MétaCan
Menu
Retour à la cohorte
Enregistrement W3102209108 · doi:10.36001/phmconf.2020.v12i1.1129

Fault Diagnostics and Prognostics for Vehicle Springs and Stablizer Bar

2020· article· en· W3102209108 sur OpenAlexaff
Xinyu Du, Lichao Mai, H. Mohseni Sadjadi

Notice bibliographique

RevueAnnual Conference of the PHM Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensGeneral Motors (Canada)
Organismes subventionnairesnon disponible
Mots-clésPrognosticsStabilizer (aeronautics)Robustness (evolution)Bar (unit)BushingEngineeringDowntimeAutomotive engineeringSpring (device)Fault detection and isolationAccelerationFault (geology)Computer scienceStructural engineeringReliability engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Vehicle springs and stabilizer bar are critical suspension components impacting vehicle riding and handling experience. Diagnostics and prognostics of springs and stabilizer bar can improve customer perceived quality, reduce repair cost and increase up-time for fleet vehicles. It’s even more important for autonomous vehicles, since there is no human driver to sense fault symptoms. Currently, there is no production solution to automatically diagnose and prognose spring and stabilizer bar failures, and most research work is suffered by various noise factors. In this work, a novel solution based on static ramp test is proposed to isolate and localize spring and stabilizer bar faults. With limited number of longitudinal and lateral acceleration measurements, the solution can quickly and effectively isolate faulty spring, disconnected stabilizer bar, loose bushing and loose end link. The validation results from a MY17 Bolt EV demonstrate the effectiveness and robustness of the proposed solution.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,298

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 Opus0,018
Tête enseignante GPT0,212
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Conference of the PHM SocietyMême sujetFault Detection and Control SystemsTravaux en français237 207