Metal Embedded Optical Fiber Sensors: Laser-Based Layered Manufacturing Procedures
Notice bibliographique
Résumé
This paper describes laser-based layered manufacturing processes for embedding optical fiber Bragg gratings (FBGs) in metal structures to develop cutting tools with embedded sensors. FBG is a type of optical fiber that is used for the measurement of parameters manifesting as the changes of strain or temperature. The unique features of FBGs have encouraged their widespread use in structural measurements, failure diagnostics, thermal measurements, pressure monitoring, etc. Considering the unique features of FBGs, embedding of the sensors in metal parts for in-situ load monitoring is a cutting-edge research topic with a variety of applications in machining tools, aerospace, and automotive industries. The metal embedding process is a challenging task, as the thermal decay of UV-written gratings can start at a temperature of ∼200 °C and accelerates at higher temperatures. The embedding process described in this paper consists of low temperature laser microdeposition of on-fiber silver thin films followed by nickel electroplating in a steel part. A microscale laser-based direct write (DW) method, called laser-assisted maskless microdeposition (LAMM), is employed to deposit silver thin films on optical fibers. To attain thin films with optimum quality, a characterization scheme is designed to study the geometrical, mechanical, and microstructural properties of the thin films in terms of the LAMM process parameters. To realize the application of embedded FBG sensors in machining tools, the electroplating process is followed by the deposition of a layer of tungsten carbide-cobalt (WC-Co) by using laser solid freeform fabrication (LSFF). An optomechanical model is also developed to predict the optical response of the embedded FBGs. The performance of the embedded sensor is evaluated in a thermal cycle. The results show that the sensor attains its linear behavior after embedding. Microscopic analysis of the tool with the embedded sensor clearly exhibits the integrity of the deposited layers without cracks, porosity, and delamination.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».