Conception d'un échantillon modèle en matériaux composites et caractérisation par microtomographie à rayons-X développement d'un outil de mesure de champs de déplacements tridimensionnels
Bibliographic record
Abstract
Les nouveaux matériaux qui ont fait leur apparition récemment dans l'industrie, tels que les matériaux composites et les mousses métalliques par exemple, ont trouvé de nombreuses applications. Cependant, en raison de leur complexité grandissante, la modélisation de leurs lois de comportement est de plus en plus difficile. D'où l'idée d'employer des méthodes d'imagerie tridimensionnelle telle que la microtomographie rayons-X, et d'utiliser la corrélation d'images digitales pour mesurer les champs de déplacements entre des images de l'échantillon au repos et sous compression. Cela permettrait ensuite de remonter aux paramètres de la loi de comportement. C'est le but du projet développé en collaboration entre l'École Polytechnique de Montréal et l'Université de Sherbrooke. La partie du projet menée à l'Université de Sherbrooke constitue l'objet de ce mémoire, et comprend deux tâches. La première consiste à concevoir un matériau modèle qui servira de base pour développer un algorithme de mesure des champs de déplacements à partir des images microtomographiques. La seconde consiste à obtenir lesdites images. Le matériau modèle conçu dans le cadre des travaux de recherche est un matériau composite à matrice de polyéthylène à basse densité linéaire, texturée par de l'oxyde de titane, et à renfort de billes de verre. Ces matériaux ont été choisis entre autres raisons pour leur bon contraste aux rayons-X et leur facilité de mise en forme. Le composite a été fabriqué par extrusion, pour assurer une bonne dispersion des particules de renforts, et les échantillons ont été réalisés par moulage. La microtomographie à rayons-X est une technique d'imagerie permettant de reconstruire le volume d'un objet à partir d'une série de projections radiographiques de celui-ci. C'est une méthode qui permet en général une appréciation qualitative de la structure d'un objet ( e.g. des anomalies). Par contre, la qualité des images peut être parfois insuffisante pour une analyse quantitative. Des bruits et des artefacts de reconstructions (e.g. artefacts d'anneaux, durcissement du faisceau, désalignement...) peuvent dégrader les microtomographies. Le développement d'une procédure de calibration était donc nécessaire avant de pouvoir utiliser la cellule de charge pour imager des échantillons au repos puis compressés in situ .
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".