MétaCan
Menu
Retour à la cohorte
Enregistrement W3125088340 · doi:10.4271/2021-01-0284

Development of a Lightweight Electric Light Duty Truck Structure

2021· article· en· W3125088340 sur OpenAlexaff
Giles Bryer, Tom Siberski, Joung Yoon Choi, Manish Pamwar

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensGeneral Motors (Canada)
Organismes subventionnairesnon disponible
Mots-clésTruckAutomotive engineeringElectric lightDutyComputer scienceElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Finding room to package enough energy at today’s battery energy densities, while preserving performance and configuration requirements is a common problem for electric vehicles. This issue was recently addressed at General Motors by a small team utilizing agile concept development methods, constitutive material model development, and performance simulation tools to create a structural strategy for a family of unique electric light duty trucks. The desire to create a flexible architecture rather than a single vehicle, coupled with an underbody dominant, and rectilinear structural design space precluded any great topological novelty, so a basic principles approach was taken instead. A concept was devised whereby conventional truck frame rails were abandoned in favor of a series of three connected box-like structures along the length of the vehicle. For this to work effectively however, stable shear panels were required as a basic building block. Aluminum Foam Sandwich panels were adopted for this purpose which required a separate material characterization program using small specimens in a largely dynamic testing schedule. The knowledge from this step was scaled and applied to the virtual development of the concept. Coupled with parametric finite element mesh generation tools, and modified models of vehicles in similar segments, a proof of concept was generated that could be used as the basis for downstream vehicle development.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 GPT0,243
Écart entre enseignants0,233 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207