Ein datengetriebenes Lernsystem, das das Drehmomentsignal einer Trockenkupplung liest, sechs Reibmaterialien unterscheidet und Kupplungsrupfen im Fahrzeug aus einem Laborprüfstandstest vorhersagt.
Multivariate Statistik, angewendet auf reale Drehmomentsignale aus Prüfstandsversuchen, trennt Kupplungsbeläge nach Ruckelverhalten und Fertigungsmerkmalen und etabliert ein Referenz-Drehmomentverhalten für die Materialentwicklung.
Die Finite-Elemente-Analyse wird genutzt, um vorherzusagen, wann ein Kupplungsbelag berstet, wobei die numerischen Ergebnisse eine klare Übereinstimmung mit experimentellen Bersttests zeigen.
Eine Methodik zur Klassifizierung der Judder-Empfindlichkeit von Kupplungsbelägen auf einem Sub-Scale-Prüfstand anstelle eines Gesamtfahrzeugs, mit vorläufigen Ergebnissen, die eine gute Korrelation zum Auto zeigen.
Der ursprüngliche Vorschlag, die Klassifizierung von Kupplungsbelag-Judder vom Fahrzeug auf eine Sub-Scale-Prüfmaschine zu verlagern, motiviert durch Testzeit und Materialentwicklungsgeschwindigkeit.
Eine zweiteilige Methodik zur Charakterisierung der Rupfempfindlichkeit von Belägen: numerische Simulation des Rupfprüfstands zur Zeitersparnis, validiert durch einen experimentellen Rupftest in einem Personenkraftwagen.
Ask the Author (0)
Ask a question
Be the first to ask a question!