Ivan Scansani Gregori
Ivan Roger Scansani Gregori é doutor em Engenharia e gerente de Engenharia na ZF. Possui mais de trinta anos de experiência trabalhando com materiais de fricção, tribologia e análise de sinais, aplicando estatística multivariada e aprendizado de máquina a problemas reais em sistemas de embreagem e transmissão. Também se juntou à plataforma de seu filho para ajudar a criar conteúdo de alta qualidade baseado em sua área de especialização.
Um sistema de aprendizado orientado por dados que lê o sinal de torque de uma embreagem seca, distingue seis materiais de fricção e prevê o judder no veículo a partir de um teste de bancada de laboratório.
Estatísticas multivariadas aplicadas a sinais reais de torque de testes de bancada separam revestimentos de embreagem pelo desempenho de judder e características de fabricação, e estabelecem um comportamento de torque de referência para o desenvolvimento de materiais.
A análise de elementos finitos é usada para prever quando o revestimento da embreagem rompe, com resultados numéricos mostrando clara concordância com testes experimentais de rompimento.
Uma metodologia para classificar a sensibilidade ao judder do revestimento da embreagem em um teste de bancada em sub-escala em vez de um veículo completo, com resultados preliminares mostrando boa correlação com o carro.
A proposta original para transferir a classificação de judder do revestimento da embreagem do veículo para uma bancada em subescala, motivada pelo tempo de teste e pela velocidade de desenvolvimento de materiais.
Uma metodologia em duas partes para caracterizar a sensibilidade ao judder do revestimento: simulação numérica do teste de judder em bancada para economizar tempo, validada contra um teste experimental de judder em um carro de passeio.
Artigos por tema
Visão geral do conteúdo
Não foi possível carregar as estatísticas. Tente novamente mais tarde.
Livros
1Every clutch tells a story in torque—if you know how to read it. This collection of nine studies follows a single thread from bench to road: how laboratory signals, multivariate statistics, and finite element models can predict judder, burst, and wear without waiting for the vehicle. It is a casebook for engineers who want to move friction material development out of the field and into the lab.
set. 13, 2026
Pergunte ao Autor (0)
Faça uma pergunta
Seja o primeiro a fazer uma pergunta!