MétaCan
Menu
Retour à la cohorte
Enregistrement W2160918233 · doi:10.1109/ultsym.2009.5441876

Enhancing real-time ultrasound signatures of molten nugget growth for quality evaluation of resistance spot welds

2009· article· en· W2160918233 sur OpenAlexafffund
Anthony C. Karloff, Andriy M. Chertov, Roman Gr. Maev

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasonics and Acoustic Wave Propagation
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSpot weldingAttenuationAcousticsWeldingVisualizationMaterials scienceElectrodeFilter (signal processing)AmplitudeAcoustic emissionQuality (philosophy)UltrasoundSignal processingComputer scienceOpticsElectronic engineeringMetallurgyEngineeringComposite materialDigital signal processingArtificial intelligenceComputer vision

Résumé

récupéré en direct d'OpenAlex

This paper presents an effective means of enhancing weak acoustic reflections in real-time ultrasound signatures of a spot weld, by analyzing the propagation of acoustic waves through the electrodes and heated weld region. A new method of processing the ultrasound data is presented that removes undesired acoustical reflections in the electrode cap and enhances weak reflections at the solid-liquid interface. To facilitate this, frequency and amplitude attenuation resulting from the weld medium and acoustical interfaces of the layered weld structure are examined. Sources of echoes that destructively interfere with the desired reflections are also identified and removed by optimal filter design. Finally, basic image processing techniques are applied to a B-scan representation of the weld to improve visualization of the liquid nugget during cooling. This additionally permits the accurate measurement of the final weld thickness; an important quality control parameter.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · 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

Citations5
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUltrasonics and Acoustic Wave PropagationTravaux en français237 207