MétaCan
Menu
Retour à la cohorte
Enregistrement W2141317543 · doi:10.5006/c2008-08146

Pipeline Corrosion Monitoring by Fiber Optic Distributed Strain and Temperature Sensors

2008· article· en· W2141317543 sur OpenAlexaff
Lufan Zou, Omur Sezerman, Winston Revie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensNatural Resources CanadaOZ Optics (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionOptical fiberPipeline (software)Materials scienceFiber optic sensorStrain (injury)Corrosion monitoringDistributed acoustic sensingOptoelectronicsComposite materialFiberComputer scienceEngineeringMechanical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Brillouin-scattering-based fiber optic distributed strain and temperature sensors (DSTS) has been applied to measure the longitudinal and hoop strain in an internally pressurized 1.8 m long end-capped steel pipe with wall thinning defects. The pre-embedded defects, which constitute 50–60% of inner wall thickness to simulate the structural degradation by corrosion in pipes, are discriminated by use of the corresponding strain measurements in the axial and hoop directions along the pipe with our distributed strain and temperature sensor system using 10 cm spatial resolution. The locations of structural indentations are found and distinguished by use of their corresponding strain–pressure data. These results are quantified in terms of the fiber orientation, defect size and depth, and behavior relative to those of unperturbed pipe sections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,084
Score d'incertitude au seuil0,805

Scores Codex et Gemma par catégorie

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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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 tête enseignante, 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

Citations20
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Fiber Optic SensorsTravaux en français237 207