Vehicle–track interaction with consideration of rail irregularities at three-dimensional space
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
Modelling of vehicle–track interaction has long been a hot and interesting topic. In multibody dynamics based on force-equilibrium methods, Hertzian contact and creep theories have been applied in vehicle–track model constructions. In another aspect, the complementarity-based methods have also been widely used in establishing vehicle–track interaction, but still having drawbacks on characterization of wheel–rail contact geometry/creepage in three-dimensional space. In this study, we draw essences from methodologies of refined wheel–rail coupling models and energy-variational principle, and a model for vehicle–track three-dimensional interactions with inclusion of rail irregularity excitations is newly developed. This model possesses high accuracy compared with Hertzian contact, FastSim, and vehicle–track coupled model in the middle-low frequency domain, and also, the advantages in computational stability are possessed. In this model, the unevenness of rail irregularities at the three-dimensional space is preliminarily considered by taking a hypothesis of normal distribution and accordingly, the wheel–rail three-dimensional constraint equations are presented. Extensively, a series of numerical examples are shown to verify the effectiveness and engineering practicability of this model. Besides, the influence of rail three-dimensional irregularities on the dynamic performance of vehicle–track systems is further explored, which shows when the trochoid of the wheel–rail contact points changes rapidly, the additional inertial effects brought out by rail irregularities might exert great influence on wheel–rail forces.
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 | 0,000 | 0,000 |
| 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