Cab-Over-Engine truck cabins: A mathematical model for dynamics, driver comfort, and suspension analysis and control
Notice bibliographique
Résumé
Various cabin designs have been developed for commercial vehicles to meet different driver comfort requirements. Among those configurations, the cab-over-engine (COE) is widely used because of its compact size and good road visibility. Since the engine is assembled underneath the cabin, it is required that the cabin can be entirely tilted forward in order to access the engine for inspection and maintenance. Hence, the forepart of the cabin suspension is designed to connect with the chassis frame through a linkage mechanism. The dynamic modelling of this commonly used configuration was lack of study in the literature, but it is essential for further cabin's dynamic analysis and vibration control. Considering the rapid development of the comfort-oriented cabin suspension, this study introduces a multi-body dynamic modelling approach for the COE cabin with a titling mechanism. The dynamic equations are derived based on the Lagrangian modelling method, which are then implemented in MATLAB/Simulink. Besides, a high-fidelity truck model is developed in ADAMS/Car to study the accuracy of the proposed dynamic model through co-simulation. Meanwhile, a four-point cabin model that has been widely used in past studies is used as the benchmark. The simulation results demonstrate that the proposed cabin dynamic model can accurately estimate the cabin's behaviour in vertical, roll, and pitch directions, which can be used for cabin dynamics, ride comfort, and cabin suspension control studies.
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 | 0,000 | 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 ».