MétaCan
Menu
Retour à la cohorte
Enregistrement W4254532111 · doi:10.32920/ryerson.14646471

Low Velocity Impact Assessment of a Carbon Fiber Bicycle Wheel

2021· preprint· en· W4254532111 sur OpenAlexaff
Karmanya Ratra

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueMechanical Engineering and Vibrations Research
Établissements canadiensToronto Metropolitan UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésImpact energyStiffnessTension (geology)Materials scienceAbsorption (acoustics)ThermographyStructural engineeringEnvironmental scienceComposite materialPhysicsEngineeringCompression (physics)Optics

Résumé

récupéré en direct d'OpenAlex

<p>Carbon fiber bicycle wheels were tested under low velocity impact to monitor the damage evolution of the impact event. A wheel model designed by KQS Inc. (industrial partner) with eight different configurations, including spoke tension, number of spokes, and location of impact on the rim were investigated. IR thermography combined with PCA was used to monitor the damage during impact. Results showed that wheels in line with spokes had 16% higher impact energy absorption compared to those impacted in between spokes on average (58.9 J vs 70.2 J). The 20 spoked wheels had a slightly higher (6%) impact energy absorption than the 24 spoked wheels. The added stiffness due to the extra spokes reduced the impact energy absorption of rim. Wheels with higher spoke tension also had slightly improved impact energy absorption (4%). The test protocol established in this study provides a good understanding of the wheel’s impact damage evolution.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,297 · 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.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechanical Engineering and Vibrations ResearchTravaux en français237 207