Effet de la composition des materiaux composites sur la caracterisation et detection par ondes de Lamb
Bibliographic record
Abstract
Les matériaux composites sont de plus en plus utilisés en aéronautique. Leurs excellentes propriétés mécaniques et leur faible poids leur procurent un avantage certain par rapport aux matériaux métalliques. Ceux-ci étant soumis à diverses conditions de chargement et environnementales, ils sont susceptibles de subir plusieurs types d'endommagements, compromettant leur intégrité. Des méthodes fiables d'inspection sont donc nécessaires pour évaluer leur intégrité. Néanmoins, peu d'approches non destructives, embarquées et efficaces sont présentement utilisées. Ce travail de recherche se penche sur l'étude de l'effet de la composition des matériaux composites sur la détection et la caractérisation par ondes guidées. L'objectif du projet est de développer une approche de caractérisation mécanique embarquée permettant d'améliorer la performance d'une approche d'imagerie par antenne piézoélectrique sur des structures composites et métalliques. La contribution de ce projet est de proposer une approche embarquée de caractérisation mécanique par ultrasons qui ne requiert pas une mesure sur une multitude d'échantillons et qui est non destructive. Ce mémoire par articles est divisé en quatre parties, dont les parties deux à quatre présentent les articles publiés et soumis. La première partie présente l'état des connaissances dans la matière nécessaire à l'accomplissement de ce projet de maitrise.Les principaux sujets traités portent sur les matériaux composites, propagation d'ondes, la modélisation des ondes guidées, la caractérisation par ondes guidées et la surveillance embarquée des structures. La deuxième partie présente une étude de l'effet des propriétés mécaniques sur la performance de l'algorithme d'imagerie Excitelet. L'étude est faite sur une structure isotrope.Les résultats ont démontré que l'algorithme est sensible à l'exactitude des propriétés mécaniques utilisées dans le modèle. Cette sensibilité a également été explorée afin de développer une méthode embarquée permettant d'évaluer les propriétés mécaniques d'une structure. La troisième partie porte sur une étude plus rigoureuse des performances de la méthode de caractérisation mécanique embarquée. La précision, la répétabilité et la robustesse de la méthode sont validés à l'aide d'un simulateur par FEM.Les propriétés estimées avec l'approche de caractérisation sont à moins de 1% des propriétés utilisées dans le modèle, ce qui rivalise avec l'incertitude des méthodes ASTM. L'analyse expérimentale s'est avérée précise et répétable pour des fréquences sous les 200 kHz, permettant d'estimer les propriétés mécaniques à moins de 1% des propriétés du fournisseur. La quatrième partie a démontré la capacité de l'approche de caractérisation à identifier les propriétés mécaniques d'une plaque composite orthotrope.Les résultats estimés expérimentalement sont inclus dans les barres d'incertitude des propriétés estimées à l'aide des tests ASTM. Finalement, une simulation FEM a démontré la précision de l'approche avec des propriétés mécaniques à moins de 4 % des propriétés du modèle simulé.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".