Analytical and experimental analysis of axial force generated by a drive shaft system
Notice bibliographique
Résumé
The drive shaft system with a tripod joint is known to cause lateral vibration in a vehicle due to the axial force generated by various contact pairs of the tripod joint. The magnitude of the generated axial force, however, is related to various operating factors of the drive shaft system in a complex manner. The generated axial force due to a drive shaft system with a tripod joint and a ball joint was experimentally characterized considering ranges of operational factors, namely, the input toque, the shaft rotational speed, the articulation angle, and the friction. The data were analyzed to establish an understanding of the operational factors on the generated axial force. Owing to the observed significant effects of all the factors, a multibody dynamic model of the drive shaft system was formulated for predicting generated axial force under different operating conditions. The model integrated the roller–track contact model and the velocity-based friction model. Based on a quasi-static finite element model, a new methodology was proposed for identifying the roller–track contact model parameters, namely, the contact stiffness and force index. To further enhance the calculation accuracy of the multibody dynamic model, a new methodology for identifying the friction model parameters and the force index was proposed by using the measured data. The validity of the model was demonstrated by comparing the model-predicted and measured magnitudes of generated axial force for the ranges of operating factors considered. The results showed that the generated axial force of the drive shaft system can be calculated more accurately and effectively by using the identified friction and contact parameters in the paper.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».