Important powertrain dynamics for developing models for control of connected and automated electrified vehicles
Notice bibliographique
Résumé
Connected and Automated Vehicles (CAV) technology presents significant opportunities for energy saving in the transportation sector. CAV technology forecasts vehicle and powertrain power needs under various terrain, ambient, and traffic conditions. Integration of the CAV technology in Hybrid Electric Vehicles (HEVs) provides the opportunity for optimal vehicle operation. Indeed, Hybrid Electric Vehicle powertrains present high degrees of flexibility and possibility for choosing optimum powertrain modes based on the predicted traction power needs. In modeling complex CAV powertrain dynamics, the modeler needs to consider short-time scale powertrain dynamics, such as engine transients, and hysteresis of mode-switching for a multi-mode HEV. Therefore, the powertrain dynamics essential for developing powertrain controllers for a class of connected HEVs is presented. To this end, control-oriented powertrain dynamic models for a test vehicle consisting of full electric, hybrid, and conventional engine operating modes are developed. The resulting powertrain model can forecast vehicle traction torque and energy consumption for the specified prediction horizon of the test vehicle. The model considers different operating modes and associated energy penalty terms for mode switching. Thus, the vehicle controller can determine the optimum powertrain mode, torque, and speed for forecasted vehicle operation via utilizing connectivity data. The powertrain model is validated against the experimental data and shows prediction error of less than 5% for predicting vehicle energy consumption. The model is used to create energy penalty maps that can be used for CAV control, for example fuel penalty map for engine torque changes (10–40 Nm) at each engine speed. The results of model-based optimization show optimum switching delays ranging from 0.4 to 1.4 s to avoid hysteresis in mode switching.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».