MétaCan
Menu
Retour à la cohorte
Enregistrement W4407349494 · doi:10.3390/a18020100

Performance Investigation of Active, Semi-Active and Passive Suspension Using Quarter Car Model

2025· article· en· W4407349494 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueAlgorithms · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueVibration Control and Rheological Fluids
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive suspensionCar modelQuarter (Canadian coin)Suspension (topology)Computer scienceAutomotive engineeringMathematicsEngineeringArtificial intelligenceGeographyActuator

Résumé

récupéré en direct d'OpenAlex

In this paper, a semi-active and fully active suspension system using a PID controller were designed and tuned in MATLAB/Simulink to achieve simultaneous optimisation of comfort and road holding ability. This was performed in order to quantify and observe the trends of both the semi-active and active suspension, which can then influence the choice of controlled suspension systems used for different applications. The response of the controlled suspensions was compared to a traditional passive setup in terms of the sprung mass displacement and acceleration, tyre deflection, and suspension working space for three different road profile inputs. It was found that across all road profiles, the usage of a semi-active or fully active suspension system offered notable improvements over a passive suspension in terms of comfort and road-holding ability. Specifically, the rms sprung mass displacement was reduced by a maximum of 44% and 56% over the passive suspension when using the semi-active and fully active suspension, respectively. Notably, in terms of sprung mass acceleration, the semi-active suspension offered better performance with a 65% reduction in the passive rms sprung mass acceleration compared to a 40% reduction for the fully active suspension. The tyre deflection of the passive suspension was also reduced by a maximum of 6% when using either the semi-active or fully active suspension. Furthermore, both the semi-active and fully active suspensions increased the suspension working space by 17% and 9%, respectively, over the passive suspension system, which represents a decreased level of performance. In summary, the choice between a semi-active or fully active suspension should be carefully considered based on the level of ride comfort and handling performance that is needed and the suspension working space that is available in the particular application. However, the results of this paper show that the performance gap between the semi-active and fully active suspension is quite small, and the semi-active suspension is mostly able to match and sometimes outperform the fully active suspension n in certain metrics. When considering other factors, such as weight, power requirements, and complexity, the semi-active suspension represents a better choice over the fully active suspension, in the author’s opinion. As such, future work will look at utilising more robust control methods and tuning procedures that may further improve the performance of the semi-active suspension.

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 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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,499
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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