A New Equivalent Static Load (ESL) Creation Procedure for Complete Vehicle
Notice bibliographique
Résumé
When dealing with the structural behavior of a car body, analyzing the dynamic distortion in all body closure openings in a complete vehicle, provides a better understanding of the body characteristics compared to traditional static load cases such as static torsional body stiffness. This is particularly relevant for non-traditional vehicle layouts and electric vehicle architectures where mass distribution and in particular battery mass and stiffness play a completely different effect with respect to the internal combustion engine vehicles. A methodology typically adopted to measure the body response, e.g. when driving a vehicle on a rough pavé road, is the so-called Multi Stethoscope (MSS). The MSS is measuring the distortion in each body closure opening in two diagonals. During the virtual development, the distortion is described by the relative displacement in diagonal direction in time domain using a modal transient analysis. The results are shown as Opening Distortion Fingerprint ODF and used as assessment criteria within Solidity and Perceived Quality. By applying the Principal Component Analysis (PCA) on the time history of the distortion, a Dominant Distortion Pattern (DDP) can be identified. The DDP means that, for a given pavé time history, more than 50 % of the body deformation states are similar to each other. This paper presents a deeper analysis about the forces which are associated with this Dominant Distortion Pattern (DDP). The new aspect of this analysis is that all forces (54 in total) between the wheel suspension and the trimmed body are considered. Based on the results of this force analysis, a new procedure for creating an Equivalent Static Load (ESL) was developed. Finally, by automating this creation procedure it is shown how the new ESL can be integrated in the virtual vehicle development.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,202 | 0,081 |
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 ».