Modélisation numérique du comportement en traction des connexions de cornières boulonnées de pylônes à treillis
Bibliographic record
Abstract
Ce document présente l'aboutissement d'un projet de maîtrise en génie civil portant sur la modélisation numérique du comportement en traction de connexions de cornières boulonnées typiques de pylônes à treillis. Suite à la révision des normes de calcul et dans l'optique d'augmenter la abilité de pylônes électriques, les gestionnaires de réseaux électriques, en particulier Hydro-Québec (HQ) et le Réseau de Transport d'Électricité (RTE) en France, investissent dans des projets de recherche portant sur le renforcement des pylônes existants. Dans ce contexte, le groupe de recherche HQ/RTE à l'université de Sherbrooke a mené des travaux expérimentaux portant sur le renforcement des connexions de cornières boulonnées de pylônes à treillis. Cependant, au cours de ces travaux de recherche, des incertitudes au niveau de l'évaluation du comportement mécanique des connexions de cornières boulonnées ont été identi ées. En e et, des di érences entre les résultats expérimentaux et les prédictions des normes de calcul ont été constatées. Une étude numérique est donc requise a n d'évaluer d'une façon détaillée le comportement de ces assemblages boulonnés de pylônes à treillis. Le présent projet vise à bien modéliser le comportement réel de connexions de corni ères boulonnées typiques de pylônes à treillis. Des analyses numériques par éléments nis ainsi qu'une étude expérimentale ont été réalisées à cet e et. En e et, des modèles numériques tridimensionnels de certaines con gurations de connexions boulonnées ont été développés. Une étude sur les e ets de certains paramètres géométriques sur la distribution des contraintes au niveau de l'assemblage boulonné a été e ectuée. De plus, des essais expérimentaux ont été e ectués sur ces con gurations de connexions boulonnées chargées en traction. Les résultats expérimentaux obtenus présentent une base permettant de valider les études numériques réalisées. Par conséquent, la abilité de la méthodologie adoptée pour la modélisation numérique des connexions boulonnées a été validée. La modélisation du renforcement par des plaques d'acier de ces connexions représente une perspective int éressante découlant directement de ce projet.
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 | 0.002 |
| 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 | 0.003 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".