MétaCan
Menu
Retour à la cohorte
Enregistrement W4307885306 · doi:10.1177/14644193221134161

Multi-body dynamics modeling and driving performance evaluation of oil recovery vehicle

2022· article· en· W4307885306 sur OpenAlexaff
Ji-Tae Kim, Dongu Im, Hyuek-Jin Choi, Jae-Won Oh, Jaho Seo, Young‐Jun Park

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body Dynamics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésTerrainTrack (disk drive)ThrustSimulationComputer scienceDamperAutomotive engineeringEngineeringMarine engineeringAerospace engineeringMechanical engineeringControl engineering

Résumé

récupéré en direct d'OpenAlex

In this study, the design and driving performance evaluation of a driving system for driving on deformable terrain was performed using terramechanics theory and multi-body dynamics simulation. For the design of the driving system, the mechanical interaction of track-terrain was analyzed using a Bekker-based model. Based on the analyzed results, the design of a track suitable for the deformable terrain to be driven and selection of a power source (engine, transmission, etc.) were carried out. A multi-body simulation model of the tracked vehicle reflecting the designed track and the selected power source was developed, and a ground model reflecting the mechanical property of terrain was also developed to analyze the mechanical interaction of the track-terrain through simulation. In addition, each link constituting the track was modeled as a 6 DOF spring/damper system to consider the track's tension force and load distribution under the track, and through this, different ground pressure and soil thrust were applied according to the motion state of each link. Finally, driving performance analyses were performed using the developed tracked vehicle, and as a result, it was confirmed that the driving requirements of the tracked vehicle were satisfied.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part K Journal of Multi-body DynamicsMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207