Conference Papers Year : 2024

Sur l'utilisation du Machine Learning pour l'étude tribologique : du spectrogramme à la localisation de contact.

Abstract

Les performances de freinage (frottement, bruit, usure etc.) restent encore mal maîtrisées en raison des conditions de contact qui reste, en apparence, « chaotique ». Malgré les efforts importants sur le développement de modélisations, les simulations numériques restent encore très éloignées de la réalité. Afin de pallier à cet écueil, une stratégie de compréhension et de quantification du « chaos » est opérée. En utilisant le machine learning, nous montrons qu’on arrive à classifier les phénomènes tout en liant les aspects multi-physique, nous permettant d’avancer vers du "smart braking".

Fichier principal
Vignette du fichier
hal-04611047.pdf (1.89 Mo) Télécharger le fichier
Origin Files produced by the author(s)
Licence

Dates and versions

hal-04611047 , version 1 (03-12-2024)

Licence

Identifiers

  • HAL Id : hal-04611047 , version 1

Cite

Guillaume Bauman, Vincent Magnier, Hazem Wannous. Sur l'utilisation du Machine Learning pour l'étude tribologique : du spectrogramme à la localisation de contact.. 16ème Colloque National en Calcul de Structures (CSMA 2024), CNRS; CSMA; ENS Paris-Saclay; CentraleSupélec, May 2024, Hyères, France. ⟨hal-04611047⟩
539 View
168 Download

Share

  • More