MétaCan
Menu
Retour à la cohorte
Enregistrement W4396213001 · doi:10.61091/jcmcc119-14

Stochastic Optimization-Based Comparative Study of New Energy Vehicles’ Noise Characteristics

2024· article· en· W4396213001 sur OpenAlexvenueno aff
Ye Wei, Yunhai Ma

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNoise (video)Stochastic optimizationComputer scienceMathematical optimizationMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The gearbox gearbox transmission system, which is the foundation of a new energy vehicle, is responsible for the crucial duty of power transmission. In reality, the reducer gearbox system is the primary source of noise inside cars because of the design of the system, mistakes made during manufacturing and assembly, and gear engagement impulses. The research target is the second-stage retarder gearbox system of a new energy vehicle. A three-dimensional model of the retarder gearbox system is created using the Romax software.Static and dynamic analyses were carried out in Romax software based on the five typical conditions of start, acceleration, equal speed, deceleration, and stop in order to derive performance data such as maximum contact and bending stresses of the gears, single-position length load distribution, gearbox error, etc. In the NVH analysis, the system’s vibration acceleration was ascertained using the findings of the gearbox error analysis. In order to provide comparative data for vibration and noise reduction of gear modification, the comparative study analyses the data output results under various working conditions and analyses the relationship between gear engagement force and gear vibration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,252
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetVehicle emissions and performanceTravaux en français237 207