MétaCan
Menu
Retour à la cohorte
Enregistrement W3003785062 · doi:10.4271/2020-01-0174

Development of Active Rear Axles Steering Controller For 8X8 Combat Vehicle

2020· article· en· W3003785062 sur OpenAlexaff
Moataz Ahmed, Moustafa El–Gindy, Haoxiang Lang, Mohamed A. Omar

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensSciencetech (Canada)
Organismes subventionnairesnon disponible
Mots-clésAxleAutomotive engineeringComputer scienceController (irrigation)EngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Lateral dynamic control considered to be crucial to enhance the handling characteristics and stabilization of a vehicle as a safety demand. In this paper, active rear axles steering control system will be developed using an optimal quadratic regulator (LQR) control methodology. The controller aims to minimize the vehicle side slip and consequently increase its handling stability and transient state performance. The controller design has been utilized the independent steering of the vehicle’s 3rd and 4th axles as control inputs. Furthermore, the developed controller will be combined with a feedforward zero side slip (ZSS) controller based on the steady-state model of the vehicle and satisfying the Ackermann steering condition. In addition, the steady-state handling performance will be evaluated using the Skid Pad test. The transient state performance will be assessed at low Coefficient of Friction (CoF) surface using FMVSS 126 Electronic Stability Control (ESC) system test speed, while Open Loop Step Slalom Test will be used for assessing the controller at high CoF. The controllers will be implemented using MATLAB Simulink and will be simulated in a co-software simulation environment with Truck- Sim software. The results show a notable improvement in the steady and transient states handling performance in comparison with the Conventional, where the 3rd and 4th axles are fixed, and active 4th axle vehicle, where the 3rd axle is fixed. In addition, the controller succeeded to prevent the vehicle rollover and maintain a stable trajectory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,216
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207