Performance and Robustness Enhancement of Fractional Order Controller (FOC) for Electric Vehicles (EV) Using Intelligent Swarms
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
As the impacts of global warming intensify, the automotive industry is increasingly emphasizing the development of eco-friendly vehicles with superior range and performance compared to conventional ones.Electric vehicles have emerged as a promising solution to reduce harmful emissions in the transportation sector.This study focuses on creating a nonlinear dynamic model for electric vehicles by integrating kinetic and electrical components.The key criterion in EV speed control is robustness, prompting the construction of various controllers to ensure resilience and disturbance rejection.These controllers include both traditional ones like proportional-integral-derivative (PID) and fractional order PID (FOPID) controllers.Fractional calculus has gained significant attention in control systems engineering due to the fractional orders of the integral and derivative terms, offering enhanced robustness and optimal control.This thesis employs multiple optimization strategies to design an FOPID controller, ensuring the optimal performance of a robust control system for electric vehicles.Initially, the controller is developed using intelligent swarm optimization techniques, such as particle swarm optimization (PSO) and grey wolf optimization (GWO), through simulations in MATLAB R2022b.The results demonstrate the effectiveness of PSO and GWO algorithms in reducing the objective integral of time multiplied by absolute error (ITAE) function in the speed control system utilizing an FOPID controller.The performance of a conventional PID controller is compared with that of a FOPID controller, highlighting the superiority of the GWO-FOPID strategy, presented as a novel methodology.The outcomes underscore the remarkable performance of the GWO-FOPID controller, ensuring rapid responsiveness in controlling EV speed, with a rise time of 0.008978 seconds, a settling time of 0.01 seconds, and zero absolute time error (ITAE).
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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