MétaCan
Menu
Retour à la cohorte
Enregistrement W7162035022 · doi:10.82308/14744

Experimental investigation of lunar prototype wheel traction performance on deformable terrain

2011· dissertation· en· W7162035022 sur OpenAlexaboutno aff
Nasim Kaveh-Moghaddam

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTerrainReliability (semiconductor)Natural rubberTraction (geology)Power lossPropulsion

Résumé

récupéré en direct d'OpenAlex

Travelling long distances with maximum reliability are necessary requirements for future lunar rover missions. Rovers' mobility performance highly depends on wheel type and the mechanical properties of the terrain on which it is rolling. On the lunar surface, the terrain is primarily composed of very fine grained abrasive particles called regolith. Traditional pneumatic rubber wheels are not a viable option for planetary rovers, due to the unknown properties of rubber over a long term exposure to radiation, and the chances of failure in the near vacuum environment. Therefore, non-pneumatic non-rubber compliant wheels have been recognized as a best possible option for planetary exploration rovers.The present research thesis focuses on testing procedures and data analysis of different prototype wheels, rolling on dry sand, by considering several wheel-soil performance parameters including traction, slope climbing ability, rolling resistance, and power consumption. Results from these experiments demonstrate some of the main wheel properties that can affect wheel performance at low speed conditions and provide preliminary data for validation of wheel-terrain model simulation performed within the McGill University research group. The tested wheels were designed and tested at McGill University, Montreal, Canada, as part of a partnership program between the Canadian Space Agency, Neptec Design Group and a number of associated organizations.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,789

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 Opus0,014
Tête enseignante GPT0,221
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

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'étudeExpérimental (laboratoire)
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207