Real-Time Ambient Temperature Estimation Using Kalman Filter and Traction Power-Aware Cabin Climate Control in Battery Electric Vehicles
Notice bibliographique
Résumé
In this paper, an improved climate control system is presented for a Heating, Ventilation, and Air conditioning (HVAC) unit of a battery electric vehicle (BEV) to improve the system’s efficiency while maintaining the desired cabin temperature for the passengers. Since BEVs are entirely dependent on the battery power for HVAC usage, it is crucial to adapt the HVAC control according to the battery status to improve the battery usage. Therefore, our proposed climate control system has taken into account the dynamics of the HVAC model while considering the importance of the ambient temperature and route behavior on the power usage that is needed to provide a comfortable climate in the cabin. Since the ambient temperature has a critical role in estimating the required HVAC power, it is necessary to assess it precisely. Accordingly, a Kalman filter is designed to achieve high precision temperature estimation in real-time. Furthermore, the effect of the driving cycle on the traction motor is considered to improve the overall performance of the vehicle’s system and battery’s health by adjusting climate controller behavior in different weather conditions. A comprehensive simulation study in MATLAB/Simulink <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">®</sup> is provided to evaluate the effectiveness of the proposed climate control technique and Kalman filter based ambient temperature estimation.
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 | 0,000 |
| 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 ».