MétaCan
Menu
Retour à la cohorte
Enregistrement W2442295865 · doi:10.1177/1464419316651375

Automatic steering control in tractor semi-trailer vehicles for low-speed maneuverability enhancement

2016· article· en· W2442295865 sur OpenAlexaff
Mehdi Abroshan, Morteza Taiebat, Avesta Goodarzi, Amir Khajepour

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body Dynamics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensUniversity of WaterlooUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTractorTrailerAutomotive engineeringController (irrigation)Control theory (sociology)ActuatorEngineeringComputer scienceArticulated vehicleControl (management)TruckArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, a controller for an automated steering articulated vehicle with the special capability to reduce off-tracking in low-speed maneuvers is proposed. Conventional tractor–trailers have a large off-tracking in low-speed maneuvers. In the proposed vehicle, all wheels of the tractor and trailer are steerable (all wheel steering). The controllers of the tractor and trailer work independently, and each one consists of two layers. A fuzzy controller and a PID controller are designed in the upper and lower layer, respectively, to control the actuators. The aim of the controller is to ensure that the end points of both the tractor and the trailer exactly follow the path of tractor’s first point. To assess the performance of proposed controller as well as steerability effect of all wheels in low speeds, the TruckSim simulation software is used. The simulation results confirm that the proposed approach improves the maneuverability and accuracy of path tracking not only compared to conventional vehicles but also to the conventional tractor–active trailer scheme, which was previously proposed by a number of studies. Additionally, it reduces lateral tire forces to enhance the working life.

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)0,000
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,213
Écart entre enseignants0,204 · 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

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body DynamicsMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207