A Numerical Investigation into Wheel-Track Profile Optimization for Minimizing Stress and Mitigating Hunting Phenomena
Notice bibliographique
Résumé
The burgeoning demand for higher train speeds, coupled with the pressing need to address train derailments and vibration-induced damage to freight and passengers, necessitates an expansion in design considerations.The ideal wheel shape for efficient and comfortable transportation of people and goods is central to these considerations.This study introduces a methodology for representing any wheel profile via a general mathematical equation encompassing several parameters.This equation is capable of generating any wheel profile based on the chosen parameter values, facilitating the iterative creation of wheel profiles aimed at fulfilling specific objectives.Four mathematical models were constructed using the SolidWorks program, and their characteristics were incorporated into a numerical solution representing the train's mass and the spring and damper attributes.These elements were coupled using the ANSYS program.The ensuing wheel profile's mass and volume, along with the corresponding directional deformation results, denoted by equivalent stress, were ascertained.The influence of mechanical characteristics on the numerical solution's outcomes was evaluated, and the numerical findings were subsequently compared.The results were particularly promising; the speeds for the original shape, shape 1, shape 2, and shape 4 were 160km/h, 267km/h, 243km/h, and 76km/h, respectively.Notably, shape 1, which achieved the highest speed, displayed a reduction in pressure and deformation.This study proposes a novel wheel design that can enhance speed without compromising comfort and stability.The designed wheel demonstrates the capability to maintain its course on the rail at high speeds while causing fewer vibrations, thereby ensuring a smoother 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».