Advanced Analytical Truck Tires-Terrain Interaction Model
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">This paper focuses on developing an advanced analytical tire-terrain interaction model for full vehicle performance prediction purposes. The truck tire size 315/80R22.5 is modeled using the Finite Element Analysis (FEA) technique and validated against manufacturer experimental data in static and dynamic domains. While the terrain is modeled using Smoothed-Particle Hydrodynamics (SPH) technique and calibrated using experimental results of pressure-sinkage and direct shear tests. The contact between the FEA tire model and the SPH soil model is defined using the node symmetric node to segment with the edge treatment algorithm. The model setup consists of four tires appended back to back over a box filled with soil particles to represent a multi-axle off-road truck. The distances between the four tires are similar to the distances between the four axles of an off-road truck. The simulation running time is determined according to the time when the tires reach a steady-state depending on different operating conditions, such as speed, traffic, inflation pressure, vertical load, and steering angle in addition to soil characteristics such as cohesion, angle of resistance, and depth. The tires-terrain interaction simulations are performed over different types of terrains such as dry clay, dry sandy loam, 10% moist sand, 25% moist sand, and 50% moist sand soils at different operating conditions to determine the longitudinal and lateral forces of each tire. The data obtained from the simulations are further implemented into a Genetic Algorithm to develop explicit relationships between the forces and operating conditions. This research will further continue to predict the full vehicle performance over various terrains at several operating conditions.</div></div>
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».