Show simple item record

Системний аналіз процесу збереження енергетичних інваріантів при редукції математичної моделі електромобіля з рекуперативним гальмуванням

dc.contributor.authorПасєка, Б. В.uk
dc.contributor.authorPasieka, B. V.en
dc.date.accessioned2026-09-18T07:41:06Z
dc.date.available2026-09-18T07:41:06Z
dc.date.issued2026
dc.identifier.citationПасєка Б. В. Системний аналіз процесу збереження енергетичних інваріантів при редукції математичної моделі електромобіля з рекуперативним гальмуванням // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28274.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54618
dc.description.abstractЗ позицій системного аналізу розглянуто проблему редукції математичних моделей електромобіля з тяговим електроприводом змінного струму та системою рекуперативного гальмування. Запропоновано метод структурно-енергетичної редукції, що базується на принципі збереження балансу потужностей у вузлових точках трансмісійного енергетичного ланцюга. Результати комп’ютерного моделювання в середовищі MATLAB підтверджують, що запропонований метод забезпечує похибку оцінювання енергоспоживання не більше 1,5 % при чотириразовому прискоренні обчислень.uk
dc.description.abstractFrom the standpoint of systems analysis, the problem of reducing mathematical models of an electric vehicle with anen
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28274
dc.subjectсистемний аналізuk
dc.subjectелектромобільuk
dc.subjectенергетичний інваріантuk
dc.subjectредукція моделіuk
dc.subjectрекуперативнегальмуванняuk
dc.subjectбаланс потужностейuk
dc.subjectкомп’ютерне моделюванняuk
dc.subjectsystems analysisen
dc.subjectelectric vehicleen
dc.subjectenergy invarianten
dc.subjectmodel reductionen
dc.subjectregenerative brakingen
dc.subjectpower balanceen
dc.subjectcomputer modelingen
dc.titleСистемний аналіз процесу збереження енергетичних інваріантів при редукції математичної моделі електромобіля з рекуперативним гальмуваннямuk
dc.typeThesis
dc.identifier.udc004.942:004.94:629.33
dc.relation.referencesArmenta-Du C., Corts H. Analysis of kinetic energy recovery systems in electric vehicles. Vehicles. 2023. Vol. 5, No. 2. P. 387–403.en
dc.relation.referencesBacanin N., Zivkovic M., Bezdan T. et al. Modified firefly algorithm for workflow scheduling in cloudedge environment. Neural Computing and Applications. 2022. Vol. 34, No. 11. P. 9043–9068.en
dc.relation.referencesBiao J., Xiangwen Z., Yangxiong W., Wenchao H. Regenerative braking control strategy of electric vehicles based on braking stability requirements. International Journal of Automotive Technology. 2021. Vol. 22, No. 2. P. 465–473.en
dc.relation.referencesEhsani M., Gao Y., Miller J. M. Energy Management Strategies for Electric Vehicles with Regenerative Braking: A Review. IEEE Transactions on Vehicular Technology. 2003. Vol. 52, No. 5. P. 1306–1314.en
dc.relation.referencesEmadi A. Advanced Electric Drive Vehicles. Boca Raton, FL : CRC Press, 2017. 616 p.en
dc.relation.referencesEnergy-optimal Design and Control of Electric Powertrains under Motor Thermal Constraints. arXiv preprint. 2021.en
dc.relation.referencesGuo J., Li W., Wang J., Luo Y., Li K. Safe and energy-efficient car-following control strategy for intelligent electric vehicles. IEEE Transactions on Intelligent Transportation Systems. 2022. Vol. 23, No. 7. P. 7070–7081.en
dc.relation.referencesHe H., Sun F., Wang Z. et al. China’s battery electric vehicles lead the world. Green Energy and Intelligent Transportation. 2022. Vol. 1, No. 1. Art. 100020.en
dc.relation.referencesLarminie J., Lowry J. Electric Vehicle Technology Explained. 2nd ed. Chichester, UK : Wiley, 2012. 314 p.en
dc.relation.referencesJamadar N. M., Jadhav H. T. A review on braking control and optimization techniques for electric vehicle. Proc. IMechE Part D. 2021. Vol. 235, No. 9. P. 2371–2382.en
dc.relation.referencesKhaligh A., Li Z. Regenerative Braking System for Electric Vehicles Using Ultracapacitors. IEEE Transactions on Vehicular Technology. 2010. Vol. 59, No. 6. P. 2806–2814.en
dc.relation.referencesKhodaparastan M., Mohamed A. A., Brandauer W. Regenerative braking energy recovery in electric railway transit systems. arXiv preprint. 2018.en
dc.relation.referencesKim D., Eo J. S., Kim K.-K. K. Parameterized Energy-Optimal Regenerative Braking Strategy. IEEE Access. 2021. Vol. 9. P. 103167–103183.en
dc.relation.referencesOnori S., Serrao L., Rizzoni G. Hybrid Electric Vehicles: Energy Management Strategies. London : Springer, 2016. 174 p.en
dc.relation.referencesXiong R., Kim J., Shen W. et al. Key technologies for electric vehicles. Green Energy and Intelligent Transportation. 2022. Vol. 1, No. 2. Art. 100041.en


Files in this item

Thumbnail
Name:
28274.pdf
Size:
555.4Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record