MétaCan
Menu
Retour à la cohorte
Enregistrement W2141707312 · doi:10.5267/j.esm.2014.10.002

Static structural CAE analysis of symmetrical 65Si7 leaf springs in automotive vehicles

2015· article· en· W2141707312 sur OpenAlexvenueno aff
Vinkel Kumar Arora, Gian Bhushan, Manjeet Aggarwal

Notice bibliographique

RevueEngineering Solid Mechanics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryStructural engineeringAutomotive engineeringMaterials scienceEngineeringLeaf springMechanical engineeringComposite materialAerospace engineeringSpring (device)

Résumé

récupéré en direct d'OpenAlex

Leaf springs in vehicles are used to absorb, store and release energy. During this cycle stresses induced in the springs must not exceed design stress, in order to avoid settling or premature failure. Number of experiments are done in order to determine the stresses, load rate and deflection, which involves lot of time and cost. Today, the technologies in leaf springs are changing gradually; therefore new tools are required to keep aligned with worldwide technological requirements. The work presented in this paper provides a CAE solution to static analysis of 65Si7 leaf springs used in light commercial vehicles (LCV's). A practical model of leaf spring used in LCV has been taken into consideration for this study. It has been experimentally tested for deflection, stress and load rate on a full scale leaf spring testing machine. A static structural CAE analysis of leaf spring has been done under similar loading condition. The CAD model of the leaf spring has been prepared in solid works and analyzed using ANSYS. Using CAE tools, ideal type of contact and meshing elements have been proposed to achieve results closer to the experimental results. The analytical method for static analysis of the leaf springs has also been described. CAE results have been compared with experimental and analytical results for validation.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,273
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207