Ride dynamic evaluations and design optimisation of a torsio-elastic off-road vehicle suspension
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
The ride dynamic characteristics of a novel torsio-elastic suspension for off-road vehicle applications are investigated through field measurements and simulations. A prototype suspension was realised and integrated within the rear axle of a forestry skidder for field evaluations. Field measurements were performed on forestry terrains at a constant forward speed of 5 km/h under the loaded and unloaded conditions, and the ride responses were acquired in terms of accelerations along the vertical, lateral, roll, longitudinal and pitch axes. The measurements were also performed on a conventional skidder to investigate the relative ride performance potentials of the proposed suspension. The results revealed that the proposed suspension could yield significant reductions in magnitudes of transmitted vibration to the operator seat. Compared with the unsuspended vehicle, the prototype suspended vehicle resulted in nearly 35%, 43% and 57% reductions in the frequency-weighted rms accelerations along the x-, y- and z-axis, respectively. A 13-degree-of-freedom ride dynamic model of the vehicle with rear-axle torsio-elastic suspension was subsequently derived and validated in order to study the sensitivity of the ride responses to suspension parameters. Optimal suspension parameters were identified using the Pareto technique based on the genetic algorithm to obtain minimal un-weighted and frequency-weighted rms acceleration responses. The optimal solutions resulted in further reduction in the pitch acceleration in the order of 20%, while the reductions in roll and vertical accelerations ranged from 3.5 to 6%.
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 | 0,001 | 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