MétaCan
Menu
Retour à la cohorte
Enregistrement W2793050506 · doi:10.14313/jamris_4-2017/34

Design and Development of a Semi-active Suspension System for a Quarter Car model using PI Controller

2018· article· en· W2793050506 sur OpenAlexaboutno aff
Hudyjawa Siswoyo, Nazim Mir‐Nasiri, Hazrat Ali

Notice bibliographique

RevueJournal of Automation Mobile Robotics & Intelligent Systems · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Car modelSuspension (topology)PID controllerController (irrigation)Active suspensionControl theory (sociology)EngineeringComputer scienceAutomotive engineeringControl engineeringMathematicsControl (management)Artificial intelligenceGeographyBiologyTemperature control

Résumé

récupéré en direct d'OpenAlex

This paper presents the design and development of a semi-active suspension system for a vehicle. The main idea is to develop a system that is able to damp vibration of the vehicle body while crossing the bumps on the road. This system is modeled for a single wheel assembly and then the laboratory prototype of the complete system has been manufactured. It is used to physically simulate the spring-mass-damper system in vehicle and observe the frequency response to the external disturbances. The developed low-cost smart experimental equipment consists of a motor with offset mass which works as an oscillator to induce vibration, a spring-mass-damper system where the variable damper works as a pneumatic cylinder that allows varying the damping constant (c). Proportional-Integral (PI) controller is used to control the damping properties of the semi-active suspension system automatically. The system is designed in contrast to the most of the available suspension systems in the market that have only passive damping properties. The results of this research demonstrate the efficiency of the developed variable damper-based control system for the vehicle suspension system.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,499

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,260
Écart entre enseignants0,226 · 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 tête enseignante, 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Automation Mobile Robotics & Intelligent SystemsMême sujetVibration Control and Rheological FluidsTravaux en français237 207