MétaCan
Menu
Retour à la cohorte
Enregistrement W3173279912 · doi:10.1115/1.4051539

Optimum Design and Trafficability Analysis for an Articulated Wheel-Legged Forestry Chassis

2021· article· en· W3173279912 sur OpenAlexaff
Zhibo Sun, Dan Zhang, Zhilong Li, Yan Shi, Na Wang

Notice bibliographique

RevueJournal of Mechanical Design · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensYork University
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésChassisKinematicsEngineeringStability (learning theory)Automotive engineeringSimulationMarine engineeringComputer scienceStructural engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract High trafficability and stability are the most two significant features of the forestry chassis. In this study, in order to improve surface trafficability, a novel articulated wheel-legged forestry chassis (AWLFC) is presented. To balance the trafficability and stability, a serial suspension system which is a combination with the active four-bar linkage articulated suspension (AFLAS) and passive V shape rocker-bogie is proposed. Then, parameter optimization with a comprehensive object function is implemented not only to enhance the trafficability and stability benefit of the structure but also to reduce the wheel slip. After that, through the flexible kinematic model based on screw theory, characteristics such as leveling ability and surface profile accessibility of the chassis are analyzed. The minimum accessible radius is obtained as 3088 mm, and the longitudinal and lateral leveling angle reaches to 22 deg and 28.7 deg separately. The new chassis performs better on leveling ability and surface profile accessibility than the forestry chassis in the current literature. Finally, through the results of simulation and prototype experiment, error rates related to the flexible analysis are reduced by 12.2% and 8.6% compared with the rigid model. Previously inaccessible forestry working environments can be available with the development of AWLFC.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,040
Tête enseignante GPT0,258
Écart entre enseignants0,218 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical DesignMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207