Mesure en continu de la raideur dynamique d’une voie ferrée
Bibliographic record
Abstract
La structure supportant le trafic ferroviaire est un des éléments les plus importants pour assurer la stabilité géométrique de la voie et son bon fonctionnement à long terme. Des couches de sols de faible portance et instables peuvent provoquer sous l’effet de la circulation des trains, des défauts géométriques, accélérant ainsi la dégradation des constituants de la voie. La raideur est considérée comme un indicateur structurel pertinent de la voie. Sa détermination reste difficile et dépend de la méthode utilisée. Ainsi, une étude fut réalisée pour mettre au point une technique automatisée de mesure de la raideur de la voie. Cette technique consiste à mesurer la raideur en continu sous des charges à l’essieu définies. La méthode proposée permet de localiser précisément les sections de voie présentant de fortes variations de raideur. Les essais pour des voies classiques effectués avec un chargement par vérin hydrodynamique et le Portancemètre routier ont montré que la raideur d’une voie dépend fortement des paramètres de charge et de fréquence d’excitation. La technique utilisée permet de connaître le comportement de la structure selon la réponse du sol support. Enfin, les résultats obtenus ont permis de développer un nouvel outil de mesure en continu de la portance.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".