Numerical solution of mixed linear complementarity problems in multibody dynamics with contact
Notice bibliographique
Résumé
Beaucoup d'applications en ingénierie ont besoin d'algorithmes rapides et précis pour résoudre les problèmes de complémentarité linéaire (P.C.L.) mixtes qui sont obtenus lors d'une simulation multicorps assujettie à l'unilatéralité et au frottement. L'évaluation de la précision de ces algorithmes requiert la détermination de l'erreur introduite. Cette thèse montre que les mesures d'erreur fréquemment utilisées souffrent d'incohérence d'unités physiques, dont la conséquence est que l'erreur n'a pas de signification physique. Nous proposons une mesure d'erreur qui est cohérente en unités et qui calcule les composantes de l'erreur en énergie qui sont dépendantes de la masse effective de chaque contrainte. Le compromis entre la précision et la performance de calcul est un des principaux conflits dans les simulations de dynamique multicorps en temps réel. La méthode utilisée pour résoudre les équations du mouvement est responsable pour une grande partie de ce compromis. Dans cette thèse, nous comparons quatre algorithmes de résolution du P.C.L. mixte en termes de précision et performance. Nous considérons plusieurs scénarios qui incluent le contact et le frottement tels que la prise d'un tronc d'arbre, la stabilité de modèles statiques, les modèles de boucles fermées et les longues chaînes de corps rigides. L'objectif est de déterminer les caractéristiques de précision et de performance de chaque méthode. Des contraintes redondantes peuvent apparaître en raison d'un manque d'informations sur le système physique représenté par le modèle de corps rigide. Une telle redondance empêche la détermination des forces de réaction de contraintes de façon unique. Dans cette thèse, nous présentons une étude de cas sur les problèmes de corps rigides redondants avec contact afin de déterminer les forces de réactions obtenues par l'algorithme de résolution du P.C.L de Lemke et celui de Murty. Ces méthodes choisissent toujours un sous-ensemble des contraintes pour lequel il existe une solution unique. Nous montrons que ceci est équivalent à l'approche d'élimination de contraintes redondantes couramment utilisée dans les logiciels de simulation multicorps.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».