Application of Coupled Structural Acoustic Analysis and Sensitivity Calculations to a Tire Noise Problem
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract REFERENCE: H. M. R. Aboutorabi and L. Kung, “Application of Coupled Structural Acoustic Analysis and Sensitivity Calculations to a Tire Noise Problem,” Tire Science and Technology , TSTCA, Vol. 40, No. 1, January – March 2012, pp. 25–41. ABSTRACT: Tire qualification for an original equipment (OE) program consists of several rounds of submissions by the tire manufacturer for evaluation by the vehicle manufacturer. Tires are evaluated both subjectively, where the tire performance is rated by an expert driver, and objectively, where sensors and testing instruments are used to measure the tire performance. At the end of each round of testing the evaluation results are shared and requirements for performance improvement for the next round are communicated with the tire manufacturer. As building and testing is both expensive and time consuming predictive modeling and simulation analysis that can be applied to the performance of the tire is of great interest and value. This paper presents an application of finite element analysis (FEA) modeling along with experimental verification to solve tire noise objections at certain frequencies raised by an original equipment manufacturer (OEM) account. Coupled structural-acoustic analysis method was used to find modal characteristics of the tire at the objectionable frequencies. Sensitivity calculations were then carried out to evaluate the strength of contribution from each tire component to the identified modes. Based on these findings changes to the construction were proposed and implemented that addressed the noise issue.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle