MétaCan
Menu
Retour à la cohorte
Enregistrement W3110606441 · doi:10.1088/1757-899x/973/1/012009

Handling performance of an 8x8 combat vehicle

2020· article· en· W3110606441 sur OpenAlexaff
Moataz Ahmed, Moustafa El–Gindy, Haoxiang Lang

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésAxleChassisLinear-quadratic regulatorControl theory (sociology)MATLABController (irrigation)YawComputer scienceEngineeringControl engineeringAutomotive engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

Abstract In this research paper, the handling stability of an 8x8 combat vehicle will be assessed using two different control systems. The first technique utilizes a Torque Vectoring Controller (TVC) to control the vehicle yaw rate to meet the desired value. The second technique utilizes an Active Rear-axles Steering (ARS) to minimize the vehicle sideslip. TVC will be designed as a Single Input Single Output (SISO) control problem using a Sliding Mode Control (SMC) technique, while an Optimal Linear Quadratic Regulator (LQR) will be utilized to develop the ARS controller. The two controllers will be evaluated against a conventional vehicle with fixed rear axles. TruckSim software is used in corporation with Matlab/Simulink to implement and assess the controllers using Double Lane Change (DLC) over high and low coefficient of friction road surfaces at various speeds. The results give an insight into the driving conditions at which each controller is utilized and introduce a novel method to coordinate the integration between both controllers for integrated chassis applications.

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 enseignants0,565
Score d'incertitude au seuil0,583

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 savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,177
Écart entre enseignants0,167 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetVehicle Dynamics and Control SystemsTravaux en français237 207