MétaCan
Menu
Retour à la cohorte
Enregistrement W2919485843 · doi:10.1139/tcsme-2018-0204

Failure mode investigation and re-design of heavy-duty commercial vehicle bogie bracket

2019· article· en· W2919485843 sur OpenAlexvenueno aff
P. Thangapazham, L.A. Kumaraswamidhas, D. Muruganandam

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBogieBracketStructural engineeringChassisSuspension (topology)AxleEngineeringShock absorberAutomotive engineeringStrain gaugeHeavy dutyStress (linguistics)Mathematics

Résumé

récupéré en direct d'OpenAlex

Heavy-duty commercial vehicles play a significant role in commodity logistics. For each of these vehicles, the suspension is the most essential system to support the load and road shock. Bogie type suspension system is employed to safeguard the vehicle from road shock. The bogie bracket is a juncture between the chassis and the axle in the suspension system. The bogie bracket has been identified as a critical part of the suspension system. In the present study, bogie bracket base design and modelling was performed using computer-aided engineering (CAE). The strength of the bogie was tested to identify weaker sections. Design modifications were performed to improve the strength on identified critical sections through reinforcement techniques. A road load data acquisition (RLDA) test was conducted under different road conditions to validate CAE results. Five different rough-road road surfaces were chosen for RLDA testing. Using strain gauges, strain data were acquired during the test. Corresponding stress values were obtained and maximum stress was found in all driving conditions. For the base design bogie bracket, under RLDA test, crack initiation and crack propagation were identified under vertical loads. A reinforced bogie bracket was designed and found to have a higher strength and longer expected life than that of the base design.

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: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,585

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 Opus0,012
Tête enseignante GPT0,195
Écart entre enseignants0,182 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetRailway Engineering and DynamicsTravaux en français237 207