Investigation to improve hunting stability of railway carriage using semi-active longitudinal primary stiffness suspension
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
Railway carriage model moving on tangent tracks is constructed by deriving the associated equations of motion where single-point and two-point wheel-rail contact is considered. The railway carriage is modeled by 31 degrees of freedom which govern vertical displacement, lateral displacement, roll angle and yaw angle of wheelset whereas vertical displacement, lateral displacement, roll angle, pitch angle and yaw angle of carbody and each of two bogies. Linear stiffness and damping parameters of primary and secondary suspensions are provided to the railway carriage model. Combination of linear Kalker's theory and nonlinear heuristic model is adopted to calculate the creep forces in which introduced at wheel and rail contact area. Computer aided-simulation is constructed to solve the governing differential equations of motion using Runge-Kutta fourth order method. Principles of limit cycle and phase plane approach is applied to study the stability and evaluate critical hunting velocity of the system. The numerical simulation model is used to represent dynamic responses of the components of railway carriage subjected to specific parameters of wheel conicity and suspension characteristics. Longitudinal primary stiffness suspension is controlled using semi-active suspension with lateral displacement indicator. The controlled semi-active longitudinal primary suspension is examined to increase the critical hunting velocity and improve hunting stability of railway carriage. Key words: Railway carriage, conventional bogies, tangent tracks, semi-active suspension, longitudinal suspension, critical hunting velocity.
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 | 0,002 |
| 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