Analytical loss model for single- and two-speed electric vehicle gearboxes
Notice bibliographique
Résumé
This paper investigates load-dependent and load-independent power losses of clutchless dual-stage single- and two-speed gearboxes for a subcompact electric vehicle (EV). The load-dependent loss includes gear meshing and bearing friction losses, whereas the load-independent loss encompasses gear churning, bearing drag and oil lip seal sources of loss. The methodology proposed estimates these losses based on the geometric parameters and dynamic characteristics of the gears and bearings and lubricant properties. A single-speed production EV gearbox was disassembled to determine the bearing, gear, and lubrication characteristics. The proposed analytical model is applied to estimate power losses for this gearbox as a function of electric machine speed and torque. Additionally, a second gear is added, making the gearbox two-speed, resulting in increased loss but providing the opportunity for increased electric machine and inverter efficiency. The single-speed gearbox has a 7.05:1 final ratio, while the two-speed variant has 7.05:1 and 4.2:1 for the first and second gears. At lower torques, where an EV would operate most, the single-speed gearbox has an efficiency between 94 and 97%, and the two-speed gearbox has between 0.1% and 0.7% lower efficiency when operating in first gear (the same 7.05:1 ratio as for the single-speed gearbox). When at low torque in second gear, the gearbox is about 1 percent more efficient for highway driving conditions, an important contribution towards extending vehicle range. The analysis also shows gear oil immersion depth significantly affects churning loss, and oil temperature has a small effect on overall gearbox loss.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».