MétaCan
Menu
Retour à la cohorte
Enregistrement W1992262557 · doi:10.1115/detc2007-35823

Effects of the Load Distribution Patterns on the Longitudinal Freight Train Dynamics

2007· article· en· W1992262557 sur OpenAlexaff
Masoud Ansari, Davood Younesian, Ebrahim Esmailzadeh

Notice bibliographique

RevueVolume 3: 19th International Conference on Design Theory and Methodology; 1st International Conference on Micro- and Nanosystems; and 9th International Conference on Advanced Vehicle Tire Technologies, Parts A and B · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésTrainParametric statisticsPosition (finance)Nonlinear systemFreight trainsRail freight transportSimulationComputer scienceEngineeringStructural engineeringAutomotive engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

A comprehensive parametric study is carried out on the longitudinal dynamics of a freight train having different loading patterns. A nonlinear time domain model, with one locomotive and nine wagons, is considered. In another simulation the train model has two locomotives and eight wagons, and in both models, every two cars are connected to each other through an automatic coupler. The effects of different load distribution patterns on the coupler forces for the cases of ascending, descending, constant, ascending-descending and descending-ascending are investigated through a parametric sensitivity study. In order to investigate how an empty wagon and its position in a train-consist model may affect the overall longitudinal dynamic behavior of freight trains a second computer simulation model has been developed. Moreover, the best possible position for the second locomotive with the objective of reaching to the lower longitudinal forces, in the case that an additional locomotive is included will be discussed. Finally, an investigation is carried out to determine the kind of couplers with their relevant specifications that must be installed in different positions of a train-consist in order to improve the longitudinal train dynamic behavior.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,293
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 3: 19th International Conference on Design Theory and Methodology; 1st International Conference on Micro- and Nanosystems; and 9th International Conference on Advanced Vehicle Tire Technologies, Parts A and BMême sujetRailway Engineering and DynamicsTravaux en français237 207