MÉTHODES NUMÉRIQUES ET OUTILS LOGICIELS POUR LA PRISE EN COMPTE DES EFFETS CAPACITIFS DANS LA MODÉLISATION CEM DE DISPOSITIFS D'ÉLECTRONIQUE DE PUISSANCE
Bibliographic record
Abstract
Face a la complexite grandissante des convertisseurs statiques presents dans tout systeme electrique, les ingenieurs de conception ont besoin d'outils de modelisation electromagnetique de plus en plus performants, notamment en ce qui concerne la Compatibilite ElectroMagnetique (CEM). L'objectif de ce travail est de prendre en compte, sous la forme de capacites parasites, les couplages electriques en haute frequence dans la modelisation CEM de dispositifs d'electronique de puissance. Plusieurs formulations integrales basees sur la Methode des Moments, ainsi que l'Adaptive Multi-Level Fast Multipole Method ont ete developpees et validees pour l'extraction de ces capacites equivalentes. Cette derniere methode, qui permet d'accelerer les temps de calcul tout en limitant la place memoire necessaire (pas de stockage de matrice pleine), a ete adaptee au probleme pour garantir une meilleure precision des resultats en fonction du maillage. Un prototype de cet algorithme de calcul a ete integre dans le logiciel InCa3D, basee sur la methode PEEC, permettant ainsi de construire un schema electrique equivalent a constantes localisees ou les effets capacitifs sont couples au modele resistif et inductif de la structure. Plusieurs cas tests, issus de la litterature ou d'applications industrielles, ont ete simules par le biais de ces schemas equivalents, soit dans un solveur circuit soit dans InCa3D, afin d'evaluer leurs performances CEM conduites et rayonnees. Enfin, les comparaisons realisees avec des mesures ont donne de bons resultats et valident ainsi l'approche proposee. Une telle strategie peut aisement faire partie de toute modelisation de type systeme, car elle permet de traiter des dispositifs de complexite industrielle sur une large bande de frequences avec un modele leger.
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 | 0.014 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 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; a candidate call from one teacher head, not a consensus.
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".