Reduction of a Vehicle Multibody Dynamic Model Using Homotopy Optimization
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
Despite the ever-increasing computational power of modern processors, the reduction of complex multibody dynamic models remains an important topic of investigation, particularly for design optimization, sensitivity analysis, parameter identification, and controller tuning tasks, which can require hundreds or thousands of simulations. In this work, we first develop a high-fidelity model of a production sports utility vehicle in Adams/Car. Single-link equivalent kinematic quarter-car (SLEKQ, pronounced “sleek”) models for the front and rear suspensions are then developed in MapleSim. To avoid the computational complexity associated with introducing bushings or kinematic loops, all suspension linkages are lumped into a single unsprung mass at each corner of the vehicle. The SLEKQ models are designed to replicate the kinematic behaviour of a full suspension model using lookup tables or polynomial functions, which are obtained from the high-fidelity Adams model in this work. The predictive capability of each SLEKQ model relies on the use of appropriate parameters for the nonlinear spring and damper, which include the stiffness and damping contributions of the bushings, and the unsprung mass. Homotopy optimization is used to identify the parameters that minimize the difference between the responses of the Adams and MapleSim models. Finally, the SLEKQ models are assembled to construct a reduced 10-degree-of-freedom model of the full vehicle, the dynamic performance of which is validated against that of the high-fidelity Adams model using four-post heave and pitch tests.
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