MétaCan
Menu
Retour à la cohorte
Enregistrement W2126039769 · doi:10.1109/jsen.2011.2157120

Application of Flat-Clad Optical Fiber Bragg Grating Sensor in Characterization of Asymmetric Fatigue Deformation of Extruded Magnesium Alloy

2011· article· en· W2126039769 sur OpenAlexaff
Xijia Gu, Cheng Li, Aihan Feng, D.L. Chen

Notice bibliographique

RevueIEEE Sensors Journal · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceExtensometerFiber Bragg gratingComposite materialOptical fiberMagnesium alloyHardening (computing)Cladding (metalworking)OpticsOptoelectronicsAlloy

Résumé

récupéré en direct d'OpenAlex

We report the application of a novel flat-cladding optical fiber Bragg grating sensor array in the characterization of low cycle fatigue deformation behavior of an extruded AZ31 magnesium alloy. The results obtained from optical fiber sensors showed strong asymmetry of stress-strain hysteresis loops, especially at high strain amplitudes, due to the occurrence of twinning in compression and detwinning in tension. At a given total strain amplitude, the degree of asymmetry of the hysteresis loops decreased with increasing number of cycles. The alloy also exhibited strong cyclic hardening at higher total strain amplitudes. All of these observations were in good agreement with those measured from an extensometer, and with those reported in the literature. In particular, the plastic strain amplitudes evaluated from optical fiber sensors demonstrated a nearly perfect agreement with those obtained from the extensometer, further corroborating the suitable use of the optical fiber sensors as an important tool in the evaluation of cyclic defromation behavior of materials.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,214
Écart entre enseignants0,191 · 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetMetal and Thin Film MechanicsTravaux en français237 207