A methodology to analyze the vehicle vibration response to deformable terrain stiffness and damping properties
Notice bibliographique
Résumé
A dynamic soil–wheel interaction model that considers energy loss due to soil compaction during multiple trafficking can potentially yield an enhanced understanding of vibration responses of a vehicle traversing the deformable terrains. This article presents a practical methodology for modeling the vehicle ride vibration responses, while interacting with deformable terrain irregularities. The proposed formulations incorporate adaptive contact patch and tire deflection in addition to soil sinkage using the Bekker’s pressure–sinkage relationship. The effect of repeated passes of the driven as well as driving wheels on effective stiffness and damping of the soil is also incorporated in the proposed formulations considering a tire slip term by adoption of the Holm’s theory. An in-plane 4-degrees-of-freedom vehicle model is formulated considering a generic compliant tire coupled with the deformable soil model and MSC ADAMS multibody dynamic model is employed for the co-simulations and validation purpose. The coupled terrain–vehicle is analyzed to determine chassis vibration responses together with variations in the dynamic tire–terrain contact force in the time and frequency domains. The results suggested that the root mean square vertical and pitch chassis acceleration responses of the vehicle operating on a deformable terrain are lower than those obtained for the undeformable terrain. The ratio of the dynamic tire force to the static load, a measure of road holding of the vehicle, however, tends to be higher for the deformable terrain. Both the road holding and root mean square chassis acceleration responses, invariably, show a significant increase with increase in the vehicle forward speed. The proposed methodology may serve as an important tool for assessing the vibration exposure of operators and for deriving optimal suspension designs for vehicles operating on deformable terrains.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».