Étude de paramétrisation de l’écoulement dans des composants de circuit de transmission de puissance pneumatique
Bibliographic record
Abstract
Le prototypage virtuel des circuits pneumatiques de puissance, par exemple les circuits de freinage des véhicules industriels, constitue un enjeu important en raison de la complexité des écoulements en régime transsonique et des couplages entre les échelles locales et macroscopiques. Ces problèmes sont rencontrés lors de la conception, de la synthèse des commandes et de l'analyse des performances statiques et dynamiques de ces circuits et l'analyse. La mise au point des modèles numériques de ces systèmes induit des coûts et des temps importants par rapport à d'autres systèmes. La démarche proposée dans cette thèse repose sur la construction numérique de bases de données permettant de caractériser le comportement local et macroscopique d'un composant de circuit en fonction de la variation de certains paramètres physiques ou géométriques par rapport à un point de fonctionnement de référence. Les bases de données résultent de l'extrapolation de la solution des équations de Navier Stokes moyennées (RANS) pour le point de référence considéré obtenu à l'aide d’un logiciel de paramétrisation en mécanique des fluides (Turb’Opty). La contribution de cette thèse repose pour l'essentiel dans un travail d'analyse des solutions issues de la paramétrisation dans deux contextes différents: la tuyère De Laval et un élément "coude", des composants élémentaires de circuit. Nous avons montré que ces exemples "simples" conduisent déjà à des difficultés importantes en termes de paramétrisation du problème et du calcul des dérivées des champs aérodynamiques en raison de la taille du problème. Pour pallier cette difficulté, nous avons proposé de déraffiner le maillage et nous avons alors montré que cette démarche conduit parfois à déplacer ou à atténuer certains phénomènes (chocs). La deuxième contribution de ce travail repose sur l'évaluation de la qualité des solutions extrapolées, de leur domaine de validité et la construction des liens entre grandeurs locales et macroscopiques. Nous avons enfin proposé une démarche permettant de reconstruire la caractéristique en débit d'un composant à partir de la détermination de la solution extrapolée pour un nombre limité de points de référence.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".