Soil Modeling Using FEA and SPH Techniques for a Tire-Soil Interaction
Notice bibliographique
Résumé
In recent years, the advancement of computerized modeling has allowed for the creation of extensive pneumatic tire models. These models have been used to determine many tire properties and tire-road interaction parameters which are either prohibitively expensive or unavailable with physical models. More recently, computerized modeling has been used to explore tire-soil interactions. The new parameters created by these interactions were defined for these models, but accurate soil constitutive equations were lacking. With the previous models, the soil was simulated using Finite Element Analysis (FEA). However, the meshless modeling method of Smooth Particle Hydrodynamics (SPH) may be a viable approach to more accurately simulating large soil deformations and complex tire-soil interactions. With both the FEA and SPH soils modeled as elastic-plastic solids, simplified soil tests are conducted. First, pressure-sinkage tests are used to explore the differences in the two soil-modeling methods. From these tests, it is found that the FEA model supports a surface pressure via the tensile forces created by the stretching of the surface elements. Conversely, for the SPH model, the surface pressure is supported via the compressive forces created by the compacting of particles. Next, shear-displacement tests are conducted with the SPH soil (as this test cannot easily be performed with an FEA soil model). These shear tests show that the SPH soil behaves more like clay in initial shearing and more like sand by exhibiting increased shearing due to vertical loading. While both the pressure-sinkage and shear-displacement tests still show that a larger particle density is unnecessary for SPH soil modeling, the shear-displacement tests indicate that an elastic-plastic material model may not be the best choice.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».