Reliability analysis of lunar rover wheel designs - methodology and visual inspection technique
Notice bibliographique
Résumé
Cette thèse présente une méthodologie pour la prédiction de la fiabilité des roues lunaires, et une technique pour évaluer la fiabilité de la conception de ces roues, pour lesquelles les données d'opération dans l'environnement lunaire ne sont pas disponibles, afin que nous puissions effectuer une analyse de fiabilité traditionnelle. La distance maximale traversée par le Rover Lunaire durant la mission Apollo 17 était d'environ 35.9 km. Aujourd'hui, l'Université de McGill, le groupe Neptec Design et l'Agence Spatiale Canadienne travaillent ensemble afin de développer une roue de Rover Lunaire pouvant être opérationnelle pendant 5 ans. Cela souligne l'importance de la fiabilité des roues, qui auront à traverser des milliers de kilomètres. Le groupe Neptec Design a réussi à développer une méthodologie afin d'estimer la fiabilité d'un rover lunaire, comme nous le montre le document Prédiction de Fiabilité de Rover Lunaire (PFRL) qui a été publié par l'entreprise. Cette méthodologie comprend deux phases. Phase 1 contient trois étapes incluant les recherches approfondies concernant les différents modèles de fiabilité disponibles, les outils logiciels spécifiques qui permettent la mise en place de ces modèles, et l'habilité à adapter ces outils à l'environnement lunaire (par exemple, la température, la présence de régolite, les radiations, l'apesanteur). La Phase 2 décrit le processus d'estimation de la fiabilité du rover lunaire pour une durée de 5 ans sur la Lune, basé sur les recommandations détaillées dans la Phase 1. Le PFRL a été un succès mais Neptec est seulement capable d'utiliser des données earthbound pour la méthodologie, ce qui est insuffisant. Donc, le domaine de l'usure à la cryogénie à été exploré à travers la littérature et les bases de données, et le résumé des éléments qui ont été relevés intéressants est le suivant : le taux d'usure de l'acier et du titane à 293K et 77K sont à peu près les mêmes, en dessous de 1m/s ; le taux d'usure à 77K en dessous de 1m/s est plus haut pour la plupart des matériaux et le coefficient de frottements pour l'acier sur l'acier à 77K et 273K est à peu près le même. Cela souligne la nécessité d'une méthodologie alternative, par exemple, la technique d'inspection visuelle, pour évaluer la fiabilité d'un système quand des données utiles ne sont pas disponible. La technique d'inspection visuelle est décrite et une analyse de 9 conceptions de roues (cinq anciennes roues et quatre nouvelles roues conçues par l'Université de McGill) est démontrée. Les conceptions des roues sont analysées visuellement en fonction de critères spécifiques, sans négliger les risques d'échec potentiels si l'on transpose aux conditions lunaires (température, aspiration, et régolites), la fiabilité mécanique, sans oublier les obstacles à la performance, la résistance à l'usure, la compatibilité thermale, la vitesse de chargement, la torsion, etc. Une échelle numérique a été créée et la performance potentielle de la roue a été quantifiée en prenant compte des évènements pouvant causer un échec comme les fluctuations de températures, le soudage à froid, les impacts de rochers, un excès de charge et une usure abrasive. Les résultats ont indiqué que la meilleure conception historique était la roue à treillis métallique d'Apollo 17 et que la meilleure conception contemporaine est la roue iRing. L'exposé donne aussi une "liste de conception pour la fiabilité", qui peut potentiellement servir de guide afin d'éviter les traits de conceptions avec des failles. La technique d'inspection visuelle a été un succès et peut être appliquée à d'autres systèmes complexes où les tests expérimentaux dans les conditions actuelles ne sont pas possibles. Cependant, des connaissances préliminaires et une expertise sont nécessaires afin de mettre en place l'évaluation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».