MétaCan
Menu
Retour à la cohorte

Integration Methods of Sensors in FRP Components

2015· article· en· W2246556863 sur OpenAlexaff
Hans Christof, Lena Müller, Simon Küppers, Paul Hofmann, Elisabeth Giebel, Sabine Frick, Markus Gabler, Götz T. Gresser

Notice bibliographique

RevueMaterials science forum · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced MEMS and NEMS Technologies
Établissements canadiensBuckland & Taylor (Canada)
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésFibre-reinforced plasticMaterials sciencePultrusionPolyvinylidene fluoridePiezoelectricityComposite materialBendingOptical fiberPiezoelectric sensorFiber optic sensorFiberPolymerOptics

Résumé

récupéré en direct d'OpenAlex

Structural health monitoring is an important research topic in the field of fiber reinforced plastics (FRP). An effective way to detect defects or overloads in these FRP has still not been found. One way to monitor the actual state of FRP components is via integrated sensors. Integrating current standard sensors negatively affects the flux of force. Therefore investigations about integration methods of sensors in FRP components have been made. The integration of an optical fiber sensor into FRP profiles via a pultrusion process was investigated. It could be shown that the pultrusion process is suitable method for the integration of fiber optic sensors for strain measurements. Another investigated sensor principle was the integration of piezoelectric polyvinylidene fluoride (PVDF) fibers via a vacuum assisted process. The PVDF fibers were integrated into 3-point bending specimen and the piezoelectric effect was tested with and without polarization. The investigation showed that it is possible to measure the piezoelectric effect of PVDF fibers integrated into a 3-point bending test specimen. It could also be shown that carbon fibers can be used as textile electrodes for the measurement of the generated charge on the PVDF surface.

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)0,001
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 enseignants0,071
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,042
Tête enseignante GPT0,325
Écart entre enseignants0,283 · 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAdvanced MEMS and NEMS TechnologiesTravaux en français237 207