MétaCan
Menu
Retour à la cohorte
Enregistrement W4416429264 · doi:10.1109/jestpe.2025.3635526

A Single-Phase Integrated On-Board Charger With Minimal Current Ripple for Electric Vehicles Having at Least One Motor

2025· article· W4416429264 sur OpenAlexafffund
Daniel Afriyie, Gerald Brakoh, Ashraf Ali Khan, M. Tariq Iqbal

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBattery chargerConvertersInductorElectric vehiclePower (physics)Battery (electricity)Controller (irrigation)PropulsionInverterTorque ripple

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel and improved integrated EV charger topology that combines motor control and battery charging into a single circuit to simplify the system’s architecture. Unlike the traditional EV chargers that use interleaved boost converters and inductors to perform the charging functionalities, this new approach uses the vehicle’s motor as a coupled inductor. In addition, the inverter used to control the motor during propulsion is also used as an interleaved power factor correction (PFC) boost converter to charge the EV battery. With little to no hardware modifications, dual functionality is made possible by the motor's built-in capabilities, which ensure optimal power flow during the battery charging stage. This paper thoroughly examines the modeling and operational modes of the proposed charger. Mathematical analysis and simulations are also done on the motor to ensure the charger generates zero torque during charging mode. Furthermore, the performance of the proposed charger is evaluated, a controller is developed, and detailed simulation and experimental results are provided on a 3-kW charger. The research findings proved that the proposed charger is robust with a 93.9% experimental efficiency and a THD of 2.23%.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,252
Écart entre enseignants0,242 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetElectric Vehicles and InfrastructureTravaux en français237 207