Quelques considérations non-linéaires sur la flexion de poutres en bois renforcées de matériaux composites
Bibliographic record
Abstract
Ce travail présente une analyse non-linéaire du comportement d'une poutre de bois en flexion simple, renforcée avec fibre de verre. Au cours du développement, nous avons étudié de nouveau les essais réalisés par Simon Lacroix et Pascal Racine en 2000 et 2002 à l'Université de Sherbrooke. Le premier but de ce travail était de ratifier ou rectifier les conclusions auxquelles ils sont arrivés. Le deuxième but était de développer un outil plus précis que celui utilisé par eux pour modéliser le comportement d'une poutre de bois en flexion simple. Pour ce faire, nous avons utilisé leurs travaux comme point de départ. Nous avons aussi réalisé certains essais afin d'apporter un complément d'information nécessaire. Par la suite nous avons développé trois modèles, le modèle bilinéaire, le modèle nonlinéaire défini par une courbe polynomiale et le modèle non-linéaire défini par une courbe linéarisée par segments. Nous avons aussi identifié une relation entre le module en tension et le module en compression comme paramètre de comportement du bois. Aussi, nous avons caractérisé le comportement d'un noeud et d'une section en flexion avec noeud. Notre travail a confirmé et renforcé les conclusions de Lacroix et Racine sur les gains de résistance ainsi que sur le phénomène de pontage des défauts dans le bois. Certaines statistiques de résistance ont pu être reformulées.
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 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 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".