Performance Enhancement of Road Vehicles Using Active Independent Front Steering (AIFS)
Notice bibliographique
Résumé
Technological developments in road vehicles over the last two decades have received considerable attention towards pushing the safe performance limits to their ultimate levels. Towards this goal, Active Front Steering (AFS) and Direct Yaw-moment Control (DYC) systems have been widely investigated. AFS systems introduce corrective steering angles to conventional system in order to realize target handling response for a given speed and steering input. It is thus expected that such an action under severe maneuvers may cause one tire to reach saturation while the other tire may be capable of developing more force. This study, therefore, proposes an Active Independent Front Steering (AIFS) system capable of controlling a wheel independently. At low speeds, the proposed AIFS system will modify the steer angle with speeds while maintaining pro-ackerman geometry similar to an AFS system. In doing so, it will realize a target response defined as one provided by a neutral steer system. However, in a severe maneuver, as the inner tire approaches the saturation limit, the AIFS system controller will only increase the angle of the outer tire, effectively introducing an anti-ackerman geometry. The study is carried out using a comprehensive 4-wheel handling model with AIFS capability. A PI controller with ability to detect and control the outer wheel independently is incorporated to examine the handling performances of an understeer vehicle under a ramp-step and sinusoidal steering inputs. In general, the results demonstrate that AIFS can perform as well as AFS in realizing target response while AIFS can provide performance enhancement beyond the limits of AFS. The control approach of AIFS is also shown to be effective for split-μ condition. Language: en
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».