Multi-Speed Gearboxes for Battery Electric Vehicles: Current Status and Future Trends
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the last decade, the automotive industry has undergone a paradigm shift towards electrification. Electric vehicles have become increasingly popular, but so far, they have almost solely utilized single-ratio gearboxes. The use of multiple gear ratios has several potential benefits, including enabling the electric traction machine and inverter to operate in a more efficient region, increasing vehicle acceleration, gradeability, and top speed, and reducing overall traction system mass and volume. Performance vehicles, light to heavy-duty trucks, and buses may especially benefit from multi-speed gearboxes due to their high torque and power requirements. This paper covers the fundamentals of applying multi-speed gearboxes to EVs, the latest designs, and future trends. The efforts of both academia and industry in this field are covered. A range of topics are discussed, including gearbox topologies, gear ratio selection, gearbox losses, noise vibration and harshness, gearbox control, shift scheduling, and regenerative braking. Prior studies are presented showing that depending on the drive cycle, vehicle type, and gearbox configuration, drivetrain energy consumption may be reduced slightly or increased anywhere from a few percent to thirty percent when utilizing a multi-speed configuration. While multi-speed EV traction systems do show considerable promise, more investigation is needed to conclusively determine in what cases they can outperform highly optimized single-speed 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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle