Design of train crash experimental tests by optimization procedures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Abstract Advanced train crashworthiness design requires not only numerical simulation tools capable of describing the dynamic response of train sets during general crash scenarios, but also, optimization procedures that can be used efficiently in the earlier design stages. A multibody dynamics based methodology that combines optimization with efficient analysis techniques is proposed in this work, for the design of train crashworthy components. In this methodology, the components of the trains are described as rigid bodies that have their relative motion constrained by kinematic joints and among which there are nonlinear spring-damper type elements that represent the structures of the trains that deform under normal operating conditions or during the train crash. Interaction between the colliding trains components are described by contact detection and contact force models. A planar dynamics formulation is used to access out-of-direction dynamics of the train cars. Through the use of an optimization algorithm, a general design framework is developed for single objective optimization problems, applied to the design of train crashworthy components. The selection of any optimization function is allowed, particularly, the ones related with train crashworthiness such as train car accelerations, deformations of train car structures or energy absorbed during train impact. Design variables related to the characteristics of the train car structures or components are used, such as train car mass or material behavior of train car structures defined by force-displacement curves. This methodology is applied to optimize the characteristics of complete train sets to design full-scale experimental crash tests. The results are compared with those obtained in simplified unidimensional multibody train models, using optimization algorithms that do not use analytical sensitivity information. Keywords: Multibody dynamicssafetrainrail crashcrashworthinessenergy absorbers
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.
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 découle