A novel phenomenological model for predicting hysteresis loss of rubber compounds obtained from ultra-large off-the-road tires
Notice bibliographique
Résumé
The objective of this study was to develop a novel phenomenological model that can predict the hysteresis loss of rubber compounds obtained from ultra-large off-the-road (OTR) tires under typical operating conditions at mine sites. To achieve this, first, cyclic tensile tests were conducted on tire tread compounds to derive the experimental results of hysteresis curves, peak stress, residual strain, and hysteresis loss at 6 strain levels, 8 strain rates, and 14 rubber temperatures. Then, referring to these experimental results, a phenomenological model was developed – the HLSRT model (a hysteresis loss model considering strain levels, strain rates, and rubber temperatures). This HLSRT model was generated based on a novel strain energy function that was modified from the traditional Mooney-Rivlin (MR) function, and the model was used to predict the hysteresis loss of rubber compounds in OTR tires. The prediction results show that the HLSRT model estimated the hysteresis loss of tire tread compounds with average and maximum mean absolute percent errors (MAPEs) of 11.2% and 18.6%, respectively, at strain levels ranging from 10% to 100%, strain rates from 10% to 500% s −1 , and rubber temperatures from −30°C to 100°C. These MAPEs were relatively low when compared with previous studies, showing that the HLSRT model has higher prediction accuracy. For the first time, the HLSRT model derived from this study has provided a new approach to predicting the hysteresis loss of OTR tire rubbers to guide the use of OTR tires in truck haulage at mine sites.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».