MétaCan
Menu
Retour à la cohorte
Enregistrement W1980341578 · doi:10.1061/(asce)ps.1949-1204.0000197

Distributed Sensing of Circumferential Strain Using Fiber Optics during Full-Scale Buried Pipe Experiments

2015· article· en· W1980341578 sur OpenAlexafffund
Bryan Simpson, Neil A. Hoult, Ian D. Moore

Notice bibliographique

RevueJournal of Pipeline Systems Engineering and Practice · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère des Transports
Mots-clésOptical fiberFiber optic sensorStrain gaugeStructural health monitoringMaterials scienceService lifeOptical fiber cableStructural engineeringGeotechnical engineeringEngineeringComposite materialTelecommunications

Résumé

récupéré en direct d'OpenAlex

As buried infrastructure in North America and around the world reaches the end of its service life, engineers and infrastructure managers will require an improved understanding of the performance of both deteriorated pipes and repair techniques. To develop this improved understanding, sensing technologies that enable the full pipe behavior to be measured, rather than a small number of localized discrete measurements, are required. A possible solution to this problem is to use distributed fiber optic strain sensors. To this end, a series of buried pipe tests were undertaken on steel, concrete, and high-density polyethylene (HDPE) pipes instrumented with distributed fiber optic strain sensors. The distributed measurements were in agreement with conventional strain gauges, but enabled the full strain distribution around the circumference of the pipe to be measured. This allowed localized behavior that would have been missed with conventional strain gauges to be detected and quantified. In addition, the choice of fiber optic cable proved to be an important consideration due to a trade-off between measurement accuracy and sensor robustness.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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'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

Citations83
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pipeline Systems Engineering and PracticeMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207