{"id":{"repo_id":"javeriana","oai_identifier":"oai:repository.javeriana.edu.co:10554/54822"},"canonical_url":"https://search.dev.ndltd.org/etd/javeriana/oai:repository.javeriana.edu.co:10554/54822","repository":{"repo_id":"javeriana","name":"Pontificia Universidad Javeriana","base_url":"https://repository.javeriana.edu.co/oai/request"},"display":{"title":"Eco-Driving planification profile for electric motorcycles","abstract":"Los perfiles de Eco-Driving son algoritmos capaces de utilizar información adicional para crear recomendaciones o limitaciones sobre las capacidades del conductor. Aumentan la autonomía del vehículo, pero actualmente su uso no está relacionado con la autonomía requerida por el conductor. Por esta razón, en este trabajo, el desafío de la conducción ecológica se traduce en un controlador óptimo de dos capas diseñado para vehículos eléctricos puros. Este controlador está orientado a asegurar que la energía disponible sea suficiente para completar un viaje demandado, agregando límites de velocidad para controlar la tasa de consumo de energía. Se exponen y analizan los modelos mecánicos y eléctricos requeridos. La función de costo está optimizada para corresponder a las necesidades de cada viaje de acuerdo con el comportamiento del conductor, el vehículo y la información de la trayectoria. El controlador óptimo propuesto en este trabajo es un controlador predictivo de modelo no lineal (NMPC) asociado a una optimización unidimensional no lineal. La combinación de ambos algoritmos permite aumentar alrededor de un 50% la autonomía con una limitación del 30% de las capacidades de velocidad y aceleración. Además, el algoritmo es capaz de asegurar una autonomía final con un 1,25% de error en presencia de ruido de sensor y actuador.","abstract_html":"Los perfiles de Eco-Driving son algoritmos capaces de utilizar información adicional para crear recomendaciones o limitaciones sobre las capacidades del conductor. Aumentan la autonomía del vehículo, pero actualmente su uso no está relacionado con la autonomía requerida por el conductor. Por esta razón, en este trabajo, el desafío de la conducción ecológica se traduce en un controlador óptimo de dos capas diseñado para vehículos eléctricos puros. Este controlador está orientado a asegurar que la energía disponible sea suficiente para completar un viaje demandado, agregando límites de velocidad para controlar la tasa de consumo de energía. Se exponen y analizan los modelos mecánicos y eléctricos requeridos. La función de costo está optimizada para corresponder a las necesidades de cada viaje de acuerdo con el comportamiento del conductor, el vehículo y la información de la trayectoria. El controlador óptimo propuesto en este trabajo es un controlador predictivo de modelo no lineal (NMPC) asociado a una optimización unidimensional no lineal. La combinación de ambos algoritmos permite aumentar alrededor de un 50% la autonomía con una limitación del 30% de las capacidades de velocidad y aceleración. Además, el algoritmo es capaz de asegurar una autonomía final con un 1,25% de error en presencia de ruido de sensor y actuador.","abstract_has_math":false,"creators":["Bello Ceferino, Cristhian Yesid"],"institution":"Pontificia Universidad Javeriana","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Patiño Guevara, Diego Alejandro","Laruci, Cherif"],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-08-21T22:21:56Z","subjects":["MPC","Vehículo eléctrico","Perfil de conducción ecológica","Eficiencia","Optimización"],"languages":["spa"],"rights":[],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[{"key":"dc:identifier.doi","label":"DOI","values":["https://doi.org/10.11144/Javeriana.10554.54822"],"render_values":[{"text":"https://doi.org/10.11144/Javeriana.10554.54822","href":"https://doi.org/10.11144/Javeriana.10554.54822","code":true}]}]},"links":{"outbound_url":"http://hdl.handle.net/10554/54822","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"source_record":{"url":"https://repository.javeriana.edu.co/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Arepository.javeriana.edu.co%3A10554%2F54822","prefix":"dim"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Patiño Guevara, Diego Alejandro","Laruci, Cherif"]},{"key":"dc:creator","label":"Author","values":["Bello Ceferino, Cristhian Yesid"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2021-07-13T19:51:40Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2021-07-13T19:51:40Z"]},{"key":"dc:publisher","label":"Institution","values":["Pontificia Universidad Javeriana"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["MPC","Vehículo eléctrico","Perfil de conducción ecológica","Eficiencia","Optimización"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["spa"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.doi","label":"DOI","values":["https://doi.org/10.11144/Javeriana.10554.54822"]},{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/10554/54822"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Los perfiles de Eco-Driving son algoritmos capaces de utilizar información adicional para crear recomendaciones o limitaciones sobre las capacidades del conductor. Aumentan la autonomía del vehículo, pero actualmente su uso no está relacionado con la autonomía requerida por el conductor. Por esta razón, en este trabajo, el desafío de la conducción ecológica se traduce en un controlador óptimo de dos capas diseñado para vehículos eléctricos puros. Este controlador está orientado a asegurar que la energía disponible sea suficiente para completar un viaje demandado, agregando límites de velocidad para controlar la tasa de consumo de energía. Se exponen y analizan los modelos mecánicos y eléctricos requeridos. La función de costo está optimizada para corresponder a las necesidades de cada viaje de acuerdo con el comportamiento del conductor, el vehículo y la información de la trayectoria. El controlador óptimo propuesto en este trabajo es un controlador predictivo de modelo no lineal (NMPC) asociado a una optimización unidimensional no lineal. La combinación de ambos algoritmos permite aumentar alrededor de un 50% la autonomía con una limitación del 30% de las capacidades de velocidad y aceleración. Además, el algoritmo es capaz de asegurar una autonomía final con un 1,25% de error en presencia de ruido de sensor y actuador."]},{"key":"dc:format","label":"Dc Format","values":["PDF"]},{"key":"dc:format.mimetype","label":"Dc Format Mimetype","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Eco-Driving planification profile for electric motorcycles"]}]}],"canonical_facts":{"dc:contributor.advisor":["Patiño Guevara, Diego Alejandro","Laruci, Cherif"],"dc:creator":["Bello Ceferino, Cristhian Yesid"],"dc:date.accessioned":["2021-07-13T19:51:40Z"],"dc:date.available":["2021-07-13T19:51:40Z"],"dc:description.abstract":["Los perfiles de Eco-Driving son algoritmos capaces de utilizar información adicional para crear recomendaciones o limitaciones sobre las capacidades del conductor. Aumentan la autonomía del vehículo, pero actualmente su uso no está relacionado con la autonomía requerida por el conductor. Por esta razón, en este trabajo, el desafío de la conducción ecológica se traduce en un controlador óptimo de dos capas diseñado para vehículos eléctricos puros. Este controlador está orientado a asegurar que la energía disponible sea suficiente para completar un viaje demandado, agregando límites de velocidad para controlar la tasa de consumo de energía. Se exponen y analizan los modelos mecánicos y eléctricos requeridos. La función de costo está optimizada para corresponder a las necesidades de cada viaje de acuerdo con el comportamiento del conductor, el vehículo y la información de la trayectoria. El controlador óptimo propuesto en este trabajo es un controlador predictivo de modelo no lineal (NMPC) asociado a una optimización unidimensional no lineal. La combinación de ambos algoritmos permite aumentar alrededor de un 50% la autonomía con una limitación del 30% de las capacidades de velocidad y aceleración. Además, el algoritmo es capaz de asegurar una autonomía final con un 1,25% de error en presencia de ruido de sensor y actuador."],"dc:format":["PDF"],"dc:format.mimetype":["application/pdf"],"dc:identifier.doi":["https://doi.org/10.11144/Javeriana.10554.54822"],"dc:identifier.uri":["http://hdl.handle.net/10554/54822"],"dc:language.iso":["spa"],"dc:publisher":["Pontificia Universidad Javeriana"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["MPC","Vehículo eléctrico","Perfil de conducción ecológica","Eficiencia","Optimización"],"dc:title":["Eco-Driving planification profile for electric motorcycles"]},"updated_at":"2026-08-21T22:21:56Z"}