Development and Testing of an Online Oil Condition Monitor for Diesel Driven Army Ground Vehicles
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This paper describes the author's experiences in the design, validation and field-testing of a low cost, online oil condition monitor for diesel driven Army ground vehicles. This online oil condition monitor utilizes a multi-frequency approach to electrochemical impedance spectroscopy to interrogate and evaluate fluid health in near real time. A dual microcontroller processing architecture embedded in the sensor itself executes an oil-health evaluation algorithm and provides estimates of lubricant remaining useful life, as well as identification of the primary mode of degradation of the fluid. These data are transmitted off the sensor via J1939 compliant CAN messages. In this paper the unique application requirements, which formed the foundation of the development process, are discussed, and the technical and design challenges associated with producing a military grade smart-sensor at a sufficiently low price point for widespread adoption in the ground vehicle market are detailed. The methodology of determining oil health from signal data is discussed. Symbolic regression modeling was performed to evaluate the performance of the oil condition monitor. The oil condition monitor was also implemented on field-tests on commercial diesel trucks. The authors will provide specific quantitative data and results from these tests and a summary of lessons learned during the test and evaluation. The project resulted in an oil condition monitor that effectively integrates this new on-line oil sensing with embedded monitoring capability.</div></div>
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».