Prediction of rolling resistance and wheel force for a passenger car tire: A comparative study on the use of different material models and numerical approaches
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this research, the characteristics of tire-road interaction of a 185/65R14 88H passenger car tire are investigated using the Finite Element Method in Abaqus commercial software. Moreover, the effect of various material models on tire performance is studied by implementing Visco-Hyperelastic, Parallel Rheological Framework, and Mullins effect. The novelty of this research is devoted to the development of the complex material models particularly considering the Mullins effect of the rubber compounds in the tire structure for the load-displacement criteria. For this purpose, a tire finite element model was generated using Abaqus/Standard command line in two different methods including an Arbitrary Lagrangian-Eulerian formulation for steady state rolling and implementing a pure Lagrangian approach for the transient dynamic analysis carried out implicit and explicit process respectively. Rolling resistance force was computed according to ISO 28580 with 210 kPa inflation pressure and 4155 N vertical load. The footprint test results were extracted in both static and transient dynamic analyses. Additionally, the wheel reaction force was predicted using an indirect method by extracting the tire-terrain contact patch reaction force in Abaqus/Explicit to observe the effect of the material convection along with stress softening phenomena of the rubber compounds of tire structure. In the post-processing analysis, the wheel reaction was filtered by implementing SAE60 filter to reduce the numerical noise in the final response.
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.
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 découle