MétaCan
Menu
Retour à la cohorte
Enregistrement W2915574320 · doi:10.1139/tcsme-2018-0122

Evolution of 52CrMoV4 from 51CrV4 material to withstand field severity of parabolic leaf spring suspension in heavy-duty commercial vehicles

2019· article· en· W2915574320 sur OpenAlexvenueno aff
P. Thangapazham, L.A. Kumaraswamidhas, D. Muruganandam

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeaf springSuspension (topology)Spring (device)Materials scienceSpring steelResidual stressStress (linguistics)DecarburizationCommercial vehicleStructural engineeringDurabilityEnvironmental scienceDeformation (meteorology)Automotive engineeringComposite materialEngineeringMetallurgyMathematics

Résumé

récupéré en direct d'OpenAlex

This investigative study is mainly focused on improving the fatigue life of the leaf spring through the following protocols. In protocol 1, a parabolic leaf spring is manufactured with 51CrV4 material through normal production processes, which results in low residual compressive stress and high decarburization. The resulting proto sample does not support severe field application. This issue can be resolved by optimizing the heat treatment and the shot peening process. The proto part was prepared and tested under rough road conditions, and the vehicle withstood field severity up to 10% higher than the design load. However, under highly severe field operation, the severity was 30% higher than the design load. Hence, the above process improvements could not resolve the failures of the 51CrV4 material. Hence, an alternate material is identified, 52CrMoV4, and investigated. In protocol 2, the spring proto part is manufactured directly through an optimized process. The residual compressive stress, decarburization, and mechanical properties are obtained at desired levels. The proto part was tested under rough road conditions; the suspension system withstood a field severity of 30%. The vehicle was then tested on the test track and covered 335 000 km of off-road distance, with all durability requirements met.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207