MétaCan
Menu
Retour à la cohorte
Enregistrement W4366982208 · doi:10.1155/2023/4554582

State-Flow Control Based Multistage Constant-Current Battery Charger for Electric Two-Wheeler

2023· article· en· W4366982208 sur OpenAlexvenueno aff
P. Balamurugan, Prakhar Agarwal, Devashish Khajuria, Devbrat Mahapatra, S. Angalaeswari, Wubishet Degife Mammo

Notice bibliographique

RevueJournal of Advanced Transportation · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesVIT UniversitySaveetha Institute of Medical and Technical Sciences
Mots-clésTotal harmonic distortionBattery (electricity)Constant currentState of chargeMATLABController (irrigation)Control theory (sociology)Current limitingEngineeringElectric vehicleVoltageBattery chargerComputer sciencePower (physics)Automotive engineeringElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Battery charging is a greater challenge in the emerging electric vehicle domain. A newer multistage constant-current (MSCC) charging technique encompassing state-flow control tool-based design is implemented for charging the battery of an electric two-wheeler. MSCC method allows for faster charging and reduced battery degradation per charge. The designed controller incorporates line current power factor correction, thereby limiting the total harmonic distortion (THD) in line current and reactive power. The control strategy for battery charging has been developed using the state flow chart approach for implementing MSCC. The model has been formulated and implemented in MATLAB/Simulink. The proposed control monitors the state-of-charge (SOC) of the battery, age, and thermal behavior due to the charging strategy. The results show that the proposed charging technique with a state flow control approach gives effective and efficient output with reduced THD. Simulation results disclose that the desired parameters are controllable, stable, and effective within the operational limits.

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 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 enseignants0,648
Score d'incertitude au seuil0,784

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 Opus0,014
Tête enseignante GPT0,283
Écart entre enseignants0,269 · 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 tête enseignante, 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

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207