MétaCan
Menu
Retour à la cohorte
Enregistrement W2037131598 · doi:10.1115/1.4002717

Contrapropagating Ultrasonic Flowmeter Using Clad Buffer Rods for High Temperature Measurements

2010· article· en· W2037131598 sur OpenAlexaff
Demartonne Ramos França, C. K. Jen, Yuu Ono

Notice bibliographique

RevueJournal of Dynamic Systems Measurement and Control · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensNational Research Council CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésUltrasonic flow meterUltrasonic sensorFlow measurementMaterials scienceRodCalibrationBuffer (optical fiber)Volumetric flow rateTransducerAcousticsFlow (mathematics)Temperature measurementMechanicsElectrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This work proposes clad buffer rods driven by shear transducers as the main building block of contrapropagating ultrasonic flowmeters for high temperature application. It is demonstrated that the superior signal-to-noise ratio exhibited by clad buffer rods (compared with the reported nonclad counterparts) improves precision in transit time measurements, leading to more accurate flow speed determination. In addition, it is shown that clad buffer rods generate specific ultrasonic signals for temperature calibration of flowmeters, allowing temperature variation while still measuring accurately the flow speed. On the basis of these experimental results, a contrapropagating ultrasonic flowmeter was designed and installed in a heater machine for flow speed measurements of hot oil at temperatures near 130°C. For a temperature variation of 3°C, the difference between upstream and downstream ultrasonic transit times, which is proportional to the flow speed at a given temperature, was measured within 1 ns accuracy.

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)0,002
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,213
Écart entre enseignants0,197 · 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

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dynamic Systems Measurement and ControlMême sujetFlow Measurement and AnalysisTravaux en français237 207