MétaCan
Menu
Retour à la cohorte
Enregistrement W3080259933 · doi:10.1504/ijhvs.2020.10031457

A comparison of test manoeuvres for determining rearward amplification of articulated heavy vehicles

2020· article· en· W3080259933 sur OpenAlexaff
Zhituo Ni, Yuping He, Shenjin Zhu

Notice bibliographique

RevueInternational Journal of Heavy Vehicle Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésFrequency domainEngineeringTransient (computer programming)Time domainStability (learning theory)Control theory (sociology)StandardizationSteady state (chemistry)Sine waveAutomobile handlingTrailerDomain (mathematical analysis)Automotive engineeringSimulationComputer scienceMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Rearward amplification (RA) is an effective indicator of lateral stability for multi-trailer articulated heavy vehicles (MTAHVs). The International Organization for Standardization released the test manoeuvres, ISO-14791, for determining the indicator for MTAHVs. ISO-14791 recommends three methods, including two time-domain and one frequency-domain, to derive the RA measures. It was reported that the results from the three methods were not in good agreement. To explore this inconsistency among these methods, a multiple cycle sine-wave steering input (MCSSI) manoeuvre was simulated to obtain steady-state responses of MTAHVs. Furthermore, an automated frequency response method (AFRM) was used to derive the measures in the frequency-domain. This paper presents simulation results based on an A-Train Double. Results demonstrate that the steady-state RA measures under a MCSSI manoeuvre are in excellent agreement with those from frequency-domain methods. It is revealed that driver's steering behaviours impose a non-negligible impact on the transient RA measures of MTAHVs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,292
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Heavy Vehicle SystemsMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207