Développement d’un modèle numérique multi-corps d’une transmission continuellement variable de motoneige
Bibliographic record
Abstract
Les nuisances sonores et leur réduction sont devenues des enjeux d’amélioration de l’environnement de vie quotidienne. C’est pour cela que des réglementations canadiennes limitent le niveau de bruit que peuvent générer les véhicules. Pour ces raisons, les constructeurs de véhicules récréatifs se doivent de proposer des améliorations pour leurs engins afin de respecter ces normes tout en proposant le même confort de pilotage. Pour ce faire, les méthodes numériques peuvent être une option viable de développement d’améliorations et permettent ainsi de limiter le nombre de prototypes. Des travaux préliminaires (projet « dSkibel ») ont servi à déterminer les différentes origines des nuisances sonores sur des véhicules. Le projet « dXbel » constitue une suite de sous-projets pour modéliser et réduire ces pollutions sonores (ici sur une motoneige). L’une des origines des nuisances provient de la transmission de puissance, la CVT (Continous Variable Transmision). La question qui s’est alors posée concerne la possibilité de réaliser un modèle numérique multi-corps de sa dynamique et reproduire son comportement vibratoire une fois couplé au comportement dynamique et vibratoire du moteur 2-temps. Les objectifs sont multiples pour développer un modèle numérique de la dynamique de la CVT sur le logiciel Simcenter. La première étape est de concevoir une preuve de concept, puis de l’enrichir en ajoutant des non-linéarités et jeux fonctionnels. Finalement développer un module de cosimulation pour coupler ce modèle au comportement dynamique du moteur, une des sources principales de vibrations. On peut s’attendre à retrouver dans le spectre en fréquences du modèle vibro-acoustique de la CVT, les modes de vibrations des différents flasques et du moteur (mis en évidence dans des projets ultérieurs). L’intérêt de cette recherche est de fournir un outil numérique pour mieux connaître le comportement vibro-acoustique de la CVT dans son environnement réel. Un autre intérêt est économique puisqu’il pourra permettre de limiter le nombre de prototypes.
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 | 0.002 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".