Driver-in-the-Loop Drivability and Energy Efficiency Analysis of Regenerative Braking Strategies for Electric Vehicles
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
<div class="section abstract"><div class="htmlview paragraph">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.</div></div>
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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