MétaCan
Menu
Retour à la cohorte
Enregistrement W1570552477 · doi:10.4271/2009-01-0101

Analysis of Front Suspension Ball Joint Separations in Motor Vehicle Crashes

2009· article· en· W1570552477 sur OpenAlexaff
Nicholas J. Durisek, Kevan J. Granat, Edward W. Holmes

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensDynamic Systems Analysis (Canada)
Organismes subventionnairesnon disponible
Mots-clésBall (mathematics)Automotive engineeringFront (military)Suspension (topology)Computer scienceEngineeringMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

In crash analyses, components or component assemblies are evaluated to identify if they were damaged as a result of the crash or if they lost function prior to the crash. Determining the circumstances that cause a component to become disabled can be useful when evaluating the cause of a crash. This study focuses on spherical ball joints commonly used in automotive suspension systems. Analyses can include the evaluation of the ball joint itself, the surrounding components, evidence at the scene, and the circumstances of the specific crash. In this study, the causes and conditions for a ball joint separation are analyzed, in part, through both component level testing and full vehicle testing. Laboratory tests were performed on upper ball joint assemblies where loads were applied in multiple directions and the residual damage to the components was measured and documented. Full vehicle testing was performed to analyze vehicle response to suspension ball joint separations on independent front suspensions. A lower ball joint separation test was conducted with the staged ball joint separation occurring as the vehicle was being operated. An upper ball joint separation test was conducted by disconnecting the upper ball joint prior to testing and evaluating the modified vehicle response to driver inputs. Residual damage to suspension, components, and the test surface were analyzed as well. Case studies of ball joint separations are presented and compared to the controlled test results.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,283
Écart entre enseignants0,262 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207