Comprehensive Analysis and Optimization of Dynamic Vibration-Absorbing Structures for Electric Vehicles Driven by In-Wheel Motors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Distributed-drive electric vehicles (EVs) replace internal combustion engine with multiple motors, and the novel configuration results in new dynamic-related issues. This paper studies the coupling effects between the parameters and responses of dynamic vibration-absorbing structures (DVAS) for EVs driven by in-wheel motors (IWM). Firstly, a DVAS-based quarter suspension model is developed for distributed-drive EVs, from which nine parameters and five responses are selected for the coupling effect analysis. A two-stage global sensitivity analysis is then utilized to investigate the effect of each parameter on the responses. The control of the system is then converted into a multiobjective optimization problem with the defined system parameters being the optimization variables, and three dynamic limitations regarding both motor and suspension subsystems are taken as the constraints. A particle swarm optimization approach is then used to either improve ride comfort or mitigate IWM vibration, and two optimized parameter sets for these two objects are provided at last. Simulation results provide in-depth conclusions for the coupling effects between parameters and responses, as well as a guideline on how to design system parameters for contradictory objectives. It can be concluded that either passenger comfort or motor lifespan can be reduced up to 36% and 15% by properly changing the IWM suspension system parameters.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle