Documents disponibles écrits par cet auteur

Experimental Characterization and Gray-Box Modeling of Spool-Type Automotive Variable-Force-Solenoid Valves with Circular Flow Ports and Notches / Cao, M. in Transactions of the ASME . Journal of dynamic systems, measurement, and control, Vol. 128 N° 3 (Septembre 2006) 

Public ISBD [article]  in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 128 N° 3 (Septembre 2006) . - 636-654 p. Titre : Experimental Characterization and Gray-Box Modeling of Spool-Type Automotive Variable-Force-Solenoid Valves with Circular Flow Ports and Notches Titre original : Modèle Expérimental de Caractérisation et de Boîte Grise du Bobine-Type Valves des Véhicules à Moteur de Variable-Force-Solénoïde avec les Ports et les Entailles Circulaires d'Ecoulement Type de document : texte imprimé Auteurs : Cao, M., Auteur ; Pietron, G. M. ; Tobler, W. E. ; Fujii, Y. ; DeVries, L. ; Wang, K. W., Auteur Article en page(s) : 636-654 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Spool  valve  Fluid  control  systems  Dischargecohéficient  Jet  angle  Variable  force  solenoid  (VFS)  Gray  box  Nondimensional  artificial  neural  network  (NDANN) Résumé : In automatic transmission design, electronic control techniques have been adopted through proportional variable-force-solenoid valves, which typically consist of spool-type valves (Christenson, W. A., 2000, SAE Technical Paper Series, 2000-01-0116). This paper presents an experimental investigation and neural network modeling of the fluid force and flow rate for a spool-type hydraulic valve with symmetrically distributed circular ports. Through extensive data analysis, general trends of fluid force and flow rate are derived as functions of pressure drop and valve opening. To further reveal the insights of the spool valve fluid field, equivalent jet angle and discharge coefficient are calculated from the measurements, based on the lumped parameter models. By incorporating physical knowledge with nondimensional artificial neural networks (NDANN), gray-box NDANN-based hydraulic valve system models are also developed through the use of equivalent jet angle and discharge coefficient. The gray-box NDANN models calculate fluid force and flow rate as well as the intermediate variables with useful design implications. The network training and testing demonstrate that the gray-box NDANN fluid field estimators can accurately capture the relationship between the key geometry parameters and discharge coefficient/jet angle. The gray-box NDANN maintains the nondimensional network configuration, and thus possesses good scalability with respect to the geometry parameters and key operating conditions. All of these features make the gray-box NDANN fluid field estimator a valuable tool for hydraulic system design. Dans la conception de transmission automatique, des techniques de commande électronique ont été adoptées par les valves proportionnelles de variable-force-solénoïde, qui se composent typiquement des valves à bobine (Christenson, W. A., 2000, Série D'Exposé Technique de SAE, 2000-01-0116). Cet article présente modeler de recherche expérimentale et de réseau neurologique de la force et du débit liquides pour une valve hydraulique à bobine avec les ports circulaires symétriquement distribués. Par l'analyse de données étendue, des tendances générales de la force et du débit liquides sont dérivées comme fonctions de chute de pression et d'ouverture de valve. Pour indiquer plus loin les perspicacités du gisement liquide de valve de bobine, l'équivalent voyagent en jet l'angle et le coefficient de décharge sont calculés à partir des mesures, basées sur lumped des modèles de paramètre. En incorporant la connaissance physique avec les réseaux neurologiques artificiels de nondimensional (NDANN), des modèles de système hydrauliques NDANN-basés parboîte de valve sont également développés par l'utilisation de l'équivalent voyagent en jet l'angle et déchargent le coefficient. Les modèles de la gris-boîte NDANN calculent la force et le débit liquides aussi bien que les variables intermédiaires avec des implications utiles de conception. La formation de réseau et l'essai démontrent que les estimateurs liquides de gisement de la gris-boîte NDANN peuvent exactement capturer le rapport entre les paramètres principaux de la géométrie et décharger l'angle de coefficient/voyager en jet. La gris-boîte NDANN maintient la configuration de réseau de nondimensional, et possède ainsi le bon scalability en ce qui concerne les paramètres de la géométrie et les conditions de fonctionnement principales. Tous ces dispositifs font à la gris-boîte NDANN l'estimateur liquide de champ un outil valable pour le circuit hydraulique concevoir. En ligne : caom@utrc.utc.com, kwwang@psu.edu [article] Experimental Characterization and Gray-Box Modeling of Spool-Type Automotive Variable-Force-Solenoid Valves with Circular Flow Ports and Notches = Modèle Expérimental de Caractérisation et de Boîte Grise du Bobine-Type Valves des Véhicules à Moteur de Variable-Force-Solénoïde avec les Ports et les Entailles Circulaires d'Ecoulement [texte imprimé] / Cao, M., Auteur ; Pietron, G. M. ; Tobler, W. E. ; Fujii, Y. ; DeVries, L. ; Wang, K. W., Auteur . - 636-654 p. Génie Mécanique Langues : Anglais (eng) in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 128 N° 3 (Septembre 2006) . - 636-654 p. Mots-clés : Spool  valve  Fluid  control  systems  Dischargecohéficient  Jet  angle  Variable  force  solenoid  (VFS)  Gray  box  Nondimensional  artificial  neural  network  (NDANN) Résumé : In automatic transmission design, electronic control techniques have been adopted through proportional variable-force-solenoid valves, which typically consist of spool-type valves (Christenson, W. A., 2000, SAE Technical Paper Series, 2000-01-0116). This paper presents an experimental investigation and neural network modeling of the fluid force and flow rate for a spool-type hydraulic valve with symmetrically distributed circular ports. Through extensive data analysis, general trends of fluid force and flow rate are derived as functions of pressure drop and valve opening. To further reveal the insights of the spool valve fluid field, equivalent jet angle and discharge coefficient are calculated from the measurements, based on the lumped parameter models. By incorporating physical knowledge with nondimensional artificial neural networks (NDANN), gray-box NDANN-based hydraulic valve system models are also developed through the use of equivalent jet angle and discharge coefficient. The gray-box NDANN models calculate fluid force and flow rate as well as the intermediate variables with useful design implications. The network training and testing demonstrate that the gray-box NDANN fluid field estimators can accurately capture the relationship between the key geometry parameters and discharge coefficient/jet angle. The gray-box NDANN maintains the nondimensional network configuration, and thus possesses good scalability with respect to the geometry parameters and key operating conditions. All of these features make the gray-box NDANN fluid field estimator a valuable tool for hydraulic system design. Dans la conception de transmission automatique, des techniques de commande électronique ont été adoptées par les valves proportionnelles de variable-force-solénoïde, qui se composent typiquement des valves à bobine (Christenson, W. A., 2000, Série D'Exposé Technique de SAE, 2000-01-0116). Cet article présente modeler de recherche expérimentale et de réseau neurologique de la force et du débit liquides pour une valve hydraulique à bobine avec les ports circulaires symétriquement distribués. Par l'analyse de données étendue, des tendances générales de la force et du débit liquides sont dérivées comme fonctions de chute de pression et d'ouverture de valve. Pour indiquer plus loin les perspicacités du gisement liquide de valve de bobine, l'équivalent voyagent en jet l'angle et le coefficient de décharge sont calculés à partir des mesures, basées sur lumped des modèles de paramètre. En incorporant la connaissance physique avec les réseaux neurologiques artificiels de nondimensional (NDANN), des modèles de système hydrauliques NDANN-basés parboîte de valve sont également développés par l'utilisation de l'équivalent voyagent en jet l'angle et déchargent le coefficient. Les modèles de la gris-boîte NDANN calculent la force et le débit liquides aussi bien que les variables intermédiaires avec des implications utiles de conception. La formation de réseau et l'essai démontrent que les estimateurs liquides de gisement de la gris-boîte NDANN peuvent exactement capturer le rapport entre les paramètres principaux de la géométrie et décharger l'angle de coefficient/voyager en jet. La gris-boîte NDANN maintient la configuration de réseau de nondimensional, et possède ainsi le bon scalability en ce qui concerne les paramètres de la géométrie et les conditions de fonctionnement principales. Tous ces dispositifs font à la gris-boîte NDANN l'estimateur liquide de champ un outil valable pour le circuit hydraulique concevoir. En ligne : caom@utrc.utc.com, kwwang@psu.edu

A Hybrid Neural Network Approach for the Development of Friction Component Dynamic Model / Cao, M. in Transactions of the ASME . Journal of dynamic systems, measurement, and control, Vol. 126 N° 1 (Mars 2004)

Public ISBD [article]  in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 126 N° 1 (Mars 2004) . - 144-153 p. Titre : A Hybrid Neural Network Approach for the Development of Friction Component Dynamic Model Titre original : Une Approche Hybride de Réseau Neurologique pour le Développement du Modèle Dynamique Composant de Frottement Type de document : texte imprimé Auteurs : Cao, M., Auteur ; Wang, K. W., Auteur ; Fujii, Y. ; Tobler, W. E. Article en page(s) : 144-153 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Réseau  neurologique  hybride  Comportement  d'enclenchement  Frottement  de  transmission  de  véhicule  Modèle  conventionnel Index. décimale : 629.8 Résumé : In this research, a new hybrid neural network is developed to model engagement behaviors of automotive transmission wet friction component. Utilizing known first principles on the physics of engagement, special modules are created to estimate viscous torque and asperity contact torque as preprocessors to a two-layer neural network. Inside these modules, all the physical parameters are represented by neurons with various activation functions derived from first principles. These new features contribute to the improved performance and trainability over a conventional two-layer network model. Both the hybrid and conventional neural net models are trained and tested with experimental data collected from an SAE#2 test stand. The results show that the performance of the hybrid model is much superior to that of the conventional model. It successfully captures detailed characteristics of the friction component engagement torque as a function of time over a wide operating range. Dans cette recherche, un nouveau réseau neurologique hybride est développé pour modeler des comportements d'enclenchement de composant humide de frottement de transmission des véhicules à moteur. Utilisant les premiers principes connus sur la physique de l'enclenchement, des modules spéciaux sont créés pour estimer le couple visqueux de contact de couple et d'aspérité comme préprocesseurs à un réseau neurologique de deux-couche. À l'intérieur de ces modules, tous paramètres physiques sont représentés par des neurones avec de diverses fonctions d'activation dérivées des premiers principes. Ces nouveaux dispositifs contribuent à l'exécution et au trainability améliorés au-dessus d'un modèle conventionnel de réseau de deux-couche. Les modèles nets neuraux hybrides et conventionnels sont formés et examinés avec des données expérimentales rassemblées d'un banc d'essai SAE#2. Les résultats prouvent que l'exécution du modèle hybride est beaucoup supérieure à celle du modèle conventionnel. Elle capture avec succès des caractéristiques détaillées du couple composant d'enclenchement de frottement en fonction du temps sur une plage large de fonctionnement. [article] A Hybrid Neural Network Approach for the Development of Friction Component Dynamic Model = Une Approche Hybride de Réseau Neurologique pour le Développement du Modèle Dynamique Composant de Frottement [texte imprimé] / Cao, M., Auteur ; Wang, K. W., Auteur ; Fujii, Y. ; Tobler, W. E. . - 144-153 p. Génie Mécanique Langues : Anglais (eng) in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 126 N° 1 (Mars 2004) . - 144-153 p. Mots-clés : Réseau  neurologique  hybride  Comportement  d'enclenchement  Frottement  de  transmission  de  véhicule  Modèle  conventionnel Index. décimale : 629.8 Résumé : In this research, a new hybrid neural network is developed to model engagement behaviors of automotive transmission wet friction component. Utilizing known first principles on the physics of engagement, special modules are created to estimate viscous torque and asperity contact torque as preprocessors to a two-layer neural network. Inside these modules, all the physical parameters are represented by neurons with various activation functions derived from first principles. These new features contribute to the improved performance and trainability over a conventional two-layer network model. Both the hybrid and conventional neural net models are trained and tested with experimental data collected from an SAE#2 test stand. The results show that the performance of the hybrid model is much superior to that of the conventional model. It successfully captures detailed characteristics of the friction component engagement torque as a function of time over a wide operating range. Dans cette recherche, un nouveau réseau neurologique hybride est développé pour modeler des comportements d'enclenchement de composant humide de frottement de transmission des véhicules à moteur. Utilisant les premiers principes connus sur la physique de l'enclenchement, des modules spéciaux sont créés pour estimer le couple visqueux de contact de couple et d'aspérité comme préprocesseurs à un réseau neurologique de deux-couche. À l'intérieur de ces modules, tous paramètres physiques sont représentés par des neurones avec de diverses fonctions d'activation dérivées des premiers principes. Ces nouveaux dispositifs contribuent à l'exécution et au trainability améliorés au-dessus d'un modèle conventionnel de réseau de deux-couche. Les modèles nets neuraux hybrides et conventionnels sont formés et examinés avec des données expérimentales rassemblées d'un banc d'essai SAE#2. Les résultats prouvent que l'exécution du modèle hybride est beaucoup supérieure à celle du modèle conventionnel. Elle capture avec succès des caractéristiques détaillées du couple composant d'enclenchement de frottement en fonction du temps sur une plage large de fonctionnement.