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
1Clutch facings live at the intersection of driver feel, safety, and durability—and this book shows how to engineer them with data, not guesswork. Across nine studies, laboratory torque signals, finite element models, sub-scale benches, and statistical experiments are used to predict judder, burst resistance, and wear long before a vehicle hits the road. It is a practical blueprint for anyone who wants faster material development, fewer field surprises, and test methods that actually correlate with the car.
set. 14, 2026
Pergunte ao Autor (0)
Faça uma pergunta
Seja o primeiro a fazer uma pergunta!