MétaCan
Menu
Retour à la cohorte
Enregistrement W3004078974 · doi:10.4271/2020-01-0509

Motorcycle Chassis Design Utilizing Multi-Material Topology Optimization

2020· article· en· W3004078974 sur OpenAlexaff
Kiarash Kashanian, Vishrut Shah, Manish Pamwar, Balbir Sangha, Il Yong Kim

Notice bibliographique

RevueSAE International Journal of Advances and Current Practices in Mobility · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTopology Optimization in Engineering
Établissements canadiensGeneral Motors (Canada)Queen's University
Organismes subventionnairesnon disponible
Mots-clésTopology optimizationWeightingChassisAutomotive industryConfiguration designComputer scienceOptimal designTopology (electrical circuits)Mathematical optimizationEngineeringMechanical engineeringMathematicsStructural engineeringFinite element method

Résumé

récupéré en direct d'OpenAlex

Evolving fuel efficiency and emissions standards, along with consumer demand for performance, are strong pressures for light-weighting of performance oriented motorcycles. The field of topology optimization (TO), with the extension of multi-material topology optimization (MMTO) provide manufacturers with advanced structural light-weighting methodology. TO methodology has been adopted in many industries, including automotive where light-weighting assists in meeting efficiency regulations. The development of process specific manufacturing constraints within MMTO is a critical step in increasing adoption within industries dealing with manufacturing cost restrictions. This capability can decrease design complexity, lowering manufacturing costs of optimization solutions. A conventional all-aluminum perimeter style motorcycle chassis is analyzed to develop baseline compliance (total strain energy) metrics. An MMTO design space is created and optimized with steel and aluminum, such that results match the baseline design weight. This formulation demonstrates increased structural efficiency through stiffer structures at equivalent weight. Results are generated with standard MMTO, symmetry, and extrusion constraints to demonstrate utility of these manufacturing constraints. Material ratios are used to enforce lower cost material distribution selections. The usage of MMTO with manufacturing and material ratio constraints has resulted in up to 60.4% reduction in structural compliance of designs, and a multitude of lower cost alternative designs. The usage of symmetry constraints provides effectively identical results to standard MMTO, with a computational time reduction of 29%. Extrusion constraints demonstrate decreased manufacturing difficulty with a computational time reduction of 52% and structural performance penalty of 58.6% from the lowest compliance MMTO result. The enforcement of steel has demonstrated a decrease in structural performance (increase in compliance) and material costs, with varying degrees depending on manufacturing constraints and enforcement limits. The MMTO based designs provide a range of solutions to designers, which can be selected based on the importance of structural efficiency, manufacturing difficulty, and material costs.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,045
Tête enseignante GPT0,339
Écart entre enseignants0,294 · 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'étudeSimulation ou modélisation
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE International Journal of Advances and Current Practices in MobilityMême sujetTopology Optimization in EngineeringTravaux en français237 207