Optimal Motorcycle Engine Mount Design Parameter Identification Using Robust Optimization Algorithms
Notice bibliographique
Résumé
Mechanical vibrations have a significant impact on ride comfort; the driver is constantly distracted as a result. Volumetric engine inertial unbalances and road profile irregularities create mechanical vibrations. The purpose of this study is to employ optimization algorithms to identify structural elements that contribute to vibration propagation and to provide optimal solutions for reducing structural vibrations induced by engine unbalance and/or road abnormalities in a motorcycle. The powertrain assembly, swing-arm assembly, and vibration-isolating mounts make up the vibration-isolating system. Engine mounts are used to restrict transferred forces to the motorbike frame owing to engine shaking or road irregularities. Two 12-degree-of-freedom (DOF) powertrain motorcycle engine systems (PMS) were modeled and examined for design optimization in this study. The first model was used to compute engine mount parameters by reducing the transmitted load through the mounts while only considering shaking loads, whereas the second model considered both shaking and road bump loads. In both configurations, the frame is infinitely stiff. The mount stiffness, location, and orientation are considered to be the design parameters. The purpose of this study is to employ computational methods to minimize the loads induced by shaking forces. To continue the optimization process, Grey Wolf Optimizer (GWO), a meta-heuristic swarm intelligence optimization algorithm inspired by grey wolves in nature, was utilized. To demonstrate GWO’s superior performance in PMS, other optimization methods such as a Genetic Algorithm (GA) and Sequential Quadratic Programming (SQP) were used for comparison. To minimize the engine’s transmitted force, GWO was employed to determine the optimal mounting design parameters. The cost and constraint functions were formulated and optimized, and promising results were obtained and documented. The vibration modes due to shaking and road loads were decoupled for a smooth ride.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».