Sommaire :
- Présentation
- Phase 1
- Phase 2
- Phase 3
- Phase 4
- Conclusion de notre étude
Etude du système—
— Phase 1 :
Les différends repères :
Modèle et hypothèse —
— phase 2 :
Rappels et études
-Principe fondamentale de la dynamique. -Loi trigonométrique
Modèle et hypothèse —
— phase 2 :
La pente : Le looping :
Le saut : La piste :
Simulation numérique —
— phase 3:
Rappels et études
-Implémentation sous Python
http://127.0.0.1:8888/notebooks/Downloads/livrable%203%20mécanique%20Omar%2C%20Benoit%2C%20Capucine%20.ipynb
— phase 4 :
calculs incertitudescritiques—
Les calculs d'incertitudes Formules :
L’incertitude de résolution est alors égale à :
u_res=(résolution/2)/√3
On définit une incertitude élargie U telle que U=ku_c qui permet de donner le résultat sous la forme y± U. L’intervalle y± U est appelé intervalle de confiance. On peut donc s’attendre avec une forte probabilité à trouver la valeur du mesurande à l’intérieur de l’intervalle de confiance. En général, on choisit k=2 ce qui correspond à un taux de confiance de 95% (loi de Gauss).
Merci pour votre Attention.
Vitesse de la voiture avec frottement de la pente : 6.704135109080739 m/s
On modélise la trajectoire idéale dans le ravin :
La vitesse minimale pour franchir le ravin est donc 19.932511131315092 m/s
Nos conseilles pour remporter la course :
Amélioration possible : -Un booster permet de gagner 30% de l’accélération moyenne de la voiture sur une portion de circuit uniquement (pente, looping ou fin de piste).
-Une paire d’ailerons de surface 0.8 m² et de masse (30 kg) permet de gagner 10% sur le coefficient de portance de la voiture. Le dispositif se déploie au besoin.
-Une jupe avant de masse 15kg permet de diminuer de 5% le coefficient de trainée de la voiture.
Notre Team
Capucine FLORANGEOmar ALHASAN ALHELOU Benoît-Joseph L'HUILLIER
Fast & Furious Loop
André Lenormand
Created on February 2, 2024
Projet Méca CPA1 2024
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Essential Map
View
Akihabara Map
View
Frayer Model
View
Create Your Story in Spanish
View
Microcourse: Key Skills for University
View
Microcourse: Learn Spanish
View
January School Calendar
Explore all templates
Transcript
Sommaire :
Etude du système—
— Phase 1 :
Les différends repères :
Modèle et hypothèse —
— phase 2 :
Rappels et études
-Principe fondamentale de la dynamique. -Loi trigonométrique
Modèle et hypothèse —
— phase 2 :
La pente : Le looping :
Le saut : La piste :
Simulation numérique —
— phase 3:
Rappels et études
-Implémentation sous Python
http://127.0.0.1:8888/notebooks/Downloads/livrable%203%20mécanique%20Omar%2C%20Benoit%2C%20Capucine%20.ipynb
— phase 4 :
calculs incertitudescritiques—
Les calculs d'incertitudes Formules :
L’incertitude de résolution est alors égale à : u_res=(résolution/2)/√3
On définit une incertitude élargie U telle que U=ku_c qui permet de donner le résultat sous la forme y± U. L’intervalle y± U est appelé intervalle de confiance. On peut donc s’attendre avec une forte probabilité à trouver la valeur du mesurande à l’intérieur de l’intervalle de confiance. En général, on choisit k=2 ce qui correspond à un taux de confiance de 95% (loi de Gauss).
Merci pour votre Attention.
Vitesse de la voiture avec frottement de la pente : 6.704135109080739 m/s
On modélise la trajectoire idéale dans le ravin :
La vitesse minimale pour franchir le ravin est donc 19.932511131315092 m/s
Nos conseilles pour remporter la course :
Amélioration possible : -Un booster permet de gagner 30% de l’accélération moyenne de la voiture sur une portion de circuit uniquement (pente, looping ou fin de piste). -Une paire d’ailerons de surface 0.8 m² et de masse (30 kg) permet de gagner 10% sur le coefficient de portance de la voiture. Le dispositif se déploie au besoin. -Une jupe avant de masse 15kg permet de diminuer de 5% le coefficient de trainée de la voiture.
Notre Team
Capucine FLORANGEOmar ALHASAN ALHELOU Benoît-Joseph L'HUILLIER