MétaCan
Menu
Retour à la cohorte
Enregistrement W3216748084 · doi:10.1109/tte.2021.3131917

Electrified Automotive Propulsion Systems: State-of-the-Art Review

2021· article· en· W3216748084 sur OpenAlexaff
Daniel Barroso, Yinye Yang, Fabricio Machado, Ali Emadi

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésElectrificationPropulsionAutomotive industryAutomotive engineeringElectrically powered spacecraft propulsionProcess (computing)EngineeringCarbon footprintElectricityComputer scienceGreenhouse gasElectrical engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The increase in pollution and carbon dioxide in the transportation sector motivates many countries to establish rules to reduce the emission and carbon footprint. The partial or total electrification of the automotive propulsion system is mandatory to minimize the impact of transportation on the environment. There are multiple possible architectures to electrify the vehicle propulsion system, with different degrees of electrification, and each of the architectures can provide a different balance between energy efficiency, vehicle performance, comfort, drivability, and safety. This article aims to present the definition of the automotive propulsion system electrification, the various degrees of electrification and operation modes, and the possible configurations of an electrified propulsion system by the electric machine position. This article also introduces the definition of the subsystems of the propulsion systems and their components, with an explanation of the subsystem and each of their parts. Based on the state-of-the-art technology development, it intends to present the industry’s common sense and knowledge on automotive propulsion system electrification and proposes a process to follow in the electrified propulsion system architecture selection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207