Optimisation d'un système d'antigivrage à air chaud pour aile d'avion basée sur la méthode du krigeage dual
Bibliographic record
Abstract
L’objectif de cette thèse est de proposer une nouvelle méthodologie d’optimisation pour les systèmes d’antigivrage à air chaud pour ailes d’avions. La méthodologie est basée sur la méthode du krigeage dual. Le système d’antigivrage est constitué d’un tube piccolo placé le long de l’envergure de l’aile, dans la région du bord d’attaque. L’air chaud est injecté à travers de petites buses et impacte sur la paroi interne de l’aile. La fonction objectif ciblée par l’optimisation est l’efficacité de transfert thermique du système d’antigivrage. Cette efficacité de transfert thermique est considérée comme étant le rapport du flux de chaleur à la paroi interne de l’aile divisé par la somme de tous les flux de chaleur aux buses du système d’antigivrage. \n \nLa méthodologie adoptée pour optimiser un système d’antigivrage comporte trois étapes. La première étape consiste à construire une base de données selon le plan de Box-Behnken. La fonction objectif est ensuite modélisée par la méthode du krigeage dual et enfin l’optimisation par la méthode SQP est appliquée sur le modèle de la fonction objectif. Un des avantages du krigeage dual est que le modèle passe exactement par tous les points de mesures, mais il peut aussi prendre en compte les erreurs numériques et dévier des points de mesures. En plus, le modèle krigé peut être mis à jour à chaque nouvelle expérience numérique. Ces caractéristiques du krigeage dual semblent en faire un bon outil pour construire les surfaces de réponse nécessaire à l’optimisation d’un système d’antigivrage. \n \nLe premier chapitre passe en revue la littérature pertinente sur le sujet ainsi que sur la problématique d’optimisation du système d’antigivrage. Les chapitres 2, 3 et 4 présentent les trois articles soumis. Le chapitre 2 est dédié à la validation des codes de CFD utilisés pour réaliser les simulations numériques d’un système d’antigivrage et au calcul du transfert de chaleur conjugué (CHT). Le CHT est calculé en prenant en compte l’écoulement externe autour de l’aile d’avion, l’écoulement interne dans le système d’antigivrage et la conduction dans l’aile. Les coefficients de transfert de chaleur à la paroi externe de l’aile ne changent pas tellement si l’on prend en compte ou non l’écoulement externe. Donc seul, l’écoulement interne est considéré dans les articles suivants. \n \nLe chapitre 3 concerne la matrice de design et la construction d’un modèle paramétrique d’ordre deux. La modélisation de la fonction objectif est basée sur le plan de design de Box-Behnken. Le modèle paramétrique qui découle des simulations numériques sert à la comparaison avec le modèle krigé du troisième article. \n \nLe chapitre 4 applique la méthode du krigeage dual pour la modélisation de l’efficacité de transfert thermique du système d’antigivrage et son optimisation. La possibilité d’inclure l’erreur numérique dans les résultats est explorée. Pour le cas test étudié, l’introduction de l’erreur numérique dans le processus d’optimisation n’améliore pas les résultats. La méthode du krigeage dual est aussi employée pour modéliser la distribution du flux de chaleur local et interpoler le flux de chaleur correspondant au design optimal du système d’antigivrage.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".