MétaCan
Menu
Retour à la cohorte
Enregistrement W1968633182 · doi:10.1109/jlt.2013.2263278

Echelle Diffractive Grating Based Wavelength Interrogator for Potential Aerospace Applications

2013· article· en· W1968633182 sur OpenAlexaff
Honglei Guo, Gaozhi Xiao, Nezih Mrad, Jianping Yao

Notice bibliographique

RevueJournal of Lightwave Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensDepartment of National DefenceInstitute for Microstructural SciencesUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFiber Bragg gratingAerospaceStructural health monitoringInterrogationOptical fiberGratingElectronic engineeringFiber optic sensorDiffraction gratingOpticsRepeatabilityMaterials scienceEngineeringElectrical engineeringOptoelectronicsAerospace engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Operational load monitoring and impact damage detection are the two critical aspects of aerospace structural health monitoring (SHM). Fiber Bragg grating (FBG) sensors have demonstrated great potential in both. But the currently available interrogation systems can only handle one of the two types of SHM capabilities offered by FBG sensors. In addition, the practical implementation of FBG sensor systems in aerospace vehicles requires the interrogator to be small size, light weight, and low-power consuming. In this paper, we present an Echelle diffractive grating (EDG) based interrogation system for FBG sensors, which possesses two operation modes, i.e., the sweeping mode for operational load monitoring and the parked mode for impact damage detection. Experimental results show that this interrogator offers better than 1-pm measurement resolution and 10-pm repeatability. In addition, the interrogation system is very compact and weighs less than 60 g (excluding the electronic controller). It also has the potential to achieve a measurement speed of 300 kHz and be powered by a battery.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207