MétaCan
Menu
Retour à la cohorte
Enregistrement W4402454992 · doi:10.11159/icmie24.151

Disc Brake Rotor Thermal Analysis for a Formula SAE Race Car

2024· article· en· W4402454992 sur OpenAlexvenueno aff
Murat Ötkür, Issa Fasahi, Taleb Waseem, Osama Zattam, Mohammad Alazmi

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBrake Systems and Friction Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisc brakeAutomotive engineeringRotor (electric)BrakeEngineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A major component in designing a one-seated race vehicle for the Formula Society of Automotive Engineers (FSAE) student competition is the brake system.In order to prevent failure from brake fade, thermal stress, and thermo-mechanical fatigue, car brakes must not only be robust enough to withstand extreme mechanical loads but also disperse the heat generated in order to maintain the temperature below Maximum Design Temperature (MDT) limit.Furthermore, the weight of the brake discs plays a crucial role in the overall weight and performance of the vehicle.The methodological analysis of a disc brake rotor's temperature profile under sporadic loads during consecutive braking and acceleration/cruise events is presented in this work."OptimumLap" is used to determine a timedependent vehicle speed and braking intensity profile for the 2019 Formula SAE competition Michigan endurance track and default Formula SAE vehicle configuration in "OptimumLap".The temperature distribution of the brake disc during a sequence of successive braking and acceleration/cruise events across several laps is simulated using "SolidWorks" thermal analysis.This study examines a practical approach for Formula SAE racing car disc brake temperature profile analysis.For the future work, geometry optimization will be done for the disc brake rotor in order to get appropriate maximum temperature.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,200
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetBrake Systems and Friction AnalysisTravaux en français237 207