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
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».