MétaCan
Menu
Retour à la cohorte
Enregistrement W2607735099 · doi:10.1080/00423114.2017.1308521

A driver-adaptive stability control strategy for sport utility vehicles

2017· article· en· W2607735099 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueVehicle System Dynamics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensUniversity of Ontario Institute of Technology
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésController (irrigation)YawDriving simulatorEngineeringControl theory (sociology)Vehicle dynamicsStability (learning theory)Adaptive controlControl engineeringNonlinear systemAdvanced driver assistance systemsSliding mode controlSimulationElectronic stability controlControl (management)Automotive engineeringComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Conventional vehicle stability control (VSC) systems are designed for average drivers. For a driver with a good driving skill, the VSC systems may be redundant; for a driver with a poor driving skill, the VSC intervention may be inadequate. To increase safety of sport utility vehicles (SUVs), this paper proposes a novel driver-adaptive VSC (DAVSC) strategy based on scaling the target yaw rate commanded by the driver. The DAVSC system is adaptive to drivers’ driving skills. More control effort would be exerted for drivers with poor driving skills, and vice versa. A sliding mode control (SMC)-based differential braking (DB) controller is designed using a three degrees of freedom (DOF) yaw-plane model. An eight DOF nonlinear yaw-roll model is used to simulate the SUV dynamics. Two driver models, namely longitudinal and lateral, are used to ‘drive’ the virtual SUV. By integrating the virtual SUV, the DB controller, and the driver models, the performance of the DAVSC system is investigated. The simulations demonstrate the effectiveness of the DAVSC strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,220
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