MétaCan
Menu
Retour à la cohorte
Enregistrement W3015032453 · doi:10.3390/app10072292

A Detailed Investigation of Gear Body-Induced Tooth Deflections and Development of an Improved Analytical Solution

2020· article· en· W3015032453 sur OpenAlexafffund
Hongsheng Zhang, Jun Pan, Meng Rao, Zhengwei Li, Xihui Liang

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensUniversity of ManitobaUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGear toothStiffnessStructural engineeringDeflection (physics)Finite element methodComputer scienceEngineeringPhysicsClassical mechanics

Résumé

récupéré en direct d'OpenAlex

Many researchers have developed analytical methods to evaluate gear meshing stiffness. Some of these methods ignored the effect of the gear body while others used a simplified model to consider its effect. Until now, a detailed investigation of gear body-induced tooth deflections has been rare, especially for the double-tooth-pair meshing period. In this study, we present a detailed investigation of gear body-induced tooth deflections. To be specific, we will discuss how to accurately evaluate gear body-induced tooth deflections using the finite element analysis, and what are the effect of parameters such as loading and gear parameters on gear body-induced tooth deflections. Then, an improved solution is developed for evaluating the body-induced tooth deflection. In the single-tooth-pair meshing period, the improved formula is developed based on a popular formula proposed by Sainsot and Velex. This is achieved by optimizing the coefficients used in their formula to make the formula more accurate to evaluate gear body-induced tooth deflections. Meanwhile, we introduce a new term called affiliated body stiffness to evaluate the body-induced tooth deflections in the double-tooth-pair meshing period. The improved method can give higher accuracy in evaluating gear body-induced tooth deflections of spur gears with a pressure angle of 20°.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,032
Tête enseignante GPT0,238
Écart entre enseignants0,207 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGear and Bearing Dynamics AnalysisTravaux en français237 207