Optimisation par éléments finis des trajectoires de chauffage par induction pour un traitement thermique robotisé in situ
Bibliographic record
Abstract
Dans un contexte où les installations hydroélectriques d’Hydro-Québec sont vieillissantes, l’augmentation de la durée de vie des équipements est un enjeu majeur. Avec l’objectif d’augmenter la durée de vie des réparations de fissures sur les roues de turbine en acier CA6NM, l’Institut de recherche d’Hydro-Québec (IREQ) développe un nouveau procédé robotisé de traitement thermique par induction in situ. Un inducteur de type serpentin est déplacé par le manipulateur SCOMPI, suivant une trajectoire rectiligne va-et-vient. Ce procédé permettra d’effectuer efficacement des traitements thermiques après soudage, nécessaire pour restaurer les propriétés mécaniques dans la zone réparée. Un des aspects critiques du procédé est le contrôle précis du profil de température. Pour la réussite du traitement thermique demandé sur le CA6NM, le profil de température doit respecter une tolérance de ± 10 °C, autour de 620 °C. \n \nDans ce mémoire, une méthode numérique, combinant analyse par éléments finis et techniques d’optimisation est développée. L’objectif est de déterminer les paramètres de chauffe et de trajectoires optimaux pour obtenir un profil de température le plus près possible de la température cible et qui soit le plus uniforme possible. Pour prédire le profil de température, la puissance injectée en un aller-retour de l’inducteur est approximée en utilisant une source moyenne. La validité de cette approximation est vérifiée expérimentalement, sur une géométrie plane et une géométrie courbe. \n \nLe profil de température généré par cette source dépend de la géométrie de la trajectoire et de l’inducteur ainsi que de la puissance fournie. Un algorithme de gradient conjugué est ajouté au solveur thermique pour optimiser ces différents paramètres. \n \nPremièrement, le profil de température transversal est uniformisé en optimisant la géométrie de l’inducteur et la distance entre l’aller et le retour sur la trajectoire (décalage). Un rayon extérieur de 37 mm, un rayon intérieur de 13 mm ainsi qu’un décalage de 70 mm permettent d’obtenir le profil de température le plus uniforme. Le rayon intérieur n’est pas déterminé par l’optimisation mais par le procédé de fabrication des serpentins. La sélection du diamètre extérieur est également contrainte par le procédé de fabrication et doit représenter un nombre fixe de spires. De plus, Il est trouvé que le décalage optimal est, règle générale, 95 % du diamètre extérieur de l’inducteur. \n \nDeuxièmement, le profil de température longitudinal est uniformisé en optimisant la puissance injectée à différentes positions de l’inducteur sur la trajectoire. Troisièmement, pour uniformiser davantage le profil de température, l’orientation de l’inducteur est optimisée. Les angles optimaux trouvés sont de 4,3 ° dans la partie rectiligne de la trajectoire et de 14 ° dans la zone de virage. \n \nLes différents essais expérimentaux réalisés ont montré que le modèle est représentatif de la réalité. L’écart relatif obtenu entre les températures calculées et mesurées est en moyenne de 1,5 %. De plus, des résultats concluants sont obtenus lors d’un traitement thermique après soudage effectué en laboratoire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".