Applicability of an Optimized Fiber Optic Smart Structure
Notice bibliographique
Résumé
In recent years, fiber optic smart structure is widely studied because of its intrinsic benefits [1] [2]. One of the most striking evolvements is the technology, of which FBG (Fiber Bragg Grating) sensor systems are embedded in fiber reinforced composite materials, so that any ambience induced responses of the host structures can be monitored in real time, consequently proper actuations are initiated. Thus a neural system is realized. This work reports an entire optimization process of the FBG sensors embedded in Graphite/Epoxy composite material. Moreover, performance of the sensor system was observed and the applicability is discussed. Due to the mechanically orthotropic characteristics of the Graphite/Epoxy composite material, two FBG sensors were orthogonally embedded along the two principle axes in mid-plane of the specimen. When strain load was applied along one of the axes, longitudinal and shear responses of the structure were simultaneously monitored, hence its orthotropic properties were determined. Further, any randomly oriented strain applied to the specimen will be analytically quantified along the two sensors. Recurring to surface mounted resistance strain gage concept, the embedded FBG strain gage array was recalibrated, and its sensing alterability is quantified. This work tends to provide a quantitative discussion on FBG sensors’ residual erroneousness after an optimized embedment, the conclusion may give designers a reference to properly interpret FBG sensors’ performances, in case they are used as an embedded strain gage.
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) | 0,001 | 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 ».