Modélisation et détection de défauts en basses et moyennes fréquences pour la surveillance de l'intégrité des structures aéronautiques
Bibliographic record
Abstract
Les travaux présentés dans ce mémoire s'inscrivent dans le cadre du projet 6.1-Microsystèmes pour la surveillance in situ de structures aéronautiques lancé en 2004 par le Consortium de recherche et d'innovation en aérospatiale du Québec, en collaboration avec Bombardier Aéronautique et les institutions universitaires suivantes: Université de Sherbrooke, Université McGill, École de technologie supérieure et École Polytechnique de Montréal. Le domaine de la surveillance de l'intégrité des structures aéronautiques étant un domaine nouveau pour l'ensemble des intervenants impliqués dans ce projet, la revue des connaissances présentée dans ce mémoire aborde en premier lieu une vue élargie pour ensuite aborder des aspects de modélisation de structures endommagées et des approches de détection de dommages. En considérant les activités des autres membres de l'équipe de recherche impliqués dans ce projet, il a été choisi dans le cadre des travaux de maîtrise présentés dans ce mémoire de s'intéresser à la détection de dommages dans les plaques minces par des approches vibratoires dans le domaine des basses et des moyennes fréquences. Afin de caractériser le comportement vibratoire du problème choisi, un modèle numérique basé sur les éléments hiérarchiques trigonométriques est présenté et validé. Basé sur ce modèle, deux approches de détection et de localisation de dommages sont présentées. La première est basée sur l'utilisation de la transformée en ondelettes spatiale [i.e. spatiales] exploitant le champ de déformation modale des plaques à l'étude. Cet outil s'est avéré performant afin de faire la détection et la localisation de dommages à partir des résultats numériques. La seconde approche est basée sur l'utilisation d'une matrice compacte de capteurs exploitant les phénomènes de propagation d'ondes dans les plaques. Cette approche est aussi en mesure de détecter et de localiser la présence de dommages avec l'avantage de nécessiter un nombre limité de points de mesure. Cette approche a montré une capacité de détection fort intéressante autant à partir de résultats numériques que de résultats expérimentaux.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| 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 | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".