MétaCan
Menu
Retour à la cohorte
Enregistrement W4389038934 · doi:10.1080/19236026.2023.2258716

CanmetMINING battery electric vehicle field test series: Relay utility vehicle

2023· article· en· W4389038934 sur OpenAlexaffabout
Guanglin Li, Jerry Le, E. Acuña-Duhart, M. Levesque, E. Tomini, Ahmad Mohsenimanesh, Hajo Ribberink, P.T. Summers

Notice bibliographique

RevueCIM Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceAutomotive engineeringBattery (electricity)Internal combustion engineEnergy consumptionElectric vehicleWork (physics)State of chargeEngineeringElectrical engineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Battery electric vehicles (BEVs) have been used increasingly in Canadian mines to replace conventional internal combustion engine vehicles due to their high efficiency, low heat production, and zero emissions locally. To help understand BEV technology, performance, and energy consumed under different work conditions, CanmetMINING and CanmetENERGY conducted a series of tests on the Miller Technology Relay BEV at Vale’s North Mine site in Ontario, Canada. The 1.25-km test route comprises uphill and downhill sections with flat (0%), 5%, 10%, and 20% inclination grades. The BEV was driven through the route in both directions to complete multiple 2.5-km laps at 5 and 15 km/h while loaded and empty. This paper presents test results normalized by distance, including energy consumed and captured tabulated by inclination grade, speed, and load. The consumed and captured energy ranged from −1.4 to 4.5 kWh/km at 5 km/h and from −2.0 to 3.7 kWh/km at 15 km/h. The battery charging data and variation in state of charge are also presented to describe the energy balance during BEV operation. A vehicle energy model calibrated against the field test data was used to estimate the energy consumption of a utility BEV operated in an underground mine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCIM JournalMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207