Design and Evaluation of a Conceptual Zero-Emission Truck Model Considering Aerodynamic Efficiency
Notice bibliographique
Résumé
Emerging zero-emission-powertrain concepts are providing opportunities to re-shape heavy trucks for improved aerodynamic performance. To investigate the potential for energy savings through aerodynamic improvements, with a goal to inform operators and regulators of such benefits, a multi-phase project was initiated to design and evaluate aerodynamic improvements for Class 8 tractor-trailer combinations. While the focus was battery-electric and hydrogen-fuel-cell powered trucks, improvements for internal-combustion powered trucks were also examined. Previously-reported activities included a scaled-model wind-tunnel test that demonstrated the potential for up to 9% drag reduction from simple shape adaptations, with a follow-up CFD study providing guidance towards further optimization. This paper presents wind-tunnel-test results using a high-fidelity 30%-scale model of a new aerodynamic tractor concept, with comparison to a conventional North American Class 8 tractor with a modern aerodynamic package and identical wheelbase. The study included testing of the new tractor concept along with individual parts such as air dams, under-body panels, grill/cooling-flow configurations, mirrors, wheel fairings, cab extenders, etc. The battery-electric variant of the new tractor provided a 16% drag reduction compared to the conventional truck model when using the same trailer configuration. When paired with a low-drag-trailer concept, the new tractor-trailer combination demonstrated up to 41% drag reduction compared to the conventional tractor with a standard box-van trailer. This configuration is shown to be nearly insensitive to crosswinds with a wind-averaged drag coefficient of 0.34. Examining additional cooling-flow configurations necessary for hydrogen-fuel-cell trucks showed up to 3% increase in drag associated with the extra cooling drag. Additionally, the new tractor-shaping concept applied to a conventional internal-combustion-powertrain arrangement generated 8% drag reduction compared to the conventional tractor.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».