MétaCan
Menu
Retour à la cohorte
Enregistrement W2809098966 · doi:10.1177/1045389x18781038

Magnetorheological damper with external excitation for more efficient control of vehicles’ dynamics

2018· article· en· W2809098966 sur OpenAlexaff
Sadok Sassi, Abdelmonaam Sassi, Khaled Cherif, Faris Tarlochan

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMagnetorheological fluidDamperMagnetorheological damperExcitationMATLABMagnetic circuitEngineeringMagnetic fieldCurrent (fluid)Structural engineeringPosition (finance)Mechanical engineeringAutomotive engineeringMagnetComputer scienceElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This article presents a new concept design for magnetorheological dampers, where the excitation circuit and magnetic field are applied from outside the magnetorheological chamber. This magnetorheological damper was designed and built to decrease the intrusive manufacturing operations and to maximize the working efficiency. The experimental tests made on the first prototype featuring this new technology was promising. The excitation of a set of 12 coils surrounding the body of the damper, by an electric current of 5 A, managed to increase the damping coefficient by up to 75%. A similar performance could be obtained by a current 9.4 times lower if the magnetic circuit is designed correctly. Compared to other devices, the actual design tolerates more the temperature elevation caused by the feeding of coils with high-intensity current, just because the heat is radiated outwards instead of being transferred directly to the magnetorheological fluid like in conventional designs. Finally, the numerical simulations made on Matlab show that the new magnetorheological damper, when mounted on a commercial vehicle, can considerably enhance its dynamic behavior and bring it back quickly to its stable position when the tires hit a bump on the road.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,211 · 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'étudeExpérimental (laboratoire)
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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetVibration Control and Rheological FluidsTravaux en français237 207