Procedures for finding optimal layouts of vehicle components with respect to durability
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 When designing complete systems or system components, it is of vital importance for the manufacturers to optimally fulfill the continuously increasing demands pertaining to safety, durability, reduction of energy consumption, noise reduction, improvement of comfort, accuracy, etc. This applies to all types of traffic and transportation systems like rail vehicles, automobiles, airplanes and ships. By combining structural analysis and simulation methods with optimization algorithms, required specifications can be met faster and more reliably, and hence the production development cycles can be substantially reduced. This paper shall give an overview on results of a method with the features of a damage approximation as precisely as possible on the one hand and, on the other hand, a load‐time history with few different load cycles so that a nonlinear calculation can be performed in the shortest possible time. Simulations with rigidly and elastically modeled components like bogie frames or carbodies show that depending on the type of modeling substantial differences may occur with respect to dynamic behavior and the interaction quantity between the bodies. This aspect has to be taken into consideration for quantitatively sufficient fatigue strength and durability calculation. Mathematical optimization procedures are in general an efficient tool to guarantee the optimal fulfillment of all required design objectives and constraints in all stages of the design process. Some of the procedures are illustrated at two examples (bogie frame, carbody). (© 2007 WILEY‐VCH Verlag GmbH & Co. KGaA, Weinheim)
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