MétaCan
Menu
Retour à la cohorte
Enregistrement W2762220066 · doi:10.1177/1464419317734950

A new coordinated control strategy for tracked vehicle ride comfort

2017· article· en· W2762220066 sur OpenAlexaff
Jian‐Feng Li, Amir Khajepour, Yanjun Huang, Hong Wang, Chen Tang, Yechen Qin

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body Dynamics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSkyhookAccelerationController (irrigation)Magnetorheological fluidDamperMagnetorheological damperAutomotive engineeringSliding mode controlEngineeringControl theory (sociology)Suspension (topology)Computer scienceControl (management)SimulationControl engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

To improve tracked vehicle ride comfort and minimize weapon's vibration, a coordinated control strategy is developed for tracked vehicles' semi-active suspension systems. A model with eight degrees-of-freedom for a tracked vehicle equipped with magnetorheological dampers is established, and is followed by the formulation of a sliding mode controller. The proposed control algorithm is a localized-based controller that can change its target location in the tracked vehicle to where it is needed most. A co-simulation system model including a six-wheel tracked vehicle multi-body dynamics model, coordinated control strategy, and magnetorheological damper force allocator is developed to analyze the ride performance under bump and random road excitations. The simulation results demonstrate that the proposed strategy is very effective in improving the vehicle's ride performance and is much better than the traditional skyhook controllers. The innovation of this paper can be concluded as the coordinated control strategy can simultaneously improve vertical acceleration and pitch acceleration for the hull, which is of great importance for combat situations.

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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body DynamicsMême sujetVibration Control and Rheological FluidsTravaux en français237 207