Looking Past the Pipe Wall: Quantifying Pipe Corrosion and Deterioration with Pipe Penetrating Radar
Notice bibliographique
Résumé
Pipe Penetrating Radar (PPR) is the underground in-pipe application of GPR, a non-destructive testing method that can detect defects and cavities within and outside mainline diameter (>18 in / 450mm) non-metallic (reinforced concrete, vitrified clay, PVC, HDPE, etc.) pipes. The key advantage of PPR is the unique ability to map pipe wall thickness and deterioration including voids outside the pipe, enabling accurate predictability of needed rehabilitation or the timing of replacement. This paper presents recent advancement of PPR inspection technology together with selected case studies. Two case studies are discussed in detail. The Del Norte Trunk Sewer in Stockton, CA is a 36” reinforced concrete pipe with a 0.7” thick fiberglass liner. The objective of the PPR survey was to determine the condition of the approximately 55 years old lined RC pipe by mapping its wall thickness, rebar cover and detecting voids and/or other anomalies within or outside the pipe wall. The pipe experienced failures in the past and the fiberglass liner has at places also separated from the original RC pipe wall. PPR results confirmed 3.9 to 4.5 inch remaining wall thickness including the grouted fibreglass liner with little variation over the inspected length. Rebar cover appeared to be sufficient with no void type anomalies on any of the inspected lines. A 120 inch diameter brick lined combined sewer pipe was inspected with PPR. The pipe was built in 1906 and experienced wet weather overflows. In order to design the most appropriate rehabilitation strategy the knowledge of voids outside the sewer was critical. Over 6,000 ft of high resolution line data were collected via manned entry. PPR data revealed voids both outside and within the pipe wall and thus provided engineers the information needed to take the appropriate approach to rehabilitate the pipe. With limited available funding and budget constraints becoming more prevalent, timing of rehabilitation and overall intelligent asset management is more critical than ever. PPR provides engineers and utility owners the information to accurately estimate the remaining life left in a pipeline, refine timing of repairs, and ultimately better allocate funding for asset management.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».