MétaCan
Menu
Retour à la cohorte
Enregistrement W2607321038 · doi:10.1115/1.4036421

Railway Air Brake Model and Parallel Computing Scheme

2017· article· en· W2607321038 sur OpenAlexaff
Qing Wu, Colin Cole, Maksym Spiryagin, Yucang Wang, Weihua Ma, Chongfeng Wei

Notice bibliographique

RevueJournal of Computational and Nonlinear Dynamics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesState Key Laboratory of Traction PowerSouthwest Jiaotong UniversityChina Academy of Engineering PhysicsNational Natural Science Foundation of China
Mots-clésBrakeComputer scienceTrainScheme (mathematics)SupercomputerSimulationParallel computingEngineeringAutomotive engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

This paper developed a detailed fluid dynamics model and a parallel computing scheme for air brake systems on long freight trains. The model consists of subsystem models for pipes, locomotive brake valves, and wagon brake valves. A new efficient hose connection boundary condition that considers pressure loss across the connection was developed. Simulations with 150 sets of wagon brake systems were conducted and validated against experimental data; the simulated results and measured results reached an agreement with the maximum difference of 15%; all important air brake system features were well simulated. Computing time was compared for simulations with and without parallel computing. The computing time for the conventional sequential computing scheme was about 6.7 times slower than real-time. Parallel computing using four computing cores decreased the computing time by 70%. Real-time simulations were achieved by parallel computing using eight computer cores.

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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,014
Tête enseignante GPT0,271
Écart entre enseignants0,257 · 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

Citations43
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computational and Nonlinear DynamicsMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207