Effects of Detector Dynamics on Magnetic Flux Leakage Signals From Dents and Gouges
Notice bibliographique
Résumé
The current study was designed to model the dynamic effects of detector ride and magnet liftoff on Magnetic Flux Leakage (MFL) signals from dents as well as gouges that have significant denting. The MFL tools have long been used for the detection and sizing of corrosion defects. This is comparatively straightforward for a number of reasons, one of which is that the MFL detector assembly can ride relatively smoothly along the inner pipe wall surface. This is not the case when significant denting is present, since the dent presents a perturbation in the pipe wall that can cause liftoff of the detector or magnet system. Since the tool travels at relatively high speeds down the pipe, the dent itself can cause the detector to lose contact with the trailing half of the dent. In addition, the magnet pole piece may experience partial liftoff as it traverses the dent, thus causing a change in the local flux density. In this study results from ‘static’ measurements are compared with a dynamic case in which detector liftoff is simulated through modeling and experiment. Results are discussed regarding the severity of MFL signal loss at the trailing edge of the defect as a result of detector liftoff. The effect of partial liftoff of the magnet as it passes over the dent is also examined. Magnet liftoff is found to increase the local magnetic flux near the liftoff region, causing the MFL signal from the dent wall to increase rather than decrease in the vicinity of magnet liftoff region.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».