MétaCan
Menu
Back to cohort
Record W42857679 · doi:10.1522/12281028

Modelisation numerique modelisation physique et validation de l ecoulement de cuves de galvanisation

2000· book· fr· W42857679 on OpenAlexaff
C. Binet

Bibliographic record

Venuenot available
Typebook
Languagefr
FieldEngineering
TopicVehicle Noise and Vibration Control
Canadian institutionsPolytechnique Montréal
Fundersnot available
KeywordsPhysics

Abstract

fetched live from OpenAlex

La galvanisation des tôles d'acier est un procédé où l'écoulement ainsi que le transport de l'aluminium dans le bain de zinc liquide peuvent affecter la formation de la couche inhibitrice. Une revue de la littérature sur les travaux effectués pour comprendre l'écoulement et le transport de l'aluminium dans le bain a été effectuée. La complexité de l'écoulement dans le bain a été démontrée par des travaux antérieurs qui ont été fait en utilisant majoritairement la visualisation de l'écoulement à l'aide de modèles à eau et la modélisation numérique par éléments finis. Le présent projet consiste à compléter la compréhension de l'écoulement dans la cuve de galvanisation en utilisant trois outils spécifiques soit, la modélisation numérique, la modélisation physique et des tests industriels. Chacun des essais et calculs effectués à l'aide de ces trois méthodes a permis de valider le modèle numérique, de mieux détailler l'effet de certains paramètres sur l'écoulement et aussi de voir l'effet d'additions et de changements de température dans un bain industriel. L'étude de l'écoulement du bain de galvanisation a été effectuée à l'aide d'un modèle à eau et d'un modèle numérique. Le modèle à eau a servi à visualiser l'écoulement dans la cuve à l'aide d'un faisceau et de fluorescéine comme traceur. De nombreux plans ont été enregistrés sur cassette vidéo. L'observation de l'écoulement montre que la présence ou l'absence des rouleaux affecte l'écoulement, particulièrement pour les temps de mélange de la cuve. De la même façon, la présence d'une plaque déflectrice modifie les temps de mélange et agit comme une section de prémélange. L'angle d'inclinaison de la courroie modifie aussi l'écoulement en agrandissant la zone morte de l'arrière. Les observations ont aussi montré que l'écoulement est parfois asymétrique. La visualisation de l'effet de la présence des couteaux à air sur l'écoulement dans le bain a permis de conclure que ceux-ci ne contribuaient pas de manière significative au mélange. Il est donc inutile d'ajouter leur présence au modèle numérique. Les mesures de vitesse dans le bain à eau montrent un profil d'écoulement semblable à celui calculé dans le modèle numérique. La principale différence réside dans l'amortissement que subit la grandeur de la vitesse lorsqu'on s'éloigne des zones de grandes perturbations, soit près des rouleaux et de la feuille. Un maillage plus raffiné ainsi qu'un modèle de turbulence qui épouse mieux l'écoulement sont à suggérer pour les modifications ultérieures. Les calculs de turbulence ont montré que l'écoulement est beaucoup plus turbulent près de la feuille et des rouleaux que dans le reste du bain. De plus, au centre du bain l'écoulement est plus turbulent qu'au bas du bain. La modélisation numérique de l'ajout d'inducteurs montre que ceux-ci peuvent affecter seulement de façon très légère l'écoulement à l'arrière du bain. Il est suggéré d'inclure l'effet thermique au modèle pour vérifier si cet effet reste négligeable. Les tests industriels ont permis de confirmer que la température affecte la teneur en aluminium du bain et la formation des intermétalliques. Les mesures de l'aluminium effectif ont permis de voir que la région arrière du bain est très peu agitée et que celle de l'avant l'est plus. Finalement, l'ensemble de cette étude permet de conclure que la modélisation numérique de l'écoulement dans une cuve de galvanisation, à l'aide de la méthode des éléments finis, peut être utilisée et qu'elle est représentative de l'écoulement rencontré en pratique.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.891
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.018
GPT teacher head0.254
Teacher spread0.236 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2000
Admission routes1
Has abstractyes

Explore more

Same topicVehicle Noise and Vibration ControlFrench-language works237,207