A Distributed Reflector Localization Approach to Ultrasonic Array Imaging in Non-Destructive Testing Applications
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
In array-based immersion ultrasonic non-destructive testing (NDT), an ultrasonic array and a solid test sample are immersed in water for the purpose of imaging and flaw detection inside the test sample. In such a test scenario, the upper surface of the test sample has two effects: i) it produces a strong interference signal in the backscattered received signal, and ii) its shape determines the array spatial signature of every point inside the material under test. Hence, in immersion NDT, to achieve a precise localization of a crack inside a test sample, the knowledge of the shape of the upper surface of the test sample is required. In this paper, we propose a distributed reflector modeling approach to characterize the interface between water and a solid test sample as well as any crack inside the solid test sample. This approach relies on the so-called incoherently distributed reflector modeling, where a distributed reflector can be modeled as infinitely many point sources located close to each other. Using such an approach, we present a model for the array data, and then develop a covariance fitting based technique to estimate the parameters of the shape of the interface between the two media and those of the shape of a crack inside the test material. Our numerical experiments show that our proposed approach yields a lower root mean squared error for the parameter estimates, compared to a state-of-the-art method, called root mean squared velocity technique.
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 | 0,002 |
| 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