Efforts causés par le vent sur les structures à treillis
Bibliographic record
Abstract
Lors de la conception des pylônes électriques à treillis, la détermination précise des efforts causés par le vent sur ces structures est très importante. Cette recherche a pour objectif de faire le point sur les connaissances actuelles sur les efforts causés par le vent sur les pylônes électriques à treillis et de proposer une méthode innovante pour évaluer de manière plus rationnelle les efforts du vent sur les structures à treillis complexes. Ce mémoire présente en premier lieu une synthèse expérimentale et des documents utilisés en pratique ainsi que les normes en vigueur pour les structures à treillis. Il est démontré qu'il existe encore de nombreuses zones inexplorées et de nombreuses incertitudes sur la détermination des efforts causés par le vent sur les structures à treillis. Ensuite, un programme expérimental est présenté et réalisé sur des cornières à la soufflerie au laboratoire du département de Génie Mécanique de l'Université de Sherbrooke dans le but de déterminer les coefficients aérodynamiques et les paramètres influents sur ces coefficients. De plus, l'effet de masque sur une paire de cornières en fonction de l'angle d'incidence du vent et de l'écart entre ces deux cornières a aussi été étudié au cours des essais. À l'aide des résultats expérimentaux obtenus, un programme prédictif des efforts causés par le vent sur une paire de cornières en tenant compte de l'effet de masque a été écrit en langage Python. Ce programme nommé WindTruss nous permet de déterminer les efforts causés par le vent sur les structures à treillis en fonction de l'angle d'incidence du vent et de l'arrangement géométrique des cornières individuelles. Enfin, ce programme a été utilisé pour faire quelques exemples et les résultats obtenus ont été comparés avec les normes en vigueur et les résultats antérieurs.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".