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 OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

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

<div class="section abstract"><div class="htmlview paragraph">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.</div><div class="htmlview paragraph">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.</div><div class="htmlview paragraph">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.</div></div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

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