MétaCan
Menu
Retour à la cohorte
Enregistrement W2245491501 · doi:10.1504/ijhvs.2015.071683

Braking and steering performance analysis of a road vehicle with active independent front steering

2015· article· en· W2245491501 sur OpenAlexaff
Azadeh Farazandeh, A.K.W. Ahmed, Subhash Rakheja

Notice bibliographique

RevueInternational Journal of Heavy Vehicle Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAutomobile handlingEngineeringAutomotive engineeringRobustness (evolution)Vehicle dynamicsYawActive safetySimulationActive steeringParametric statisticsControl theory (sociology)Computer scienceControl (management)MathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Active front steering (AFS) systems help achieve target handling performance through simultaneous applications of steering corrections to both the wheels, but may exhibit limited performance during high-speed manoeuvres. This study explores the effectiveness of an active independent front steering (AIFS) system under application of braking to demonstrate that it could not only overcome the limitation of the AFS but also provide sufficient adhesion reserve for generating longitudinal forces. A simple AIFS controller is synthesised using the yaw rate feedback and the tyres' saturation limits. The simulation results are obtained under a wide range of braking-in-turn manoeuvres in different road conditions. Comparisons of the results with those obtained with the conventional AFS suggested greater effectiveness of the AIFS under high-speed manoeuvres. A parametric study is subsequently conducted to study the robustness of the AIFS performance. The results demonstrated enhanced braking-in-turn performance of the AIFS under conditions where the understeer handling characteristic exists.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Heavy Vehicle SystemsMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207