MétaCan
Menu
Retour à la cohorte
Enregistrement W4318821403 · doi:10.3390/designs7010025

Design of a Recommender System with Safe Driving Mode Based on State-of-Function Estimation in Electric Vehicle Drivetrains with Battery/Supercapacitor Hybrid Energy Storage System

2023· article· en· W4318821403 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDesigns · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDrivetrainAutomotive engineeringComputer scienceState of chargeBattery (electricity)Electric vehicleControl theory (sociology)EngineeringPower (physics)Control engineeringTorqueControl (management)

Résumé

récupéré en direct d'OpenAlex

The performance of electric vehicle (EV) drivetrains depends on the power capability of individual components, including the battery pack, motor drive, and electric motor. To ensure safety, maximum power must be limited by considering the constraint of the weakest component in the drivetrain. While there exists a large body of work that discusses state-of-power (SoP) estimation for individual components, there is no work that considers all the components’ limiting factors at once. Moreover, research on how to use these limits to adjust the performance at the system level has been rare. In this paper, the SoPs of the components are used to estimate the state-of-function (SoF) of the EV drivetrain. The SoF is defined as the maximum charge/discharge power that can be sourced and/or sunk by the drivetrain without violating the safety limits of its components. The component-level SoP estimations are fulfilled using several digital algorithms based on recursive least-squares (RLS) and Kalman filters (KFs), as well as by taking into account specific limiting conditions such as high driving altitude and ambient temperatures. An EV driven by a hybrid energy storage system based on a battery/supercapacitor, and a permanent-magnet synchronous motor is considered the use case. Based on the drivetrain SoF estimation, we propose two de-rating schemes to ensure that the drivetrain safety limits will be respected: adaptive cruise control and adaptive adjustment of pedal sensitivity. The de-rating schemes are introduced to a so-called recommender system that is implemented in MATLAB/STATEFLOW. The recommender system provides advisory feedback to the driver to switch to a different driving mode to ensure safety. The simulation results over a standard drive cycle using MATLAB/SIMULINK and STATEFLOW show the effectiveness of the proposed design at both component and system levels. The paper also proposes an implementation concept for the integration of the proposed recommender system into the advanced driver assistance system (ASAS).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil0,843

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,235
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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