Finite Element Modeling of Tire With Validation Using Tensile and Frequency Response Testing
Notice bibliographique
Résumé
A physical testing program is performed in support of finite element model creation for a 50-series passenger car tire. ABAQUS finite element analysis software is used along with its standard material models. Uniaxial tension testing of tire samples cut from the tread composite, tread rubber and sidewall composite is performed in order to obtain material properties. Hyper-elastic material coefficients for tread rubber are fit using uniaxial tension test data. Results show that the Arruda-Boyce hyper-elastic material model fits the test data well and it predicts reasonable overall behavior in uniaxial tension and uniaxial compression. Most other hyperelastic material models are found to predict unrealistic behavior in uniaxial compression for the tire samples, especially in the 0 to 20% compressive strain range. Frequency response testing of two inflated passenger car tires of different sizes, makes and models is also performed to assist in defining the viscoelastic material model for tread rubber. Test results show that tire modal damping is in the 2 to 4% range for most modes below 200 Hz, and the response curves, modal density and modal damping are remarkably similar for the two tires tested. The tire finite element model with updated material properties is simulated for nine combinations of air inflation pressure and vertical load in order to calculate static loaded radius. The analysis results are compared with physical test results and the analysis results are found to deviate at most by 3% compared to the 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.
Comment cette classification a été obtenuedéplier
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».