Structural design and optimization of a guardrail for the train-to-train collision test platform
Notice bibliographique
Résumé
The guardrail structure is generally installed in parallel on the inner side of the basic rail, which is expected to prevent the wheelsets of rail vehicles from derailing during the train-to-train collision test. This study aims to conduct research on the structural design and optimization of the guardrail for the train-to-train collision test platform. A two-step optimization method was employed, i.e., the topological optimization design of the supporting post and the lightweight size optimization of the overall guardrail, to improve the material utilization rate and achieve the best space size design. In order to explore the topology optimization of the supporting post alone and the overall topology optimization of the guardrail (i.e., a combination of supporting post and central plate), two optimization models were designed with seven subcases each loaded with different heights (H_Fc). Through comparative analysis, the selected supporting post under the H_Fc of 650 mm exhibited a mass reduction rate of 69.597%. In order to explore the optimal configuration of the guardrail and the spacing arrangement of supporting posts, a lightweight size optimization design based on topological result was carried out. The supporting post condition and the central plate condition were considered according to the different positions where the guardrail may be impacted by the wheelset, and the normalization method was adopted to make the output responses dimensionless. The optimization results were obtained by implementing the Box Behnken method, the Hammersley method, response surface model and genetic algorithm. The optimized structure showed that its mass per unit length is 43.885% lighter than the initial configuration. Compared with the conceptual design, the optimized structure was 3.564% lighter, while the maximum deformation was reduced by 9.049%. Therefore, the lightweight optimized guardrail has higher protection strength and lower mass, which is expected to be widely used for the train-to-train collision test platform.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».