Numercal Simulation, Characterization and Control of Automotive Heat Exchanger Cooling Systems
Notice bibliographique
Résumé
This study investigates the characterization and control of heat exchanger cooling systems by verifying thermal system design correlations combined with numerical simulation methods for electric vehicle (EV) cooling systems. The analyzed cooling system architecture has two powertrain cooling loops isolated from the battery pack to optimize the powertrain cooling system independently. Each loop was analyzed separately, using each component’s heat generation estimates and calculating the required total heat dissipations. Two steps were used to solve the heat transfer in and out of the powertrain cooling loops. First by calculating the heat transfer area to determine the type of heat exchanger required to dissipate the heat. Second, after selecting a water-water (W-W) heat exchanger, the coolant temperature out of the heat exchanger and machines were calculated. These calculations were modeled in a numerical simulation which combines both steps mentioned. Testing was performed on the heat exchanger to characterize its thermal performance including its overall heat transfer coefficient at different flow rates and temperature differences. The vehicle thermal system model was tested using UDDS, HWFET, and US06 drive cycles to understand thermal generation in the powertrain. As speed varied within the drive cycles of the numerical simulation, the heat exchanger and control strategy from the pump kept the temperatures below the predicted maximum limits by approximately 20 °C for both powertrain cooling loops.
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 ».