Étude numérique de la répartition des contraintes dans des plaques de gousset de pylônes à treillis
Bibliographic record
Abstract
Ce document présente un projet de recherche de maîtrise portant sur l’étude de la répartition des contraintes dans les plaques de gousset de pylônes à treillis, à la suite du souhait des partenaires industriels Hydro-Québec et RTE cherchant à mieux évaluer la résistance mécanique des pylônes à treillis. La fiabilité des plaques de gousset est questionnée, dû à l’absence de méthodes d’analyse détaillées de ces plaques de gousset, et dans le contexte où de nombreux efforts cheminent par ces plaques. L’intérêt est alors de représenter le plus fidèlement possible, le comportement des plaques de gousset de pylônes à treillis pour permettre de vérifier les règles de dimensionnement actuelles communément utilisées pour le dimensionnement des plaques de gousset, et d’améliorer par la suite ces règles. Les plaques de gousset sont généralement dimensionnées selon des règles d’ingénierie empiriques dépendant des gestionnaires de réseaux. Ces règles de dimensionnement ne permettent pas de faire une conception optimisée ni de connaître le niveau de fiabilité réel des plaques, qui peut être très variable selon la géométrie de la plaque et la complexité du chargement. Les règles de dimensionnement fournies que ce soit par l’Eurocode, le CSA S16-14 ou encore l’ASCE 10-15 ne sont pas adaptées aux plaques de gousset de pylônes à treillis, car les quelques calculs sommaires qui y sont proposés ne tiennent pas compte de l’ensemble des modes de ruines potentiels et de la complexité de la répartition des contraintes dans ces éléments structuraux. Ainsi compte tenu de l’importance des pylônes à treillis de transport d’énergie électrique, une recherche plus poussée sur le comportement des assemblages boulonnés de plaques de gousset est à prendre en considération. L’objectif de ce projet est de réaliser une modélisation numérique par éléments finis décrivant avec le plus de fiabilité la répartition des contraintes internes dans une plaque de gousset de pylône à treillis. Le développement de cette stratégie de modélisation se base sur le logiciel CODE_ASTER. Une validation du modèle numérique à l’aide des résultats de la bibliographie a permis de vérifier l’effet de certaines hypothèses simplificatrices sur le modèle. Ensuite, une étude paramétrique sur l’influence de plusieurs paramètres sur le comportement des plaques de gousset de pylônes à treillis a permis d’extraire les paramètres géométriques clés pour l’évaluation du comportement des contraintes dans les plaques. Cela a permis une d’obtenir une meilleure compréhension de la répartition des contraintes dans les plaques de gousset de pylônes à treillis.
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 | 0.004 |
| 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 | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".