Driver-in-the-Loop Drivability and Energy Efficiency Analysis of Regenerative Braking Strategies for Electric Vehicles
Notice bibliographique
Résumé
This paper investigates different regenerative braking strategies applied to Battery Electric Vehicles, such as series and parallel brake blends. The comparison includes energy efficiency assessment using homologation and real-world drive cycle and objective and subjective drivability evaluation. Multiple simulations are performed using a one-dimensional (1D) vehicle model developed in Simulink and a static driving simulator. The driving simulator provides a fair comparison of real-world driving since it creates repeatable highway and urban traffic conditions. These simulations compare the system energy efficiency by looking at the battery's state of charge (SOC). The drivability is assessed on top of consumption by using the static driving simulator. It is objectively measured by calculating the longitudinal acceleration change ratio over time, which occurs during the regeneration ramp-in and ramp-out, for different pedal positions and pedal gradients. The drivability is also subjectively evaluated by assessing the system's smoothness and absence of shakes during braking maneuvers and the deceleration feels while “freely” coasting at high speeds. This study clarifies the utilization of a driving simulator integrated with a model-based design apporoach to develop regenertive braking controls and braking system architectures for electrified vehicles. In the study case presented in this paper, the Series regenerative braking shows better efficiency and better drivability, especially for conditions of low accelerations lower than 0.3g.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».