MétaCan
Menu
Retour à la cohorte
Enregistrement W2948747678 · doi:10.11159/iccste19.191

Multileaf Spring Model and Its Behaviour in a Tandem Bogie Layout

2019· article· en· W2948747678 sur OpenAlexvenueno aff
Martin Maloch, Štefan Čorňák

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesMinisterstvo Obrany České Republiky
Mots-clésBogieSpring (device)Computer scienceTandemEngineeringStructural engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The utilization of independent suspension is rising. For a very specific conditions, the dependent suspension types are still preferred, mainly in case of heavier trucks. Ordinary leaf spring material-steel is being replaced by a variety of composite materials. For the dynamic simulation of the vehicle, the greater importance than a material type, lies in the layout of the suspension. The tandem bogie layout of the multileaf spring suspension has many differences in its behaviour in comparison with ordinary layout-set of two separated multileaf springs allocated to one axle. In the first part of the paper, these differences are listed and explained-mainly the ability of load sharing between the axles. The second part deals with specific aspects of the FEM model, along with the necessary analytical background. The third part consists of various simulation cases with different initial conditions-different constrains, pretension and spring as tyre stiffness. In the last part, the effect of the aforementioned conditions are evaluated and commented. The variations of the hysteresis loops, in force-displacements characteristics, along with derived linear stiffness's and its behaviour are recommended to be understood for additional application. Therefore, the conclusions are drawn for further utilization of gathered data for the full vehicle simulation.

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 enseignants0,439
Score d'incertitude au seuil0,405

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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207