Infrared thermography as a nondestructive tool for materials characterisation and assessment
Notice bibliographique
Résumé
Thermographic approaches, passive and active, are widely used due to the outstanding advantages that offer in a number of applications and particularly for the assessment of materials. Nonetheless, there are limitations; depending upon the approach used, as well as on the materials thermal, optical and physical properties, proper assessment (detection and/or quantification) is feasible. In thermal non-destructive evaluation (NDE), the active approach of infrared thermography where an excitation source, such as optical flash lamps, heat lamps, hot or cold air guns, etc., is employed with the intention of inducing thermal contrasts, has several applications. The temperature differences during the transient phase appear on the material surface and so detection of subsurface defects is possible (areas of different temperatures when compared to the sound part(s) due to the different thermal diffusivity). Since the heating or cooling features of the stimulus source are identifiable (in time and amplitude) by considering the time factor quantitative assessment is also feasible. However, when a material is heated, the thermal waves penetrate the material's surface. These waves are generally of various amplitudes and frequencies and are launched into the specimen, in a transient mode (i.e. transient thermography). In this work, different applications, employing transient thermographic testing, concerning the assessment of various composite materials and components are presented. Real time NDE is presented using various transient thermography approaches, i.e. pulsed thermography (PT), pulsed phase thermography (PPT) and/or thermal modelling (TM).
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 ».