Développement d'un ensemble d'ailes à éléments multiples pour la Formule électrique de l'Université Laval
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Le présent document détaille le travail ayant été réalisé pour la conception de l’ensemble d’ailes à éléments multiples de la première édition du véhicule électrique de la FormUL (anciennement la Formule SAE) de l’Université Laval en 2015. Ce projet étudiant vise à concevoir un véhicule de course monoplace 100% électrique afin de participer aux compétitions internationales de Formula Student en Europe. L’objectif global de cette maîtrise est donc de maximiser le pointage de l’équipe aux compétitions via l’amélioration des performances aérodynamiques du véhicule. À cette fin, un premier travail de modélisation permettant de quantifier la sensibilité du pointage aux paramètres aérodynamiques a été effectué, ce qui a permis d’établir une cible claire pour l’ensemble de la conception des ailes. Par la suite, les bases nécessaires à une optimisation numérique des ailes ont été établies. Une évaluation des différentes méthodes de paramétrisation d’aile a été réalisée, permettant le développement d’une solution propre à ce travail admettant un nombre minimal de variable. Étant donné le coût de calcul important associé aux simulations de dynamique des fluides numérique (CFD) 3D, il a été décidé qu’une approche à deux niveaux faisant usage, dans un premier temps, de simulations 2D moins coûteuses serait privilégiée. L’algorithme génétique de Matlab est utilisé afin d’effectuer l’optimisation 2D des profils d’aile. Étant donné les faibles performances, l’algorithme commercial SHERPA fut utilisé dans un 2e temps. Suite à l’obtention de résultats prometteurs, la campagne d’optimisation 3D a été lancée à l’aide du superordinateur de Calcul Canada, Colosse, installé à l’université Laval. Au retour des compétitions européennes de l’été 2015, des essais expérimentaux sur piste ont permis de récolter des données avec et sans l’installation des ailes sur le véhicule. Ces résultats démontrent une nette amélioration des performances aérodynamiques du véhicule, se traduisant par une augmentation non-négligeable du pointage total de l’équipe.
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.
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 | 0.000 | 0.000 |
| 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 | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it