Intégration d'une méthode d'optimisation topologique dans le processus de CAO/FAO pour des pièces tridimensionnelles
Bibliographic record
Abstract
Ce projet de maîtrise présente l'intégration d'une méthode d'optimisation topologique dans le processus de Conception et Fabrication Assistée par Ordinateur. Il fut réalisé dans le cadre d'un projet multidisciplinaire issu d'une collaboration entre le groupe de recherche en optimisation des structures de l'Université de Sherbrooke (OptiS) et l'Équipe de Recherche en Intégration CAO-Calcul de l'UQTR (ÉRICCA).Ce projet multidisciplinaire consiste à développer un gratuiciel multiplateforme d'optimisation des structures intégrant la CAO à l'optimisation afin de permettre le développement complet de pièces ou structures mécaniques en partant du modèle CAO initial, jusqu'au modèle CAO final optimisé. Deux objectifs principaux sont visés dans le cadre de ce projet de maîtrise. Premièrement, implanter la méthode d'optimisation topologique par homogénéisation (méthode SIMP) pour des structures quelconques en 3D. Deuxièmement, développer une méthode de lissage pour réduire le bruit présent sur le maillage optimisé résultant de l'optimisation topologique par la méthode SIMP. Nous avons atteint ces deux objectifs en développant un processus d'optimisation complètement automatique en sept étapes. Elles correspondent respectivement à la modélisation géométrique, l'entrée des données initiales du problème (conditions aux limites, matériau, etc.), la sous-division de la géométrie en sous-domaines de design et de non-design, le maillage automatique adapté aux sous-domaines multiples, l'optimisation topologique, le lissage du maillage de surface et finalement la reconstruction de la géométrie finale. Les résultats ont démontré que notre implantation de la méthode SIMP fonctionne et donne des résultats très intéressants qui s'apparentent aux résultats présentés dans la littérature. Néanmoins, le développement d'une méthode de lissage de triangulation basée sur les méthodes classiques a démontré que ces méthodes sont très mal adaptées à des maillages très bruités tels que ceux obtenus avec la méthode SIMP. En somme, ce projet a permis de faire un grand pas vers l'intégration complète de l'optimisation comme une étape à part entière du processus de CAO/FAO.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".