Multidisciplinary design optimization of a zero-emission vehicle chassis considering crashworthiness and hydroformability
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
This research used multidisciplinary design optimization to optimize the ladder frame chassis of a zero-emission vehicle by simultaneously considering three objective functions: (a) chassis mass, (b) deceleration during collision, and (c) manufacturability of a part in hydroforming. Additionally, design constraints were placed on torsional and bending stiffness, maximum von-Mises stress, and the natural frequency in torsion and bending. Optimization was completed in a three-phase approach: phase one used a simplified chassis model to conduct topology optimization with genetic algorithms; phase two was conducted to determine an optimum cross-sectional type and shape; and phase three incorporated results from phases one and two, into a high-fidelity, three-dimensional chassis model, for gradient-based optimization. Results from all phases of the design optimization indicated that improvements could be made over the baseline configuration. Through examination of Pareto frontiers in phase three, distinct trade-offs were identified between all objective functions: a 5 per cent reduction in chassis mass was required to maximize hydroformability; to minimize mass required a 90 per cent increase in deceleration; and minimization of deceleration required an 18 per cent decrease in hydroformability. Tri-objective optimization was used to generate a three-dimensional Pareto frontier ‘surface’ to show the impact of one objective function on all others simultaneously.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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