Simulating Electric Refuse Collecting Vehicle Performance: Permanent Magnet Versus Switched Reluctance Traction Motor
Notice bibliographique
Résumé
Refuse collecting vehicles (RCVs) that use internal combustion engines (ICEs) have very poor mileage, mainly due to their tendency to idle for long periods and frequent number of stops. This type of drive cycle is better suited for electric RCVs (ERCVs) which consume much less energy during idle periods and are generally more efficient. ERCVs traditionally use traction motors that incorporate rare earth metals in their design. These permanent magnet motors (PMMs) have as draw-backs: high cost of magnet material, sensitivity to demagnetization and increased concern towards properly securing magnets in the rotor. Switched reluctance motors (SRMs) do not use magnets and thus do not suffer from these drawbacks. Their low-cost design and high durability offer an enticing possibility for an ERCV, which typically sees heavy use and requires significant maintenance. The ERCV is also potentially less affected by the SRM torque ripple. This paper examines substitution of a conventional PMM with an SRM in an ERCV. A model is created in MATLAB/Simulink to represent the ERCV and performance of the vehicle using both motors is analyzed. SRM thermal analysis during the drive cycle is also conducted using a Motor-CAD model previously designed to assess maximum operating temperatures.
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 | 0,001 |
| 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) | 0,001 | 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 ».