MétaCan
Menu
Retour à la cohorte
Enregistrement W2079336873 · doi:10.1177/1045389x06061130

The Coupled Dynamic Behavior of Piezoelectric Sensors Bonded to Elastic Media

2006· article· en· W2079336873 sur OpenAlexaff
X. D. Wang, Guoliang Huang

Notice bibliographique

RevueJournal of Intelligent Material Systems and Structures · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPiezoelectricityPiezoelectric sensorMaterials scienceFinite element methodStiffnessAcousticsCoupling (piping)Deformation (meteorology)Structural engineeringFourier transformTransformation (genetics)Sensitivity (control systems)Plane (geometry)Electronic engineeringEngineeringComposite materialGeometryMathematical analysisPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Surface-bonded piezoelectric sensors can be used to monitor the mechanical behavior of structures for damage detection. This article provides a comprehensive theoretical study of the dynamic coupling between a surface piezoelectric sensor and an elastic half-plane. Attention is focused on the transformation of mechanical deformation into electric signals under dynamic loads. The effect of the longitudinal stiffness of the sensor is included in the developed sensor model. The problem is then formulated by using Fourier transform and solving the resulting integral equations in terms of the interfacial stress. The accuracy of the developed sensor model is evaluated by comparing with results from the finite element analysis. Numerical simulation is conducted to study the relation between the sensor response and the deformation of the host medium under static and dynamic loads. The results indicate the significant effects of the geometry of the sensor, the material mismatch of the system, and the loading frequency upon the sensor response.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,004
Tête enseignante GPT0,200
Écart entre enseignants0,196 · 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

Citations35
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intelligent Material Systems and StructuresMême sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207