Probabilistic Models to Approximate Highly Repetitive Linear and Nonlinear Finite Element Analyses of Nuclear Components
Notice bibliographique
Résumé
In the development and technical support of nuclear plants, Engineers have to deal with highly repetitive finite element analyses that involve modeling of local variations of the initial design, local flaws due to corrosion-erosion effects, material properties degradation, and modifications of the loading conditions. This paper presents the development of generic models that emulate the behavior of a complex finite element model in a simplified form, with the statistical representation based on a sampling of base-model data for a variety of test cases. An improved Latin Hypercube algorithm is employed to generate the sampling points based on the number and the range of the variables that are considered in the design space. Four filling methods of the approximation models are discussed in this study: response surface, nonlinear, neural networks, and piecewise polynomial model. Furthermore, a bootstrapping procedure is employed to improve the confidence intervals of the original coefficients, and the single-factor or double-factor analysis of variance is applied to determine whether a significant influence exists between the investigated factors. Two numerical examples highlight the accuracy and efficiency of the methods. The first example is the linear elastic analysis of a pipe bend under pressure loading. The objective of the probabilistic assessment is to determine the relation between the loading conditions as well as the geometrical aspects of this elbow (pipe wall thickness, outside diameter, elbow radius, and maximum ovality tolerance) and the maximum stress in the elbow. The second example is an axisymmetric nozzle under primary and secondary cycling loads. Variations of the geometrical dimensions, nonlinear material properties, and cycling loading are taken as the input parameters, whereas the response variable is defined in terms of Melan’s theorem translated into the Nonlinear Superposition Method.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».