Electric Vehicle Motor Sizing and Optimization with Two-Speed Gearbox
Notice bibliographique
Résumé
As electric vehicles (EVs) are seen as the future of transportation, there are two significant challenges to overcome: range and cost. One way to tackle these challenges is to optimize the powertrain. In powertrain optimization, special attention is given to electric motor and gearbox optimization due to its pivotal role in the vehicle performance and efficiency of an EV. A two-speed gearbox configuration for EVs has emerged as a way to enhance dynamic performance and extend the range. However, this configuration has certain drawbacks including increased weight and costs. This has led to the wide adoption of single-speed gearboxes in the electric vehicle industry. Nevertheless, there is potential for motor size optimization by incorporating a two-speed gearbox. The crux of the matter lies in determining whether the advantages of a smaller motor facilitated by a two-speed gearbox outweigh its downsides of increased weight and cost. A systematic method for co-optimizing the electric motor’s sizing specifications and gear ratios of two-speed gearbox is proposed in this paper. This method achieved about a 13% reduction in the required motor power of the sub-compact vehicle, accompanied by a significant motor weight reduction of up to 25% translating to 86 USD in production cost savings. Additionally, energy consumption was reduced by up to 5% for the EPA drive cycle while maintaining the same 0-100 km/h acceleration.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».