Measurement of vertical and longitudinal rail displacements using digital image correlation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Excessive rail displacements can result in reduced rail traffic speeds and increased risk of derailments. A number of methods exist for the measurement of vertical rail displacements, including using geophones, high-speed cameras, and rail vehicle mounted systems. The advantage of rail vehicle mounted methods is that large lengths of track can be assessed. However, there are some instances where the measurement of absolute rail deformations is essential, particularly in poor subgrade conditions where significant long-term settlements are possible. Vehicle-mounted monitoring strategies cannot capture the so-called “running rail” phenomena, where the passage of a train can push the rails longitudinally. Monitoring rail displacements using digital image correlation (DIC) has the potential to capture both of these phenomena unlike other technologies. The objectives of this paper are to evaluate the use of a system of synchronized high-speed cameras to measure absolute longitudinal and vertical rail displacements using DIC, to observe what factors influence the relative magnitudes of these displacements, and to investigate whether DIC measurements can be used to evaluate the stiffness and damping parameters required to develop the displacement–time response of a rail foundation system. The DIC system was evaluated at two sites: one with a high-quality subgrade and one with a peat subgrade. The DIC system was able to capture the absolute vertical and longitudinal displacements due to the passage of trains at both sites. The data from one of the sites, with the high-quality subgrade, were used to develop parameters for system stiffness and damping.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle