Comparison of Decentralized ADMM Optimization Algorithms for Power Allocation in Modular Fuel Cell Vehicles
Notice bibliographique
Résumé
The advanced modular powertrains are envisioned as primary part of future hybrid fuel cell vehicles (FCVs). The existing papers in the literature solely cope with the hardware side of modularity, while the software side is also vital to capitalize on the total capacity of these powertrains. Driven by this motivation, this article puts forward a comparative study of two novel decentralized convex optimization frameworks based on alternating direction method of multipliers (ADMM) to solve a multi-objective power allocation strategy (PAS) problem in a modular FCV (MFCV). The MFCV in this article is composed of two fuel cell (FC) stacks and a battery pack. Despite the existing centralized strategies for such a modular system, this manuscript proposes two decentralized PASs (Dec-PASs) based on Consensus ADMM (C-ADMM) and Proximal Jacobian ADMM (PJ-ADMM) to bridge the gap regarding the appreciation of modularity in software terms. Herein, after formulating the central PAS optimization problem, the principle of utilizing such decentralized algorithms is presented in detail. Subsequently, the performance of the proposed Dec-PASs is examined through several numerical simulations as well as experiments on a developed small-scale test bench. The obtained results illustrate that decomposition into decentralized forms enables solving the complex PAS optimization problem faster and provides modularity and flexibility. Furthermore, the proposed Dec-PASs can cope with fault and malfunction and thus augment the durability and robustness of modular powertrain systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».