A Review of Wireless Pavement System Based on the Inductive Power Transfer in 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
The proliferation of electric vehicles (EVs) hinges upon the availability of robust and efficient charging infrastructure, notably encompassing swift and convenient solutions. Among these, dynamic wireless charging systems have garnered substantial attention for their potential to revolutionize EV charging experiences. Inductive power transfer (IPT) systems, in particular, exhibit a promising avenue, enabling seamless wireless charging through integrated pavements for EVs. This review engages in an in-depth exploration of pertinent parameters that influence the inductivity and conductivity performance of pavements, alongside the assessment of potential damage inflicted by IPT pads. Moreover, the study delves into the realm of additive materials as a strategic approach to augment conductivity and pavement performance. In essence, the review consolidates a diverse array of studies that scrutinize IPT pad materials, coil dimensions, pavement characteristics (both static and dynamic), and adhesive properties. These studies collectively illuminate the intricate dynamics of power transfer to EVs while considering potential repercussions on pavement integrity. Furthermore, the review sheds light on the efficacy of various additive materials, including metal and nanocomposite additives with an SBS base, in amplifying both conductivity and pavement performance. The culmination of these findings underscores the pivotal role of geometry optimization for IPT pads and the strategic adaptation of aggregate and bitumen characteristics to unlock enhanced performance within wireless pavements.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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