MétaCan
Menu
Retour à la cohorte
Enregistrement W4404076107 · doi:10.3390/app142210093

Performance Verification and Evaluation of Semi-Active Actuator System Using Quarter Car Lab Simulation with RLDA Data

2024· article· en· W4404076107 sur OpenAlexaboutno aff
Jeongwoo Lee

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic and Pneumatic Systems
Établissements canadiensnon disponible
Organismes subventionnairesKyungpook National University
Mots-clésComputer scienceActuatorQuarter (Canadian coin)SimulationArtificial intelligenceGeography

Résumé

récupéré en direct d'OpenAlex

This study outlines a methodology for determining the durability specifications of electronically controlled dampers by examining performance degradation observed on actual driving roads. It identifies areas of performance decline and the primary causes affecting major actuator dampers. Traditionally, the durability performance of automobile parts has been assessed by calculating damage based on load profiles. However, analyzing actual road conditions is essential because the control commands of electronically controlled suspension systems change in real time according to load conditions. Simulations based on Road Load Data Acquisition (RLDA) use statistically independent representative road surfaces to assess damper deterioration performance. Following this analysis, a rig test of the damper is performed to establish the durability specifications for damper actuator products. The primary form of performance degradation observed was a change in the tensile damping force, which was more substantial than the degradation observed on the compression side. Oil leakage and cavitation were identified as significant influencing factors from a Failure Mode and Effects Analysis (FMEA) perspective. The study concludes that additional design research is necessary, focusing on damper oil and leakage, while also considering the control algorithm’s effects in designing electronically controlled dampers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,031
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,069
Tête enseignante GPT0,297
Écart entre enseignants0,228 · 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 tête enseignante, 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 revueApplied SciencesMême sujetHydraulic and Pneumatic SystemsTravaux en français237 207