An intelligent energy management strategy for an off‐road plug‐in hybrid electric tractor based on farm operation recognition
Notice bibliographique
Résumé
Abstract Due to the growing emergence of vehicle electrification, agricultural tractor developers are launching hybrid powertrains in which energy management strategy (EMS) assumes a prominent role. This work mainly aims at developing an EMS for a plug‐in hybrid electric tractor (PHET) to minimise fuel consumption and increase the operating range. The developed off‐road PHET power sources are composed of a biogas‐fuelled Internal Combustion Engine Generator (Bio‐Gen), a photovoltaic system, and a battery pack. To control the power flow among different sources, a two‐layer EMS is formulated. In this regard, initially, the farm operating mode is recognised by means of classification of a working cycle's features. Then, a control strategy based on a multi‐mode fuzzy logic controller (MFLC) is employed to manage the power flow. At each sequence, the classifier identifies the farm operation condition and accordingly activates the relative mode of the MFLC to meet the requested power from the Bio‐Gen. The performance of the proposed EMS has been evaluated based on three real‐world typical agricultural working cycles. The results demonstrate the successful performance of the proposed intelligent EMS under farm conditions by maintaining the energy sources' operation in a high‐efficiency zone which can lead to the extension of the working range and decrease fuel consumption.
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 | 0,001 | 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 ».