MétaCan
Menu
Retour à la cohorte
Enregistrement W2002021527 · doi:10.1115/detc2009-87110

Optimization of Twin Tensioner Performance in a Belt-Driven Integrated Starter-Generator System for Micro-Hybrids

2009· article· en· W2002021527 sur OpenAlexaff
Adebukola Olsanmi Olatunde, Jean W. Zu

Notice bibliographique

RevueVolume 6: ASME Power Transmission and Gearing Conference; 3rd International Conference on Micro- and Nanosystems; 11th International Conference on Advanced Vehicle and Tire Technologies · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration and Dynamic Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSequential quadratic programmingControl theory (sociology)Tension (geology)Generator (circuit theory)Belt driveEngineeringOptimal designGenetic algorithmParametric statisticsComputationStructural engineeringQuadratic programmingComputer sciencePulleyMathematical optimizationPower (physics)MathematicsAlgorithmPhysics

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to optimize the belt tensioning mechanism, known as the Twin Tensioner. The optimized tensioner achieves the minimum magnitude of belt tension in a Belt-driven Integrated Starter-generator (B-ISG) system. The B-ISG is an emerging hybrid transmission that closely resembles conventional serpentine belt drives. The system contains an integrated starter-generator (ISG) unit that performs a start-stop function on the engine. A derivation of the system’s equation of motion is simulated in this paper. A parametric study evaluates the Twin Tensioner’s parameters with respect to their impact on static tensions. Design variables are selected from these parameters for optimization. The optimization uses the genetic algorithm (GA) and the sequential quadratic programming (SQP) searches. Computations for belt tension based on the optimized design variables indicate the optimal system contains spans with static tensions that are significantly lower in magnitude than in the original design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 6: ASME Power Transmission and Gearing Conference; 3rd International Conference on Micro- and Nanosystems; 11th International Conference on Advanced Vehicle and Tire TechnologiesMême sujetVibration and Dynamic AnalysisTravaux en français237 207