Optimal Design of Energy Sources for a Photovoltaic/Fuel Cell Extended-Range Agricultural Mobile Robot
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Powertrain electrification in the agricultural vehicles is still in the initial stages. This article analyzes the energy behavior of a Photovoltaic/Fuel Cell Agricultural Mobile Robot (PV/FCAMR) as the preliminary step before development. This concept incorporates three energy storage sources for the powertrain: a battery pack, a Fuel Cell (FC) system, and a Photovoltaic (PV) system. This paper proposes an approach based on the Grey Wolf Optimization (GWO) and Particle Swarm Optimization (PSO) algorithms to determine the sizes of the FC and battery of an FCAMR. A differential drive mobile robot was used as a case study to extract the typical working cycles of farming applications. The FCAMR vehicle model was developed in MATLAB/Simulink to evaluate vehicle energy consumption and performance. For the energy analysis and evaluation, the FCAMR was tested based on two realistic working cycles comprising circular and rectangular moving patterns. The results showed that the proposed arrangement could extend the FCAMR autonomy by 350% as opposed to the pure electric system. This allows for at least 8 h of work with a tank filled with 150 g hydrogen and a PV system with a 0.5 m2 monocrystalline solar panel. The simulation results have demonstrated the relevance and robustness of this approach in relation to various working cycles. The cost comparison between the theoretical and optimization sizing methods showed at least an 8% decrease for the FCAMR. Furthermore, adding the PV system extended the vehicle’s range by up to 5%. This study provides an optimal solution for energy sources sizing of mobile robots as futuristic agricultural vehicles.
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.
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) | 0,000 | 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 découle