News Details

Ｐｒｅｆａｃｅ

Ｔｈｅ　ｏｐｅｒａｔｉｏｎａｌ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ＡＧＶｓ　（Ａｕｔｏｍａｔｅｄ　Ｇｕｉｄｅｄ　Ｖｅｈｉｃｌｅｓ）　ａｎｄ　ＡＭＲｓ　（Ａｕｔｏｎｏｍｏｕｓ　Ｍｏｂｉｌｅ　Ｒｏｂｏｔｓ）　ｌａｒｇｅｌｙ　ｄｅｐｅｎｄｓ　ｏｎ　ｗｈｅｔｈｅｒ　ｔｈｅ　ｄｒｉｖｅ　ｓｙｓｔｅｍ　ｉｓ　ｐｒｏｐｅｒｌｙ　ｄｅｓｉｇｎｅｄ．

Ｉｎ　ａ　ｃｏｍｐｌｅｔｅ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｄｒｉｖｅ　ａｒｃｈｉｔｅｃｔｕｒｅ，　ｔｈｅ　ＡＧＶ　ｄｒｉｖｅ　ｗｈｅｅｌ　ｐｒｏｖｉｄｅｓ　ｔｒａｃｔｉｏｎ　ｆｏｒｃｅ，　ｔｈｅ　ｌｏｗ　ｖｏｌｔａｇｅ　ｓｅｒｖｏ　ｍｏｔｏｒ　ｄｅｌｉｖｅｒｓ　ｔｏｒｑｕｅ　ｏｕｔｐｕｔ，　ｔｈｅ　ｇｅａｒｂｏｘ　ｐｅｒｆｏｒｍｓ　ｔｏｒｑｕｅ　ａｍｐｌｉｆｉｃａｔｉｏｎ，　ａｎｄ　ｔｈｅ　ｓｅｒｖｏ　ｄｒｉｖｅ　ｅｎｓｕｒｅｓ　ｐｒｅｃｉｓｅ　ｍｏｔｉｏｎ　ｃｏｎｔｒｏｌ．　Ｔｏｇｅｔｈｅｒ，　ｔｈｅｓｅ　ｆｏｕｒ　ｃｏｍｐｏｎｅｎｔｓ　ｄｅｔｅｒｍｉｎｅ　ａｃｃｅｌｅｒａｔｉｏｎ　ｃａｐａｂｉｌｉｔｙ，　ｃｌｉｍｂｉｎｇ　ｐｅｒｆｏｒｍａｎｃｅ，　ｐｏｓｉｔｉｏｎｉｎｇ　ａｃｃｕｒａｃｙ，　ａｎｄ　ｌｏｎｇ－ｔｅｒｍ　ｏｐｅｒａｔｉｏｎａｌ　ｒｅｌｉａｂｉｌｉｔｙ．

Ｉｎ　ｐｒａｃｔｉｃａｌ　ｅｎｇｉｎｅｅｒｉｎｇ　ａｐｐｌｉｃａｔｉｏｎｓ，　ｍａｎｙ　ｄｒｉｖｅ　ｓｙｓｔｅｍ　ｉｓｓｕｅｓ　ａｒｅ　ｎｏｔ　ｃａｕｓｅｄ　ｂｙ　ｉｎｓｕｆｆｉｃｉｅｎｔ　ｍｏｔｏｒ　ｐｅｒｆｏｒｍａｎｃｅ，　ｂｕｔ　ｂｙ　ｉｎｃｏｍｐｌｅｔｅ　ｖｅｈｉｃｌｅ　ｄｙｎａｍｉｃｓ　ｃａｌｃｕｌａｔｉｏｎｓ．　Ａ　ｃｏｍｍｏｎ　ｍｉｓｔａｋｅ　ｉｓ　ｓｅｌｅｃｔｉｎｇ　ｍｏｔｏｒｓ　ｂａｓｅｄ　ｓｏｌｅｌｙ　ｏｎ　ｒａｔｅｄ　ｐａｙｌｏａｄ　ｗｉｔｈｏｕｔ　ｃｏｎｓｉｄｅｒｉｎｇ　ｒｏｌｌｉｎｇ　ｒｅｓｉｓｔａｎｃｅ，　ｓｌｏｐｅ　ｒｅｓｉｓｔａｎｃｅ，　ａｃｃｅｌｅｒａｔｉｏｎ　ｉｎｅｒｔｉａ，　ａｎｄ　ｗｈｅｅｌ－ｇｒｏｕｎｄ　ａｄｈｅｓｉｏｎ．　Ｔｈｉｓ　ｏｆｔｅｎ　ｌｅａｄｓ　ｔｏ　ｓｔａｒｔｕｐ　ｆａｉｌｕｒｅ，　ｍｏｔｏｒ　ｏｖｅｒｌｏａｄ，　ｗｈｅｅｌ　ｓｌｉｐｐａｇｅ，　ｏｒ　ｒｅｄｕｃｅｄ　ｓｙｓｔｅｍ　ｅｆｆｉｃｉｅｎｃｙ．

Ａｓ　ａｎ　ｅａｒｌｙ　ｄｅｖｅｌｏｐｅｒ　ｉｎ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｄｒｉｖｅ　ｓｙｓｔｅｍｓ，　Ｙｉｋｏｎｇ　Ｉｎｔｅｌｌｉｇｅｎｔ　ｈａｓ　ｌｏｎｇ　ｂｅｅｎ　ｆｏｃｕｓｉｎｇ　ｏｎ　ＡＧＶ　ｄｒｉｖｅ　ｗｈｅｅｌｓ，　ｄｉｆｆｅｒｅｎｔｉａｌ　ｄｒｉｖｅ　ｓｙｓｔｅｍｓ，　ｌｏｗ　ｖｏｌｔａｇｅ　ｓｅｒｖｏ　ｍｏｔｏｒｓ，　ｓｅｒｖｏ　ｄｒｉｖｅｓ，　ａｎｄ　ｉｎｔｅｇｒａｔｅｄ　ｍｏｔｉｏｎ　ｓｏｌｕｔｉｏｎｓ．　Ｂａｓｅｄ　ｏｎ　ｅｎｇｉｎｅｅｒｉｎｇ　ｐｒａｃｔｉｃｅ　ａｎｄ　ｍｅｃｈａｎｉｃａｌ　ｄｅｓｉｇｎ　ｐｒｉｎｃｉｐｌｅｓ，　ｔｈｉｓ　ａｒｔｉｃｌｅ　ｓｙｓｔｅｍａｔｉｃａｌｌｙ　ｅｘｐｌａｉｎｓ　ｔｈｅ　ｄｙｎａｍｉｃ　ｃａｌｃｕｌａｔｉｏｎ　ｍｅｔｈｏｄｏｌｏｇｙ　ｆｏｒ　ＡＧＶ　ｄｒｉｖｅ　ｓｙｓｔｅｍｓ，　ｐｒｏｖｉｄｉｎｇ　ａ　ｒｅｆｅｒｅｎｃｅ　ｆｏｒ　ｓｙｓｔｅｍ　ｄｅｓｉｇｎ　ａｎｄ　ｓｅｌｅｃｔｉｏｎ．

１．　ＡＧＶ　Ｖｅｈｉｃｌｅ　Ｄｒｉｖｉｎｇ　Ｒｅｓｉｓｔａｎｃｅ　Ａｎａｌｙｓｉｓ

Ｆｏｒ　ｉｎｄｕｓｔｒｉａｌ　ＡＧＶｓ　ｏｐｅｒａｔｉｎｇ　ａｔ　ｓｐｅｅｄｓ　ｔｙｐｉｃａｌｌｙ　ｂｅｌｏｗ　１　ｍ／ｓ，　ａｉｒ　ｒｅｓｉｓｔａｎｃｅ　ｃａｎ　ｂｅ　ｎｅｇｌｅｃｔｅｄ．　Ｔｈｅｒｅｆｏｒｅ，　ｔｈｅ　ｔｏｔａｌ　ｄｒｉｖｉｎｇ　ｆｏｒｃｅ　ｍｕｓｔ　ｏｖｅｒｃｏｍｅ　ｔｈｒｅｅ　ｍａｉｎ　ｒｅｓｉｓｔａｎｃｅｓ：

• Ｒｏｌｌｉｎｇ　ｒｅｓｉｓｔａｎｃｅ

• Ｓｌｏｐｅ　ｒｅｓｉｓｔａｎｃｅ

• Ａｃｃｅｌｅｒａｔｉｏｎ　ｉｎｅｒｔｉａ　ｒｅｓｉｓｔａｎｃｅ

Ｔｈｅ　ｂａｓｉｃ　ｆｏｒｃｅ　ｂａｌａｎｃｅ　ｉｓ：

Ｆｄｒｉｖｅ　≥　Ｆｆ　＋　Ｆθ　＋　Ｆａ

Ｗｈｅｒｅ：

Ｏｎｌｙ　ｗｈｅｎ　ｔｈｅ　ｄｒｉｖｉｎｇ　ｆｏｒｃｅ　ｅｘｃｅｅｄｓ　ｔｈｅ　ｔｏｔａｌ　ｒｅｓｉｓｔａｎｃｅ　ｃａｎ　ｓｔａｂｌｅ　ｍｏｔｉｏｎ　ｂｅ　ｅｎｓｕｒｅｄ．

２．　Ｒｏｌｌｉｎｇ　Ｒｅｓｉｓｔａｎｃｅ　Ｃａｌｃｕｌａｔｉｏｎ

Ｒｏｌｌｉｎｇ　ｒｅｓｉｓｔａｎｃｅ　ｉｓ　ｇｅｎｅｒａｔｅｄ　ｂｙ　ｅｌａｓｔｉｃ　ｄｅｆｏｒｍａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｗｈｅｅｌ　ａｎｄ　ｔｈｅ　ｇｒｏｕｎｄ　ａｎｄ　ｉｓ　ｔｈｅ　ｍｏｓｔ　ｆｕｎｄａｍｅｎｔａｌ　ｒｅｓｉｓｔａｎｃｅ　ｄｕｒｉｎｇ　ｃｏｎｔｉｎｕｏｕｓ　ｍｏｔｉｏｎ．

Ｆｏｒｍｕｌａ：

Ｆｆ　＝　（ｆ　×　Ｇ）　／　ｒ

Ｗｈｅｒｅ：

Ｔｙｐｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖａｌｕｅｓ：

Ｅｎｇｉｎｅｅｒｉｎｇ　Ｎｏｔｅ：
Ｓｏｍｅ　ｒｅｆｅｒｅｎｃｅ　ｍａｔｅｒｉａｌｓ　ｓｔｉｌｌ　ｄｅｆｉｎｅ　ｒｏｌｌｉｎｇ　ｒｅｓｉｓｔａｎｃｅ　ｃｏｅｆｆｉｃｉｅｎｔ　ｉｎ　ｃｅｎｔｉｍｅｔｅｒｓ　（ｃｍ）．　Ｉｔ　ｍｕｓｔ　ｂｅ　ｃｏｎｖｅｒｔｅｄ　ｉｎｔｏ　ｍｅｔｅｒｓ　（ｍ）　ｄｕｒｉｎｇ　ｃａｌｃｕｌａｔｉｏｎ，　ｏｔｈｅｒｗｉｓｅ　ｔｈｅ　ｒｅｓｕｌｔ　ｍａｙ　ｄｅｖｉａｔｅ　ｂｙ　ｕｐ　ｔｏ　１００×．

３．　Ｓｌｏｐｅ　Ｒｅｓｉｓｔａｎｃｅ　Ｃａｌｃｕｌａｔｉｏｎ

Ｉｎｄｕｓｔｒｉａｌ　ＡＧＶｓ　ａｒｅ　ｔｙｐｉｃａｌｌｙ　ｄｅｓｉｇｎｅｄ　ｆｏｒ　ａ　２％　ｓｌｏｐｅ　ｃａｐａｂｉｌｉｔｙ．

Ｆｏｒ　ｓｍａｌｌ　ａｎｇｌｅｓ：

ｓｉｎθ　≈　ｔａｎθ　≈　ｓｌｏｐｅ　ｒａｔｉｏ

Ｔｈｅｒｅｆｏｒｅ：

Ｆθ　＝　０．０２　×　Ｇ

Ｅｘａｍｐｌｅ：

Ｆｏｒ　ａ　５００　ｋｇ　ＡＧＶ：

Ｇ　＝　５００　×　９．８１　＝　４９０５　Ｎ

Ｆθ　≈　９８．１　Ｎ

Ｆｏｒ　ｌａｒｇｅｒ　ｓｌｏｐｅｓ，　ｔｒｉｇｏｎｏｍｅｔｒｉｃ　ｆｕｎｃｔｉｏｎｓ　ｓｈｏｕｌｄ　ｂｅ　ｕｓｅｄ　ｆｏｒ　ｈｉｇｈｅｒ　ａｃｃｕｒａｃｙ．

４．　Ａｃｃｅｌｅｒａｔｉｏｎ　Ｉｎｅｒｔｉａ　Ｒｅｓｉｓｔａｎｃｅ

Ｆｒｅｑｕｅｎｔ　ｓｔａｒｔ－ｓｔｏｐ　ｏｐｅｒａｔｉｏｎ　ｉｎｔｒｏｄｕｃｅｓ　ｓｉｇｎｉｆｉｃａｎｔ　ｉｎｅｒｔｉａｌ　ｌｏａｄｓ．

Ｆｏｒｍｕｌａ：

Ｆａ　＝　Ｍ　×　ａ

Ｗｈｅｒｅ：

Ｒｅｃｏｍｍｅｎｄｅｄ　Ｄｅｓｉｇｎ　Ｖａｌｕｅｓ：

Ｈｉｇｈｅｒ　ａｃｃｅｌｅｒａｔｉｏｎ　ｉｍｐｒｏｖｅｓ　ｒｅｓｐｏｎｓｉｖｅｎｅｓｓ　ｂｕｔ　ｉｎｃｒｅａｓｅｓ　ｐｅａｋ　ｌｏａｄ　ｏｎ　ｔｈｅ　ｄｒｉｖｅ　ｓｙｓｔｅｍ．

５．　Ｔｏｔａｌ　Ｒｅｓｉｓｔａｎｃｅ　Ｃａｌｃｕｌａｔｉｏｎ　Ｅｘａｍｐｌｅ

５．１　Ｄｅｓｉｇｎ　Ｐａｒａｍｅｔｅｒｓ

５．２　Ｃａｌｃｕｌａｔｉｏｎ　Ｒｅｓｕｌｔｓ

５．３　Ｄｅｓｉｇｎ　Ｃｏｎｃｌｕｓｉｏｎ

Ｔｈｅ　ｍａｘｉｍｕｍ　ｒｅｑｕｉｒｅｄ　ｔｒａｃｔｉｏｎ　ｆｏｒｃｅ　ｉｓ　ａｐｐｒｏｘｉｍａｔｅｌｙ：

４９９　Ｎ

Ｆｏｒ　ｅｎｇｉｎｅｅｒｉｎｇ　ｄｅｓｉｇｎ，　ａ　ｓａｆｅｔｙ　ｍａｒｇｉｎ　ｏｆ　２０％–５０％　ｉｓ　ｒｅｃｏｍｍｅｎｄｅｄ　ｔｏ　ａｃｃｏｕｎｔ　ｆｏｒ　ｓｔａｒｔｕｐ　ｓｈｏｃｋ，　ｇｒｏｕｎｄ　ｖａｒｉａｔｉｏｎ，　ａｎｄ　ｌｏｎｇ－ｔｅｒｍ　ｏｐｅｒａｔｉｏｎａｌ　ｌｏｓｓｅｓ．

Ｅｎｇｉｎｅｅｒｉｎｇ　Ｉｎｓｉｇｈｔ：
Ｄｒｉｖｅ　ｓｙｓｔｅｍ　ｆａｉｌｕｒｅｓ　ｒａｒｅｌｙ　ｏｃｃｕｒ　ｕｎｄｅｒ　ｓｔｅａｄｙ－ｓｔａｔｅ　ｃｏｎｄｉｔｉｏｎｓ．　Ｍｏｓｔ　ｆａｉｌｕｒｅｓ　ｈａｐｐｅｎ　ｄｕｒｉｎｇ　ｔｒａｎｓｉｅｎｔ　ｓｔａｔｅｓ　ｓｕｃｈ　ａｓ　ｓｔａｒｔｕｐ，　ｓｌｏｐｅ　ｃｌｉｍｂｉｎｇ，　ａｎｄ　ａｃｃｅｌｅｒａｔｉｏｎ　ｐｅａｋｓ．　Ｔｈｅｒｅｆｏｒｅ，　ｐｅａｋ　ｒｅｓｉｓｔａｎｃｅ　ｍｕｓｔ　ａｌｗａｙｓ　ｂｅ　ｕｓｅｄ　ｆｏｒ　ｓｙｓｔｅｍ　ｓｉｚｉｎｇ．

６．　Ｄｒｉｖｅ　Ｗｈｅｅｌ　Ｔｏｒｑｕｅ　Ｃａｌｃｕｌａｔｉｏｎ

Ｔｈｅ　ｏｕｔｐｕｔ　ｔｏｒｑｕｅ　ｉｓ　ｇｅｎｅｒａｔｅｄ　ｂｙ　ｔｈｅ　ｌｏｗ　ｖｏｌｔａｇｅ　ｓｅｒｖｏ　ｍｏｔｏｒ　ｔｈｒｏｕｇｈ　ａ　ｇｅａｒｂｏｘ．

Ｆｏｒｍｕｌａ：

Ｔｗｈｅｅｌ　＝　Ｔｍ　×　ｉ　×　η

Ｗｈｅｒｅ：

Ｔｙｐｉｃａｌ　ｅｆｆｉｃｉｅｎｃｉｅｓ：

• Ｐｌａｎｅｔａｒｙ　ｇｅａｒｂｏｘ：　～０．８５

• Ｗｏｒｍ　ｇｅａｒｂｏｘ：　０．６０–０．７０

Ｄｉｆｆｅｒｅｎｔ　ｇｅａｒｂｏｘ　ｔｙｐｅｓ　ｍｕｓｔ　ｎｏｔ　ｂｅ　ｍｉｘｅｄ　ｕｓｉｎｇ　ｔｈｅ　ｓａｍｅ　ｅｆｆｉｃｉｅｎｃｙ　ａｓｓｕｍｐｔｉｏｎｓ．

７．　Ｔｒａｃｔｉｏｎ　Ｆｏｒｃｅ　Ｃａｌｃｕｌａｔｉｏｎ

Ｔｏｒｑｕｅ　ｉｓ　ｃｏｎｖｅｒｔｅｄ　ｉｎｔｏ　ｔｒａｃｔｉｏｎ　ｆｏｒｃｅ：

Ｆ　＝　Ｔ　／　ｒ

Ｆｏｒ　ｄｕａｌ－ｄｒｉｖｅ　ｓｙｓｔｅｍｓ：

Ｆｔｏｔａｌ　＝　２　×　Ｆ

Ｅｘａｍｐｌｅ：

• Ｍｏｔｏｒ　ｔｏｒｑｕｅ：　０．４　Ｎｍ

• Ｇｅａｒ　ｒａｔｉｏ：　３０

• Ｅｆｆｉｃｉｅｎｃｙ：　０．８５

• Ｗｈｅｅｌ　ｒａｄｉｕｓ：　６５　ｍｍ

Ｏｕｔｐｕｔ　ｔｏｒｑｕｅ　≈　１０．２　Ｎｍ
Ｓｉｎｇｌｅ　ｗｈｅｅｌ　ｔｒａｃｔｉｏｎ　ｆｏｒｃｅ　≈　１５７　Ｎ

Ｔｈｉｓ　ｖａｌｕｅ　ｄｉｒｅｃｔｌｙ　ｄｅｔｅｒｍｉｎｅｓ　ｗｈｅｔｈｅｒ　ｔｈｅ　ＡＧＶ　ｃａｎ　ｏｖｅｒｃｏｍｅ　ｓｙｓｔｅｍ　ｒｅｓｉｓｔａｎｃｅ．

８．　Ｍａｘｉｍｕｍ　Ｓｐｅｅｄ　Ｃａｌｃｕｌａｔｉｏｎ

Ｔｈｅｏｒｅｔｉｃａｌ　ｓｐｅｅｄ　ｉｓ　ｄｅｔｅｒｍｉｎｅｄ　ｂｙ　ｍｏｔｏｒ　ｓｐｅｅｄ　ａｎｄ　ｇｅａｒ　ｒａｔｉｏ：

Ｖ　＝　（２　×　π　×　ｒ　×　ｎ）　÷　ｉ

Ｗｈｅｒｅ　ｎ　ｉｓ　ｍｏｔｏｒ　ｓｐｅｅｄ　（ｒｐｍ）．

Ｅｘａｍｐｌｅ：

• ２５００　ｒｐｍ

• Ｇｅａｒ　ｒａｔｉｏ：　３０

• Ｗｈｅｅｌ　ｒａｄｉｕｓ：　６５　ｍｍ

Ｔｈｅｏｒｅｔｉｃａｌ　ｓｐｅｅｄ　≈　３４　ｍ／ｍｉｎ　（≈　０．５７　ｍ／ｓ）

Ｓｐｅｅｄ　ａｎｄ　ｔｏｒｑｕｅ　ｍｕｓｔ　ａｌｗａｙｓ　ｂｅ　ｂａｌａｎｃｅｄ　ｄｕｒｉｎｇ　ｓｙｓｔｅｍ　ｄｅｓｉｇｎ．

９．　Ｍｏｔｏｒ　Ｐｏｗｅｒ　Ｖｅｒｉｆｉｃａｔｉｏｎ

Ｆｏｒｍｕｌａ：

Ｐ　＝　（Ｔ　×　ｎ）　／　９５５０

Ｅｘａｍｐｌｅ　ｒｅｓｕｌｔ：

≈　０．１０５　ｋＷ

Ｅｎｇｉｎｅｅｒｉｎｇ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ：

• Ｔｏｒｑｕｅ　ｓａｆｅｔｙ　ｍａｒｇｉｎ：　１．２–１．５×

• Ｐｏｗｅｒ　ｍａｒｇｉｎ：　２０％–５０％

１０．　Ｗｈｅｅｌ　Ａｄｈｅｓｉｏｎ　ａｎｄ　Ｐｒｅｌｏａｄ　Ｆｏｒｃｅ

Ｔｏ　ｐｒｅｖｅｎｔ　ｗｈｅｅｌ　ｓｌｉｐｐａｇｅ：

μ　×　ＦＮ　≥　Ｆ

Ｔｈｅｒｅｆｏｒｅ：

ＦＮ　≥　Ｆ　／　μ

Ｅｘａｍｐｌｅ：

• Ｓｉｎｇｌｅ　ｗｈｅｅｌ　ｆｏｒｃｅ：　１５７　Ｎ

• Ｆｒｉｃｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ：　０．５４

Ｒｅｑｕｉｒｅｄ　ｐｒｅｌｏａｄ　ｆｏｒｃｅ　≈　２９１　Ｎ

Ｒｅｃｏｍｍｅｎｄｅｄ　ｓｐｒｉｎｇ　ｐｒｅｌｏａｄ：　～３２０　Ｎ　（ｉｎｃｌｕｄｉｎｇ　ｆａｔｉｇｕｅ　ｍａｒｇｉｎ）

Ｔｙｐｉｃａｌ　Ｓｕｒｆａｃｅ　Ｆｒｉｃｔｉｏｎ　Ｃｏｅｆｆｉｃｉｅｎｔｓ：

１１．　ＡＧＶ　Ｄｒｉｖｅ　Ｓｙｓｔｅｍ　Ｓｅｌｅｃｔｉｏｎ　Ｗｏｒｋｆｌｏｗ

1. Ｄｅｆｉｎｅ　ｖｅｈｉｃｌｅ　ｍａｓｓ，　ｓｐｅｅｄ，　ａｃｃｅｌｅｒａｔｉｏｎ，　ｓｌｏｐｅ

2. Ｃａｌｃｕｌａｔｅ　ｒｏｌｌｉｎｇ，　ｓｌｏｐｅ，　ａｎｄ　ａｃｃｅｌｅｒａｔｉｏｎ　ｒｅｓｉｓｔａｎｃｅ

3. Ｄｅｔｅｒｍｉｎｅ　ｔｏｔａｌ　ｔｒａｃｔｉｏｎ　ｆｏｒｃｅ

4. Ｃａｌｃｕｌａｔｅ　ｓｉｎｇｌｅ　ｗｈｅｅｌ　ｌｏａｄ

5. Ｄｅｒｉｖｅ　ｒｅｑｕｉｒｅｄ　ｏｕｔｐｕｔ　ｔｏｒｑｕｅ

6. Ｓｅｌｅｃｔ　ｇｅａｒｂｏｘ　ｒａｔｉｏ

7. Ｍａｔｃｈ　ｌｏｗ　ｖｏｌｔａｇｅ　ｓｅｒｖｏ　ｍｏｔｏｒ

8. Ｖｅｒｉｆｙ　ｓｅｒｖｏ　ｄｒｉｖｅ　ｃａｐａｃｉｔｙ

9. Ｃｈｅｃｋ　ｓｐｅｅｄ　ｐｅｒｆｏｒｍａｎｃｅ

10. Ｖｅｒｉｆｙ　ａｄｈｅｓｉｏｎ　ａｎｄ　ｐｒｅｌｏａｄ　ｆｏｒｃｅ

１２．　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｃｏｎｓｉｄｅｒａｔｉｏｎｓ

• Ｒｏｌｌｉｎｇ　ｒｅｓｉｓｔａｎｃｅ　ｃｏｅｆｆｉｃｉｅｎｔ　ａｎｄ　ｆｒｉｃｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔ　ａｒｅ　ｆｕｎｄａｍｅｎｔａｌｌｙ　ｄｉｆｆｅｒｅｎｔ　ｐａｒａｍｅｔｅｒｓ　ａｎｄ　ｍｕｓｔ　ｎｏｔ　ｂｅ　ｃｏｎｆｕｓｅｄ．

• Ｇｅａｒｂｏｘ　ｅｆｆｉｃｉｅｎｃｙ　ｖａｒｉｅｓ　ｓｉｇｎｉｆｉｃａｎｔｌｙ　ｄｅｐｅｎｄｉｎｇ　ｏｎ　ｓｔｒｕｃｔｕｒｅ．

• Ｍｏｔｏｒ　ａｎｄ　ｓｅｒｖｏ　ｄｒｉｖｅ　ｓｅｌｅｃｔｉｏｎ　ｍｕｓｔ　ｃｏｎｓｉｄｅｒ　ｃｏｎｔｉｎｕｏｕｓ　ｄｕｔｙ　ｃｙｃｌｅｓ　ａｎｄ　ｐｅａｋ　ｌｏａｄｓ．

• Ｍｕｌｔｉ－ｗｈｅｅｌ　ｓｙｓｔｅｍｓ　ｍｕｓｔ　ｅｎｓｕｒｅ　ｓｕｆｆｉｃｉｅｎｔ　ｇｒｏｕｎｄ　ｃｏｎｔａｃｔ　ｆｏｒｃｅ　ｔｏ　ａｖｏｉｄ　ｓｌｉｐｐａｇｅ　ａｎｄ　ｐｏｓｉｔｉｏｎｉｎｇ　ｄｅｖｉａｔｉｏｎ．

Ｃｏｎｃｌｕｓｉｏｎ

ＡＧＶ　ｄｒｉｖｅ　ｓｙｓｔｅｍ　ｄｅｓｉｇｎ　ｉｓ　ｎｏｔ　ｏｎｌｙ　ｍｏｔｏｒ　ｓｅｌｅｃｔｉｏｎ，　ｂｕｔ　ａ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｅｎｇｉｎｅｅｒｉｎｇ　ｐｒｏｃｅｓｓ　ｉｎｖｏｌｖｉｎｇ　ｖｅｈｉｃｌｅ　ｄｙｎａｍｉｃｓ，　ｍｅｃｈａｎｉｃａｌ　ｔｒａｎｓｍｉｓｓｉｏｎ，　ｅｌｅｃｔｒｉｃａｌ　ｃｏｎｔｒｏｌ，　ａｎｄ　ｓｙｓｔｅｍ　ｉｎｔｅｇｒａｔｉｏｎ．

Ｆｒｏｍ　ｒｅｓｉｓｔａｎｃｅ　ｍｏｄｅｌｉｎｇ　ｔｏ　ｔｏｒｑｕｅ　ｃａｌｃｕｌａｔｉｏｎ，　ａｎｄ　ｆｒｏｍ　ｓｅｒｖｏ　ｍｏｔｏｒ　ｓｅｌｅｃｔｉｏｎ　ｔｏ　ｇｅａｒｂｏｘ　ａｎｄ　ｄｒｉｖｅ　ｗｈｅｅｌ　ｄｅｓｉｇｎ，　ｅｖｅｒｙ　ｐａｒａｍｅｔｅｒ　ｄｉｒｅｃｔｌｙ　ａｆｆｅｃｔｓ　ｓｙｓｔｅｍ　ｐｅｒｆｏｒｍａｎｃｅ　ａｎｄ　ｒｅｌｉａｂｉｌｉｔｙ．