Using graph theory and symbolic computing to generate efficient models for multi-body vehicle dynamics
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
Linear graph theory, invented in 1736 by Leonhard Euler, has been combined with principles of physics to develop algorithms for formulating the dynamic equations for multi-body multi-domain systems. This graph-theoretic formulation allows electrical, mechanical, and hydraulic systems to be modelled within a common framework. The formulation has been implemented in a symbolic computer program, DynaFlexPro, that automatically generates compact and efficient sets of system equations that lead to reduced simulation times compared with most commercial multi-body dynamics software. In this article, models of pneumatic tyres are incorporated into the symbolic computer implementation, which is used to create real-time simulations of vehicle dynamics. The tyre component forms a list of symbolic expressions for important tyre variables, such as inclination and slip angle, that are used to calculate tyre forces and moments during simulation. If the transient behaviour of the tyre is important, the user can request that additional relaxation length equations be included in the model. The tyre component allows the user to choose from several tyre model functions that describe the generation of forces and moments at the tyre contact patch and can also accommodate user-developed tyre model functions. A brief introduction to the linear graph formulation procedure used by DynaFlexPro is given, as well as an explanation of how the tyre component works within the linear graph framework. As an example, optimized simulation code is generated for a three-dimensional vehicle model, and results are validated using an equivalent model in the MSC.ADAMS® commercial software package.
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) | 0,001 | 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