Des rotors. Des données fiables.
Générez les configurations, calculez leurs vitesses critiques et conservez chaque étape.
Nouvelle campagne
Échantillonnage équilibré entre trois matériaux.
Famille étudiée
Arbre creux · disques pleins · paliers isotropes
Datasets disponibles
Chaque campagne conserve son protocole et ses identifiants d’échantillons.
Comparer avant de choisir.
Les réglages et le choix du modèle utilisent uniquement la validation.
Un rotor, deux regards.
Comparez la prédiction du modèle retenu avec un nouveau calcul ROSS.
Un protocole explicite.
Ce qui est calculé, ce qui est appris et ce qui reste à démontrer.
Données et physique
Les rotors sont simulés avec ROSS 2.3.0. La construction et les contraintes reprennent les scripts S1 v4.4 fournis par Louis. Le nombre de disques est fixé à trois et celui de paliers à deux.
Les étiquettes sont les six vitesses critiques amorties (wd), calculées avec num_modes = 12. La tolérance demandée est 0,001. L’ordre natif de ROSS est conservé.
Les campagnes enregistrent les rejets de construction, les échecs de simulation, les empreintes des données et du code, ainsi que les versions utilisées. Une simulation échouée ne devient jamais une valeur d’apprentissage.
Contrôle de convergence
Le contrôle optionnel double le maillage et resserre la tolérance sur un rotor par matériau. C’est un diagnostic ponctuel, pas une certification de convergence du dataset entier.
Apprentissage et test
Le partage initial est stratifié par matériau : environ 80 % entraînement, 10 % validation et 10 % test. Les identifiants sont enregistrés. Les ajouts adaptatifs rejoignent uniquement l’entraînement.
Les modèles utilisent des positions relatives, les logarithmes des raideurs et des caractéristiques physiques : masses, rigidité en flexion et rapports géométriques. Ces variables diffèrent du modèle historique.
Le classement utilise la MAPE moyenne de validation sur les six vitesses. Les répétitions mesurent la variabilité de l’apprentissage sur un découpage fixe.
Test final à usage unique
Seul le modèle choisi sur la validation est évalué, en moyennant ses répétitions. Ouvrir le test scelle toute la lignée du dataset : aucun nouveau réglage ou enrichissement n’y est ensuite autorisé.
Lire les indicateurs
Écart absolu moyen.
Accorde plus de poids aux grosses erreurs.
Erreur relative moyenne.
90 % des erreurs relatives restent sous ce seuil.
Un petit pilote vérifie que le circuit de calcul fonctionne. Il ne permet pas de conclure à la supériorité d’un modèle. Le respect du simulateur ne constitue pas une validation expérimentale sur une machine réelle.
Référence historique — distincte des résultats de cet atelier
Le rapport S2 de septembre 2026 annonce 99 984 échantillons valides et 19 997 cas de test, avec des MAPE allant de 9,03 % à 13,78 %. Les données complètes et le modèle historique ne sont pas chargés dans cet atelier : il ne s’agit pas d’une reproduction chiffrée de l’expérience 100k.
Le DDPM et le PINN ne sont pas implémentés ici. Cet atelier prépare et évalue les prédicteurs directs qui pourront servir à la conception inverse.