MétaCan
Menu
Retour à la cohorte
Enregistrement W4319007997 · doi:10.3390/modelling4010006

Nonlinear Modeling of an Automotive Air Conditioning System Considering Active Grille Shutters

2023· article· en· W4319007997 sur OpenAlexafffund
Trevor Parent, Jeff Defoe, Afshin Rahimi

Notice bibliographique

RevueModelling—International Open Access Journal of Modelling in Engineering Science · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesMitacs
Mots-clésAutomotive engineeringGas compressorAir conditioningEngineeringAerodynamicsAutomotive industryNonlinear systemAirflowCondenser (optics)Energy consumptionPower (physics)RefrigerantControl theory (sociology)SimulationComputer scienceMechanical engineeringElectrical engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

This paper expands upon the state of the art in nonlinear modeling of automotive air conditioning systems. Prior models considered only the effects of the refrigerant compressor and the condenser fan. There are two new aspects included here. First, we create a mathematical model for front-end underhood airflow, considering vehicle speed, condenser fan rotational speed, and active grille shutter position. In addition, we present a new model for the power consumption of the vehicle associated with aerodynamic drag caused by underhood flow, as well as a fan power model which accounts not only for changes in rotational speed but also changes in flow rate. The models developed in this paper are coded in MATLAB/Simulink and assessed for various vehicle driving conditions against a higher-fidelity vehicle energy management model, showing good agreement. By including the active grille shutters as a controllable actuator and the impact of underhood flow on vehicle drag and fan power consumption, control schemes can be developed to holistically target reduced energy consumption for the air conditioning system and, thus, improve the overall vehicle energy efficiency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,320
Écart entre enseignants0,267 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModelling—International Open Access Journal of Modelling in Engineering ScienceMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207