Traitement de surfaces par impacts: Évaluation des contraintes résiduelles induites par martelage
Bibliographic record
Abstract
Ce travail a pour objectif l'étude de la technique de relaxation des contraintes résiduelles par martelage. Comme première approche, on a choisi d'étudier l'effet du martelage seul sur des plaques libres. 4 plaques d'acier inoxydable austénitique 304L ont été martelées par 1, 3, 5 et 9 couches de martelage respectivement, alors qu'une cinquième plaque issue du même lot a servi de témoin pour évaluer les contraintes initiales. Les contraintes résiduelles ont été évaluées grâce à la technique des contours, qui permet d'avoir une carte 2D de la distribution des contraintes résiduelles dans le sens perpendiculaire au cordon de soudage. Ces essais ont permis de démontrer l'effet bénéfique du martelage à induire des contraintes de compression sur une profondeur de quelques millimètres, ce qui réduit les risques de fissuration, ainsi qu'une amélioration des propriétés mécaniques locales. Aussi, nous avons réussi à identifier le nombre optimal de couches de martelage à appliquer afin d'induire un niveau maximal de contraintes de compression tout en minimisant le nombre de passes de martelage et aussi le temps de traitement.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 source (direct Gemma or distilled Codex), 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".