HAL Arts et Métiers
Not a member yet
14127 research outputs found
Sort by
Caractérisation du fauteuil, de l'utilisateur et des déplacements pour l'optimisation numérique des réglages des fauteuils roulants manuels
No full textThe adaptation of a manual wheelchair (MWC) to its user is a complex and iterative process, requiring in-depth expertise from the clinical team and representing a physically demanding step for the patient. Numerical methods could help streamline this procedure. However, beyond the necessary numerical models, achieving individualized results requires that predictions incorporate the characteristics of the MWC, its user, and their movements. This thesis aimed to propose methods for characterizing the various parameters involved. To this end, studies were conducted to: 1) determine the configuration and inertial properties of MWCs; 2) assess the maximum torque production capacities of MWC users; and 3) measure MWC kinematics during real-world locomotion while identifying the type of locomotor action performed. Additionally, databases on MWCs and their users were initiated. Finally, as an outlook, this thesis presents a sample of numerical simulations of MWC propulsion, varying the studied characteristics. These simulations illustrate both the potential and the limitations of current numerical model implementations.L’adaptation d’un fauteuil roulant manuel (FRM) à son utilisateur est un processus complexe et itératif, nécessitant une expertise approfondie de la part de l’équipe clinique et représentant une étape physiquement exigeante pour le patient. Les méthodes numériques pourraient aider à alléger cette procédure. Toutefois, au-delà des modélisations nécessaires, l'individualisation recherchée des résultats exige que les prédictions intègrent les caractéristiques du FRM, de son utilisateur, et de leurs déplacements. Dans cette optique, cette thèse avait pour objectif de proposer des méthodes de caractérisation des différents paramètres impliqués. Pour cela, des travaux ont été menés afin de 1) déterminer la configuration et les propriétés inertielles des FRM ; 2) évaluer les capacités maximales de production de couple articulaire des utilisateurs de FRM ; et 3) mesurer la cinématique du FRM lors de déplacements réels, en identifiant le type d’action locomotrice effectuée. Par ailleurs, des bases de données ont été initiées sur les FRM et leurs utilisateurs. Enfin, en ouverture, cette thèse propose un échantillon de simulations numériques de la propulsion en FRM, en faisant varier les caractéristiques étudiées. Ces simulations illustrent à la fois les potentialités et les limites des implémentations actuelles des modèles numériques
Estimation de la couverture du scan 3D basée sur l’apprentissage automatique pour les applications de contrôle intelligent
No full textThis thesis aims to propose a methodology to predict a priori quality of scans with given configurations in order to optimize the viewpoints planning. This thesis has first explored the quality metrics and found that some metrics, specifically the coverage that indicates the area of the surface would be acquired within a physical acquisition, can be used to optimise the scan configurations. Then, a novel machine-learning-based approach, 3DSCP-Net, has been proposed to predict a priori coverage. Following, a new pipeline using the coverage prediction has been proposed to generate as-scan point cloud. In the end, the resolution of the View Planning Problem using coverage prediction and overlapping control has been formulated to solve the objective of the thesis, i.e. identifying the optimal set of viewpoints so as to obtain high-quality acquisitions. Experiments have validated that the proposed methodologies can achieve the objectives. This work not only provides a robust framework for quality estimation in 3D scanning but also explores the applications of the quality estimation tool. This research contributes to the broader goal of integrating artificial intelligence into the optimization of 3D acquisition workflows, supporting advancements in Industry 4.0 and digital twin technologies.Cette thèse vise à proposer une méthodologie pour prédire a priori la qualité des scans avec des configurations données, afin d'optimiser la planification des points de vue. Elle a d'abord exploré les métriques de qualité et a trouvé que certaines métriques, en particulier la couverture, qui indique la zone de la surface qui serait acquise lors d'une acquisition physique, peuvent être utilisées pour optimiser les configurations de scan. Ensuite, une nouvelle approche basée sur l'apprentissage automatique, 3DSCP-Net, a été proposée pour prédire la couverture a priori. Enfin, un nouveau pipeline utilisant la prédiction de la couverture a été proposé pour générer des nuages de points tels que scannés. Enfin, une résolution du View Planning Problem utilisant la prédiction de couverture et le contrôle du chevauchement a été formulée pour résoudre l'objectif de la thèse, à savoir l'identification de l'ensemble optimal de points de vue afin d'obtenir des acquisitions de haute qualité. Ce travail fournit non seulement un cadre robuste pour l'estimation de la qualité dans la numérisation 3D, mais explore également les applications de l'outil d'estimation de la qualité
Experimental and simulation analysis of capillary impregnation and wettability in cotton fiber porous media
No full textInternational audienc
Une théorie géométrique de la structure atomique sans postulats quantiques
No full textDie Theorie der Zittern-Raumzeit-Relativität (TSRT) liefert eine deterministische und vollständig geometrische Grundlage für den Aufbau von Atomen. Sie ersetzt das probabilistische Rahmenwerk der Quantenmechanik durch kausal gesteuerte Geodätenbewegung in einer dynamisch fluktuierenden Raumzeit. Frühere Arbeiten etablierten TSRT als vereinheitlichende Theorie aller vier fundamentalen Kräfte, indem sie Interferenz ohne Welle-Teilchen-Dualismus, das Plancksche Strahlungsgesetz ohne Quantisierungspostulate sowie Quantenverschränkung aus geometrischen Korrelationen ableitet.In der vorliegenden Arbeit geht TSRT über die theoretische Konsistenz hinaus und liefert hochpräzise empirische Vorhersagen im Vergleich zu spektroskopischen Messdaten von Wasserstoff, Deuterium und Myonischem Wasserstoff. Mit nur einer einzigen Kalibrationslinie wird das gesamte Spektrum gebundener Energieniveaus aus ersten Prinzipien und ohne freie Parameter abgeleitet. TSRT reproduziert angeregte Zustände sowie die Feinstrukturaufspaltung mit einer Genauigkeit im Bereich weniger Milli-Elektronenvolt. Die Energieaufspaltung zwischen den beiden Feinstrukturkomponenten des zweiten Hauptniveaus wird mit einer Genauigkeit unter einem Prozent wiedergegeben – ohne Rückgriff auf Spin, Operatoren oder quantenfeldtheoretische Korrekturen.Im Myonischen Wasserstoff, wo sich Krümmungseffekte verstärken, liefern Verfeinerungen, die die Protongröße, die Kernmasse und realistische Dichteprofile berücksichtigen, Übereinstimmung mit dem Experiment auf dem Niveau von Promilleabweichungen. Diese Korrekturen ergeben sich direkt aus der geometrischen Variationsstruktur der TSRT, ohne dass Renormalisierung oder Störungsrechnung erforderlich wären.Die Photonemission wird als deterministischer Übergang zwischen vollständigen Geodäten-Ensembles beschrieben. Die Energie des emittierten Photons erfährt beim Verlassen der gekrümmten Zittern-Raumzeit um das Atom eine geometrisch bedingte Rotverschiebung. Eine zusätzliche Rotverschiebung kann auftreten, wenn sich das Atom in einem größeren Gravitationsfeld befindet, etwa in einem Stern.Die atomare Schalenstruktur ergibt sich als Gleichgewichtszustand geodätischer Krümmungskräfte. Eine effektive atomare Kopplungskonstante wird aus gravitativer Skalierung abgeleitet, was eine geometrische Verbindung zwischen Elektromagnetismus und Gravitation herstellt. Gravitationsbeiträge, die in der Atomphysik gewöhnlich vernachlässigt werden, erweisen sich innerhalb der TSRT als entscheidend für die spektrale Genauigkeit. Selbst in schwachen Feldern bestimmt die Raumzeitkrümmung die Energieniveaus mit hoher Präzision; in starken Gravitationsfeldern sagt TSRT zusätzliche geometrisch bedingte Energieverschiebungen über den Standard-Rotverschiebungseffekt hinaus voraus.Diese Ergebnisse zeigen, dass die Zittern-Raumzeit nicht nur ein alternatives konzeptionelles Modell darstellt, sondern eine realistische und vorhersagekräftige physikalische Grundlage für den Atomaufbau – mit dem Potenzial, Quanten- und Gravitationseffekte in einem einzigen geometrischen Rahmen zu vereinen.Trembling Spacetime Relativity Theory (TSRT) provides a deterministic and fully geometric foundation for atomic structure, replacing the probabilistic framework of quantum mechanics with causally governed geodesic motion in a dynamically fluctuating spacetime. Previous work established TSRT as a unifying theory of all four fundamental forces, deriving interference without wave-particle duality, Planck’s radiation law without quantization postulates, and entanglement from geometric correlations. In this work, TSRT advances from theoretical coherence to high-precision empirical predictions, confronting experimental spectroscopic data across hydrogen, Deuterium, and Muonic Hydrogen. With only a single calibration line, the full spectrum of bound-state energy levels is derived from first principles without free parameters. TSRT reproduces excited states and fine-structure splittings to within a few millielectronvolts of experiment. The energy difference between the two fine-structure components of the second principal level is recovered with sub-percent accuracy, without invoking spin, operator algebra, or field-theoretic corrections. In Muonic Hydrogen, where curvature effects are amplified, refinements incorporating proton size, nuclear mass, and realistic density profiles yield agreement with experiment at the per-thousand level. These corrections arise naturally from the variational geometric structure of TSRT, requiring no renormalization or perturbative methods. Photon emission is described as a deterministic transition between complete geodesic ensembles, and the energy of the emitted photon is subsequently redshifted as it escapes the curved trembling geometry surrounding the atom. Further redshift may occur if the atom resides in a larger gravitational field, such as in a stellar environment. Atomic shell structure emerges as the equilibrium configuration of curvature-induced confinement, and an effective atomic coupling constant is derived from gravitational scaling, linking electromagnetism and gravity through geometry. Gravitational contributions, often neglected in atomic physics, are shown to be essential for spectral precision within TSRT. Even in weak fields, spacetime curvature determines energy levels with high accuracy, while in strong gravity environments, TSRT predicts additional geometric shifts beyond the standard redshift. These results demonstrate that trembling spacetime is not merely an alternative conceptual framework, but a viable and predictive physical foundation for atomic structure, unifying quantum and gravitational phenomena within a single geometric continuum.La Théorie de la Relativité de l’Espace-Temps Tremblant (TSRT) propose une fondation déterministe et entièrement géométrique de la structure atomique, remplaçant le cadre probabiliste de la mécanique quantique par un mouvement géodésique régi causalement dans un espace-temps en fluctuation dynamique. Des travaux antérieurs ont établi la TSRT comme une théorie unificatrice des quatre forces fondamentales, dérivant les phénomènes d’interférence sans dualité onde-corpuscule, la loi du rayonnement de Planck sans postulats de quantification, et l’intrication à partir de corrélations géométriques.Dans cette étude, la TSRT progresse de la cohérence théorique vers des prédictions empiriques de haute précision, en confrontant les données spectroscopiques expérimentales de l’hydrogène, du deutérium et de l’hydrogène muonique. À partir d’une seule ligne spectrale de calibration, l’ensemble du spectre des niveaux d’énergie liés est dérivé depuis les premiers principes, sans aucun paramètre libre. La TSRT reproduit les états excités et les dédoublements de structure fine avec une précision de l’ordre du millielectronvolt. La différence d’énergie entre les deux composantes de structure fine du second niveau principal est retrouvée avec une précision inférieure au pourcent, sans faire appel au spin, à l’algèbre des opérateurs ni aux corrections issues de la théorie quantique des champs.Dans l’hydrogène muonique, où les effets de courbure sont amplifiés, des raffinements tenant compte de la taille du proton, de la masse nucléaire et de profils réalistes de densité permettent d’obtenir un accord avec l’expérience au niveau du millième. Ces corrections émergent naturellement de la structure géométrique variationnelle de la TSRT, sans nécessiter ni renormalisation ni méthodes perturbatives.L’émission de photons est décrite comme une transition déterministe entre ensembles géodésiques complets, et l’énergie du photon émis subit un décalage vers le rouge (redshift) à mesure qu’il s’échappe de la géométrie tremblante courbée entourant l’atome. Un redshift supplémentaire peut survenir si l’atome se trouve dans un champ gravitationnel plus vaste, comme en environnement stellaire.La structure en couches atomiques émerge comme configuration d’équilibre du confinement induit par la courbure, et une constante de couplage atomique effective est dérivée par un facteur d’échelle gravitationnel, liant ainsi électromagnétisme et gravité à travers la géométrie. Les contributions gravitationnelles, souvent négligées en physique atomique, s’avèrent essentielles à la précision spectrale dans la TSRT. Même en champs faibles, la courbure de l’espace-temps détermine les niveaux d’énergie avec une grande exactitude, tandis qu’en régime de gravité forte, la TSRT prédit des décalages géométriques supplémentaires au-delà du redshift gravitationnel standard.Ces résultats montrent que l’espace-temps tremblant ne constitue pas simplement un cadre conceptuel alternatif, mais une base physique viable et prédictive pour la structure atomique, unifiant phénomènes quantiques et gravitationnels au sein d’un continuum géométrique unique
Génération automatique d'assemblage CAO basée sur des méthodes d'apprentissage machine
No full textAutomation in Computer-Aided Design (CAD) is a complex task due to the intricate engineering constraints involved during the design process. This thesis focuses on the automatic generation of mechanical part assemblies. This automatic generation can be used for design assistance, expanding mechanical assembly databases, or reusing CAD models. The proposed method is divided into three parts. The first part involves the creation of a pipeline based on rules, which enables the generation of new mechanical assemblies from existing ones. The second part focuses on the automatic assembly of parts from existing assemblies, based on a machine learning model. A predictive interface model for dumb B-Rep models is developed to address the limitation concerning the origin of the parts in previous works. This final piece of work ultimately allows for the generation of mechanical assemblies from a set of arbitrary B-Rep models. The generated assemblies were compared both qualitatively and quantitatively with those produced by existing methods in the literature. This work is the first to enable the assembly of multiple B-Rep models simultaneously and offers a first approach to addressing the broader challenge of automatic assembly.L’automatisation en Conception Assistée par Ordinateur (CAO) est une tâche complexe à cause des contraintes complexes d’ingénierie mises en œuvre durant le processus de conception. Ces travaux de thèse s’intéressent à la génération automatique d’assemblages de pièces mécaniques. Cette génération automatique peut être utilisée pour de l’aide à la conception ou de l’expansion de base de données d'assemblages mécaniques, ou de la réutilisation de modèles CAO. La méthode proposée est découpée en 3 parties. La première est la création d’un pipeline basé sur des règles métiers qui permet générer de nouveaux assemblages mécaniques à partir d’assemblages existants. La deuxième partie est l’assemblage automatique de pièces provenant d’assemblages, basé sur un modèle d’apprentissage machine. Un modèle de prédiction d'interface sur des modèles B-Rep quelconques sera enfin développé pour lever la limitation concernant la provenance des pièces lors des précédents travaux. Cette dernère brique de travail permet finalement de générer des assemblages mécaniques à partir d’un ensemble de modèles B-Rep quelconques. Les assemblages générés ont été comparés qualitativement et quantitativement aux assemblages générés par les méthodes présentes dans la littérature. Ce travail est le premier permettant d’assembler plusieurs modèles B-rep en même temps, et propose une première approche pour répondre à cette large problématique d’assemblage automatique
Design and configuration planning of reconfigurable manufacturing systems in a stochastic demand environment
No full textNational audienc
Development of an Integrated Transmission-Distribution Simulation Model for Coordinated TSO-DSO Interface Management
No full textInternational audienceThis paper presents a comprehensive methodology for integrated TSO/DSO modeling, aimed at enhancing coordinated management of transmission and distribution networks. The proposed approach allows to perform a unified numerical load-flow model that effectively integrates both transmission and distribution electrical systems, accounting for technical constraints of each grid operator. The validation of the detailed joint TSO/DSO model is carried out using real-world scenarios provided by grid operators, ensuring its practical applicability
A probabilistic model to consider scale and gradient effects in the prediction of the fatigue life of Inconel 718 for turbine disk application.
No full textInternational audienceThe aim of this paper is to implement and compare different fatigue post-processing approaches for fatigue life assessment of complex parts. Inconel 718 is taken as an example, as it can exhibit several factors influencing fatigue life, such as mean stress, stress gradient and scale effects. Tests on different specimen geometries to exacerbate these effects were carried out at 550°C. The range of service operating life is between 103 and 106 cycles. A modelling chain was then set up. A structural calculation was performed using an elasto-visco-plastic behavior law to obtain the mechanical fields at cycle stabilize. These values were finally exploited by applying a post-processing treatment approach to predict the fatigue life of the structure. Two main types of post-processing approach were investigated: standard and probabilistic. The way in which the different factors influencing fatigue life are considered, depending on the approach used, was discussed. Finally, the probabilistic volume approach yields better results, thanks to its ability to consider mean stress, stress gradient and scale effects in the proposed formulation
EDUCAUSE 2024 French and Japanese Delegation Joint Report - JP: Visits to Houston Community College, Texas A&M University, San Antonio College, University of Texas at San Antonio
No full text10月にシカゴで開催された2023年年次総会は、EDUCAUSEフランス代表団の設立10周年を記念するものでした。この節目は、まさにこの10年間を振り返る絶好の機会です。この取り組みは当初から、主要なトレンドと展望を評価できる多様な専門家を結集することで、フランスの高等教育コミュニティにデジタル問題に関する国際的な視点を提供することを目指してきました。2013年以来、EDUCAUSE年次総会への継続的な参加という形で実現し、その内容は年々大きく充実してきました。設立当初は単なる参加という方針でしたが、代表団のメンバーは徐々にEDUCAUSEの様々なレベルで、総会内外を問わず、積極的に関与するようになりました（下記のインフォグラフィックをご覧ください）。今回、様々なテーマに関する20件のプレゼンテーションを選定しました。当協会のメンバーの中には、毎年EDUCAUSE年次大会の提案審査員や、それぞれのプログラム委員会（2019年と2023年）のメンバーとして活動している者も複数います。また、EDUCAUSE Horizon Reportや年次Top-10課題に関する専門家パネルに参加したり、様々なテーマ別コミュニティグループ（特にXRとラーニングスペース）で活動したり、参考記事の執筆やツールの翻訳に携わったりしている者もいます。さらに、2013年以降、EDUCAUSE年次大会の前後に約30回の現地視察を実施してきました。これらの視察では、常に素晴らしい歓迎を受けるだけでなく、質の高い議論を通して、この分野に関する貴重な知見を得ることができました
Analyse croisée de la performance et de la santé des joueurs de rugby par des outils d’intelligence artificielle
No full textThis PhD lies at the intersection of performance analysis and player health in professional rugby, through the use of artificial intelligence and data science tools.It is based on data collected from a top-level club, Racing 92, and pursues a dual objective: optimizing collective on-field performance and anticipating player injury risks.The first part explores the modeling of sporting performance. Various clustering approaches were applied to characterize teams’ offensive playing styles, using an extended set of match variables. The identification of specific clusters, associated with differentiated win rates, highlighted key determinants of success such as line breaks and turnovers. Furthermore, the similarity between the playing style of certain clubs and that of their national teams underlines the importance of structural continuity in collective performance. The study also employed Graph Neural Networks (GNNs) to examine the teams’ collective experience. Players were represented as nodes with three parameters (professional matches, international matches, and matches with the current club), and their shared experiences as edges. While the direct prediction of match outcomes from these graphs proved limited, the approach opens promising perspectives for analyzing collective interactions.The second part focuses on the medical dimension. Collected data include training load, daily medical status, environmental factors, and screening tests. From a predictive standpoint, several machine learning and deep learning models were tested, including logistic regression, random forests, XGBoost, and recurrent neural networks. The best performances were obtained with hybrid architectures combining Conv1D and LSTM, capable of leveraging the sequential and multivariate nature of the data. These models achieved good levels of accuracy during the 2022–2023 season. However, performance struggled to remain consistent across seasons and evolving conditions. Particular attention was given to model interpretability, an essential condition for adoption by coaches and medical staff. Explainability methods (LIME) were integrated to identify the most influential variables for each prediction.In conclusion, this thesis highlights the contribution of artificial intelligence methods in bridging the domains of performance and health in professional rugby. The results show that data science can help better understand game dynamics, objectify complex concepts such as collective cohesion, and anticipate injury-related unavailability. Nevertheless, the observed limitations emphasize the need for parsimonious, explainable models adapted to the operational constraints of the field. This work thus opens perspectives for industrial applications in professional clubs, and more broadly for the development of sports analytics applied to athlete performance and health.Cette thèse s’inscrit dans le domaine de l’analyse de la performance et de la santé des joueurs de rugby professionnel, à travers l’utilisation d’outils d’intelligence artificielle et de science des données.Elle repose sur l’exploitation de données issues d’un club de haut niveau, le Racing 92, et vise un double objectif : optimiser la performance collective sur le terrain et anticiper les risques de blessure joueurs.La première partie explore la modélisation de la performance sportive. Différentes approches de clustering ont été mobilisées pour caractériser les styles de jeu offensifs des équipes, en s’appuyant sur un ensemble élargi de variables de matchs. L’identification de clusters spécifiques, associés à des taux de victoire différenciés, a permis ded'appuyer certains déterminants clés de la réussite, tels que les franchissements ou les turnovers. Par ailleurs, la proximité entre le style de jeu de certains clubs et celui de leur sélection nationale illustre l’importance des continuités structurelles dans la performance collective. L’étude a également mobilisé des réseaux de neurones graphiques (GNN) afin de d'étudier l'expérience collective des équipes. Les joueurs étaient ainsi représentés par des noeuds contenant trois paramètres (matchs en professionnel, matchs internationaux et dans le club actuel) et leurs expériences communes comme des arêtes. Si la prédiction directe du résultat de match à partir de ces graphes s’est révélée limitée, l’approche ouvre des perspectives prometteuses pour l’analyse des interactions collectives.La seconde partie se concentre sur la dimension médicale. Les données collectées incluent la charge d’entraînement, les statuts médicaux quotidiens, les facteurs environnementaux et les tests de screening. D'un point de vue prédictif, plusieurs modèles d’apprentissage automatique et profond ont été testés, parmi lesquels des régressions logistiques, forêts aléatoires, XGBoost et réseaux de neurones récurrents. Les meilleures performances ont été obtenues par des architectures hybrides de type Conv1D + LSTM, capables d’exploiter la nature séquentielle et multivariée des données. Ces modèles ont permis d'attendre de bons niveaux de précision sur la saison 2022-2023. Cependant, les performances ont eu du mal à rester constante au cours des saisons et des évolutions.Une attention particulière a été accordée à l’interprétabilité des modèles, condition indispensable à leur adoption par les entraîneurs et le staff médical. Des méthodes explicatives (LIME) ont été intégrées pour identifier les variables les plus influentes de chaque prédiction.En conclusion, cette thèse met en évidence l’apport des méthodes d’intelligence artificielle pour croiser les enjeux de performance et de santé dans le rugby professionnel. Les résultats montrent que les méthodes de data science peuvent contribuer à mieux comprendre les dynamiques de jeu, à objectiver des concepts complexes tels que la cohésion collective, et à anticiper les indisponibilités liées aux blessures. Néanmoins, les limites observées rappellent la nécessité de modèles parcimonieux, explicables et adaptés aux contraintes opérationnelles du terrain. Ces travaux ouvrent ainsi des perspectives d’application industrielle pour les clubs professionnels, et plus largement pour le développement de l’analytique sportive appliquée à la performance et à la santé des athlètes