Tool Condition Monitoring and Surface Topography Analysis During the Machining of CFRP Composites
Bibliographic record
Abstract
Les composites polymères notamment FRP (fibre reinforced plastics) sont de plus en plus employés dans l'industrie manufacturière (aéronautique et automobile notamment) pour la confection de leurs produits.L'emploi de carbone dans les FRP est en particulier prisé pour ses caractéristiques mécaniques.Depuis quelques décennies, le mélange de matériaux composites et métalliques au sein de structures de produits apporte des défis supplémentaires lors de leur assemblage.Face à ces nouveaux matériaux, les scientifiques et industriels réemploient les techniques qui ont été bâties et fait leurs preuves pour des matériaux métalliques relativement homogènes.Cependant, de par les propriétés intrinsèques des composites FRP, l'état de surface est fondamentalement hétérogène et la caractérisation de l'état de surface en devient complexe.Un autre point, de par ces spécificités, usiner un tel matériau provoque des petites vibrations additionnelles que l'on pourrait qualifier de bruit sur des signaux vibratoires, en comparaison avec l'usinage de métaux.Cette thèse vise à répondre aux problèmes de caractérisation de surface mais aussi au développement d'une technique novatrice de suivi de la qualité de coupe.La technique développée se base sur la théorie fractale et l'analyse fractale pour répondre aux besoins de la quantification du bruit sur les signaux de forces de coupe ou de vibration.L'analyse fractale permet de mettre en évidence le niveau de complexité et de rugosité d'objets.Pour bâtir et valider cette méthode, plusieurs tests ont été réalisés : détourage, perçage axial et orbital.Malgré le niveau élémentaire du développement de cette technique, les premiers résultats sont prometteurs.Mise en place sur une cellule de fabrication, cette méthode permet d'évaluer, en un temps très court, le niveau d'usure d'outil (en vue de son possible remplacement) ainsi que la qualité de coupe générée.Pour la caractérisation de surface de composites laminés, l'étude s'est premièrement basée sur des relevés de profils de surface et de rugosité.Dans chacune des deux directions principales (dans le sens du pli et dans le sens de l'empilement), des problèmes spécifiques ont été mis en évidence.Et pour chacune des directions, un plan correctif des méthodes de caractérisation actuelles a été proposé.Le résultat de ces optimisations proposées permet de mieux évaluer l'état de surface au vue de la qualité de coupe ainsi que de la robustesse du procédé.v
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 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 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".