MétaCan
Menu
Retour à la cohorte
Enregistrement W2137522628 · doi:10.5539/mas.v7n2p57

A Review of Passive Wireless Sensors for Structural Health Monitoring

2013· review· en· W2137522628 sur OpenAlexvenueno aff
Arvind Deivasigamani, Ali Daliri, Chunhui Wang, Sabu John

Notice bibliographique

RevueModern Applied Science · 2013
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStructural health monitoringWirelessWireless sensor networkComputer scienceField (mathematics)ResistorElectrical engineeringElectronic engineeringTelecommunicationsEngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Wireless sensors for Structural Health Monitoring (SHM) is an emerging new technology that promises to overcome many disadvantages pertinent to conventional, wired sensors. The broad field of SHM has experienced significant growth over the past two decades, with several notable developments in the area of sensors such as piezoelectric sensors and optical fibre sensors. Although significant improvements have been made on damage monitoring techniques using these smart sensors, wiring remains a significant challenge to the practical implementation of these technologies. Wireless SHM has recently attracted the attention of researchers towards un-powered and more effective passive wireless sensors. This article presents a review of some of the underlying technologies in the field of wireless sensors for SHM - with a focus on the research progress towards the development of simple, powerless, yet effective and robust wireless damage detection sensors. This review examines the development of passive wireless sensors in two different categories: (1) use of oscillating circuits with the help of inductors, capacitors and resistors for damage detection; and (2) use of antennas, Radio Frequency Identification (RFID) tags and metamaterial resonators as strain sensors for wireless damage monitoring. An assessment of these electromagnetic techniques is presented and the key issues involved in their respective design configurations are discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,040
Tête enseignante GPT0,325
Écart entre enseignants0,285 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetSmart Materials for ConstructionTravaux en français237 207