MétaCan
Menu
Retour à la cohorte
Enregistrement W1997125399 · doi:10.5589/q09-014

Spacecraft damage assessment due to hypervelocity impacts using a micrometeoroid and orbital debris detection system

2009· article· en· W1997125399 sur OpenAlexvenueno aff
R. C. Tennyson

Notice bibliographique

RevueCanadian aeronautics and space journal · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Satellite Systems and Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHypervelocityMicrometeoroidSpacecraftSpace debrisAerospace engineeringSpace suitKevlarAstrobiologyMaterials scienceEngineeringPhysicsAstronomyComposite material

Résumé

récupéré en direct d'OpenAlex

This paper describes the design, construction, and testing of a hypervelocity impact (HVI) detection system for monitoring the occurrence of an impact, the location of the impact, and the resulting damage to a spacecraft. One of the constant dangers emanating from the space environment is the presence of micrometeoroids and space debris. The energy associated with these hypervelocity impacts is sufficient to penetrate most spacecraft structures, damage spacecraft components, and pose a potential threat to human occupants. A detection system has been developed involving optical fibers woven in an orthogonal grid in a fabric such as Kevlar. The optical fibers are interrogated by a light source that monitors the intensity of the light transmission. Changes in light transmission relate to HVI damage to the optical fibers such that a damage zone can be constructed based on these data. This “smart fabric” can be bonded to critical parts of the spacecraft susceptible to HVI damage or mounted inside the spacecraft structure such that the HVI particles are attenuated before they can damage interior components (and astronauts). Tests on a Kevlar smart fabric have been conducted at the National Aeronautics and Space Administration (NASA) Johnson Space Center using aluminum plate targets, and results are presented demonstrating the effectiveness of this 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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil1,000

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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian aeronautics and space journalMême sujetSpace Satellite Systems and ControlTravaux en français237 207