Fugu-MT 論文翻訳(概要): Energy-efficient Hybrid Model Predictive Trajectory Planning for Autonomous Electric Vehicles

論文の概要: Energy-efficient Hybrid Model Predictive Trajectory Planning for Autonomous Electric Vehicles

arxiv url: http://arxiv.org/abs/2411.06111v1
Date: Sat, 09 Nov 2024 08:21:06 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-12 14:08:21.271592
Title: Energy-efficient Hybrid Model Predictive Trajectory Planning for Autonomous Electric Vehicles
Title（参考訳）: 電気自動車のエネルギー効率を考慮したハイブリッドモデル予測軌道計画
Authors: Fan Ding, Xuewen Luo, Gaoxuan Li, Hwa Hui Tew, Junn Yong Loo, Chor Wai Tong, A. S. M Bakibillah, Ziyuan Zhao, Zhiyu Tao,
Abstract要約: 本稿では省エネ最適化戦略を用いた省エネハイブリッドモデル予測計画(EHMPP)を提案する。 Prescan、CarSim、Matlabのプラットフォーム上でのシミュレーション実験により、受動的回復エネルギーを11.74%増加させることが実証された。
参考スコア（独自算出の注目度）: 5.962979693707366
License:
Abstract: To tackle the twin challenges of limited battery life and lengthy charging durations in electric vehicles (EVs), this paper introduces an Energy-efficient Hybrid Model Predictive Planner (EHMPP), which employs an energy-saving optimization strategy. EHMPP focuses on refining the design of the motion planner to be seamlessly integrated with the existing automatic driving algorithms, without additional hardware. It has been validated through simulation experiments on the Prescan, CarSim, and Matlab platforms, demonstrating that it can increase passive recovery energy by 11.74\% and effectively track motor speed and acceleration at optimal power. To sum up, EHMPP not only aids in trajectory planning but also significantly boosts energy efficiency in autonomous EVs.
Abstract（参考訳）: 電気自動車(EV)のバッテリー寿命と充電時間の制限という2つの課題に対処するため,省エネ最適化戦略を採用した省エネハイブリッドモデル予測計画(EHMPP)を提案する。 EHMPPは、既存の自動駆動アルゴリズムとシームレスに統合するために、追加のハードウェアを使わずに、モーションプランナーの設計を洗練することに焦点を当てている。 Prescan、CarSim、Matlabのプラットフォーム上でのシミュレーション実験により、受動的回復エネルギーを11.74 %増加させ、最適なパワーで運動速度と加速度を効果的に追跡できることが実証された。まとめると、EHMPPは軌道計画に役立つだけでなく、自動運転EVのエネルギー効率を大幅に向上させる。

関連論文リスト

Real-Time Energy-Optimal Path Planning for Electric Vehicles [13.38255011577359]
エネルギー計算にキーカーの動力学パラメータを組み込んだ正確なエネルギーモデルを構築した。また、2つの新しいオンラインリウェイト機能を導入し、より高速で、前処理のないパスフィニングを可能にします。
論文参考訳（メタデータ） (2024-11-20T01:39:08Z)
Intelligent Duty Cycling Management and Wake-up for Energy Harvesting IoT Networks with Correlated Activity [43.00680041385538]
本稿では,IoTデバイスが動作を維持するためのエネルギー回収能力に完全に依存する,エネルギーニュートラルなモノのインターネット(IoT)シナリオに対するアプローチを提案する。我々は,IoTDの動作状態と伝送状態を表現するためにマルコフチェーン,エネルギー回収過程をモデル化する変調ポアソンプロセス,電池状態をモデル化する離散時間マルコフチェーンを使用する。我々は、エネルギー効率と検出精度のトレードオフを打つことを目的とした、K近傍の近隣住民を対象としたデューティサイクル管理を提案する。
論文参考訳（メタデータ） (2024-05-10T10:16:27Z)
Electric Vehicles coordination for grid balancing using multi-objective Harris Hawks Optimization [0.0]
再生可能エネルギーの台頭は、地域グリッドのエネルギー収支に技術的および運用上の課題をもたらす電気自動車(EV)へのシフトと一致している。複数のEVからグリッドへの電力フローの調整には、高度なアルゴリズムとロードバランシング戦略が必要である。本稿では,安定した電力供給と安定したローカルグリッドの維持を目標として,一日のEVフリート調整モデルを提案する。
論文参考訳（メタデータ） (2023-11-24T15:50:37Z)
Federated Reinforcement Learning for Electric Vehicles Charging Control on Distribution Networks [42.04263644600909]
マルチエージェント深部強化学習(MADRL)はEV充電制御において有効であることが証明されている。既存のMADRLベースのアプローチでは、配電ネットワークにおけるEV充電/放電の自然な電力フローを考慮できない。本稿では,マルチEV充電/放電と最適電力流で動作する放射分布ネットワーク(RDN)を組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2023-08-17T05:34:46Z)
Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
論文参考訳（メタデータ） (2023-07-07T13:48:50Z)
Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。コンペティションにおける上位7つのソリューションの比較と評価を行う。勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文参考訳（メタデータ） (2022-12-21T02:34:12Z)
Federated Reinforcement Learning for Real-Time Electric Vehicle Charging and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文参考訳（メタデータ） (2022-10-04T08:22:46Z)
A Pulse-and-Glide-driven Adaptive Cruise Control System for Electric Vehicle [1.8305518556327907]
PGACCS (Pulse-and-Glide-driven Adaptive Cruise Control System) は電気自動車において有望な選択肢である。本稿では、PGACCSと再生ブレーキの性能評価に基づいて、再生ブレーキとACCSを備えたEVのシミュレーションモデルを構築した。 PnG最適化の結果、PGACCSのPnG運転は従来のACCSのCC運転と比較して、EVの28.3%のエネルギーコストを削減できた。
論文参考訳（メタデータ） (2022-05-18T01:33:47Z)
Safe Model-based Off-policy Reinforcement Learning for Eco-Driving in Connected and Automated Hybrid Electric Vehicles [3.5259944260228977]
本研究は,エコドライブ問題に対するセーフオフポジーモデルに基づく強化学習アルゴリズムを提案する。提案アルゴリズムは, モデルフリーエージェントと比較して, 平均速度が高く, 燃費も良好である。
論文参考訳（メタデータ） (2021-05-25T03:41:29Z)
Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。 EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文参考訳（メタデータ） (2020-08-07T18:45:26Z)
Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文参考訳（メタデータ） (2020-07-06T16:10:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。