A New Approach on Mounting Systems Optimization
Notice bibliographique
Résumé
Vehicles are assemblies of subsystems or modules, which are developed in parallel at multiple locations and often for more than one vehicle. CAE software provides the integration of modules in a complete vehicle in parallel; however the whole system requires final adjustments and tunings. These adjustments, especially in suspensions and mounting systems are very time consuming and are generally based upon trial and error techniques. To reduce the number of trials, usually noise path analysis (NPA) is used. In this technique, the noise and vibration paths for each mount to the objective point are measured. Using the measured data, the dominant path is detected. A highly experienced NVH engineer now can use the information to tune the mount to satisfy the target response. This technique is appropriate if the subsystems are weakly coupled. This situation is not usually the case in engine mounting systems where any modification in one of the mounts may change the dominant path. An important step to reduce refinement time is to develop a method to obtain the overall model of the whole vehicle. In this paper, we introduce a new approach in vehicle’s NVH development. In this approach, the model of the vehicle for mounting system optimization is obtained based on the FRF synthesis. A hybrid analytical/experimental model of the vehicle is developed to predict the NVH response of the vehicle for any given mounting system. This model along with an optimization technique is used to arrive at the optimum mounting system for any objective function. The optimization method is linked with the noise path analysis (NPA), which is used to specify the dominant directions that the noise/vibration is transferred to the response point. These directions are used in the optimization procedure to find the optimum mounting system with minimum calculation time. Experimental results on a full size car are presented to evaluate new approach.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».