Optimization of TOC Plumbing Line Pressure Drop using 1D Modeling
Notice bibliographique
Résumé
The performance of the Transmission Oil Cooler (TOC) is influenced significantly by the TOC plumbing lines which transmit the oil from transmission system to the oil cooler and back. Designing the optimum TOC plumbing line with lesser pressure drop is the need of the hour considering the complex nature of the vehicle packaging. Reducing the pressure drop increases the oil flow rate through the transmission which results in optimum performance. Improved transmission efficiency in turn shall improve the engine efficiency and performance. The improvements obtained from increased transmission and engine efficiency shall result in an overall increase in vehicle fuel economy. Optimization solutions are required in the early product development cycle where the components are not readily available and/or are prohibitively expensive to do testing. In such scenarios, one-dimensional (1D) simulations shall be employed to compute the pressure drop for faster and economical solutions. In this paper, the approach of creating a modeling tool for TOC plumbing line pressure drop is discussed. Design for six sigma (DFSS) methodology is followed to optimize the modeling tool. An L18 orthogonal array of iterations are created and 1D simulation is carried out using the commercial software Flowmaster® from Mentor Graphics Corporation. Samples are manufactured and tested in the system calorimeter to validate the simulation results. The frictional coefficients of the simulation model are fine tuned to match with the test data at all operating conditions. This fine-tuned model shall be used to predict the TOC plumbing line pressure drop for the future programs with good accuracy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».