Étude de l'effet des hypothèses de modélisation numérique avancée sur la prédiction du comportement structural des pylônes à treillis
Bibliographic record
Abstract
La fiabilité des structures de lignes aériennes électriques est un enjeu important pour \nla performance du réseau électrique. L’évaluation précise des modes de ruine et de la \ncapacité de la structure est nécessaire pour assurer cette fiabilité. Jusqu’à présent, les \nmodèles numériques ne sont pas en mesure de bien représenter le comportement complexe \ndes cornières boulonnées dans les assemblages de pylônes à treillis. Les conceptions de \npylônes doivent être validées avec des tests grandeur nature ou l’utilisation de règles de \ndimensionnement très conservatrices. Cependant, ces essais sont coûteux et engendrent \ndes délais de conception supplémentaires. Le groupe de recherche en structure de ligne \nde l’Université de Sherbrooke, au cours des dernières années, développe une méthode \nd’analyse par essais hybrides pour évaluer le comportement de pylônes à treillis. \nDans la pratique courante, les modèles numériques utilisés analysent la structure avec une \nméthode statique linéaire et des éléments de barres. L’inconvénient majeur de la méthode \nstatique linéaire est qu’elle ne concorde pas toujours avec les résultats d’essais expérimentaux. \nLe choix des éléments de modélisation des membrures, la modélisation des connexions \net le type d’analyse effectuée sur la structure ont une influence sur la précision du calcul. \nL’implémentation des comportements tels que la rigidité en rotation des connexions, le \nglissement de boulons et l’excentricité des connexions pourraient permettre d’obtenir un \ncomportement plus réaliste. \nAfin de bien comprendre l’influence des diverses hypothèses de modélisation, ce projet \nde recherche effectue des analyses sur les structures du pylône H2NT1_Y. Des analyses \nnumériques linéaires et non-linéaires sont effectuées sur les modèles développés. Il y a \nquelques années, des essais expérimentaux ont été réalisés sur ces sous-structures et il est \npossible de valider les résultats numériques obtenus. Une amélioration du modèle existant \n[8] sera réalisée à la suite de la validation des comportements (rigidité en rotation des \nconnexions, glissement de boulons et excentricité des connexions). Les analyses seront \neffectuées à partir du logiciel libre d’éléments finis de Code_Aster. Une fois validée, cette \nméthode numérique pourra être implémentée dans une procédure d’essais numériques par \nsous-structuration. Ainsi, une étude de l’influence des hypothèses de modélisation dans le \ncontexte de sous-structuration sera réalisée et des recommandations seront émises pour \noptimiser les méthodes d’essais hybrides sur 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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".