MétaCan
Menu
Retour à la cohorte
Enregistrement W1980096088 · doi:10.1088/0964-1726/19/8/085005

Structural health monitoring strategy for detection of interlaminar delamination in composite plates

2010· article· en· W1980096088 sur OpenAlexaff
Nicolas Quaegebeur, Philippe Micheau, Patrice Masson, A. Maslouhi

Notice bibliographique

RevueSmart Materials and Structures · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésDelamination (geology)Structural health monitoringLamb wavesMaterials scienceSizingTransverse planeAcousticsComposite materialComposite numberRange (aeronautics)Structural engineeringWave propagationOpticsEngineeringPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

In this paper, a structural health monitoring strategy for detecting interlaminar delamination in a carbon fiber reinforced polymer structure using Lamb waves is proposed. The delamination is simulated by inserting a Teflon tape between two transverse plies and the Lamb wave generation and measurement is enabled by using piezoceramic elements. The Lamb wave theoretical propagation and through thickness strain distribution are studied, in order to determine the optimal configuration of the final system in terms of mode and frequency selection, and piezoceramic sizing and spacing, for detection of cross-sectional delamination. Pitch and catch measurements are performed by comparing wave propagations for different frequencies and along damaged and undamaged paths of the structure, and the analysis of results is performed using the reassigned short time Fourier transform. It appears that in the low frequency range (below 300 kHz), the A0 mode is sensitive to the damage, while in the high frequency range, S1 and A1 modes are both very sensitive to the damage while the propagation of the S0 mode is not affected very much.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations28
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207