Hunting Analysis of a Partially-Filled Railway Tank Car
Notice bibliographique
Résumé
General purpose railway tank cars similar to road tankers are known to transport liquid cargo in partial-fill state due to variations in liquid cargo density and governing axle load limits. It is widely reported that the cargo movements constitute additional forces and moments that could strongly affect the wheel-rail interactions and coupling forces, and thereby the directional dynamics of the wagon. In this study, the linear slosh theory is used to describe the liquid cargo movement in the roll plane by a simple pendulum, which is integrated into a comprehensive nonlinear multi-body model of a three-piece truck to study the effects of liquid cargo slosh on lateral dynamics of the tank car. The model also incorporates the nonlinear secondary suspension restoring and damping forces, attributed to friction of the wedges, using the non-smooth contact method in addition to the geometric constraints of various components. The wheel/rail contact forces are simulated considering non-elliptical wheel-rail contact using the FASTSIM algorithm. The lateral dynamic responses of the multi-body model of a freight car with partially filled liquid load and an equivalent rigid cargo are evaluated to study the effect of cargo movement on the critical speed and the wheelset hunting oscillations frequency. The results obtained considering different fill ratios of the liquid cargo suggest that the fluid slosh yields additional damping effect on the lateral dynamics of the car. Liquid cargo movement within partly-filled tank car could thus yield a beneficial influence on the wheelset hunting. This was evidenced from the phase relationship between the lateral oscillations of the pendulum and the bogie/wheelset. Consequently, a partially filled tanker resulted in relatively higher critical hunting velocity compared to that of the wagon with equivalent rigid cargo.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».