
Notice bibliographique
Résumé
Automobile industry is facing challenges in the field of technological innovation and achieving minimum Total Cost of Ownership (TCO) despite rise in fuel prices. To overcome these challenges is certainly a challenging task. In doing so, automobile sector is mainly focused on passenger safety, comfort, reliability, meeting stringent emission norms, and above all reducing the vehicle fuel consumption. Referring to the Paris climate agreement, and India’s commitment to reduce the CO2 intensity by 33% - 35% by 2030 below the 2005 levels [1], it is imperative to lay down strong policies and procedure to curb the fuel consumption to contribute for reduction in carbon foot print and oil imports. Transportation sector is majorly responsible for the GHG Emission of which the CO2 emission from commercial vehicles is nearly 73% [2], although the total sales of commercial vehicles are around 4% of cumulative vehicle sales. Physical testing of these vehicles for FC measurement is very expensive and laborious task due to number of variants involved in testing. In view of these factors, it is necessary to establish a very robust simulation based methodology for fuel consumption/CO2 monitoring of commercial vehicles with GVW of above 3.5 T. Countries like US, EU, Canada, Japan and China have already moved towards simulation based calculations for CO2 monitoring and certification [3]. This paper illustrates the methodology for CO2 calculation, which is in harmony with the FC prediction and monitoring procedure available in Europe. Strenuous vehicle (air drag test, coast down) testing and component (Engine, Transmission, Differential & Tyres) testing were carried out as per defined methodology to generate the detailed vehicle data to prepare the simulation model in VECTO [4]. The results from VECTO are then compared with the real world fuel consumption measurements. To make the simulation tool more compatible with Indian driving and road conditions, it is also proposed to develop India specific mission profiles which would bring in a more holistic approach for fuel consumption estimation by simulation
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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.
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 ».