MétaCan
Menu
Retour à la cohorte
Enregistrement W7039817639

Méthode de prédiction et analyse par éléments finis des collisions de véhicules avec les superstructures de ponts

2021· dissertation· fr· W7039817639 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2021
Typedissertation
Languefr
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisHomogeneousRail transportation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les ponts sont soumis à des phénomènes extrêmes tels que les séismes, les vents violents, \nles incendies, les explosions et les charges d’impacts. Parmi ces sollicitations, les \ncollisions de véhicules avec les ponts constituent une menace importante à l’intégrité \nstructurale des ponts, mettent en danger les usagers et causent d’importantes pertes \néconomiques notamment par la fermeture de routes et les réparations structurales. \nCe travail doctoral propose et met en oeuvre une méthode pour étudier ces événements \nau Québec. Des données significatives ont été récoltées et combinées pour obtenir une \nbase de données globale des collisions véhicules-ponts qui se sont produites dans la province \nquébécoise entre 2000 et 2016. La base de données obtenue a permis de conduire \nune analyse statistique mettant en lumière les caractéristiques des collisions véhiculesponts, \ntels que le type de véhicule impliqué, les dimensions de l’ouvrage heurté, la vitesse \nlimite, la configuration de la route, l’état de la surface de la chaussée et les conditions \nd’éclairage. L’ensemble des événements de la base de données ont été géo-référencés \nau sein d’une carte évolutive qui permet de visualiser efficacement la distribution et \nl’évolution des collisions véhicules-ponts au sein d’une région du Québec. Un modèle de \nrégression pour prédire ces événements a été développé à partir d’une méthode de validation \ncroisée à plusieurs couches. Le modèle obtenu peut être mis à jour régulièrement \npour inclure les nouvelles collisions véhicules-ponts compilées dans la base de données, \net ainsi identifier les ouvrages les plus sujets aux collisions de véhicules, ou prioriser la \nmise en place d’actions de réduction des risques. \nLa modélisation aux éléments finis des charges d’impacts peut permettre d’améliorer la \ncompréhension des effets des charges d’impacts sur les tabliers de ponts. Une approche \npratique basée sur la méthode des éléments finis est proposée pour étudier les paramètres \nclés influençant la réponse dynamique d’un tablier de ponts soumis à l’impact d’un engin \nde chantier transporté par un camion-plateau. Deux types d’impacts sont considérés : \nle choc dur, pour lequel l’énergie est principalement dissipée par le véhicule impactant, \net le choc mou, pour lequel l’énergie générée par l’impact est dissipée par le tablier de \nl’ouvrage. Les modèles obtenus sont utilisés pour conduire une analyse paramétrique \nsur l’ensemble véhicule-pont avec les propriétés suivantes : rigidité latérale et masse \ndu tablier de pont, ainsi que masse et vitesse du véhicule impactant pour le choc \nmou ; masse, vitesse et rigidité du véhicule pour le choc dur. Les analyses montrent \nl’importance considérable de la souplesse des surfaces de contact dans les résultats du \nchoc des véhicules avec les superstructures de ponts. Les tendances caractérisant les \ncollisions entre un véhicule lourd et un tablier de pont sont étudiés du point de vue \ndes forces de contact et de leurs durées, de la réponse structurale de la structure, et du \nbilan énergétique. Les résultats obtenus sont comparés aux prédictions analytiques et \naux valeurs de forces statiques équivalentes proposées par l’Eurocode.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetStructural Response to Dynamic LoadsTravaux en français237 207